Por que ninguém responde seu currículo?
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 e já apontada pelo g1 em abril. Talvez você não esteja sendo rejeitado por várias empresas diferentes, mas, na prática, pelo mesmo sistema repetidas vezes.
🗒️ Tem alguma sugestão de reportagem? Mande para o g1
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 de 3,4 milhões de candidatos e cerca de 4 milhões de candidaturas avaliadas em 156 empresas de 11 setores da economia.
O volume de dados já chama atenção, mas há um detalhe ainda mais relevante: todas essas candidaturas foram avaliadas por algoritmos 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.
🔎 Os autores chamam esse fenômeno de “monocultura algorítmica”. O conceito foi emprestado da agricultura, em que grandes áreas são ocupadas por uma única espécie de cultivo. Embora esse modelo possa trazer ganhos de eficiência, também cria vulnerabilidades, já que qualquer problema tende a se espalhar rapidamente.
Um estudo de Stanford sugere que candidatos podem estar sendo rejeitados repetidamente pela mesma lógica algorítmica, mesmo ao se inscreverem em empresas diferentes.
Pexels
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.
🔎 Essa possibilidade levou os pesquisadores a investigar um fenômeno chamado “rejeição sistêmica”. O termo descreve situações em que um candidato se inscreve em várias vagas e é rejeitado em todas elas. Esse tipo de experiência sempre existiu, mas o que chamou a atenção dos pesquisadores foi a frequência com que isso ocorre quando os processos seletivos são influenciados pelos mesmos sistemas.
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.
A chamada “monocultura algorítmica” faz com que diferentes empregadores avaliem profissionais com critérios semelhantes, reduzindo a diversidade de decisões.
Pexels
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.
🔎 Quando um sistema considera um perfil pouco adequado, há uma chance significativa de que outros sistemas semelhantes cheguem à mesma conclusão. E vice-versa.
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 é sim. Mas esse ganho tende a ser menor quando as decisões se repetem.
Nas simulações, um candidato precisaria se inscrever em cerca de 10 vagas para ter uma alta probabilidade de receber ao menos uma recomendação positiva em um cenário de decisões independentes.
Quando os processos são influenciados por sistemas centralizados, esse número sobe para cerca de 25 candidaturas para atingir uma probabilidade de 99,9%.
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.
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 e já apontada pelo g1 em abril. Talvez você não esteja sendo rejeitado por várias empresas diferentes, mas, na prática, pelo mesmo sistema repetidas vezes.
🗒️ Tem alguma sugestão de reportagem? Mande para o g1
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 de 3,4 milhões de candidatos e cerca de 4 milhões de candidaturas avaliadas em 156 empresas de 11 setores da economia.
O volume de dados já chama atenção, mas há um detalhe ainda mais relevante: todas essas candidaturas foram avaliadas por algoritmos 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.
🔎 Os autores chamam esse fenômeno de “monocultura algorítmica”. O conceito foi emprestado da agricultura, em que grandes áreas são ocupadas por uma única espécie de cultivo. Embora esse modelo possa trazer ganhos de eficiência, também cria vulnerabilidades, já que qualquer problema tende a se espalhar rapidamente.
Um estudo de Stanford sugere que candidatos podem estar sendo rejeitados repetidamente pela mesma lógica algorítmica, mesmo ao se inscreverem em empresas diferentes.
Pexels
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.
🔎 Essa possibilidade levou os pesquisadores a investigar um fenômeno chamado “rejeição sistêmica”. O termo descreve situações em que um candidato se inscreve em várias vagas e é rejeitado em todas elas. Esse tipo de experiência sempre existiu, mas o que chamou a atenção dos pesquisadores foi a frequência com que isso ocorre quando os processos seletivos são influenciados pelos mesmos sistemas.
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.
A chamada “monocultura algorítmica” faz com que diferentes empregadores avaliem profissionais com critérios semelhantes, reduzindo a diversidade de decisões.
Pexels
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.
🔎 Quando um sistema considera um perfil pouco adequado, há uma chance significativa de que outros sistemas semelhantes cheguem à mesma conclusão. E vice-versa.
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 é sim. Mas esse ganho tende a ser menor quando as decisões se repetem.
Nas simulações, um candidato precisaria se inscrever em cerca de 10 vagas para ter uma alta probabilidade de receber ao menos uma recomendação positiva em um cenário de decisões independentes.
Quando os processos são influenciados por sistemas centralizados, esse número sobe para cerca de 25 candidaturas para atingir uma probabilidade de 99,9%.
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.