Como usar IA para triar currículos sem discriminar candidatos

Usar IA para triar currículos sem discriminar exige três coisas: critérios objetivos definidos antes de ver qualquer candidato, um modelo que avalia competências e não características pessoais, e uma pessoa que revê sempre a decisão final. A IA acelera a leitura de centenas de currículos, mas quem decide continua a ser o RH. Sem isto, o risco não é só ético, é legal.

O que a IA pode fazer bem nesta tarefa

A IA é boa a ler texto rápido e a comparar com uma lista de requisitos. Consegue verificar se o candidato tem X anos de experiência numa função específica, se menciona determinadas ferramentas ou certificações, se o percurso académico corresponde ao pedido. Isto é trabalho mecânico que, feito à mão, consome horas a uma pessoa de RH numa empresa que recebe 200 candidaturas para uma vaga.

O que a IA não deve fazer é decidir sozinha quem avança e quem não avança. O papel dela é ordenar e sinalizar, não excluir de forma definitiva. Essa distinção é a diferença entre uma ferramenta útil e um problema legal.

Como montar o fluxo sem discriminar

O primeiro passo é escrever a lista de critérios de seleção antes de abrir a vaga, não depois de ver os currículos. Isto evita que os critérios sejam ajustados, mesmo sem intenção, para favorecer um perfil que já se tem em mente.

Depois, o currículo deve ser anonimizado antes de entrar no sistema de IA: sem nome, sem fotografia, sem morada, sem data de nascimento. Alguns ATS já fazem isto automaticamente. Se a empresa usa um modelo de linguagem genérico (como um GPT ligado por API), este passo tem de ser feito manualmente antes de enviar o texto.

O terceiro passo é pedir à IA que classifique, não que decida. Em vez de “aceita ou rejeita”, o output deve ser uma pontuação com justificação por critério: “cumpre 4 dos 5 requisitos técnicos, falta experiência em gestão de equipa”. Isto dá ao RH algo para verificar e contestar, se necessário.

Que ferramentas usar numa PME pequena

Para empresas com poucas vagas por ano, não vale a pena construir nada de raiz. Um ATS com módulo de triagem incluído, como o BambooHR ou o Recruitee, já cobre a maior parte das necessidades; o preço depende do plano e do número de trabalhadores da empresa, por isso peça uma proposta com o custo anual fechado.

Para empresas que recebem grandes volumes de candidaturas, como retalho ou hotelaria em época alta, faz mais sentido integrar um modelo de linguagem via API a um formulário simples, com prompt fixo que define os critérios objetivos e pede sempre justificação. Isto custa mais a montar, porque há desenvolvimento à medida, mas escala melhor.

E se o modelo herdar um viés dos dados históricos?

Este é o risco mais real e mais ignorado. Se a empresa treinar ou ajustar um modelo com base nas contratações passadas, e essas contratações refletirem um padrão (por exemplo, poucos homens em funções administrativas ou poucas mulheres em funções técnicas), o modelo aprende esse padrão e reproduz-lo. A solução prática é não usar histórico de contratações como base de treino sem antes verificar a distribuição desses dados por género, idade e outras categorias protegidas. Se não houver equilíbrio, o modelo não deve ser treinado com esses dados, deve usar-se apenas um modelo genérico com critérios explícitos definidos manualmente.

Vale a pena para uma empresa pequena?

Para uma PME com poucas vagas por ano, muitas vezes não compensa montar um fluxo de IA dedicado: o tempo poupado não justifica o investimento. Com muitas candidaturas por vaga, ou várias vagas em simultâneo, o cálculo muda: a leitura que ocupa horas a uma pessoa de RH passa a ser uma pré-triagem que a IA faz em minutos, deixando só os casos de fronteira para revisão humana.

Na SO-MA ajudamos PME a montar fluxos de IA que poupam tempo real sem criar problemas legais depois, e pode ver como noutros contextos em /ia.