Um estudo recente levanta uma questão pouco debatida sobre o uso da Inteligência Artificial no recrutamento: e se diferentes empresas estiverem tomando decisões com base na mesma lógica algorítmica?
Imagine procurar emprego durante meses. Você envia currículos para diferentes empresas, participa de processos seletivos e, um a um, recebe e-mails informando que seu perfil não foi selecionado. A conclusão parece inevitável: meu currículo não é competitivo.
Mas há uma outra possibilidade, menos evidente. E se essas decisões não tiverem sido tão independentes quanto você imagina? Um estudo da Universidade Stanford, repercutido recentemente pelo G1, analisou milhões de candidaturas e identificou um fenômeno que merece atenção: a monocultura algorítmica. Em vez de as empresas adotarem critérios próprios para selecionar candidatos, muitas delas recorrem aos mesmos sistemas de Inteligência Artificial ou a sistemas baseados na mesma lógica de avaliação. Isso significa que diferentes processos seletivos podem reproduzir decisões muito semelhantes.
Quando a diversidade desaparece
O termo monocultura vem da agricultura. Uma plantação formada por uma única espécie tende a ser mais eficiente, mas também mais vulnerável. Se surgir uma praga, ela se espalha rapidamente porque toda a lavoura responde da mesma maneira. No recrutamento, o risco é parecido.
À medida que processos seletivos adotam as mesmas plataformas de IA para filtrar currículos, aumenta a possibilidade de que diferentes empresas valorizem exatamente os mesmos atributos e descartem perfis pelas mesmas razões. O resultado é um processo aparentemente diverso: várias empresas, diferentes vagas, distintos recrutadores, mas sustentado por uma lógica comum. Nesse caso, a concorrência entre empresas permanece, só que a diversidade de critérios, nem sempre.
O problema não é a Inteligência Artificial
É importante evitar uma conclusão precipitada. O estudo não afirma que a IA seja inadequada para recrutamento. Ao contrário, sistemas automatizados podem reduzir o tempo de seleção, organizar grandes volumes de candidaturas, padronizar etapas e até diminuir determinados vieses humanos quando são bem projetados e continuamente avaliados. A questão levantada pelos pesquisadores é outra.
Quando centenas de empresas utilizam a mesma infraestrutura tecnológica, o risco deixa de ser apenas um erro de um algoritmo. Um critério inadequado pode ser replicado em larga escala, produzindo decisões semelhantes em diferentes organizações. Em outras palavras, não se trata apenas de automatizar decisões. Trata-se de padronizá-las.
Veja esse exemplo que eu passei. Ao ler a resposta de feedback, você vai perceber que o texto é bastante automatizado:
Olá, Marcio, tudo bem por aí?
Recebemos sua candidatura para a vaga de [Nome da Vaga] – foi assim mesmo que veio escrito – e ficamos muito felizes com seu interesse em fazer parte da empresa Y. Para nós, é um privilégio saber que você gostaria de criar caminhos além do imaginável com a gente!
Após avaliarmos os currículos recebidos, entendemos que, neste momento, seu perfil não seguirá para as próximas etapas do processo seletivo. Essa decisão não diminui a importância da sua trajetória e nem o valor da sua participação.
Sua história profissional é única e será sempre considerada com muito respeito em nossos processos. Queremos ressaltar que nós também fazemos o novo, de novo, até dar certo. Então, se não rolou neste momento, continue buscando a oportunidade certa, adoraríamos te encontrar no futuro!
Acompanhe nossa página de carreiras e nosso perfil no Instagram para ficar por dentro das novidades.
Desejamos muito sucesso em sua carreira!
Até breve!
Time de Atração de Talentos da empresa Y
A nova opacidade algorítmica
Há outro aspecto ainda mais preocupante. Na maioria das vezes, os candidatos não sabem se foram avaliados por uma IA. Muito menos conhecem os critérios utilizados para sua eliminação. Essa falta de transparência cria uma ilusão de diversidade. Quem recebe respostas negativas de várias empresas tende a acreditar que foi analisado por equipes distintas, cada uma com seus próprios critérios.
Mas, se essas empresas utilizam sistemas semelhantes, elas estão reproduzindo uma mesma lógica decisória. É uma forma de opacidade diferente daquela que costumamos discutir. Não é apenas difícil compreender como um algoritmo chegou à sua conclusão. Também é difícil perceber que a mesma lógica pode estar operando silenciosamente em diferentes organizações.
Muito além do mercado de trabalho
Embora a pesquisa trate do recrutamento profissional, ela aponta para uma transformação que ultrapassa esse contexto. Hoje, utilizamos sistemas de IA para recomendar notícias, selecionar conteúdos nas redes sociais, sugerir músicas, responder perguntas, apoiar diagnósticos médicos e orientar decisões empresariais. Quanto maior a concentração dessas tecnologias em poucos fornecedores, maior também a possibilidade de concentrarmos formas de interpretar a realidade. Assim tem acontecido com sistemas de compra em supermercado ou farmácias, por exemplo.
Essa é uma das mudanças mais profundas da era da IA porque não estamos apenas automatizando tarefas. Estamos, na verdade, automatizando critérios de julgamento. Assim fica difícil. Quem perde o capital intelectual é a empresa.
