IA no RH: triagem de currículos com atenção a viés e LGPD

IA no RH: triagem de currículos com atenção a viés e LGPD

Na triagem de currículos, a IA ajuda a organizar, resumir e comparar candidaturas a partir de critérios escritos, mas não deve decidir sozinha quem avança e quem é recusado. O uso seguro depende de critérios ligados à vaga, revisão humana em toda decisão que afeta o candidato, coleta mínima de dados pessoais e registro do que foi feito. Sem isso, a empresa automatiza o viés que já existia e perde a capacidade de explicar as próprias escolhas.

Principais pontos

• A IA é útil para tarefas de apoio: padronizar currículos, extrair informações, comparar com requisitos e preparar um resumo para a pessoa de RH.
• A decisão de recusar ou avançar um candidato deve ficar com uma pessoa, que consegue explicar o motivo com base em critérios da vaga.
• Viés não desaparece com um modelo mais moderno: ele vem dos critérios, do histórico usado como referência e dos dados que o sistema enxerga.
• A LGPD pede finalidade clara, necessidade, transparência e possibilidade de revisão de decisões automatizadas que afetem o candidato.
• Critérios, versões de instruções, exceções e revisões humanas precisam ficar registrados, para auditar e corrigir o processo.

Onde a IA ajuda de verdade na triagem de currículos?

O ganho mais seguro está nas tarefas repetitivas que antecedem o julgamento. Um time de RH que recebe muitas candidaturas para uma mesma vaga gasta boa parte do tempo abrindo arquivos em formatos diferentes, procurando a mesma informação em lugares diferentes e reescrevendo resumos. É aí que a IA entrega valor sem assumir a decisão.

Os usos que costumam fazer sentido:

• Extrair dados estruturados de PDFs e documentos: cargos anteriores, formação, ferramentas, idiomas, localidade de atuação.
• Comparar o conteúdo do currículo com requisitos objetivos da vaga e indicar, com trecho de evidência, o que foi encontrado e o que não foi.
• Gerar um resumo padronizado para a pessoa recrutadora, sempre ao lado do currículo original.
• Identificar candidaturas incompletas ou duplicadas e pedir a informação que falta.
• Redigir mensagens de retorno e de agendamento, com revisão humana nos casos sensíveis.

Note o padrão: a IA organiza e aponta evidências. Ela não entrega uma nota mágica nem uma lista de aprovados. Quando o resultado vem com o trecho do currículo que sustenta cada afirmação, o revisor consegue conferir rápido e discordar com segurança.

Onde a decisão deve continuar humana?

Há decisões em que o custo do erro é alto e o contexto importa mais que o texto do currículo. Recusar um candidato é uma delas. Currículos descrevem trajetórias de formas muito diferentes: uma pessoa pode ter lacuna por cuidar de família, mudar de área por escolha, ou descrever uma experiência real com palavras que o modelo não associa à vaga.

Como regra de decisão, vale este guia:

• Se a IA só formata, resume ou extrai dados, a revisão pode ser por amostragem.
• Se a IA sugere uma ordem ou uma comparação, toda sugestão precisa ser vista por uma pessoa antes de qualquer ação.
• Se a ação é recusar, reprovar ou deixar de contatar um candidato, a decisão é sempre de uma pessoa, com motivo registrado.
• Se o caso envolve pessoa com deficiência, afastamento, mudança de carreira, candidatura interna ou qualquer exceção, o caso sai do fluxo automático e vai direto para a revisão humana.
• Se a IA não encontra evidência suficiente, ela diz que não encontrou e não preenche a lacuna com suposição.

Essa separação também é uma proteção jurídica e reputacional. A empresa precisa conseguir dizer, para um candidato ou para a própria diretoria, quem decidiu e por quê. Uma resposta como o sistema não selecionou não serve.

De onde vem o viés na triagem com IA?

É comum achar que o viés está só no modelo. Na prática, ele costuma entrar por quatro portas, e três delas estão sob controle da empresa.

• Critérios mal definidos: pedir perfil proativo, boa apresentação ou fit cultural sem definir o que isso significa abre espaço para a interpretação arbitrária, humana ou automática.
• Histórico como referência: se a ferramenta aprende ou é orientada por quem foi contratado no passado, tende a repetir o padrão de quem a empresa já contratava.
• Dados irrelevantes: foto, nome, idade, endereço, estado civil, filhos, instituição de ensino e lacunas no currículo podem funcionar como atalhos para discriminação, mesmo sem intenção.
• Linguagem do currículo: modelos podem favorecer quem escreve de certo jeito, com certos termos, e prejudicar quem descreve a mesma competência de outra forma.

As medidas práticas são simples de listar e exigem disciplina para manter. Retire do material enviado à IA os dados que não são necessários para avaliar os requisitos da vaga. Escreva critérios observáveis, como experiência com determinada ferramenta ou habilitação exigida. Teste o fluxo com currículos de perfis variados e compare se a IA trata de forma equivalente descrições equivalentes. E faça isso de novo quando mudar o modelo, a instrução ou a vaga.

Neste ponto convém separar o que é documentação, o que é experiência de implementação e o que é hipótese. Que viés pode entrar por dados e critérios é uma preocupação tratada em referências oficiais de gestão de risco, como o NIST AI Risk Management Framework. Que testes comparativos antes e durante a operação ajudam a perceber desvios é prática de implementação. Que determinado modelo seja menos enviesado que outro é hipótese, e só vale depois de testar com os seus próprios casos.

O que a LGPD pede ao triar currículos com IA?

Currículo é dado pessoal, e muitas vezes traz dados que merecem cuidado extra, como informações de saúde, deficiência, origem, religião ou filiação. Ao incluir IA no fluxo, a empresa continua sendo a responsável pelo tratamento e precisa responder a algumas perguntas antes de começar.

• Qual é a finalidade? Avaliar candidaturas para vagas específicas. Usar os mesmos dados para outra finalidade exige nova análise.
• Qual é a base legal? Cabe ao jurídico ou ao encarregado definir e registrar, caso a caso, a base aplicável ao processo seletivo.
• Os dados são necessários? O princípio da necessidade pede coletar e enviar à IA só o que serve à avaliação.
• Há transparência? O candidato deve saber, em linguagem clara, que seus dados são tratados e que há apoio de sistemas automatizados.
• Existe possibilidade de revisão? A LGPD prevê, no artigo 20, o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem os interesses do titular, incluindo as destinadas a definir seu perfil profissional. Se há revisão humana real em cada decisão, esse risco diminui, mas o canal e o procedimento precisam existir.
• Por quanto tempo os dados ficam guardados? Defina prazo de retenção para currículos de quem não foi contratado e comunique.
• Quem mais recebe os dados? Fornecedor de IA, plataforma de recrutamento e serviços de nuvem entram na lista de operadores e suboperadores, e os contratos precisam refletir isso.

Quando o tratamento envolve risco relevante aos candidatos, vale elaborar um relatório de impacto. Escrevemos sobre quando fazer e o que incluir em RIPD para projetos de IA. Para uma visão mais ampla das obrigações, veja também LGPD e inteligência artificial: o que a empresa deve fazer. A página da ANPD reúne orientações oficiais, e o assunto deve passar pelo jurídico da empresa antes de ir para produção.

Um detalhe de contexto: legislações de outros países já tratam sistemas de recrutamento como uso de maior risco, como mostra a visão geral do EU Artificial Intelligence Act. Isso não se aplica automaticamente a uma empresa brasileira, mas indica para onde a expectativa de governança caminha, especialmente para quem recruta candidatos de outros países.

Como documentar critérios, instruções e decisões?

Documentar é o que transforma a triagem com IA em um processo auditável. Sem registro, não dá para explicar uma decisão, corrigir um erro nem provar que o critério foi o mesmo para todos. O mínimo útil cabe em uma página por vaga.

Checklist de documentação:

• Descrição da vaga com requisitos obrigatórios e desejáveis, escritos de forma observável.
• Lista de dados que a IA pode ver e lista dos que são removidos antes do envio.
• Versão da instrução dada à IA, com data de alteração e responsável pela mudança.
• Saída esperada: formato do resumo, campos obrigatórios e a regra de que toda afirmação cite o trecho do currículo.
• Regras de encaminhamento: quais casos vão direto para uma pessoa e quais nunca devem ser recusados sem revisão.
• Registro de cada decisão humana: quem decidiu, quando e com qual motivo, ligado aos critérios da vaga.
• Registro de divergências: casos em que a pessoa discordou da IA, porque são a melhor fonte de ajuste.
• Canal para o candidato pedir informação ou revisão, com prazo interno de resposta.
• Prazo de retenção e rotina de descarte dos dados.

Esse conjunto conversa com a ideia de validar entradas, saídas e ações do sistema. Se você quer ver como isso funciona em agentes, leia Guardrails para agentes de IA: entrada, saída e ação na prática. Em triagem, o guardrail mais importante é simples: a IA nunca executa a recusa.

Como começar: cenário ilustrativo e piloto

Cenário ilustrativo: uma empresa de serviços abre uma vaga de analista administrativo e recebe candidaturas por e-mail e por um formulário. Hoje, uma pessoa de RH abre cada arquivo e monta uma planilha. No piloto, o fluxo passa a ser: o currículo chega, um passo determinístico remove foto, data de nascimento, estado civil e endereço completo, a IA extrai experiência, ferramentas e formação para uma ficha padrão e marca cada requisito como encontrado, não encontrado ou incerto, sempre com o trecho de origem. A pessoa de RH vê a ficha ao lado do currículo original, decide quem segue para entrevista e registra o motivo. Casos marcados como incertos ou com pedido de adaptação vão direto para revisão manual. Ninguém é recusado pelo sistema.

O método que aplicamos a esse tipo de projeto segue quatro passos, sem promessa de resultado:

• Mapear: descrever o processo atual, de onde vêm os currículos, quem decide, quanto tempo cada etapa leva e onde há retrabalho. Isso vira a linha de base.
• Limitar: definir quais dados a IA vê, quais ações ela pode executar (nenhuma de recusa) e quem aprova cada etapa.
• Pilotar: rodar uma vaga ou uma família de vagas, com registros e uma métrica de sucesso combinada antes, como tempo de preparação da ficha e taxa de correções feitas pela pessoa revisora. Para estruturar a medição, veja Como medir um piloto de automação com IA.
• Transferir: entregar documentação, rotina de revisão e responsável interno, e então decidir se expande, ajusta ou encerra.

Um ponto prático: se parte do contato com candidatos acontece pelo WhatsApp, defina também quando a conversa passa para uma pessoa e quais dados podem ser pedidos por lá. Esse cuidado vale tanto para triagem quanto para qualquer atendimento automatizado.

Perguntas frequentes

Posso usar IA para rankear candidatos? É possível tecnicamente, mas é a forma de uso que mais concentra risco, porque a ordem influencia quem a pessoa de RH lê primeiro e pode virar decisão na prática. Se a empresa optar por isso, deve ter critérios objetivos, revisão humana efetiva, testes com perfis variados e registro das divergências. Uma alternativa mais segura é mostrar a comparação por requisito, sem nota única.

A LGPD proíbe decisões automatizadas no recrutamento? A LGPD não proíbe o uso de tratamento automatizado, mas garante ao titular o direito de pedir revisão de decisões tomadas unicamente com base nele, inclusive as que definem perfil profissional, e exige informação clara sobre critérios e procedimentos. Manter uma pessoa decidindo, com motivo registrado, reduz o risco, mas a análise do seu caso cabe ao jurídico ou ao encarregado de dados.

Preciso avisar o candidato de que uso IA? A transparência é um princípio da LGPD, então o recomendado é informar de forma clara, no aviso de privacidade do processo seletivo, que há apoio de sistemas automatizados, para qual finalidade e como pedir esclarecimento ou revisão. O texto exato deve ser validado pelo jurídico.

Como saber se a triagem com IA está funcionando bem? Compare a ficha da IA com a leitura de uma pessoa em uma amostra de currículos, acompanhe a frequência de correções e examine se descrições equivalentes recebem tratamento equivalente. Se as correções forem frequentes ou concentradas em certos perfis, ajuste critérios e instruções, ou interrompa o uso naquela vaga. Definir esses gates antes do piloto evita decidir por impressão.

Fontes

• NIST AI Risk Management Framework
• ANPD: Autoridade Nacional de Proteção de Dados
• EU Artificial Intelligence Act overview