A IA no recrutamento acelerou triagens, entrevistas e comunicação com candidatos. Ao mesmo tempo, criou um problema que as empresas ainda estão aprendendo a resolver: como confirmar que a pessoa avaliada no processo é a mesma que será contratada e que continuará sendo quem diz ser depois da admissão.
Esse foi o eixo do painel “Are job interviews real anymore?”, no Web Summit Lisboa 2026, com o CEO e cofundador da Phenom, Mahe Bayireddi, e o fundador do The AI Journal, Tom Allen, no palco do Stage 4, dentro da trilha Future of Work Summit. A conversa não tratou de uma ferramenta específica, mas de uma mudança de critério: a verificação passou a ser parte central da contratação, e não uma etapa burocrática no fim do processo.
IA no recrutamento não cabe em um modelo único
Bayireddi defendeu que sistemas de recrutamento precisam refletir o trabalho, as condições locais e os riscos de cada operação. A forma de checar fraude em uma rede de restaurantes não é a mesma usada em um banco ou em uma empresa farmacêutica.
Ele citou como exemplo a estrutura de um grupo que reúne cinco negócios em construção, imóveis, mídia e energia. Também lembrou que divisões de parques, entretenimento e esportes de uma grande empresa de mídia convivem com públicos e necessidades de contratação distintos. Em seguida, comparou empresas de meios de pagamento com companhias farmacêuticas e de saúde, dizendo que cada uma exige uma abordagem própria de confiança e prevenção a fraudes.
A geografia acrescenta outra camada. A oferta e a demanda de talentos variam por país e mudam a maneira como a empresa contrata e constrói confiança. Contratar profissionais de tecnologia na Índia, nas Filipinas ou no Vietnã não é o mesmo que contratar na Europa.
Daí a proposta de reunir sinais úteis e verificar pessoas e informações ao longo de todo o percurso — recrutamento, contratação, integração e retenção. Para ele, esse trabalho não pertence apenas ao time de aquisição de talentos: parceiros de negócio de RH e outras áreas precisam conectar essas checagens.
Triagem proporcional ao risco da função
Bayireddi descreveu a triagem como um equilíbrio entre detectar identidades falsas e identificar fraudes. O nível de verificação e de automação depende da função, de sua localização e da experiência oferecida ao candidato.
Entre os recursos citados estão triagem por voz, texto e entrevista, avaliações psicométricas e cognitivas, checagem de identidade durante entrevistas e verificação de informações na admissão. Esse conjunto já existe no mercado: a própria Phenom oferece um agente de detecção de fraude que analisa vídeo, áudio e conversa para identificar inconsistências de identidade e respostas geradas por IA, entregando ao recrutador um indicador e evidências para revisão.
O ponto sensível está no outro lado do processo. Candidatos enfrentam exigências extensas e, muitas vezes, recorrem à própria IA para lidar com inscrições e materiais. Mesmo assim, precisam sentir que estão falando com uma pessoa e conhecendo uma cultura de trabalho. Automação não deveria eliminar o contato humano da contratação.
Um detalhe prático importa: quando alguém se candidata novamente a uma vaga, o sistema pode reaproveitar informações já registradas e pedir apenas o que falta. Isso reduz o esforço do candidato e evita repetir checagens desnecessárias.
Bayireddi descreveu cinco níveis de automação e observou que a maioria das empresas está nos dois primeiros. Os níveis mais altos podem fazer sentido para algumas organizações, setores e culturas, mas não para todas. A escolha, portanto, é também uma decisão de gestão de risco e de experiência.
Ele trouxe ainda um dado de comportamento: cerca de 30% dos candidatos a funções de alta exigência, como infraestrutura de inteligência artificial, usam IA. O uso mais comum está na elaboração de currículos, não em todas as etapas de entrevista.
O que checar muda com a vaga
Para funções operacionais em redes como Burger King e McDonald’s, Bayireddi disse que a fraude em entrevista pode ser menos relevante do que conferir documentação de trabalho, exames toxicológicos e outros registros. Em enfermagem, ganha peso a validação de licenças profissionais, inclusive em situações nas quais a pessoa se candidata a uma área diferente daquela em que já possui habilitação e pode obter o registro depois.
Os prazos também variam. A contratação de profissionais operacionais pode levar de dois a 45 dias; a de trabalhadores do conhecimento, de 45 a quase 120 dias, dependendo da vaga. E o modelo precisa caber no custo: uma função que paga 15 dólares por hora exige verificações e estruturas de confiança diferentes de uma posição de 400 dólares por hora.
Segundo ele, construir a ferramenta não é o maior desafio. O trabalho difícil está em fazer com que roteamento de modelos, definição de preços e infraestrutura especializada de aprendizado por reforço funcionem em diferentes locais e casos de uso.
Tecnologia precisa responder a um problema de negócio
A segunda parte da conversa tratou de resultados. Para Bayireddi, a tecnologia deve endereçar um problema definido, e não ser adotada por si mesma. Ele descreveu a abordagem da Phenom como uma “física do resultado”, construída em torno de três elementos: o resultado buscado, a experiência entregue e o valor gerado para o cliente.
Os três só produzem efeito quando se conectam em um caso de uso específico. Por isso, a análise começa identificando onde o cliente está crescendo ou encolhendo. Indicadores de negócio mostram em que pontos a estratégia de pessoas pode apoiar expansão, consolidação ou economia, e quais operações de RH podem ser redistribuídas.
O alerta final é contra soluções genéricas: um resultado perde sentido quando está desconectado de onde a empresa opera, de sua estratégia e da necessidade concreta que pretende resolver.
O trabalho de RH muda de foco
Bayireddi projetou que os futuros sistemas de talentos combinarão agentes e outras ferramentas com entendimento da cultura e da estratégia de cada empresa. Isso desloca o trabalho de RH, em vez de apenas eliminá-lo.
Recrutadores e equipes de RH passaram muito tempo coletando e movimentando informações. O foco migra para a construção de uma infraestrutura capaz de verificar o engajamento de candidatos e clientes. Ele descreveu a combinação de estruturas de apoio, agentes e um “motor R” para compreender a empresa e reforçar sua direção nos casos de maior impacto.
Com essa mudança, novas funções aparecem. A Phenom relata que organizações começam a criar cargos ligados à operação e à governança de agentes, enquanto a verificação de candidatos passa a integrar o fluxo dos recrutadores.
Há também uma pressão de tempo. A estratégia de negócio muda quase a cada trimestre, ou pelo menos a cada ano. Muitas empresas, porém, levam de 12 a 18 meses para responder a uma nova visão depois de publicar a apresentação a investidores. Operações de pessoas não podem esperar tanto. Precisam responder aos problemas de negócio a cada trimestre sem abrir mão da cultura.
E existe um limite que o CEO reforça: o sinal sobre risco é insumo para decisão humana, não veredito. Agentes podem indicar inconsistências de identidade, comportamento ou credenciais; quem decide contratação continua sendo uma pessoa. A IA acelera a triagem e organiza evidências, mas a responsabilidade pela escolha permanece com o RH e com a liderança.
O recado para quem lidera processos seletivos é menos sobre adotar a ferramenta mais avançada e mais sobre responder a três perguntas: que risco esta função realmente oferece, que informação é confiável para verificá-lo e onde a presença humana precisa ser preservada. Sem essas respostas, a automação só produz velocidade sem critério.
