A mesma IA pode ter te avaliado mal e rejeitado seu currículo em várias empresas, diz pesquisa

Você envia currículo atrás de currículo. A resposta quase nunca chega. Quando chega, é automática, padronizada e fria: "não seguimos com sua candidatura". A sensação é de que centenas de empresas tenham chegado, ao mesmo tempo, à mesma conclusão sobre você.

Um estudo liderado por pesquisadores da Universidade Stanford sugere uma explicação técnica para essa experiência, cada vez mais comum ejá apontada pelo g1 em abril.Talvez você não esteja sendo rejeitado por várias empresas diferentes, mas, na prática, pelo mesmo sistema repetidas vezes.

A pesquisa, intitulada "Algorithmic Monocultures in Hiring", é a mais abrangente já realizada sobre recrutamento mediado por inteligência artificial. Os pesquisadores analisaram uma base inédita de dados reais, com mais de3,4 milhões de candidatose cerca de 4 milhões de candidaturas avaliadas em156 empresasde11 setores da economia.

O volume de dados já chama atenção, mas há um detalhe ainda mais relevante: todas essas candidaturas foram avaliadas poralgoritmos desenvolvidos por um mesmo fornecedor de tecnologia.

Isso permitiu observar um fenômeno que costuma passar despercebido por candidatos, empresas e até pesquisadores do mercado de trabalho.Quando muitas organizações utilizam sistemas semelhantes para selecionar profissionais, as decisões deixam de ser totalmente independentes.

Empresas diferentes decidem de forma parecida

No mercado de recrutamento e seleção, o que está sendo padronizado não é a produção, mas os critérios usados para decidir quem avança ou não em um processo seletivo.

Durante décadas, as decisões de contratação ficaram nas mãos de recrutadores, gestores e equipes com visões próprias. Mesmo diante de currículos semelhantes, era comum que chegassem a conclusões diferentes.

Com a expansão dos sistemas automatizados, parte dessa diversidade tende a desaparecer. Empresas diferentes podem acabar utilizando modelos que analisam candidatos de forma muito parecida, reproduzindo os mesmos padrões em larga escala.

Na prática, quem procura emprego pode se deparar com várias portas de entrada aparentemente independentes, mas abertas ou fechadas pela mesma lógica.

Os dados mostram que cerca de 10% dos candidatos que se inscrevem em quatro vagas são rejeitados em todas elas.O padrão se mantém mesmo quando o número de candidaturas aumenta. Entre os candidatos que se inscrevem em 10 vagas, aproximadamente 4% acumulam 10 rejeições consecutivas.

À primeira vista, os percentuais podem parecer modestos. Do ponto de vista estatístico, porém, eles revelam um padrão importante:as rejeições se acumulam com uma frequência maior do que a esperada em decisões independentes.

Para verificar se esse comportamento poderia ser explicado apenas pelo acaso, os pesquisadores compararam os resultados com uma linha de base teórica e com evidências de estudos anteriores sobre processos de recrutamento sem centralização algorítmica.

A conclusão foi clara: as rejeições sucessivas não são apenas fruto do azar ou da coincidência. Elas refletem uma lógica de avaliação que se repete entre diferentes empresas.

Essa dinâmica ajuda a explicar outra característica cada vez mais comum nos processos seletivos. Na maioria dos casos,os algoritmos não tomam a decisão final de contratação. Eles atuam antes, como um filtro inicial que define quais candidatos avançam e quais são eliminados.

Assim, muitos profissionais podem ser eliminados antes mesmo de um recrutador analisar seus currículos. Do ponto de vista do candidato, a experiência é silenciosa:não há entrevista, contato com a empresa nem, muitas vezes, uma explicação para a rejeição.

Parte da frustração de quem busca emprego pode estar ligada justamente a essa etapa oculta do processo.O currículo é enviado, mas não chega a disputar a vaga de fato.

Perfis semelhantes tendem a receber respostas semelhantes

Os pesquisadores encontraram evidências de que candidatos com características semelhantes tendem a receber avaliações parecidas,mesmo quando se candidatam a empresas diferentes.

O ponto central é que os modelos de IA compartilham critérios semelhantes de classificação. Com isso, uma avaliação inicial,que pode ser limitada ou imperfeita, ganha peso ao ser reproduzida em diferentes processos seletivos.

Diante desse cenário, os pesquisadores testaram uma questão prática:enviar mais candidaturas ainda aumenta as chances de conseguir uma vaga?

A resposta ésim. Mas esse ganho tende a ser menor quando as decisões se repetem.

A concentração do mercado amplia os efeitos

Os resultados do estudo não dizem respeito apenas aos algoritmos. Eles também levantam questionamentos sobre a estrutura do mercado de tecnologia aplicada ao recrutamento.

Hoje, muitas empresas utilizam soluções desenvolvidas por um número relativamente pequeno de fornecedores. Alguns atendem organizações de diferentes setores e operam em grande escala.

Essa concentração amplia os efeitos da monocultura algorítmica.

Quando um único sistema influencia decisões em dezenas ou centenas de empresas, eventuais falhas deixam de ser casos isolados. O mesmo vale para limitações ou vieses incorporados aos modelos.

Por isso, os pesquisadores defendem que a concentração tecnológica merece atenção não apenas do ponto de vista concorrencial, mas também pelos impactos sobre as oportunidades profissionais.

Apesar da crescente influência da inteligência artificial nos processos seletivos, o setor ainda opera com pouca transparência, segundo os pesquisadores.

Os próprios autores destacam que estudos independentes em larga escala são raros.A principal razão é que as plataformas raramente disponibilizam seus dados para análises externas.

Isso cria obstáculos tanto para a fiscalização quanto para o avanço do conhecimento. Sem acesso às informações, torna-se mais difícil identificar falhas, medir vieses e entender como esses sistemas afetam diferentes grupos.

O desafio é especialmente relevante porque essas decisões têm impacto direto sobre o acesso ao emprego, à renda e às oportunidades de carreira.