Está a utilizar a IA para agilizar o trabalho dos RH, ou está a delegar num algoritmo decisões que este nunca deveria tomar sozinho? É aqui que o debatesobre a IA aplicada aos RH se torna sério. Nas PME italianas, o problema não é perceber se a inteligência artificial é útil. É, sem dúvida. O problema é perceber onde gera valor real e onde, pelo contrário, introduz opacidade, preconceitos e riscos regulamentares.
Como empresário, percebi o quanto é tentador automatizar as etapas mais cansativas. Se tens centenas de currículos para ler, inquéritos internos para resumir ou colaboradores que fazem sempre as mesmas perguntas sobre férias e políticas da empresa, a IA poupa-te tempo de imediato. Mas também vi o outro lado da moeda. Uma pontuação de compatibilidade gerada por um modelo parece objetiva e, precisamente por isso, pode ser mais perigosa do que uma avaliação humana explicitamente subjetiva.
A abordagem correta não é «IA sim» ou «IA não». Trata-se de encontrar o equilíbrio certo entre a automatização e a responsabilidade humana. Para quem procura uma perspetiva muito prática sobre as PME, recomendo também o livro «AI in HR for SMEs».
A questão certa não é se a IA pode ajudar os RH. A questão certa é se ela consegue realmente escolher o teu próximo talento sem distorcer o processo.
Na prática, hoje em dia a IA já é utilizada na triagem de currículos, em chatbots internos, na análise de inquéritos, no onboarding e na geração de documentos. É uma tecnologia útil sobretudo quando a carga operacional é elevada e a vantagem da rapidez é imediata. Mas, nos recursos humanos, cada decisão afeta pessoas reais, carreiras reais e direitos reais. Por isso, a sua adoção deve ser abordada com uma abordagem diferente daquela com que se recorre a um «copiloto» para escrever e-mails ou resumir reuniões.
A eficiência é importante. No entanto, quando se trata de tomar decisões relativas às pessoas, não basta ser rápido.
No mercado italiano, o tema é ainda mais delicado. O RGPD e a Lei Europeia da IA restringem bastante a margem de erro quando um sistema automatizado intervém no recrutamento, na avaliação e na gestão de pessoal. Se estás a ponderara utilização da IA nos RH, precisas de uma regra simples: automatiza o trabalho mecânico e mantém o trabalho de tomada de decisões a cargo de pessoas.
A IA nos recursos humanos não é ficção científica. Já faz parte do dia-a-dia. Hoje em dia, muitas empresas utilizam-na para aliviar tarefas repetitivas, acelerar os processos e dar à equipa de RH mais tempo para o trabalho que exige contexto e discernimento.
De acordo com os dados da Yomly sobre a adoção da IA nas funções de RH, 44% das empresas já a utilizam no recrutamento. As ferramentas de IA podem reduzir o tempo de contratação em cerca de 50% e automatizar quase 40% das tarefas repetitivas.
O caso de utilização mais comum é a primeira triagem das candidaturas. Um LLM analisa os currículos e as descrições de funções, compara competências, experiências e sinais semânticos e, em seguida, elabora uma lista de pré-selecionados ordenada.
Na prática, funciona bem quando a função é bastante padronizada. Estou a pensar em perfis administrativos, apoio ao cliente, comercial interno e desenvolvimento de software com uma pilha de tecnologias definida. Se descrever bem os requisitos, o modelo acelera bastante a primeira fase.
Funciona menos bem quando se trata de elementos difíceis de extrair de um CV.
Regra prática: utiliza a IA para reduzir os 500 CV a uma lista mais fácil de gerir. Não a utilize para decidir, por si só, quem merece uma entrevista final.
O segundo caso de utilização é menos evidente, mas muitas vezes mais útil. As equipas de RH dedicam grande parte do seu tempo a pedidos repetitivos. De acordo com a análise de Tommaso Maria Ricci sobre a IA nos recursos humanos, as equipas de RH dedicam entre 40% e 60% do seu tempo a pedidos como férias, folhas de pagamento e políticas empresariais. Os chatbots de RH podem libertar até 2 a 3 horas por dia para atividades mais estratégicas.
Aqui, o valor é imediato. Um chatbot interno responde a perguntas sobre férias remanescentes, documentos, procedimentos, notas de despesas, regulamentos e integração administrativa. A vantagem não é apenas o tempo poupado pela equipa de RH. É também a qualidade da experiência para o colaborador, que obtém uma resposta rápida em vez de ter de esperar por um e-mail.
Onde a IA realmente surpreende é na análise de textos longos e dispersivos. Os inquéritos internos são um exemplo perfeito disso. Em vez de ler manualmente centenas de respostas abertas, o modelo identifica temas recorrentes, sentimentos, pontos críticos emergentes e padrões a aprofundar.
As aplicações mais úteis que vejo nas PME são as seguintes:
Descrição de funções e política
A IA gera um primeiro rascunho coerente, que a equipa de RH corrige posteriormente do ponto de vista jurídico e cultural.
Integração personalizada
Pode adaptar conteúdos, materiais e sequências consoante a função ou o departamento.
Mapeamento de competências
Ajuda a mapear as competências existentes e as lacunas de formação, sobretudo quando os dados estão dispersos por currículos, avaliações e notas dos gestores.
Análise do clima
Transforma texto não estruturado em sinais úteis para perceber onde é necessário intervir.
Existe também uma distinção cada vez maior entre modelos generalistas e modelos verticais. No que diz respeito aos modelos verticais, a Wisq desenvolveu o HRLM como um modelo específico para os RH. No que diz respeito aos modelos generalistas, o GPT, o Claude e o Gemini já são utilizados em muitas empresas para tarefas operacionais de RH com prompts bem concebidos. A diferença, porém, não reside apenas na qualidade do resultado. Reside na governação.
A pior forma de adotar a IA nos RH é pensar em termos absolutos. A ausência total de automatização deixa-nos com processos lentos, atrasos operacionais e decisões tomadas com base em informações parciais. A automatização total leva-nos ao erro oposto: tratar as pessoas e as candidaturas como tickets a classificar.
A metáfora da curva de Laffer também se aplica bem aqui. No início, cada etapa de adoção da IA gera eficiência. Automatização de FAQs internas, primeiras versões de documentos, análise de texto, classificação preliminar de currículos. O valor aumenta.
Depois, chega-se a um limiar. Se continuarmos a confiar ao algoritmo tarefas cada vez mais delicadas, o valor começa a diminuir. Não porque o modelo seja inútil, mas porque o risco aumenta mais rapidamente do que o benefício.
De acordo com o relatório da Workday sobre a IA nos RH, as principais razões para a sua adoção são a melhoria do processo de tomada de decisões (41%), a automatização de processos repetitivos (35%) e a melhoria da retenção e da experiência dos colaboradores (32%). Estes dados explicam bem por que razão a IA atrai tanto os RH. Mas não indicam até onde se deve ir. É este o ponto que muitas vezes falta nas discussões.
O maior valor não reside em substituir a equipa de RH. Reside em torná-la mais eficiente e mais rápida nas atividades certas.
Para encontrar o ponto ideal, recorro a uma distinção simples entre tarefas mecânicas e tarefas de tomada de decisão.
| Tipo de atividade | Nível recomendado de IA | Supervisão humana |
|---|---|---|
| Perguntas frequentes sobre colaboradores, férias e políticas | Alta | Baixa, com controlo periódico |
| Rascunhos de descrições de funções | Alta | É necessária uma revisão dos recursos humanos |
| Seleção inicial de currículos | Mídia | Revisão humana sempre presente |
| Avaliação dos candidatos finalistas | Baixa | Alta |
| Promoções, avaliações de desempenho, risco de saída individual | Muito baixa | Decisão plenamente humana |
Se tens uma PME, o ponto ideal não é, normalmente, de natureza técnica. É de natureza organizacional. Tens de decidir com clareza em que aspetos a IA deve sugerir, em que aspetos deve dar ordens, em que aspetos deve resumir e, por outro lado, em que aspetos não deve tomar decisões.
Há três perguntas que ajudam bastante:
A parte mais perigosada IA para os RH não é a tecnologia. É a sua falsa aura de neutralidade. Quando um recrutador avalia um candidato, todos sabem que essa avaliação contém uma dose de subjetividade. Quando um sistema atribui uma pontuação, muitas pessoas deixam de fazer perguntas.
Este é o cerne do problema do viés algorítmico. Se treinar ou configurar um sistema com base em dados históricos de contratação, o sistema tende a replicar as lógicas que já existiam nesses dados. Se o historial da empresa tiver favorecido certos perfis e penalizado outros, o algoritmo pode fazer o mesmo de forma mais rápida e menos visível.
O caso da Amazon tornou-se emblemático precisamente por isso. A empresa teve de retirar um sistema de triagem de currículos que penalizava os perfis femininos. Não se trata de uma anomalia isolada. É a consequência previsível de uma abordagem que utiliza o passado como modelo de mérito.
Em Itália, o panorama está longe de ser tranquilizador. De acordo com os dados publicados pela ELECTE sobre o tema, apenas 12% das empresas de RH que utilizam sistemas de IA implementaram auditorias de preconceitos sistemáticos.
Um modelo melhor não resolve o problema se os dados, os critérios ou o contexto organizacional continuarem a estar distorcidos.
Para quem opera na Europa, não se trata apenas de uma questão ética. É uma questão de direito. O artigo 22.º do RGPD reconhece aos candidatos o direito de não serem sujeitos a decisões baseadas exclusivamente no tratamento automatizado, quando estas tenham efeitos significativos sobre a pessoa. As decisões de RH enquadram-se plenamente nesta área sensível.
Além disso, a Lei Europeia sobre IA classifica o recrutamento e a gestão de pessoal entre as utilizações de alto risco. Isto implica obrigações em matéria de documentação, transparência, controlo e gestão de risco muito mais rigorosas do que as associadas a uma utilização genérica da IA para fins de produtividade individual.
Para uma empresa italiana, as implicações práticas são claras:
Quem estiver a trabalhar seriamente nestas questões deveria também aprofundar a questão da conformidade das empresas com a Lei da IA.
O mercado está a dividir-se em duas famílias muito diferentes. Por um lado, existem os LLM generalistas, como o GPT, o Claude e o Gemini. Por outro lado, estão a surgir modelos verticais concebidos especificamente para os recursos humanos, como o HRLM da Wisq.
Para uma PME, um modelo generalista é, muitas vezes, suficiente. Se precisares de:
Um bom LLM com prompts bem redigidos pode funcionar muito bem.
A vantagem é prática. Começa logo, gastas menos e fazes os testes rapidamente. Para equipas de RH pequenas ou empresas com processos não muito complexos, esta abordagem é frequentemente a forma mais racional de começar.
Há, no entanto, um limite. Os modelos generalistas não são concebidos com uma lógica de RH, nem com políticas específicas para o teu contexto, nem com garantias implícitas de conformidade apenas por serem poderosos.
Se gere volumes mais elevados, processos mais delicados ou uma estrutura com muitos níveis de autorização, os modelos verticais fazem sentido. Não tanto porque «compreendem melhor tudo», mas porque foram concebidos para um âmbito mais restrito.
Normalmente, tornam-se a opção preferível quando são necessárias:
Para uma PME com 50 colaboradores, o objetivo não é adquirir o sistema mais sofisticado. É escolher o sistema que a equipa sabe utilizar, controlar e questionar quando este comete erros.
A questão certa não é saber qual o modelo mais avançado. É saber qual o modelo que melhor se adapta ao teu risco operacional. Se a tarefa for de baixo impacto e elevado volume, opta por um modelo generalista. Se o processo envolver decisões sensíveis e exigir um controlo estruturado, o modelo vertical merece atenção.
As melhores implementações não começam pelo recrutamento preditivo. Começam pelos atritos do dia a dia. É aí que a IA cria confiança interna e demonstra se a equipa está realmente preparada para a gerir.
O primeiro passo só é trivial à primeira vista. Tens de começar por atividades de grande volume e baixo risco. Se começares por aí, percebes imediatamente a vantagem e limitas a exposição.
Três exemplos sensatos:
Esta abordagem tem um efeito positivo. A equipa de RH deixa de encarar a IA como uma ameaça abstrata e começa a tratá-la como um apoio operacional.
O segundo passo é mais importante do que o primeiro. Tens de deixar bem claro por escrito em que pontos a IA dá conselhos e em que pontos é o ser humano que decide.
Uma governação mínima, nas PME, deveria incluir:
Limite da tomada de decisão
A IA pode classificar, resumir e sinalizar. O gestor ou o responsável pelo recrutamento aprova, rejeita ou analisa mais a fundo.
Processo de revisão
Qualquer resultado de grande impacto deve ser verificado por uma pessoa responsável.
Teste de viés antes do lançamento
Se o sistema for utilizado no recrutamento ou na avaliação de pessoas, deve ser testado com conjuntos de dados representativos e controlos documentados.
Transparência interna
Os colaboradores e os candidatos devem saber quando a IA é utilizada como apoio ao processo.
Uma PME que ignora os controlos não está a acelerar. Está apenas a adiar o risco para mais tarde.
O terceiro passo consiste em avançar gradualmente. Um piloto num único processo de RH permite aprender mais do que uma implementação generalizada. Primeiro, valide a tarefa; depois, o comportamento da equipa; e, por fim, o âmbito normativo.
Para quem pretende organizar o trabalho de forma sistemática, é útil definir um verdadeiro plano de ação para a integração da IA, em vez de realizar experiências dispersas.
Para avaliar o sucesso da IA nos RH, não basta olhar apenas para a rapidez. É preciso perceber se melhora a qualidade da decisão sem introduzir riscos, erros ou etapas pouco transparentes.
Nas PME, o critério mais útil é simples: a IA está a conduzir a equipa de RH para o ponto certo da curva de Laffer, ou está a automatizar demasiado cedo atividades que ainda exigem discernimento humano? Se o tempo poupado aumenta, mas também aumentam as contestações, revisões ou dúvidas sobre a correção do processo, o ganho é apenas aparente.
Um exemplo concreto é a análise dos inquéritos de satisfação interna. Em muitas empresas, o departamento de RH analisa manualmente centenas de respostas abertas e identifica os temas principais, o que demora muito tempo e apresenta uma certa variabilidade de pessoa para pessoa. Com um LLM bem configurado, os agrupamentos temáticos, os sinais recorrentes e as anomalias surgem mais rapidamente.
Neste caso, o benefício real não é apenas operacional. A equipa deixa de perder horas com resumos e pode concentrar-se nas prioridades, no acompanhamento e nas ações junto dos gestores.
As métricas úteis, neste caso, são poucas e concretas: tempo médio de análise, coerência dos resumos em relação a uma verificação humana por amostragem, número de insights que se traduzem em ações concretas. Se a IA produzir resumos rápidos, mas demasiado genéricos, já ultrapassaste o ponto ideal.
O caso oposto é mais delicado. Um chatbot que conduz a primeira entrevista e atribui uma pontuação eliminatória sem revisão humana pode parecer eficiente, mas, para uma PME italiana, cria um problema grave de método, antes mesmo de ser um problema de tecnologia.
O risco é triplo. Podes descartar candidatos válidos com base em critérios pouco claros. Podes ter dificuldade em explicar a decisão de forma transparente. Podes expor-te a problemas relacionados com o RGPD e, em casos de grande impacto, também às obrigações que a Lei da IA torna mais rigorosas para os sistemas utilizados no âmbito laboral e no acesso ao emprego.
Como pude constatar na empresa, o teste certo é este: a IA está a ajudar a tomar melhores decisões ou está apenas a acelerar uma decisão frágil? Uma análise da ELECTE aborda precisamente este ponto. Os processos de seleção geridos exclusivamente por automação tendem a prejudicar o alinhamento real entre a pessoa e a função, enquanto a validação final por parte de um ser humano reduz os erros mais dispendiosos.
Medir bem significa, portanto, analisar em conjunto quatro indicadores: tempo poupado, qualidade do resultado, taxa de correção manual e risco de conformidade. Se medir apenas um deles, normalmente estará a avaliar mal o projeto.
A IA aplicada aos RH funciona realmente quando se ocupa das tarefas mecânicas e deixa ao ser humano a tarefa mais difícil: interpretar o contexto, a motivação, o potencial e as consequências. Este é o ponto ideal. Nem uma IA nula, nem uma automatização total.
Para uma PME italiana, a prioridade não é perseguir a novidade mais brilhante. Trata-se de construir um sistema que melhore a eficiência e a qualidade sem entrar em conflito com o RGPD, a Lei da IA e o bom senso de gestão. Se aplicares esta lógica, a IA torna-se um multiplicador útil. Se a utilizares como substituto do discernimento, torna-se um risco.
Se quiser transformar dados operacionais e sinais organizacionais em insights mais fáceis de interpretar, a ELECTE, uma plataforma de análise de dados baseada em IA para PME, ajuda-o a analisar informações complexas, automatizar relatórios e apoiar melhores decisões. Para compreender como funciona na prática, pode ver a plataforma em ação e avaliar se se adapta aos seus processos.
.svg)
.svg)
.svg)
