Nas candidaturas mais difíceis que recebe — as limítrofes, em que uma triagem de chamada única diz não e uma pessoa poderia dizer sim — as taxas de aprovação passaram de 4,5% para 26,2% quando o candidato era representado por um agente. É uma alteração de acesso de quase seis vezes, e não veio de qualquer mudança no modelo, no currículo ou na descrição da função. Veio da mudança do procedimento.
O número vem do estudo de Gao e Jiang sobre contratação mediada por agentes (arXiv, 2026), aceite no workshop REALM da EMNLP 2026. Importa a um Head of Operations por uma razão que nada tem a ver com retórica de equidade e tudo a ver com saber se a sua triagem de currículos com IA pode ser defendida duas vezes. O mesmo estudo concluiu que as candidaturas selecionadas pelo procedimento de dois agentes se repetiam menos vezes quando os casos eram reexecutados. O portão mexeu-se, e mexeu-se de forma inconsistente.
O estudo: 600 pares, dois lados, um conjunto limítrofe
A maior parte da triagem automatizada é um juízo estático. Uma única chamada ao modelo lê um currículo contra uma vaga e devolve um veredicto. Gao e Jiang notam que a contratação não está estruturada assim — os empregadores avaliam adequação enquanto os candidatos apresentam e defendem provas das suas qualificações — e constroem a versão de dois lados: um agente do lado do empregador e um agente do lado do candidato trocam provas e atualizam os seus juízos antes de decidir quem avança.
Executaram-na sobre 600 pares currículo–vaga construídos com dois modelos de fronteira, GPT-5.5 e Claude Opus 4.7, comparando-a com a referência de chamada única sobre o mesmo material.
| Medida | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Taxa de avanço, chamada única → dois agentes | 33,3% → 39,3% | 34,0% → 35,5% |
| Taxa de aprovação no conjunto limítrofe, 3 execuções | 4,5% → 26,2% | 6,5% → 16,1% |
Leia as duas linhas uma contra a outra. A taxa de avanço global mexeu-se seis pontos no máximo — o tipo de desvio que um responsável de operações absorveria sem notar. O conjunto limítrofe, 191 pares comuns aos dois procedimentos, mexeu-se várias vezes. O efeito concentra-se exatamente onde o seu limiar está a fazer o trabalho.
Se a sua triagem está calibrada num corte, um candidato que chega com um agente não está marginalmente favorecido. Está a ser avaliado por um procedimento diferente.
Não é um afrouxamento, e é aí que está o problema
A leitura óbvia é que a triagem de dois agentes é simplesmente mais permissiva — os candidatos ganham um advogado, passam mais, recalibra-se o limiar e segue-se em frente. O artigo fecha essa saída explicitamente: «a triagem de dois agentes rejeita candidaturas que a chamada única faz avançar, mudando decisões nos dois sentidos».
Seguem-se duas consequências, e a segunda é a caríssima.
Com volumes de aprovação semelhantes, os dois procedimentos fazem avançar candidaturas diferentes. Não consegue reproduzir resultados de dois agentes afrouxando uma triagem de chamada única, porque nenhum limiar de chamada única recupera as candidaturas que a triagem de dois agentes seleciona de forma consistente. Os procedimentos não são duas posições do mesmo botão. São duas funções de seleção diferentes que calham fazer passar números semelhantes de pessoas.
E entre os casos selecionados na fase de descoberta e reexecutados em novas passagens, as seleções exclusivas da triagem de dois agentes repetiram-se menos vezes do que as partilhadas pelos dois procedimentos — claramente com o GPT-5.5, de forma menos certa com o Opus 4.7 — enquanto um seguimento de chamada única não mostrou queda comparável. Os candidatos que o procedimento mediado por agentes encontrava por si eram os menos prováveis de voltar a ser encontrados.
Uma decisão que não se reproduz não pode ser explicada. Nem a um candidato rejeitado que pergunta, nem a um recurso interno, nem a um regulador. Ao abrigo do EU AI Act, o recrutamento e a avaliação de candidatos estão no Anexo III, com as obrigações de alto risco e os deveres do responsável pela implementação do art. 26 a aplicarem-se agora a partir de 2 de dezembro de 2027 (EU AI Act explorer, 2026). A exigência de supervisão humana do art. 14 pressupõe que exista algo estável para supervisionar. Um registo de triagem que diz este candidato avançou nesta execução não é um registo de supervisão. É um bilhete de lotaria com data e hora.
Na triagem de currículos com IA, o procedimento — não o modelo — é a variável que controla
Este resultado não está isolado, e é isso que o deve mover de interessante para operacional. Uma auditoria separada a mais de 30.000 avaliações de currículos por LLM em três modelos, comerciais e de pesos abertos, concluiu que os efeitos demográficos eram negligenciáveis em todas as condições testadas — mas que apenas a formulação do prompt trazia de volta uma preferência de senioridade. Com a experiência mantida idêntica, um prompt de avaliação estruturado fez colapsar o efeito idade para d=0,02 (p=0,90); um prompt informal, de intuição, manteve d=0,41 (p=0,03) (Pavlopoulos, 2026). Mesmos modelos, mesmos currículos, mesmos candidatos. Procedimento diferente, resposta diferente.
A direção inverte-se em condições mais ricas, o que torna o argumento mais duro e não mais brando. Quando Karvonen e Marks acrescentaram contexto de implementação realista — nomes reais de empresas, descrições de cultura retiradas de páginas públicas de carreiras, restrições seletivas como «aceitar apenas os 10% melhores» — induziram efeitos demográficos até 12 pontos percentuais nas taxas de entrevista em seis modelos, e as instruções anti-enviesamento nos prompts, que funcionam em benchmarks limpos, deixaram de funcionar (arXiv, 2025).
Três estudos, três métodos, uma conclusão: o modelo de pontuação não é onde vive a sua variância. O procedimento à sua volta é.
Por que isto conta agora e não em 2028
Porque a metade do lado do candidato já está implementada. A ManpowerGroup e a Everest Group concluíram que 54% dos empregadores dizem que currículos, candidaturas e preparação de entrevistas gerados por IA tornaram mais difícil avaliar a capacidade real do candidato, enquanto mais de 90% usam IA em sourcing e triagem e menos de 5% descrevem os resultados como transformadores (ManpowerGroup, 2026).
Essa lacuna — adoção quase universal, valor realizado quase nulo — costuma ler-se como um problema de ferramentas. Gao e Jiang sugerem que é um problema de procedimento. Ambos os lados automatizados, o procedimento de nenhum deles especificado, e o comportamento do portão é já uma propriedade emergente de dois sistemas a negociar.
Os limites honestos
Mantenha o resultado no seu peso real. São 600 pares currículo–vaga construídos, não contratações reais com resultados reais — não há medida de se os candidatos que a triagem de dois agentes fez avançar vieram a ter desempenho. Dois modelos, ambos de fronteira, num momento. E é um artigo de workshop, não um artigo de revista com revisão por pares, pelo que o resultado sobre recorrência em particular deve ser tratado como sinal forte e não como estimativa assente.
O que sobrevive a essas reservas é a afirmação estrutural, e é essa que custa dinheiro: os procedimentos de triagem diferem na fiabilidade com que as suas decisões se repetem, e ninguém está a medir isso. Se o efeito for real mesmo a metade da dimensão reportada, as suas decisões limítrofes são a parte menos estável do seu funil e a mais provável de ser contestada.
O que fazer quanto a isto neste trimestre
A resposta útil não é proibir os agentes dos candidatos — não os consegue detetar com fiabilidade e a tentativa custar-lhe-á os candidatos que cumprem instruções. É tornar o procedimento, e não o modelo, aquilo que governa. Quatro movimentos, por ordem de custo:
- Faça um teste de recorrência às decisões limítrofes do mês passado. Tire cinquenta candidaturas que caíram a poucos pontos do seu corte, reexecute-as na triagem idêntica e conte quantos veredictos se mantêm. Esse número é a sua taxa de reprodutibilidade, quase certamente não o tem, e obtém-se numa tarde.
- Fixe o prompt como configuração, não como hábito de cada recrutador. O resultado de Pavlopoulos diz que um prompt de avaliação estruturado e um informal são instrumentos diferentes. Se os seus recrutadores podem editar livremente o que a triagem pergunta, está a correr um número indeterminado de procedimentos e a atribuir o seu output a um único modelo.
- Separe a parcela determinística da pontuação da parcela de juízo, e registe-as em separado. Uma componente calculada aritmeticamente a partir dos requisitos declarados da função reproduz-se por construção; um juízo do modelo não. A pontuação da Scovai corre sobre um orçamento de pesos fixo dividido 50/50 entre as duas, com a metade de juízo devolvida como quatro subpontuações separadas a baixa temperatura, cada uma com a sua própria razão escrita — uma forma de ver como essa separação é na prática é a arquitetura de pontuação.
- Coloque a revisão humana onde está a variância, não onde está o volume. Os seus revisores estão hoje espalhados por todo o funil. O estudo diz que a instabilidade se concentra na faixa limítrofe — o que significa que um orçamento de revisão humana pequeno e dirigido a essa faixa compra mais defensabilidade do que um maior distribuído por igual.
Nenhuma destas exige nova aquisição. Todas as quatro são decisões de configuração, o que é a boa notícia e também a razão por que continuam a não ser tomadas.
A decisão à sua frente
A contratação mediada por agentes não se anunciará. Não há demonstração de fornecedor, nem rubrica orçamental, nem integração a aprovar. Chega quando candidatos suficientes trazem as suas próprias ferramentas e o seu portão deixa de se comportar como o seu dashboard diz — e, pelas provas aqui reunidas, a primeira coisa a quebrar não é a exatidão, mas a repetibilidade.
Portanto, a pergunta que merece entrar na agenda deste trimestre não é se a sua triagem de currículos com IA é exata. É mais estreita e muito mais respondível: se reexecutasse amanhã as rejeições do mês passado, quantas voltariam iguais? Se não sabe, é a primeira coisa a medir. Tudo o que possa querer afirmar sobre a sua triagem — que é justa, que é explicável, que uma pessoa a supervisiona de forma significativa — depende de uma resposta que hoje não tem.