Quando o ChatGPT se tornou popular, muitas empresas passaram a imaginar um futuro em
que a Inteligência Artificial faria entrevistas, responderia candidatos e praticamente substituiria
parte do trabalho do recrutador.
Essa visão chamou atenção, mas escondeu uma mudança mais relevante.
O maior desafio de um processo seletivo raramente é conversar com candidatos. O problema
costuma aparecer antes disso: reunir informações que estão espalhadas em currículos,
certificados, testes técnicos, entrevistas, portfólios e anotações feitas por diferentes pessoas.
É justamente nesse ponto que a IA multimodal começa a fazer diferença.
O gargalo nunca foi gerar texto
Grande parte das plataformas de recrutamento já utilizam IA para resumir currículos ou
escrever descrições de vagas. Essas tarefas ficaram relativamente simples depois da
popularização dos modelos de linguagem.
O problema muda de escala quando o sistema precisa interpretar diferentes formatos de
informação.
Considere um candidato para uma vaga de engenharia de software. O processo pode incluir
um currículo em PDF, um certificado de certificação AWS, um teste técnico, um link para um
repositório no GitHub e uma entrevista gravada.
Até pouco tempo, cada uma dessas informações precisava seguir um caminho diferente. Um
serviço fazia OCR para extrair texto de documentos digitalizados. Outro convertia o áudio em
texto. Um terceiro resumia a transcrição. Só então era possível consolidar tudo em um único
perfil.
Essa arquitetura funciona, mas aumenta a quantidade de integrações, dificulta a manutenção e
cria pontos em que o contexto pode se perder.
A mudança acontece na arquitetura, não na interface
Modelos como GPT-4o, Gemini 2.5 e Claude Sonnet passaram a aceitar diferentes tipos de
entrada no mesmo contexto.
Isso reduz parte da complexidade da aplicação. Em vez de coordenar vários modelos
especializados, o sistema consegue enviar documentos, imagens e texto para uma única
análise.
Para quem desenvolve software de RH, isso representa menos dependência de pipelines
complexos.
Para quem trabalha com recrutamento, a mudança é quase invisível. O recrutador continua
vendo um perfil consolidado do candidato. A diferença está na quantidade de processamento
que acontece antes dessa informação chegar à tela.
É por isso que a multimodalidade tem mais impacto na engenharia da plataforma do que na
experiência do usuário.
O mercado ainda vende IA como conversa
Boa parte das demonstrações de IA para RH ainda gira em torno de chatbots.
Eles são úteis para responder perguntas frequentes, auxiliar candidatos e automatizar parte da
comunicação.
Mas dificilmente esse será o principal diferencial competitivo dos próximos anos.
O valor está na capacidade de organizar informação não estruturada.
Currículos seguem padrões diferentes.
Certificados possuem layouts distintos.
Relatórios técnicos raramente utilizam a mesma estrutura.
Entrevistas geram horas de áudio.
Transformar tudo isso em informação pesquisável sempre foi um dos trabalhos mais caros
dentro de um software de recrutamento.
A IA multimodal não resolve esse problema completamente, mas reduz uma parte importante
da complexidade técnica envolvida.
Nem todo documento é simples de interpretar
Existe uma impressão de que modelos multimodais "entendem qualquer arquivo". Quem já
trabalhou integrando essas soluções sabe que isso ainda está longe da realidade.
Documentos escaneados com baixa resolução continuam produzindo erros de OCR.
Tabelas extensas podem perder parte da estrutura durante a extração.
Gráficos também representam um desafio. Em avaliações realizadas por diferentes laboratórios
independentes, modelos de linguagem conseguem interpretar tendências gerais, mas ainda
apresentam inconsistências quando precisam identificar valores exatos ou compreender
gráficos muito densos.
Isso explica por que as empresas continuam combinando IA com regras de negócio e
validações humanas, em vez de confiar integralmente na resposta do modelo.
Outro fator pouco discutido é o custo.
Processar uma conversa de texto costuma exigir poucos recursos computacionais. Já analisar
um vídeo de entrevista ou dezenas de documentos anexados aumenta significativamente o
consumo de tokens e, consequentemente, o custo operacional da aplicação. Em plataformas
que processam milhares de candidatos por mês, essa diferença deixa de ser um detalhe
técnico e passa a influenciar decisões de arquitetura.
O papel do ATS também muda
Nos últimos meses surgiram previsões de que a IA substituiria os Applicant Tracking Systems.
Esse cenário parece pouco provável.
O ATS continua responsável por controlar permissões, pipeline de vagas, integrações,
indicadores, histórico de candidatos e conformidade com a LGPD.
A IA não substitui essa estrutura.
Ela adiciona uma camada de interpretação sobre informações que já existem.
Talvez essa seja a mudança mais importante para quem desenvolve tecnologia para RH: o
diferencial deixa de ser armazenar dados e passa a ser extrair contexto deles.
É uma mudança sutil, mas bastante significativa do ponto de vista do produto.
A discussão sobre IA no recrutamento costuma focar em chatbots e geração de texto porque
esses recursos são fáceis de demonstrar. O trabalho realmente complexo acontece nos
bastidores, quando diferentes tipos de informação precisam ser transformados em
conhecimento útil.
É nesse ponto que a IA multimodal tende a produzir o maior impacto nos próximos anos — não
porque converse melhor com candidatos, mas porque reduz o esforço necessário para
organizar e interpretar a informação que já faz parte de qualquer processo seletivo.
