Estudo inédito da Universidade Stanford com milhões de candidaturas expõe como algoritmos semelhantes de inteligência artificial repetem padrões de avaliação, diminuindo suas chances de vaga.
Você já se sentiu como se estivesse sendo rejeitado pela mesma lógica em diferentes processos seletivos, mesmo enviando inúmeros currículos? A sensação de que centenas de empresas chegam, ao mesmo tempo, à mesma conclusão sobre você pode ter uma explicação técnica surpreendente.
A crescente adoção de sistemas de inteligência artificial no recrutamento está tornando os processos seletivos de empresas distintas mais parecidos do que imaginamos. Isso significa que a mesma IA pode ter sido responsável por descartar seu currículo em diversas companhias.
Um estudo liderado por pesquisadores da Universidade Stanford sugere que candidatos podem estar sendo rejeitados repetidamente pela mesma lógica algorítmica, mesmo ao se inscreverem em empresas diferentes, conforme informação divulgada pelo g1.
A Monocultura Algorítmica e a Padronização do Recrutamento
A pesquisa, intitulada “Algorithmic Monocultures in Hiring”, é a mais abrangente já realizada sobre o recrutamento mediado por inteligência artificial. Os pesquisadores analisaram mais de 3,4 milhões de candidatos e cerca de 4 milhões de candidaturas avaliadas em 156 empresas de 11 setores da economia.
O detalhe mais relevante é que todas essas candidaturas foram avaliadas por algoritmos desenvolvidos por um mesmo fornecedor de tecnologia. Isso permitiu observar um fenômeno que muitas vezes passa despercebido, a chamada “monocultura algorítmica”.
O conceito, emprestado da agricultura, descreve como muitas organizações utilizam sistemas semelhantes para selecionar profissionais. Assim, as decisões de contratação deixam de ser totalmente independentes, padronizando os critérios de seleção.
Durante décadas, recrutadores e gestores com visões próprias tomavam decisões de contratação. Com a expansão dos sistemas automatizados, essa diversidade tende a desaparecer, e empresas diferentes podem acabar utilizando modelos que analisam candidatos de forma muito parecida, reproduzindo os mesmos padrões em larga escala.
Rejeição Sistêmica: O Acúmulo de ‘Nãos’ Inesperados
Essa padronização levou os pesquisadores a investigar a “rejeição sistêmica”, que ocorre quando um candidato se inscreve em várias vagas e é rejeitado em todas elas. Embora essa experiência sempre tenha existido, a frequência com que acontece em processos influenciados pelos mesmos sistemas chamou a atenção.
Os dados do estudo são claros: cerca de 10% dos candidatos que se inscrevem em quatro vagas são rejeitados em todas elas. Esse padrão se mantém, e entre os que se candidatam a 10 vagas, aproximadamente 4% acumulam 10 rejeições consecutivas.
Esses percentuais, que podem parecer modestos à primeira vista, revelam um padrão importante: as rejeições se acumulam com uma frequência maior do que a esperada em decisões independentes. A conclusão é que as rejeições sucessivas não são fruto do azar, mas sim de uma lógica de avaliação que se repete entre diferentes empresas.
Essa dinâmica ajuda a explicar por que muitos profissionais são eliminados antes mesmo de um recrutador analisar seus currículos. A experiência é silenciosa, sem entrevista ou contato, e muitas vezes sem uma explicação para a rejeição, o que gera grande frustração na busca por emprego.
Por Que Mais Candidaturas Não Garantem Mais Vagas?
Os pesquisadores encontraram evidências de que candidatos com características semelhantes tendem a receber avaliações parecidas, mesmo em empresas diferentes. Se um sistema considera um perfil pouco adequado, há uma chance significativa de que outros sistemas semelhantes cheguem à mesma conclusão, e vice-versa.
Isso acontece porque os modelos de IA compartilham critérios de classificação. Uma avaliação inicial, que pode ser limitada ou imperfeita, ganha peso ao ser reproduzida em diversos processos seletivos. Diante desse cenário, surge a questão: enviar mais candidaturas ainda aumenta as chances de conseguir uma vaga?
A resposta é sim, mas o ganho tende a ser menor. Nas simulações, um candidato precisaria se inscrever em cerca de 10 vagas para ter alta probabilidade de receber ao menos uma recomendação positiva em um cenário de decisões independentes.
No entanto, quando os processos são influenciados por sistemas centralizados, esse número sobe para cerca de 25 candidaturas para atingir uma probabilidade de 99,9%. Isso demonstra como a inteligência artificial pode impactar a eficácia da sua estratégia de currículo.
Concentração de Mercado e a Falta de Transparência da IA
Os resultados do estudo também levantam questionamentos sobre a estrutura do mercado de tecnologia aplicada ao recrutamento. Atualmente, muitas empresas utilizam soluções desenvolvidas por um número relativamente pequeno de fornecedores, que operam em grande escala e atendem a diversos setores.
Essa concentração amplifica os efeitos da monocultura algorítmica. Quando um único sistema influencia decisões em dezenas ou centenas de empresas, eventuais falhas, vieses ou limitações incorporadas aos modelos deixam de ser casos isolados e se espalham rapidamente.
Por isso, os pesquisadores defendem que a concentração tecnológica merece atenção não apenas do ponto de vista concorrencial, mas também pelos impactos diretos sobre as oportunidades profissionais e o acesso ao emprego. A falta de transparência é um desafio.
Apesar da crescente influência da inteligência artificial nos processos seletivos, o setor ainda opera com pouca transparência. Estudos independentes em larga escala são raros, pois as plataformas raramente disponibilizam seus dados para análises externas.
Essa falta de acesso às informações cria obstáculos para a fiscalização, para a identificação de falhas e vieses, e para o avanço do conhecimento sobre como esses sistemas afetam diferentes grupos de candidatos. É um desafio crucial, pois essas decisões têm impacto direto sobre o acesso ao emprego, à renda e às oportunidades de carreira.