Tem uma pergunta que a gente ouve cada vez mais em conversas com equipes de RH: quantas pessoas se candidatam para cada vaga que voc\u00ea publica?<\/p>\n
A resposta quase sempre \u00e9 alta. O problema n\u00e3o \u00e9 receber muitos curr\u00edculos. \u00c9 n\u00e3o ter tempo de verdade para revisar todos, e \u00e9 a\u00ed que a IA para recrutamento come\u00e7a a fazer diferen\u00e7a de verdade no processo seletivo.<\/p>\n
\u00c9 uma cena que se repete em qualquer processo seletivo com volume: uma candidata com o perfil ideal para a vaga, mas cujo curr\u00edculo nunca chegou a ser lido. Vinte e quatro curr\u00edculos sem revis\u00e3o em uma \u00fanica semana. Um candidato com nota alta que fica fora do processo, simplesmente porque ningu\u00e9m chegou a ver o nome dele.<\/p>\n
A pergunta de fundo n\u00e3o \u00e9 qu\u00e3o r\u00e1pido d\u00e1 para filtrar uma lista de candidatos. \u00c9 se essa lista est\u00e1 sendo avaliada com o crit\u00e9rio certo, ou se o melhor talento est\u00e1 se perdendo no meio do volume.<\/p>\n
Duzentos curr\u00edculos podem significar tr\u00eas dias inteiros de revis\u00e3o para um recrutador. Diante desse volume, as sa\u00eddas tradicionais s\u00e3o limitadas.<\/p>\n
Fazer tudo s\u00f3 com pessoas esbarra no limite f\u00edsico do tempo. E recorrer a uma IA gen\u00e9rica resolve a velocidade, mas levanta outra pergunta: por que essa ferramenta decidiu que um candidato se encaixa melhor que outro? Sem uma resposta clara, a avalia\u00e7\u00e3o perde algo essencial, que \u00e9 a possibilidade de explic\u00e1-la.<\/p>\n
Aqui na Rocketbot a gente acredita que automatizar um processo seletivo n\u00e3o deveria significar terceirizar o crit\u00e9rio para um algoritmo. Velocidade sem rastreabilidade n\u00e3o resolve o problema, s\u00f3 muda ele de lugar.<\/p>\n
O Rocketbot Talent Intelligence \u00e9 o Agente Inteligente da Rocketbot para avalia\u00e7\u00e3o de candidatos, e parte de uma ideia bem diferente da de um filtro tradicional de curr\u00edculos. Em vez de depender de buscas r\u00edgidas por palavras exatas, cruzando termos t\u00e9cnicos, anos de experi\u00eancia e ferramentas espec\u00edficas dentro do texto de um curr\u00edculo, a avalia\u00e7\u00e3o \u00e9 constru\u00edda a partir do conte\u00fado real da experi\u00eancia do candidato.<\/p>\n
Isso importa porque uma pessoa pode ter exatamente a trajet\u00f3ria que a vaga precisa, mesmo sem ter escrito o curr\u00edculo com as mesmas palavras que aparecem na descri\u00e7\u00e3o da vaga. Um filtro baseado s\u00f3 em correspond\u00eancia textual pode descartar o candidato certo por um motivo que n\u00e3o tem nada a ver com a real adequa\u00e7\u00e3o dele para o cargo.<\/p>\n
Esse \u00e9 o ponto central da proposta: a intelig\u00eancia artificial n\u00e3o decide o que \u00e9 importante para uma vaga. Essa decis\u00e3o continua sendo da equipe de RH.<\/p>\n
O Rocketbot Talent Intelligence permite construir um scorecard onde cada empresa define quais aspectos importam para um cargo espec\u00edfico, e quanto peso cada um tem na avalia\u00e7\u00e3o final: experi\u00eancia, forma\u00e7\u00e3o, habilidades t\u00e9cnicas, soft skills, fit cultural, entre outros crit\u00e9rios que o neg\u00f3cio considere relevantes.<\/p>\n
A IA entra depois, n\u00e3o antes. A fun\u00e7\u00e3o dela \u00e9 aplicar esse crit\u00e9rio j\u00e1 definido de forma consistente sobre centenas de perfis, n\u00e3o inventar um crit\u00e9rio pr\u00f3prio.<\/p>\n
Quando um sistema entrega uma nota, a pergunta natural \u00e9 de onde esse n\u00famero vem. Uma pontua\u00e7\u00e3o sem contexto n\u00e3o \u00e9 uma avalia\u00e7\u00e3o, \u00e9 uma caixa-preta com um n\u00famero dentro.<\/p>\n
O Talent Intelligence acompanha cada resultado com a evid\u00eancia que sustenta ele: o que encontrou no curr\u00edculo do candidato e por que aquela informa\u00e7\u00e3o \u00e9 relevante frente ao scorecard definido para a vaga. O valor n\u00e3o est\u00e1 s\u00f3 no n\u00famero final, mas em conseguir responder com clareza por que um candidato ficou melhor posicionado que outro.<\/p>\n
Essa rastreabilidade \u00e9 o que transforma um ranking em uma ferramenta de decis\u00e3o confi\u00e1vel, e n\u00e3o em um resultado que precisa ser aceito sem poder ser questionado.<\/p>\n
Um sistema de avalia\u00e7\u00e3o de candidatos s\u00f3 \u00e9 \u00fatil se o que ele reporta corresponde ao que realmente existe na informa\u00e7\u00e3o dispon\u00edvel. Trabalhar a partir da evid\u00eancia do curr\u00edculo, sem completar informa\u00e7\u00e3o que falta, \u00e9 o que sustenta a confian\u00e7a nesse tipo de processo.<\/p>\n
Isso se conecta diretamente com o que as empresas precisam hoje de qualquer sistema que participe de decis\u00f5es que afetam pessoas: transpar\u00eancia sobre como se chegou a um resultado, e avalia\u00e7\u00f5es que possam ser justificadas diante do candidato, da equipe interna e, cada vez mais, de um marco regulat\u00f3rio.<\/p>\n
O uso de intelig\u00eancia artificial em processos de contrata\u00e7\u00e3o est\u00e1 deixando de ser s\u00f3 uma decis\u00e3o de produtividade para se tornar tamb\u00e9m uma quest\u00e3o regulat\u00f3ria.<\/p>\n
No Brasil, o PL 2338\/2023, conhecido como Marco Legal da IA, j\u00e1 foi aprovado pelo Senado e segue em tramita\u00e7\u00e3o na C\u00e2mara dos Deputados, com vota\u00e7\u00e3o final prevista para 2026. O texto classifica sistemas de intelig\u00eancia artificial por n\u00edvel de risco e cria direitos como transpar\u00eancia, explica\u00e7\u00e3o e contesta\u00e7\u00e3o para quem \u00e9 afetado por decis\u00f5es automatizadas. Ainda n\u00e3o \u00e9 lei em vigor, mas mostra claramente para onde a conversa regulat\u00f3ria est\u00e1 caminhando no pa\u00eds.<\/p>\n
A mensagem de fundo \u00e9 a mesma, esteja a lei aprovada ou n\u00e3o: \u00e0 medida que esses sistemas participam de decis\u00f5es que afetam diretamente as pessoas, as empresas precisam conseguir explicar como chegaram a essas decis\u00f5es.<\/p>\n
A conversa sobre IA no recrutamento costuma ficar s\u00f3 na promessa de economizar tempo. \u00c9 uma promessa real, mas incompleta.<\/p>\n
O que realmente muda o processo seletivo n\u00e3o \u00e9 uma IA ler curr\u00edculos mais r\u00e1pido que uma pessoa. \u00c9 ela conseguir aplicar, de forma consistente e explic\u00e1vel, o crit\u00e9rio que o neg\u00f3cio j\u00e1 definiu, sobre centenas de candidatos, sem perder de vista que a decis\u00e3o final continua sendo humana.<\/p>\n
Esse \u00e9 o enfoque por tr\u00e1s do Rocketbot Talent Intelligence: n\u00e3o substituir o crit\u00e9rio de quem contrata, e sim ajudar a aplic\u00e1-lo sem que o melhor talento fique sem ser lido. E se voc\u00ea quiser ver o panorama completo, descubra como a Su\u00edte Rocketbot conecta essa e outras automa\u00e7\u00f5es em uma \u00fanica opera\u00e7\u00e3o.<\/p>\n
A IA para recrutamento substitui o recrutador? N\u00e3o. O Talent Intelligence aplica o crit\u00e9rio que a equipe de RH define no scorecard. A decis\u00e3o final de contrata\u00e7\u00e3o continua sendo humana.<\/p>\n
Como o Rocketbot Talent Intelligence avalia os candidatos? A partir da evid\u00eancia real que aparece no curr\u00edculo, ponderada segundo os crit\u00e9rios que cada empresa estabelece para a vaga, n\u00e3o por busca de palavras-chave exatas.<\/p>\n
O ranking de candidatos pode ser explicado? Sim. Cada resultado vem acompanhado da evid\u00eancia encontrada no curr\u00edculo e do motivo pelo qual aquela informa\u00e7\u00e3o \u00e9 relevante frente ao crit\u00e9rio definido pelo neg\u00f3cio.<\/p>\n
Quer ver como o Talent Intelligence pode ajudar sua empresa a avaliar candidatos sem perder o crit\u00e9rio do seu neg\u00f3cio? Agende uma sess\u00e3o com nosso time e vamos explorar juntos.<\/p>\n","protected":false},"excerpt":{"rendered":"
Tem uma pergunta que a gente ouve cada vez mais em conversas com equipes de RH: quantas pessoas se candidatam para cada vaga que voc\u00ea publica? A resposta quase sempre \u00e9 alta. O problema n\u00e3o \u00e9 receber muitos curr\u00edculos. \u00c9 n\u00e3o ter tempo de verdade para revisar todos, e \u00e9 a\u00ed que a IA para […]<\/p>\n","protected":false},"author":11,"featured_media":244716,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[],"class_list":["post-244715","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-nao-categorizado"],"jetpack_featured_media_url":"https:\/\/oficial.rocketbot.com\/wp-content\/uploads\/2026\/08\/Articulo_Talent-_port.jpg","_links":{"self":[{"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/posts\/244715","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/comments?post=244715"}],"version-history":[{"count":3,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/posts\/244715\/revisions"}],"predecessor-version":[{"id":244721,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/posts\/244715\/revisions\/244721"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/media\/244716"}],"wp:attachment":[{"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/media?parent=244715"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/categories?post=244715"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/oficial.rocketbot.com\/pt-br\/wp-json\/wp\/v2\/tags?post=244715"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}