By Daniel Whitmore, MSc in Industrial and Organizational Psychology
Em resumo
Na contratação, a IA deve funcionar como apoio à decisão: pode redigir tarefas e grelhas, resumir respostas e transcrições de entrevistas e propor pontuações ao nível do critério — mas uma pessoa identificada confirma ou anula cada pontuação, e cada decisão pertence a um humano que a consegue explicar. Cada resultado assistido por IA deve conter a sua proveniência (que modelo, que versão), para que o papel da IA numa decisão continue auditável depois do facto.
«A IA escolheu o candidato» são duas falhas numa só frase
A primeira falha é a responsabilização. Uma decisão de contratação afeta o sustento de uma pessoa, e alguém tem de a poder assumir — explicá-la ao candidato, defendê-la perante uma parte interessada e responder por ela se for contestada. «O modelo pontuou-o mais baixo» não é uma explicação; é uma demissão de responsabilidade. Quando nenhuma pessoa identificada está por trás de uma rejeição, a organização não automatizou uma decisão. Deixou-a órfã.
A segunda falha é a qualidade, e fala-se menos dela. Um modelo que lê a resposta de um candidato a apoio ao cliente perante um cliente irritado consegue avaliar com competência a estrutura e o tom, mas não sabe que a sua equipa está afogada em escalamentos de reembolso neste trimestre, que a função vem substituir o seu melhor especialista em desescalar conflitos, ou que o responsável pela contratação consegue treinar escrita mas não juízo. O contexto relevante para a decisão vive nas pessoas. Um modelo que decide sozinho decide com menos informação do que a que o painel tinha.
Por isso, o enquadramento popular — a supervisão humana como travão de segurança aparafusado a uma decisão da IA — inverte as coisas. A pessoa não está a rever a decisão da IA; a IA está a preparar a decisão da pessoa. A inversão também importa na prática. Um revisor que carimba sem pensar o resultado da máquina deriva para os pontos cegos da máquina, ao passo que um avaliador que assume a decisão usa a máquina para ver mais, não para pensar menos.
Como é, na prática, uma boa assistência de IA
Recusar a IA-como-decisor não é recusar a IA — isso desperdiçaria a tecnologia mais favorável ao revisor que a avaliação já viu. A avaliação por prova de trabalho produz exatamente o tipo de evidências com que a IA é genuinamente boa: respostas escritas longas, resultados de tarefas com vários passos, sessões inteiras de atividade que demoram tempo real a ler a frio. Usada como assistente, torna a avaliação humana mais rápida e mais consistente sem substituir o juízo que existe para servir.
O teste para cada funcionalidade é o mesmo: prepara o juízo do avaliador ou antecipa-se a ele? A assistência que passa entrega a uma pessoa melhor material e deixa a conclusão em aberto; a assistência que falha reduz discretamente o papel da pessoa a um sim ou não sobre a opinião da máquina. Numa contratação para apoio ao cliente ou vendas internas, a assistência que passa tem este aspeto:
- Resumos: condensar o exercício completo de fila de tickets de um candidato ou o relatório de uma chamada de descoberta num resumo que um avaliador consegue verificar contra o resultado bruto com um clique.
- Indicações de evidências: destacar onde uma resposta reconheceu o cliente, onde foi tomada uma decisão de política e onde uma objeção foi de facto respondida em vez de desviada.
- Pontuações provisórias por critério: propor uma pontuação ancorada na grelha para cada critério, com as passagens que a justificam — um ponto de partida, nunca um veredicto.
- Alertas de consistência: notar quando a pontuação de um avaliador diverge acentuadamente do descritor da grelha que citou, e revelá-lo para calibração.
- Sinais de integridade: assinalar anomalias da sessão para revisão humana proporcional — nunca uma rejeição automática.
| A IA redige e revela | Uma pessoa identificada decide |
|---|---|
| Rascunhos de tarefas, de perguntas e de grelhas | O que mede realmente a função |
| Resumos de respostas longas e de transcrições | Como ponderar as evidências |
| Sugestões de pontuação ao nível do critério | A pontuação confirmada — e qualquer anulação |
| Indicações de evidências e alertas de integridade | Se um candidato avança |
Confirmar ou anular: o ponto de controlo que mantém as pessoas no comando
O detalhe de conceção que separa o apoio à decisão da branqueação de decisões é o ponto de controlo explícito. Cada pontuação proposta pela IA na SkillCort fica em estado pendente até que um avaliador identificado a confirme ou a anule — e uma anulação não exige nada mais do que o juízo do avaliador. Sem imposto de justificação, sem atrito que penalize discretamente discordar da máquina. Se anular for mais difícil do que aceitar, construiu um decisor de IA com passos adicionais.
As anulações também são sinal, não ruído. Quando os avaliadores anulam sistematicamente a pontuação proposta num critério de juízo dentro da política, isso diz que o descritor da grelha é ambíguo ou que a tarefa precisa de ser repensada — um retorno que um fluxo de carimbo silencioso nunca revelaria. O ponto de controlo mantém as pessoas no comando e, como efeito secundário, mantém a assistência honesta quanto àquilo em que ajuda e àquilo em que não ajuda.
É por isso que insistimos em que cada confirmação leve um nome. «Um avaliador aprovou-o» é responsabilização; «o sistema processou-o» não é. A unidade de decisão na contratação é uma pessoa com uma fundamentação, e as ferramentas devem tornar essa pessoa visível em vez de a abstraírem. Quando um candidato pergunta por que motivo não avançou, a resposta deve começar por quem decidiu — e o processo de evidências deve conseguir dizê-lo.
Proveniência: cada resultado assistido traz os seus comprovativos
Se a IA toca numa avaliação, o registo tem de o dizer. Cada resultado assistido por IA no processo de evidências de um candidato contém a sua proveniência: que modelo o produziu, que versão, quando foi executado, o que lhe foi pedido e quem confirmou ou anulou o resultado. Não como ornamento de conformidade — como aquilo que torna uma decisão assistida sequer auditável.
A proveniência responde às perguntas que, de outro modo, se tornam impossíveis de responder meses depois. Este resumo foi gerado antes ou depois de a grelha ter mudado? As pontuações provisórias destes dois candidatos vieram da mesma versão do modelo, de modo que os seus pontos de partida sejam comparáveis? Que pessoa transformou esta sugestão numa pontuação? Sem registo, «assistido por IA» degrada-se em «decidido por IA, de forma inverificável». Com ele, um auditor, um candidato ou a sua própria equipa consegue reconstruir exatamente onde acabou o contributo da máquina e onde começou o juízo humano.
A regulação está a convergir para a mesma linha
Isto não é apenas a nossa filosofia; é o sentido da lei. O Regulamento da IA da UE trata os sistemas de IA usados em decisões de contratação e de emprego como de risco elevado, com obrigações que apontam diretamente para a supervisão humana, a transparência e a manutenção de registos — a mesma tríade dos pontos de controlo de confirmar-ou-anular, da assistência identificada como tal e dos registos de proveniência. Os reguladores noutras jurisdições estão a escrutinar as decisões automatizadas de emprego em linhas semelhantes. As obrigações concretas variam; o sentido não.
As equipas que constroem agora a disciplina da decisão humana não estão a fazer uma aposta de conformidade — estão a construir o processo que os reguladores descrevem, porque era, de qualquer forma, o processo certo. Um fornecedor cujo argumento é «a IA ordena e rejeita por si» está a vender-lhe exatamente a arquitetura contra a qual corre a trajetória regulatória. O apoio à decisão com responsabilização identificada não é a opção cautelosa. É a opção duradoura.
A nossa posição, dita com clareza
A IA na avaliação deve tornar o juízo humano mais rápido, mais consistente e melhor sustentado em evidências — e nunca deve substituí-lo. Na prática, isso significa: a IA resume e aponta para as evidências; a IA redige pontuações ao nível do critério contra uma grelha escrita por pessoas; uma pessoa identificada confirma ou anula cada pontuação; cada resultado assistido regista o seu modelo, a sua versão e o seu revisor; os sinais de integridade seguem para revisão humana, nunca para rejeição automática; e nenhum candidato transporta jamais uma pontuação de IA oculta de empregador para empregador.
É isto que a avaliação centrada na prova de trabalho exige. Todo o sentido de pedir a um candidato que faça o trabalho real — responder ao cliente irritado, trabalhar o pipeline — é que uma pessoa que compreende a função lê o trabalho e decide. Tudo o que retira a pessoa retira o sentido. Da pontuação à história, da máquina à margem, da decisão a um nome: é esse o padrão para o qual construímos, e aquele a que achamos que o setor acaba por chegar.
Pontos essenciais
- «A IA escolheu o candidato» falha duas vezes: ninguém assume a decisão, e a decisão foi tomada com menos contexto do que aquele que as pessoas tinham.
- A boa assistência de IA é concreta: resumos, indicações de evidências, pontuações provisórias ancoradas na grelha e alertas de calibração — nunca seleção ou rejeição.
- Cada pontuação proposta pela IA aguarda que um avaliador identificado a confirme ou anule, e anular tem de ser tão fácil como aceitar.
- O registo de proveniência — modelo, versão, data e hora, tarefa, revisor — é o que torna a avaliação assistida por IA auditável em vez de inverificável.
- O Regulamento da IA da UE trata a contratação como de risco elevado, e a sua ênfase na supervisão, na transparência e nos registos aponta na mesma direção que a avaliação decidida por pessoas.