Superinteligência em RH terceirizado: triagem, folha e admissão

Superinteligência, no sentido que o termo ganha em propaganda, não é o que uma equipe de RH terceirizada precisa contratar. O que ela pode preparar com agentes de IA são tarefas estreitas: organizar a triagem de currículos conforme critérios definidos, montar o pacote de documentos da admissão e conferir inconsistências antes de o departamento pessoal fechar a folha. Tudo isso com acesso restrito a dados pessoais, registro de cada ação e revisão humana em qualquer decisão que afete uma pessoa.

Principais pontos

• O agente ajuda a triar e a preparar informações, mas não decide contratação, demissão, reajuste ou sanção.
• A admissão é um processo de checklist: o agente cobra pendências, confirma recebimento e registra o que falta, sem guardar mais dado do que o necessário.
• Na folha, o papel útil é apontar divergências e preparar perguntas para quem fecha a competência, não recalcular encargos por conta própria.
• Dados de saúde, documentos de identidade e informações bancárias ficam fora do alcance do agente por padrão.
• Comece com um único fluxo, com log, métrica combinada antes e critério claro para expandir, ajustar ou parar.

O que um agente faz bem num RH terceirizado

Uma consultoria de RH lida com muitos clientes, muitas vagas e muitos prazos pequenos. Boa parte do trabalho é repetitiva e depende de conferir informações contra uma lista: a vaga tem os requisitos declarados, o documento foi enviado, a competência tem todos os eventos esperados. São exatamente as tarefas em que um agente com instruções claras e ferramentas limitadas funciona bem.

Antes de pensar em tecnologia, vale separar três tipos de trabalho. O primeiro é a triagem objetiva, em que se compara o currículo com requisitos explícitos, como formação exigida, tempo de experiência comprovável e disponibilidade declarada. O segundo é a organização administrativa, como acompanhar documentos e lembrar pendências. O terceiro é o julgamento, como avaliar fit cultural, interpretar uma entrevista ou decidir se uma divergência é erro ou situação legítima. O agente pode ajudar nos dois primeiros. O terceiro pertence a pessoas com responsabilidade sobre a decisão.

Uma distinção prática ajuda a manter o limite: o agente recomenda, o humano decide, e a recomendação precisa ser rastreável. Se a resposta não pode ser explicada a partir dos critérios da vaga, ela não deveria existir.

Triagem de currículos sem inferir o que não está escrito

Na triagem, o maior risco não é a velocidade, e sim a inferência. Um modelo de linguagem consegue sugerir idade, estado civil, religião, orientação ou saúde a partir de sinais indiretos num currículo, como datas, nomes de instituições ou lacunas no histórico. Nada disso é critério legítimo de seleção, e tratar dado sensível como insumo de ranking cria um problema jurídico e ético que nenhuma eficiência compensa.

Por isso, a instrução ao agente deve ser restritiva. Ele avalia somente os critérios listados na vaga, responde com a evidência encontrada no texto (com o trecho citado), indica quando um requisito não aparece e nunca produz pontuação de personalidade ou de perfil pessoal. Campos como foto, endereço completo e data de nascimento devem ficar fora da entrada, porque não são necessários para a avaliação.

Quem vai decidir também precisa saber o que a ferramenta não faz. A lista de candidatos ordenados é apenas uma lista de leitura. Um recrutador revisa os descartados, não só os aprovados, porque o erro de excluir alguém bom costuma passar despercebido. Para o tema de decisões automatizadas e direito de revisão, vale a leitura de decisões automatizadas e o direito de revisão na LGPD.

Admissão: checklist, prazos e canal seguro

A admissão é um dos melhores lugares para um agente, justamente porque é um processo de checklist com muita comunicação repetitiva. O agente pode manter o status de cada candidato, lembrar pendências e avisar quando um documento chegou ou está ilegível. A pergunta central é por onde esses documentos passam.

Um erro comum é pedir o envio de documentos pessoais diretamente numa conversa de WhatsApp aberta, misturando dado pessoal com mensagens de rotina. Uma abordagem mais segura é o agente informar quais documentos são necessários e enviar um link de upload com acesso controlado, do qual ele só recebe a confirmação de recebimento e o status, sem armazenar o conteúdo do arquivo. Antes de desenhar isso, vale checar as regras de uso da plataforma de mensagens, como a janela de 24 horas no WhatsApp API, e a forma de transferência e armazenamento dos dados, principalmente se algum serviço processar informações fora do Brasil, tema tratado em transferência internacional de dados com IA.

Um plano de trabalho simples para a admissão pode seguir esta ordem:

• Definir a lista de documentos por tipo de vínculo e por cargo, validada pelo departamento pessoal do cliente.
• Separar o que o agente pode ver (status, data, tipo de pendência) do que só o responsável humano acessa (conteúdo dos documentos).
• Criar mensagens-modelo para cobrança, confirmação e pendência, sem texto improvisado sobre prazos legais.
• Registrar cada evento no log: quem enviou, o que o agente respondeu e quando um humano assumiu.
• Encaminhar para uma pessoa qualquer caso de dúvida, documento divergente ou candidato que peça exceção.

Apoio à folha: apontar divergências, não recalcular tudo

Na folha, a tentação é deixar o agente calcular. Isso é arriscado. Encargos, descontos, verbas rescisórias e eventos enviados ao eSocial dependem de regras específicas, de convenções coletivas e de contratos individuais, e um modelo de linguagem não deve ser a fonte da conta. O que ele faz bem é comparar: uma rubrica que apareceu sem histórico, um funcionário com dois lançamentos no mesmo mês, um reajuste aplicado sem registro de acordo.

Nesse modelo, o cálculo continua em sistema determinístico, validado pela equipe, e o agente atua sobre o resultado. Ele recebe apenas os campos necessários para a conferência, normalmente identificador interno, rubrica, valor e competência, e devolve uma lista de alertas com motivo e referência. Quem fecha a folha decide o que corrige. Isso reduz a exposição de dados salariais, que costumam ser sensíveis no contexto interno da empresa, e deixa claro quem responde por cada número.

Esse desenho também evita o erro de tratar a resposta do modelo como verdade contábil. Um alerta que não se confirma custa alguns minutos. Um número errado enviado a um órgão custa muito mais.

Dados pessoais: o que fica fora do agente

A LGPD trata dados de saúde, por exemplo, como dados pessoais sensíveis, o que exige cuidado adicional. Atestados, exames admissionais, afastamentos e informações de deficiência não devem entrar em prompts, bases de conhecimento ou logs de conversa. Se o processo exige esse dado, ele deve ser tratado por pessoa autorizada, em sistema com controle de acesso, e o agente deve apenas saber que o item existe e qual é o status.

Alguns princípios práticos para a operação:

• Minimizar: o agente recebe somente o que a tarefa exige, nem uma coluna a mais.
• Segregar: perfis diferentes para recrutador, departamento pessoal e agente, com permissões separadas.
• Registrar: log de cada consulta e de cada ação, com identificação de quem autorizou.
• Revisar: checagem periódica das instruções e das ferramentas conectadas, principalmente após mudanças no fluxo.
• Restringir ferramentas: o agente não deve ter permissão de escrita em sistemas de folha sem aprovação humana.

Uma política interna de uso de IA ajuda a alinhar a equipe. Um modelo prático está em política de uso de ChatGPT na empresa, e a mesma lógica serve para ferramentas de agente. O Marco Legal da IA no Brasil é um assunto para acompanhar, mas não substitui a análise da LGPD para o caso concreto. Para orientações oficiais sobre proteção de dados, a Autoridade Nacional de Proteção de Dados publica material no próprio site.

Como começar: mapear, limitar, pilotar e transferir

O método que aplicamos em projetos de IA segue quatro movimentos: mapear o processo atual e a linha de base, limitar dados e ações, pilotar um fluxo real com logs e uma métrica combinada, e depois transferir e decidir se expande, ajusta ou para. Em RH terceirizado, esse caminho evita o erro de começar pela ferramenta mais vistosa e descobrir tarde demais quais dados ela tocou.

Na fase de mapeamento, a pergunta é quanto tempo a equipe gasta em cada etapa e onde os erros costumam aparecer. Sem essa linha de base, nenhuma melhoria é verificável. Na fase de limitação, definem-se os dados que entram, as ações que o agente pode executar e o que exige aprovação. No piloto, escolhe-se um único fluxo, como a cobrança de documentos de admissão para uma carteira de clientes, e uma métrica simples, como o tempo até a pendência ser resolvida, comparada com a linha de base. Na transferência, a equipe interna assume a operação, com instruções escritas, procedimento de exceção e revisão periódica.

O teste de cada etapa pode usar ambientes controlados e dados fictícios antes de qualquer dado real. Esse cuidado está descrito em como testar agente de IA com mocks e sandbox.

Cenário ilustrativo: a admissão em um escritório com vários clientes

Cenário ilustrativo: um escritório de RH atende empresas de médio porte e recebe, em semanas de contratação intensa, dezenas de admissões simultâneas. A equipe percebe que a maior parte do tempo vai para cobrar documentos e responder a perguntas repetidas, enquanto o departamento pessoal de cada cliente espera pacotes completos para lançar o funcionário.

O piloto escolhido cobre apenas o acompanhamento de pendências de admissão para dois clientes. O agente recebe a lista de documentos de cada cargo, envia um link de upload, confirma o recebimento e registra o status. Ele não abre os arquivos, não avalia conteúdo e encaminha qualquer exceção para a analista responsável. Cada ação gera um registro. A métrica combinada é o tempo entre a abertura do processo e o pacote completo, comparado com o mesmo indicador dos meses anteriores.

Depois de algumas semanas, a equipe revisa o log e encontra duas situações que não estavam previstas: candidatos que respondiam com fotos de documentos em conversas e um cargo com exigência diferente da lista padrão. Ambas viram ajustes nas instruções e no canal. A decisão final é expandir para os demais clientes apenas depois dessa revisão, o que é o ponto do método: o piloto serve para descobrir o que não funciona antes de a operação crescer.

Perguntas frequentes

Superinteligência é necessária para automatizar triagem ou admissão? Não. Para essas tarefas, o que importa é um agente com instruções claras, critérios objetivos e ferramentas limitadas. O termo superinteligência descreve, hoje, um tema de pesquisa e de debate, não uma ferramenta de compra para o RH. Uma solução simples, bem delimitada e com revisão humana costuma ser mais útil do que uma promessa genérica.

O agente pode calcular a folha sozinho? Não é recomendável. Encargos, descontos e eventos dependem de regras específicas e de convenções, e o cálculo deve permanecer em sistema determinístico validado pela equipe. O agente pode conferir resultados, apontar divergências e preparar perguntas para quem fecha a competência. Qualquer correção deve passar por aprovação humana registrada.

É seguro receber documentos de admissão pelo WhatsApp? Depende do desenho do processo. Enviar documentos pessoais em uma conversa aberta mistura dado sensível com mensagens rotineiras e dificulta o controle de acesso. Um link de upload com permissões restritas, em que o agente recebe apenas a confirmação e o status, costuma ser uma alternativa mais adequada. Vale revisar a base legal e as políticas internas antes de decidir.

Como saber se o piloto deu certo? Defina antes, junto com o cliente, uma métrica simples comparada com uma linha de base, como o tempo até o pacote de admissão ficar completo ou a quantidade de pendências sem resposta. Revise o log com a equipe, verifique erros e casos de exceção, e então decida entre expandir, ajustar ou parar. Um piloto que não gera registros suficientes para essa decisão ainda não está pronto para ser avaliado.

Fontes

• NIST AI Risk Management Framework
• OWASP Top 10 for LLM Applications
• Anthropic: Building effective agents
• ANPD: Autoridade Nacional de Proteção de Dados