Triagem de currículos com ia. Um exemplo ilustrativo, não um resultado de cliente: a agência e todos os números aqui são suposições. A triagem de currículos com ia é um software que lê os currículos recebidos, pontua cada um contra os requisitos obrigatórios de uma vaga e entrega ao recrutador uma shortlist ordenada para aprovar. Não contrata nem descarta ninguém por conta própria; um recrutador dá o aval antes de um candidato avançAR ou receber um não.
Para ilustrar, imagine uma agência de recrutamento em que o tempo até a shortlist é lento. Suponha que cada vaga aberta atraia cerca de 100 currículos e que um recrutador gaste cerca de 6 minutos na primeira leitura de cada um: achar os dados, cruzar os requisitos, redigitar no ats. São suposições para o exemplo, não medições de um cliente.
Não há nenhum projeto real por trás deste artigo, então não há resultado para relatar. O que podemos mostrar é o desenho. O pipeline pontua e ordena, mas nunca descarta automaticamente. Um recrutador aprova cada shortlist, e cada execução guarda um registro de auditoria do que o modelo pontuou e por quê.
#O que consome o tempo entre uma vaga aberta e uma shortlist?
Uma equipe nessa situação começaria medindo, não construindo: sentar com dois recrutadores e cronometrar a primeira leitura numa amostra de candidaturas. Os julgamentos costumam ser rápidos. O lento é procurar, ler e redigitar.
- Abrir cada currículo e localizar anos de experiência, habilidades citadas e localização ou autorização de trabalho, multiplicado por uma pilha de currículos por vaga.
- Cruzar esses dados com os requisitos obrigatórios daquela vaga específica, que mudam a cada requisição.
- Redigitar uma shortlist no ats e escrever a nota de por que cada candidato entrou, espalhado entre interrupções.
- Esperar. Uma pilha lida pela metade fica parada até o recrutador voltar, e bons candidatos esfriam.
Então o objetivo nunca foi "ler mais rápido". Foi "parar de fazer um recrutador caçAR fatos que já estão na página".
#Como a triagem de currículos com ia reduz o tempo até a shortlist?
Como a ia reduz o tempo até a shortlist no recrutamento?
Ela lê cada currículo recebido, extrai os dados que a vaga exige, pontua o candidato contra os requisitos obrigatórios e redige uma shortlist ordenada, para que o recrutador revise em vez de ler a frio. A economia está na primeira leitura a frio, que uma equipe pode cronometrar antes e depois. Um recrutador continua aprovando cada shortlist antes de alguém receber resposta.
O pipeline roda em quatro etapas: extrai os fatos de um currículo não estruturado, pontua o candidato contra os requisitos obrigatórios declarados da vaga, ranqueia a pilha com o motivo de cada pontuação anexado, e então roteia a shortlist para a fila de aprovação de um recrutador. Nada sai dessa fila sem um humano clicar em aprovar.
O desenho reaproveita o padrão de processamento de documentos de sinistros e recebimento de faturas, ajustado para recrutamento. O formato é o descrito na nossa página de casos de uso para operações: extrair de entrada não estruturada, pontuar, encaminhar, uma pessoa aprova. Seria escopado como um projeto de implementação de ia, e o código é seu.
#A ia rejeita candidatos por conta própria?
We are
A Stennir constrói um pipeline de triagem de rascunho e revisão que pontua e ranqueia, e então entrega cada shortlist a um recrutador que a aprova.
We aren't
Não é um filtro de rejeição automática que descarta candidatos silenciosamente, e não é uma caixa-preta que pontua sem mostrar os seus motivos.
Não. Cada pontuação traz o motivo dado pelo modelo, e cada execução é registrada. Neste desenho um recrutador humano aprova cada shortlist que chega a um candidato, e ninguém é descartado automaticamente. Quando um recrutador discorda de uma pontuação, a nota está ali para ser contestada, o que também dá o sinal para ajustar os requisitos por vaga.
Na prática, o modelo faz a primeira leitura e o recrutador decide, partindo de uma pilha ordenada com os motivos anexados em vez de uma caixa de entrada fria.
#O que os recrutadores poderiam fazer com o tempo recuperado?
O que um modelo não consegue fazer: ligar para os candidatos da shortlist enquanto o currículo ainda está fresco. Mover o trabalho de ler para conversar é o ponto. Uma ligação rápida para um bom candidato muitas vezes decide entre uma colocação e um concorrente chegar primeiro.
Se você lidera uma mesa de talentos ou operações e a primeira leitura devora sua semana, é o tipo de coisa que desenhamos. Começamos medindo para onde o tempo realmente vai e depois desenhamos um pipeline de rascunho e revisão que sua equipe possui. conte o que você está construindo e diremos se esse padrão se encaixa antes de alguém escrever código.
