Trinta e oito por cento dos candidatos a emprego nos Estados Unidos abandonaram um processo de seleção pelo menos uma vez precisamente porque incluía uma entrevista com IA. Outros 12 % dizem que o fariam se fosse obrigatória. Metade do seu universo de candidatos, segundo a leitura que o próprio relatório faz dos seus dados, já está a sair ou está pronta para sair (Greenhouse 2026 Candidate AI Interview Report).
A inferência óbvia é que os candidatos se viraram contra a triagem automatizada. O mesmo conjunto de dados exclui essa hipótese. Perguntados sobre o que querem daqui para a frente, apenas 19 % dos candidatos norte-americanos disseram querer menos IA do que já têm. Esse único número muda o significado da taxa de abandono — e aquilo que custa corrigi-la.
O abandono não é um referendo sobre a IA
A Greenhouse inquiriu 2.950 pessoas em procura ativa de emprego nos Estados Unidos, Reino Unido, Irlanda, Alemanha e Austrália. A exposição é agora a norma e não a experiência: 63 % dos candidatos norte-americanos foram entrevistados por uma IA nos últimos doze meses, uma subida de 12 pontos percentuais em seis meses.
Se o abandono acompanhasse a exposição à IA, os mercados com mais IA mostrariam mais resistência. Não é o caso, pelo menos não de forma limpa. A Alemanha tem a exposição internacional mais elevada, 57 %, e a taxa de abandono mais alta de qualquer mercado, 42 %. A Irlanda tem a exposição mais baixa, 36 % — e a falta de comunicação prévia é lá o principal gatilho de abandono, coerente com o facto de apenas 9 % dos candidatos irlandeses terem sido claramente informados de antemão de que a IA seria usada.
Há um segundo teste que separa a aversão às máquinas da aversão ao seu processo. A Greenhouse perguntou aos candidatos se se tinham sentido avaliados de forma diferente por causa de uma característica pessoal, com IA e com entrevistadores humanos, e as respostas são quase idênticas: a idade foi assinalada por 36 % com IA e 36 % com entrevistadores humanos, a origem étnica por 27 % em ambos os casos, o género por 24 % contra 26 %. Na aparência, os candidatos consideraram a IA menos enviesada do que as pessoas — 21 % contra 28 %. Os candidatos não estão a atribuir ao algoritmo um preconceito exclusivo.
Veja o que os candidatos norte-americanos dizem querer em vez do arranjo atual e o quadro define-se ainda mais: 22 % querem mais IA com supervisão humana mais forte, 21 % o mesmo nível com mais transparência, 19 % menos IA, e apenas 12 % mais IA com o argumento de que torna a contratação mais rápida e mais justa. Nos cinco mercados, essa última opção nunca excede 14 %. A posição majoritária não é a retirada. É a mesma quantidade de máquina, com uma pessoa ao lado.
O que os candidatos abandonam é a entrevista com IA sem presença humana, não a automação
Os gatilhos de abandono nos dados da Greenhouse são específicos, e não são «a empresa usou IA».
O maior de todos é a entrevista em vídeo pré-gravada pontuada por IA sem qualquer presença humana — 33 %. Seguem-se: empresas que não revelam como a IA será usada (27 %), monitorização por IA (26 %), entrevista obrigatória conduzida por IA (26 %), e a impossibilidade de distinguir se estavam a falar com uma pessoa ou com uma máquina (20 %).
Três destes cinco motivos são sobre a ausência de uma pessoa ou a ausência de uma explicação. Apenas um — a entrevista obrigatória conduzida por IA — é sobre a automação em si.
Os remédios que os candidatos nomeiam encaixam exatamente. O pedido principal nos Estados Unidos é a opção de solicitar uma entrevista humana em alternativa (46 %), seguido de ser informado antecipadamente de que há IA envolvida (44 %), uma explicação clara do que a IA está a medir (39 %), e saber que uma pessoa revê a avaliação da IA antes da decisão (38 %). A opção da entrevista humana é a primeira medida de confiança em todos os mercados estudados, sem exceção, de 41 % na Alemanha a 49 % na Irlanda. E 59 % dos candidatos norte-americanos querem uma conversa ao vivo com um recrutador humano como primeiro contacto com uma empresa; 12 % preferem uma entrevista ao vivo conduzida por IA (Greenhouse, 2026).
A cadeira vazia é o defeito de produto. A automação não é.
O contra-argumento: preferência declarada é barata
Um Head of Operations razoável deve contestar aqui. Quem responde a um inquérito diz valorizar a revisão humana porque dizê-lo não custa nada. O comportamento revelado é outra coisa, e «eu teria desistido» não é o mesmo que desistir.
Essa objeção foi testada diretamente e não sobrevive. Uma experiência conjoint pré-registada submeteu 1.919 candidatos a emprego nos Estados Unidos a oito escolhas forçadas cada um entre sistemas de triagem por IA — 30.704 perfis no total — aleatorizando de forma independente seis atributos: autoridade de decisão, taxa de erro, explicação, direito de exclusão, recurso e auditoria independente de enviesamento (Wang, Sturgis & de Kadt, 2026).
O envolvimento humano deslocou a escolha declarada em +0,272 na probabilidade de seleção do perfil. Reduzir a taxa de rejeições indevidas do sistema de 30 % para 10 % deslocou-a em +0,285. A diferença entre as duas é estatisticamente indistinguível de zero. Em linguagem simples: colocar uma pessoa no circuito comprou aproximadamente tanta disponibilidade do candidato como triplicar a precisão do sistema.
Em comparação, as garantias processuais que a maioria dos fornecedores destaca ficaram bem abaixo: recurso +0,156, direito de exclusão +0,129, explicação +0,128, auditoria independente de enviesamento +0,068.
A conclusão mais afiada dos autores é a que merece atenção. O valor que os candidatos atribuíram a recurso, exclusão e auditoria de enviesamento não aumentou à medida que as rejeições indevidas se tornaram mais frequentes — cada um permaneceu dentro de um limite de equivalência pré-registado. O procedimento não está a ser valorizado como seguro contra o erro. Está a ser valorizado por si mesmo, o que significa que melhorar a precisão do seu modelo não o substitui.
Os limites, com honestidade
O conjoint mede uma escolha declarada numa tarefa de escolha forçada, não candidaturas efetivamente submetidas. Os próprios autores observam que a intenção de se candidatar (3,24 numa escala de cinco pontos) ficou muito acima da legitimidade percebida (2,85), e que 7,8 % dos respondentes combinavam legitimidade abaixo da mediana com intenção de se candidatar acima dela — as pessoas candidatam-se a processos que consideram ilegítimos. O volume de candidaturas é por isso um instrumento pobre para medir isto. A Greenhouse é investigação de um fornecedor com interesse comercial na resposta, e a sua subamostra norte-americana não é desagregada. Ambas as fontes apontam na mesma direção; nenhuma é uma estimativa causal limpa da perda de funil.
A transparência repara o lado do candidato. Não repara a decisão.
É aqui que a maioria das reações a estes dados erra. A correção intuitiva — revelar o que a IA avalia — funciona, e funciona em exatamente um lado da transação.
Oito estudos publicados na Information Systems Research, incluindo duas experiências principais e uma replicação quase-experimental de campo, concluíram que a avaliação algorítmica de entrevistas em vídeo unidirecionais aumentava o stress do candidato e a gestão enganosa de impressões relativamente à avaliação humana, e que explicar aos candidatos como o algoritmo os avalia trazia ambos os fenómenos de volta ao nível de uma entrevista conduzida por uma pessoa (Lakhiwal, Liu, Bala & Suen, 2026).
O resultado do lado do empregador é o incómodo. Em configurações aumentadas por IA — decisores humanos a quem é mostrada a pontuação da IA — os avaliadores ancoraram-se nessa pontuação e desvalorizaram o seu próprio julgamento, apesar de a pontuação não conseguir distinguir respostas honestas de enganosas. O efeito corretivo da transparência do lado do avaliador foi limitado.
Portanto a divulgação recompra o comportamento do candidato sem recomprar a qualidade da decisão. São duas reparações distintas que exigem duas mudanças distintas, e anunciar a primeira não faz nada pela segunda. (O texto integral é pago e o resumo publicado indica direções e não magnitudes — a tratar como direção do efeito, não como quantidade.)
O aspeto real da perda mais a jusante
A taxa de abandono é o custo visível. O mais silencioso é o que acontece aos candidatos que ficam.
Dos que completaram uma entrevista com IA, 51 % não tiveram qualquer resultado: 38 % foram completamente ignorados, 13 % continuam à espera. Apenas 28 % avançaram (Greenhouse, 2026). Não é um problema de IA — é um processo que nunca foi dotado de recursos para fechar o ciclo e que agora corre à cadência da máquina. Investigação independente coloca a mesma tendência numa base mais longa: a proporção de candidatos que classificam a sua experiência como excelente caiu para 11 % em 2026, contra 18 % em 2023, num período de investimento crescente em tecnologia de recrutamento, com menos de um em cada dez candidatos a nunca ter ficado sem resposta (PeopleScout, 2026).
A confiança é avaliada em consequência. Apenas 21 % dos candidatos norte-americanos acreditam que a maioria dos empregadores usa a IA de forma responsável e transparente, e nos cinco mercados entre 63 % e 70 % não acreditam. Cinquenta e sete por cento consideram que as empresas deveriam ser legalmente obrigadas a divulgar o uso de IA na avaliação de candidatos — um eleitorado que tende a acabar por conseguir o que pede (Greenhouse, 2026).
O efeito na marca está mais renhido do que os títulos sugerem, e é essa a parte estrategicamente interessante: nos Estados Unidos, 38 % dos candidatos viram o empregador de forma mais positiva após uma entrevista com IA, contra 34 % de forma mais negativa, um saldo de +4. No Reino Unido o saldo é −20. Mesma tecnologia, configuração diferente, resultado oposto. A variância está na implementação, não na ferramenta.
O que mudar neste trimestre
Se a sua fase de entrevista com IA foi justificada pelas horas de triagem poupadas, o business case tem de ser refeito contra um funil que se autosseleciona para fora já no topo. Quatro movimentos, por ordem de custo:
- Comunique antes da fase, não durante. Diga claramente, no convite, que há IA envolvida e o que ela observa. É o pedido dos 44 %, é uma alteração de modelo de mensagem, e é também a alavanca que, segundo o trabalho publicado na ISR, reduz respostas enganosas — melhorando ao mesmo tempo a qualidade do seu sinal.
- Ofereça um percurso de entrevista humana a pedido. O pedido dos 46 %, e o remédio mais bem classificado nos cinco mercados. Não o oferece a todos; oferece-o à fração que de outro modo sairia. Avalie-o contra o custo de substituir esses candidatos no pipeline.
- Faça os revisores pontuarem a gravação antes de verem a pontuação da IA. O efeito de ancoragem só opera se o número chegar primeiro. É uma alteração de sequência no seu fluxo de trabalho, não uma decisão de compra, e é a única das quatro que protege a qualidade da decisão em vez da experiência do candidato.
- Mantenha a divulgação e a decisão humana em registo. Se vai afirmar que uma pessoa reviu a avaliação, a afirmação deveria ser inspecionável e não apenas declarada — o que o sistema divulga, qual o fornecedor que tratou os dados e a decisão humana registada em cada contratação são coisas que uma plataforma publica ou não publica. Os 57 % que pedem divulgação obrigatória estão a descrever a direção do vento.
Note o que falta nessa lista: mudar de fornecedor, reduzir a automação, ou voltar à triagem manual. Apenas 19 % dos seus candidatos estão a pedir isso.
A entrevista com IA não lhe custou esses candidatos. Custou-lhos a pessoa ausente. Antes de aprovar outra rubrica de automação de triagem neste trimestre, descubra qual é a sua própria taxa de abandono nessa fase — porque, neste momento, está quase certamente a ser registada como desinteresse.