Key Takeaways
Perspetiva sobre o fluxo de trabalho: Os métodos tradicionais de recrutamento privilegiam a seleção de uma percentagem muito reduzida dos candidatos, deixando a maioria sem consideração.
Desafio da IA: As ferramentas de IA aumentam a eficiência, mas não conseguem avaliar eficazmente o desempenho real dos candidatos durante o processo de contratação.
Custo da candidatura: A facilidade de se candidatar a empregos levou a um aumento do volume de candidaturas, complicando o processo de filtragem.
Erosão dos sinais: Os indicadores comuns de contratação estão a perder fiabilidade, tornando mais difícil identificar candidatos qualificados.
Foco nas competências: A adoção de uma abordagem centrada nas competências poderá melhorar o recrutamento, mas a implementação continua a ser um desafio significativo.
Durante anos, o fluxo de trabalho dentro da maioria das equipas de recrutamento seguiu os mesmos passos. Publicar a oferta de emprego, analisar as melhores candidaturas, avaliar os candidatos mais fortes, enviar ao responsável pela contratação as melhores opções.
Durante muitos anos, o sistema funcionou como um método para encontrar os melhores talentos para a empresa.
O problema, como Tim Sackett, CEO da HRUTech.com e autor de A solução para o talento: um guia para líderes recrutarem grandes talentos, explicou na Transform no início deste mês, é que isto é, em grande medida, ficção.
Quando uma oferta de emprego recebe entre 250 e 300 candidaturas (muitas recebem significativamente mais), o recrutador típico analisa 25, talvez 30. Isso significa que apenas 2-3% do conjunto de candidatos recebe qualquer consideração. Os restantes desaparecem.
"Dizemos aos responsáveis pela contratação que estamos aqui a encontrar os melhores talentos do mercado", afirmou. "Quando, na realidade, apenas uma pequena fração dos seus candidatos chega efetivamente ao processo."
Esta diferença entre o que as equipas de recrutamento prometem e aquilo que realmente conseguem fazer existe há décadas. A IA não a criou. Mas, por vezes, a IA tornou significativamente mais difícil colmatá-la, e as ferramentas que as organizações estão a implementar apressadamente podem estar a medir exatamente os aspetos errados.
O problema da medição é anterior à tecnologia
Leanne Markus, Diretora-geral do Centranum Group e psicóloga organizacional que trabalha com organizações em modelos de capacidades e avaliação baseada em competências, estabelece uma distinção que a maioria dos processos de contratação mistura. Trata-se da diferença entre qualificações, conhecimento e competência.
As qualificações — educação, certificações, formação — indicam preparação e potencial. Os testes de conhecimentos podem indicar compreensão. Nenhum dos dois demonstra de forma fiável a capacidade de desempenhar funções num contexto profissional real.
"Décadas de investigação em psicologia mostram que o conhecimento específico da função", afirma Markus. "A capacidade de o aplicar adequadamente no contexto é o maior indicador individual do desempenho profissional."
O currículo, por definição, mede a primeira categoria e aborda vagamente a segunda. Nunca mediu a terceira.
Historicamente, as organizações aceitaram esta cedência porque o currículo era, pelo menos, um dispositivo prático de filtragem — uma forma de passar de centenas de candidaturas para uma conversa gerível, partindo do princípio de que surgiria um sinal mais claro durante a entrevista.
Esse pressuposto está agora a desmoronar-se em ambas as frentes.
Have an account? Log In
O que a IA está a avaliar
Quando a IA entra no funil de contratação, os seus defensores apresentam-na normalmente como uma solução para o problema do volume. Mais candidatos analisados, mais rapidamente e com menos enviesamento humano introduzido nas fases iniciais. O que não muda é aquilo que está a ser medido com processos de recrutamento baseados em dados.
"A IA torna a avaliação mais eficiente, mas não altera aquilo que está a ser medido", afirma Markus. "A maioria das abordagens de avaliação, incluindo as entrevistas orientadas por IA, baseia-se em respostas. Trata-se inteiramente de informação autorrelatada. A IA pode acelerar o processamento, mas está essencialmente a avaliar a capacidade de um candidato para descrever o trabalho, não se consegue realmente desempenhar a função com sucesso."
Isto é mais importante do que parece inicialmente, porque os dados de treino subjacentes à maioria das ferramentas de contratação com IA agravam o problema. Estes sistemas aprendem correlacionando os dados introduzidos nas candidaturas e as decisões de contratação com avaliações de desempenho. No entanto, as avaliações formais de desempenho têm pouca relação com o desempenho real no trabalho. A IA está a aprender a replicar um sinal que já não era fiável.
O resultado é um sistema que recompensa os candidatos capazes de descrever o trabalho de forma convincente, o que, em 2026, significa candidatos capazes de utilizar a IA para descrever o trabalho de forma convincente.
A IA pode reforçar padrões coerentes", afirma Markus. "Mas isso não significa que sejam válidos. Num ambiente de caixa negra, não é claro como são ponderados os vários fatores."
Afinal, o problema do volume pode ser o problema errado para resolver.
A IA amplificou este problema ao permitir que as organizações processem volumes ainda maiores de candidaturas recebidas. Mas o volume não é a limitação — o acesso é.
O custo de se candidatar caiu para zero
A dimensão do que aconteceu do lado dos candidatos ainda não foi totalmente assimilada pela maioria das operações de recrutamento. Aaron Wang, CEO da Alex AI, expôs claramente o ponto estrutural na Transform: o custo de mercado para se candidatar a um emprego caiu para perto de zero.
Um candidato com acesso a qualquer ferramenta de IA importante pode candidatar-se a centenas de empregos durante a noite, com cada candidatura personalizada para a descrição da função específica, o percurso do responsável pela contratação e os valores declarados pelo empregador.
As mesmas ferramentas podem preparar os candidatos para qualquer formato de triagem que encontrem do outro lado, incluindo entrevistas com IA. O funil que antes filtrava pelo esforço filtra agora quase exclusivamente pelo volume.
Wang apresentou isto como uma escalada da qual nenhum dos lados pode afastar-se. Descreveu um cenário num futuro próximo em que os agentes de IA dos candidatos negoceiam e se candidatam a empregos de forma autónoma, encontrando do outro lado os sistemas de IA dos empregadores.
"Esse futuro não só é possível, como pode ser provável", afirmou. O que esse sistema estaria realmente a medir é uma questão em aberto.
Por agora, o efeito prático é que a candidatura se tornou um indicador ainda menos fiável. Os candidatos que melhor se adequam a uma função podem não ser os que parecem melhores no papel, sobretudo quando esse papel foi otimizado para ultrapassar o ATS.
Sinais representados
A erosão de indicadores fiáveis não se limita às candidaturas. Sabra Sciolaro, diretora de Pessoas da FirstUp, aponta para uma rutura paralela dentro das organizações, com implicações diretas na forma como os indicadores de contratação devem ser entendidos.
Num estudo recente da FirstUp sobre mais de 3.000 trabalhadores dos EUA e do Canadá, entre 75-89% dos funcionários em diferentes funções afirmaram estar envolvidos. Entre 40-46% desses mesmos funcionários disseram estar a considerar ativamente deixar os seus empregos este ano.
O envolvimento, tal como o entusiasmo numa entrevista, é um indicador que pode ser representado. Não prevê resultados.
Muitos dos indicadores em que as empresas confiaram são fáceis de representar, mas não preveem resultados como a retenção ou o desempenho. Os indicadores que estão mais estreitamente correlacionados com o desempenho real envolvem a forma como as pessoas lidam com informação complexa e a rapidez com que se adaptam quando as prioridades mudam — características que se manifestam ao longo do tempo e em contexto, não numa única interação assistida por IA.
Esse enquadramento também se aplica a montante. As características que fazem de alguém um funcionário forte são, em grande medida, as mesmas que são importantes num candidato, e nem um currículo nem uma triagem estruturada por IA estão bem concebidos para as revelar.
More Articles
O que os profissionais estão a fazer em alternativa
Ben Lamarche, diretor-geral do Lock Search Group, mudou o momento do processo em que tenta obter um indicador real. Em vez de esperar pelo início de uma entrevista agendada para iniciar uma conversa genuína, antecipa essa interação para o primeiro dia de contacto com o candidato.
A conversa real costumava entrar no processo depois de agendada uma entrevista. Agora, acontece muitas vezes logo no primeiro dia. O objetivo é sair da fase de análise de documentos e entrar mais cedo numa interação real, onde é muito mais difícil depender de um guião aperfeiçoado.
Quando analisa candidaturas, a sua metodologia passou a centrar-se naquilo que os currículos revelam nas lacunas entre as realizações declaradas.
Ultrapassar as Manchetes
Passo rapidamente pelas principais conquistas, prestando atenção ao que acontece nos intervalos. Quero perceber como é que o candidato navegou por períodos mais lentos, se continuou a progredir quando as coisas não estavam a evoluir a seu favor e como descreve as decisões que tomou ao longo do caminho.
A IA pode ajudar um candidato a escrever um ponto forte. Não consegue reproduzir facilmente a textura de uma experiência específica sob pressão.
"Quando começo a fazer perguntas específicas", afirma Lamarche, "percebo bastante rapidamente se é algo genuíno ou ensaiado."
Também assinala uma distorção que a triagem por IA cria em grande escala: os candidatos que utilizam IA para otimizar a sua apresentação podem avançar nas fases iniciais precisamente porque parecem mais polidos, enquanto candidatos mais discretos e competentes são eliminados antes de alguém com capacidade de avaliação os analisar.
O problema do sinal não é apenas o ruído; é um ruído que favorece sistematicamente determinados estilos de apresentação em detrimento da substância.
A proposta de Markus oferece uma alternativa mais estruturada, que descreve como uma mudança de prever o desempenho para exigir provas desse desempenho.
A sequência que utiliza com os clientes passa por uma triagem inicial baseada nas qualificações e nos requisitos regulamentares, seguida de testes de conhecimentos específicos da função; depois, por provas estruturadas de competência aplicada anterior, através de exemplos de trabalho validados e do histórico de tarefas; em seguida, por perguntas direcionadas que validam essas provas; e, por fim, por uma confirmação no exercício da função durante o processo de integração e o período experimental.
Esta última fase é mais importante do que a maioria das organizações reconhece. Se o objetivo é validar a competência num contexto real, o período experimental é mais do que uma formalidade: é a fase de avaliação mais fiável disponível, e a maioria das empresas deixou de o utilizar como tal.
Onde se Enquadra a Abordagem Centrada nas Competências
O movimento de recrutamento centrado nas competências tem conquistado uma atenção significativa por parte das organizações ao longo dos últimos anos, em parte porque aborda um problema genuíno: as credenciais e a linhagem académica ou profissional são indicadores indiretos fracos daquilo que uma pessoa consegue realmente fazer. Lamarche e Markus reconhecem que a direção é correta.
"Obriga as empresas a pensarem com mais clareza sobre aquilo que a função realmente exige, em vez de recorrerem por defeito a credenciais ou à linhagem académica ou profissional", afirma Lamarche. "É uma mudança positiva."
É na implementação que surgem os problemas.
Muitas implementações continuam a depender de taxonomias de competências muito genéricas e da autodeclaração de competências. O recrutamento centrado nas competências não ajuda se não existir uma ligação clara entre as responsabilidades específicas da função, as competências necessárias para as cumprir e um meio de as validar ao nível das tarefas concretas. A maioria das organizações não criou essa ligação. Substituíram um conjunto de indicadores indiretos fracos por outro e chamaram-lhe progresso.
O problema do volume não tem uma resposta simples. Não é realisticamente possível selecionar uma lista restrita de milhares de candidatos através de simulações ou de experiências no posto de trabalho. É necessário filtrar primeiro o funil e, neste momento, esse filtro consiste em revisores humanos que analisam uma pequena percentagem das candidaturas ou em ferramentas de IA que avaliam padrões linguísticos. Nenhuma das duas opções mede aquilo que o recrutamento deveria realmente medir.
Antecipar avaliações com elevado valor informativo, criar estruturas de avaliação específicas para a função e tratar a fase de análise documental como o passo de baixo valor informativo que é — nada disso é tecnicamente difícil.
É simplesmente mais lento e mais ponderado do que publicar uma vaga e deixar que um ATS organize os resultados. Num ambiente em que a rapidez se tornou a métrica padrão da eficiência do recrutamento, uma abordagem ponderada é difícil de vender. É também, neste momento, a única forma de descobrir se a pessoa que está a contratar consegue realmente desempenhar o trabalho.
