Existe um termo para o que está acontecendo nas contratações agora, e ele vem do CEO de uma empresa de sistema de rastreamento de candidatos. Daniel Chait, da Greenhouse, chama isso de “ciclo vicioso de IA”. Quem busca emprego usa IA para burlar ferramentas de triagem automatizada. Empregadores usam IA para analisar a avalanche de inscrições quase idênticas que resulta disso. A solução de cada lado piora o problema do outro lado. Ninguém ganha.
O Mito Que Impulsiona o Ciclo
Todo o ciclo opera com base em uma crença: que os sistemas de rastreamento de candidatos, conhecidos como ATSs, classificam e filtram candidatos automaticamente, e que apenas os 10 a 20 por cento melhores candidatos chegam a ser vistos por um humano. Todo o resto, os 80 por cento inferiores, desaparece em uma caixa preta.
Essa crença é tão difundida que uma indústria artesanal cresceu ao redor dela. Ferramentas como o Jobscan, que custam entre 30 e 50 dólares por mês, prometem otimizar um currículo para os algoritmos de ATS. Os usuários aprendem a trocar “por cento” pelo símbolo ”%”, evitam currículos de duas páginas e enchem seus documentos de palavras-chave. A cientista de dados Jodi Beggs testou um desses sistemas e descobriu que pequenas escolhas de formatação moviam sua pontuação para cima ou para baixo. A conclusão dela foi pragmática: se o objetivo é agradar os sistemas automatizados, o conteúdo que funciona para as máquinas pode não ser o conteúdo que reflete quem ela realmente é.
Eis o que a maioria das coberturas sobre este tópico deixa passar: a premissa nem sempre é verdadeira. Chait diz que existe um folclore substancial sobre como os ATSs realmente funcionam. Nenhum sistema é igual ao outro. Se um determinado ATS usa IA ou não, depende do produto específico e de quais recursos uma empresa pagou e ativou. Algumas organizações usam classificação automatizada. Outras fazem com que humanos revisem cada inscrição individualmente. Kim Jones, vice-presidente de recursos humanos da Toshiba, é direta: sua equipe lê cada inscrição pessoalmente. Ela observa que a otimização automatizada não vai ajudar os candidatos a passar pelo seu processo, porque o processo dela não funciona assim.
Dois Experimentos Que Revelam a Lacuna
A distância entre o mito e a realidade fica mais clara quando as organizações realmente testam essa premissa. A Doist, uma pequena empresa totalmente remota que contrata internacionalmente, realizou exatamente esse tipo de experimento interno. A equipe pegou vagas que já haviam sido preenchidas, inseriu as descrições dos cargos e todos os materiais de candidatos salvos em um sistema de classificação de ATS e fez uma pergunta simples: as pessoas que eles realmente contrataram teriam entrado na lista curta gerada por IA?
Em dois casos que testaram, a resposta foi não. Os candidatos que foram contratados, e que estavam tendo um bom desempenho cerca de seis meses depois de assumirem seus cargos, não apareceram de jeito nenhum na lista curta da IA. Houve alguma sobreposição sobre quem recebeu convites para entrevistas, mas as pessoas que a empresa finalmente escolheu foram filtradas pelo sistema automatizado.
Esta não é uma discrepância menor. Ela sugere que otimizar para uma pontuação de ATS e ser um candidato forte para uma vaga específica podem ser duas coisas totalmente diferentes.
Do lado de quem busca emprego, um profissional de design chamado James Jacobsen ilustra até onde o impulso de otimização pode ir. Ele passou cinco meses em uma busca que consumiu tanto tempo quanto um emprego de período integral. Ele usou Claude e ChatGPT para personalizar seus materiais de candidatura, mas viu pouco progresso. Ele então construiu o que descreveu como o oposto de um ATS: um sistema de rastreamento pessoal que usava IA para vasculhar anúncios, pontuar oportunidades com base em seus próprios critérios, registrar rejeições com anotações e trazer à tona as vagas de maior prioridade. Ele também usou IA para criticar seu portfólio, o que levou a uma revisão de seis horas. Ele conseguiu ligações. Ele não conseguiu ofertas. A avaliação de Chait sobre candidatos como Jacobsen é direta: fazer mais do que o mesmo não é a resposta.
O Que o Ciclo Realmente Sinaliza
O ciclo vicioso não é apenas uma história sobre falhas na tecnologia. É uma história sobre o colapso da confiança em ambos os lados de uma transação. Quem busca emprego relata gastar um esforço enlouquecedor em inscrições e não receber nenhuma resposta. Empregadores relatam receber centenas de inscrições que parecem quase idênticas, o que é em parte consequência de ferramentas de escrita assistida por IA que fazem com que cada documento soe igual. Ambos os lados recorrem à IA para gerenciar o volume, e o volume continua crescendo.
Chait resume de forma clara: esta é a primeira vez que ele se lembra em que ambos os lados estão insatisfeitos com o processo de contratação. O sistema não está funcionando para ninguém.
O que se perde na corrida da otimização é o comportamento que realmente diferencia os candidatos: uma carta de apresentação genuína, que Jones diz que quase ninguém mais envia; contato direto com empresas antes de uma vaga ser publicada; e o networking, que continua subestimado em um mercado inundado de inscrições. Estes são sinais humanos em um sistema cada vez mais projetado para filtrá-los.
O problema mais profundo é que as ferramentas de IA estão sendo aplicadas a um problema que elas não criaram e não podem resolver totalmente. A disfunção do mercado de trabalho, incluindo vagas escassas, vagas fantasma e uma quebra na comunicação entre candidatos e empregadores, é anterior à atual onda de adoção de IA. A automação está acelerando os sintomas, não tratando a causa.
Em Resumo
A IA está sendo usada tanto por quem busca emprego quanto por empregadores para gerenciar um processo de contratação que já está sob pressão. As ferramentas que cada lado usa para lidar com isso pioram a experiência do outro lado, criando um ciclo auto-reforçador. A premissa de que a classificação automatizada controla todas as decisões de contratação não é universalmente verdadeira, o que significa que os candidatos que se otimizam para as máquinas podem estar resolvendo o problema errado por completo. Os comportamentos com mais chances de se destacar, como uma carta de apresentação real, pesquisa direcionada e contato humano direto, são aqueles que as ferramentas de otimização não conseguem replicar.
Com base em reportagem de Wired.