Entrevistas de emprego com AI: o que 70.884 candidaturas mostraram

Entrevistas de emprego com AI: o que 70.884 candidaturas mostraram

Público: Leitores intermediários que avaliam AI em recrutamento, operações de RH ou fluxos de trabalho de alto risco.

Um dos maiores experimentos de campo sobre entrevistas de emprego com AI não testou contratação autônoma. Ele testou um sistema mais restrito: um agente de voz de AI conduzia uma entrevista estruturada; depois, um recrutador humano analisava a gravação, a transcrição e os resultados dos testes e tomava a decisão.

Essa fronteira produziu um resultado marcante. Entre 67.056 candidaturas elegíveis distribuídas aleatoriamente entre diferentes condições de entrevista, a taxa de oferta subiu de 8,70% com entrevistadores humanos para 9,73% com entrevistadores de AI — um aumento relativo de 12%. O início do trabalho e a retenção inicial também melhoraram. Ainda assim, o fluxo com AI levou mais tempo entre a candidatura e o início do trabalho, porque os avaliadores humanos se tornaram a fila seguinte.

A conclusão prática é específica: a AI pode melhorar a coleta repetível de informações em contratações de alto volume. O estudo não mostra que um LLM deve classificar candidatos, decidir quem avança ou substituir a análise humana responsável.

O que o experimento de entrevista de emprego com AI testou?

O experimento de campo Voice AI in Firms acompanhou 70.884 candidaturas recebidas por uma empresa de terceirização de processos de recrutamento nas Filipinas entre 7 de março e 7 de junho de 2025. As vagas abrangiam 48 anúncios, 41 contas de clientes, 19 cidades e setores como tecnologia, seguros, varejo, finanças e saúde.

Os pesquisadores distribuíram aleatoriamente 67.056 candidaturas elegíveis em três grupos:

Ambos os entrevistadores seguiram as mesmas diretrizes estruturadas. A AI revelou sua identidade no início da chamada. Ela também informou aos candidatos que um recrutador humano — não a AI — avaliaria a entrevista e decidiria se faria uma oferta.

Esse desenho importa mais do que a expressão “recrutador de AI”. A AI coletava evidências. Os humanos mantinham a autoridade de decisão.

O que os pesquisadores mediram?

O artigo mediu resultados além da conclusão da entrevista. Ele relacionou a condição de entrevista randomizada a ofertas, ofertas aceitas, inícios de trabalho, retenção por até quatro meses, motivos de desligamento e medidas de produtividade disponíveis.

Os números de oferta, início e retenção em 30 dias usam todos os candidatos randomizados nos grupos de entrevistador humano e de AI. As diferenças posteriores de retenção permaneceram positivas, mas as estimativas ficaram menos precisas à medida que a amostra diminuiu. Os autores também não encontraram diferença significativa de produtividade no subconjunto de trabalhadores contratados para os quais havia dados de produtividade disponíveis.

Essas são estimativas causais para este experimento porque os pesquisadores randomizaram o entrevistador. Elas não são garantias universais de desempenho para todo emprego, país, modelo de voz ou processo de contratação.

Por que entrevistas estruturadas com AI coletaram evidências melhores?

Os autores descrevem o mecanismo como “variância controlada”. Os recrutadores humanos diferiam na cobertura de perguntas, no comportamento de acompanhamento e no momento em que eliminavam alguém do processo. O agente de AI seguia o protocolo de forma mais consistente, mas ainda fazia perguntas de acompanhamento responsivas.

A análise das transcrições constatou que as entrevistas conduzidas por AI cobriam mais tópicos relevantes para o trabalho e produziam mais informações para a avaliação humana posterior. Isso ajuda a explicar a maior taxa de oferta sem presumir que o modelo identificou talentos por conta própria.

Entrevistas estruturadas já buscam fazer perguntas comparáveis e avaliar evidências relacionadas ao trabalho de maneira consistente. O agente de AI tornou essa disciplina operacional mais fácil de repetir em milhares de chamadas. Equipes que consideram entrevistas de emprego com AI devem tratar a adesão ao protocolo como requisito do produto, e não apenas o realismo conversacional.

O experimento também expôs um novo gargalo

O agente de AI reduziu a espera entre a candidatura e a entrevista. Candidatos aprovados no modo remoto chegaram à entrevista após uma mediana de 0,32 dia com AI, contra 0,51 dia com um humano.

A avaliação humana então desacelerou o processo. O intervalo mediano entre entrevista e oferta foi de 7,24 dias após uma entrevista conduzida por AI e de 2,62 dias após uma entrevista conduzida por um humano. O tempo mediano total entre candidatura e início do trabalho chegou a 24 dias para o grupo de AI, contra 20 dias para o grupo humano.

A automação deslocou a fila para a etapa seguinte. Uma equipe de contratação pode conduzir mais entrevistas e ainda fazer os candidatos esperarem mais se a capacidade de análise permanecer fixa.

O modelo de custos do artigo aponta para a mesma restrição. A AI se tornou custo-efetiva com volumes menores em contextos de salários altos, enquanto o ponto de equilíbrio chegou a milhares ou dezenas de milhares de entrevistas em outros cenários. O caso de negócio depende dos níveis salariais, dos preços do fornecedor, das taxas de falha e do trabalho de análise. Um preço de demonstração por minuto não pode responder a isso.

O que o estudo não comprovou?

Ele não testou seleção autônoma

Recrutadores humanos tomaram todas as decisões de oferta. Eles sabiam se a entrevista havia sido conduzida por AI ou por uma pessoa. Portanto, o experimento apoia a coleta de evidências com assistência de AI, não a decisão de um LLM sobre quem deve conseguir um emprego.

Ele não estabeleceu equidade entre grupos protegidos

O artigo relata que a condição com AI não alterou significativamente a diferença de gênero observada nas ofertas. Esse resultado não estabelece equidade entre raça, deficiência, idade, sotaque ou grupos interseccionais, e os autores não tinham detalhes pré-tratamento suficientes para identificar a origem de todas as diferenças de gênero.

Dois estudos controlados mostram por que a camada de seleção precisa ser testada separadamente. Um estudo de junho de 2026 sobre currículos no formato japonês manteve as qualificações constantes enquanto alterava nomes que sinalizavam gênero. Cinco LLMs produziram pontuações diferentes, e uma instrução de equidade não removeu a diferença agregada. O estudo usou currículos convertidos pelo modelo e uma formulação de prompt, portanto suas pontuações absolutas não devem ser generalizadas.

Um estudo de março de 2026 em Singapura testou 18 modelos em variantes sintéticas de currículos. Idiomas, atividades, trabalho voluntário e hobbies permitiram que os modelos inferissem atributos demográficos depois que identificadores explícitos foram removidos. As disparidades medidas pertencem àquela configuração controlada de Singapura, mas o método expõe uma falha prática: apagar nomes não elimina todos os proxies demográficos.

Ele não se generalizou para todo tipo de trabalho

O experimento ocorreu em uma única empresa que lidava com recrutamento de alto volume, principalmente para funções de atendimento ao cliente. Os autores esperam os maiores benefícios onde as entrevistas se repetem, os resultados se tornam observáveis rapidamente e a variação do processo humano tem um custo. Funções especializadas que dependem de conhecimento tácito ou construção de relacionamentos podem produzir resultados diferentes.

As pesquisas com candidatos também tiveram uma taxa de conclusão de 14%. Os candidatos pesquisados avaliaram as experiências de forma semelhante, e 78% dos candidatos que receberam uma escolha selecionaram o agente de AI, mas esses números devem permanecer vinculados a esse processo e a essa população de candidatos.

Uma fronteira mais segura para entrevistas de emprego com AI

O estudo sugere uma arquitetura útil para empregadores e fornecedores.

*Um fluxo defensável separa a condução automatizada da entrevista da autoridade de decisão humana, depois mede os resultados e oferece um caminho para acomodação ou recurso.*

Verificações jurídicas e de acessibilidade fazem parte do sistema

As regras dependem da jurisdição e daquilo que a ferramenta influencia. O EU AI Act lista a AI usada para recrutamento ou seleção entre os casos de uso de alto risco em emprego. O Artigo 6 também contém condições sob as quais um sistema processual ou preparatório restrito, que não influencia materialmente uma decisão, pode ficar fora dessa classificação. Os fornecedores que alegarem essa exceção devem documentar a avaliação. A presença de um humano no fluxo, por si só, não resolve a classificação.

As regras de Automated Employment Decision Tools da cidade de Nova York exigem uma auditoria de viés recente, informações públicas sobre a auditoria e avisos quando uma ferramenta abrangida é usada. A definição exata e a abrangência precisam de análise específica para cada caso.

O Departamento de Justiça dos EUA alerta que tecnologias de contratação podem eliminar pessoas qualificadas com deficiência. Sua orientação sobre contratação com AI e deficiência recomenda alternativas acessíveis, procedimentos claros de acomodação e testes que meçam habilidades profissionais, e não a deficiência do candidato.

O NIST AI Risk Management Framework oferece um modelo operacional neutro em relação à jurisdição: governar o sistema, mapear seu contexto, medir o risco e gerenciar o que as evidências revelarem. É uma orientação voluntária, não um substituto para aconselhamento jurídico trabalhista.

Métricas que evitam uma vitória falsa

Um piloto de entrevista com AI precisa de métricas de resultado e de processo. Acompanhe pelo menos:

Compare essas medidas com um processo humano simultâneo sempre que possível. Uma fila de agendamento mais curta pode esconder uma fila de análise mais longa. Uma taxa de conclusão maior pode esconder uma triagem desigual. Uma entrevista mais barata pode gerar recursos mais caros.

O resultado útil é a fronteira, não a manchete

O experimento de campo fornece evidências fortes de que um agente de voz de AI estruturado pode coletar informações úteis de contratação em escala. Ele também mostra por que as equipes devem resistir à afirmação ampla de que “recrutadores de AI superam humanos”. Os humanos tomaram as decisões, o contexto favorecia entrevistas repetíveis e o fluxo trocou um agendamento mais rápido por uma análise mais lenta.

Use entrevistas de emprego com AI para padronizar uma tarefa definida de coleta de evidências. Mantenha critérios de seleção, acomodações, análise, recursos e auditorias de resultados vinculados a pessoas que possam explicar e alterar o processo.

FAQ

A AI tomou decisões de contratação no experimento de campo?

Não. O agente de voz de AI conduziu as entrevistas, mas recrutadores humanos analisaram as evidências das entrevistas e tomaram todas as decisões de oferta. O estudo não valida contratação autônoma.

Entrevistas de emprego com AI são legais?

Elas podem ser legais, mas regras trabalhistas, de discriminação, acessibilidade, privacidade e decisões automatizadas podem se aplicar. A abrangência depende da jurisdição e do quanto a ferramenta influencia a seleção. Os empregadores devem analisar o fluxo real e a legislação local vigente, em vez de confiar em um rótulo do fornecedor.

Verificações das afirmações

Fontes