Pegue vinte currículos da sua última vaga e leia em sequência. Você vai reconhecer o padrão antes do terceiro: os mesmos verbos de impacto, as mesmas competências "orientadas a resultado", a mesma estrutura impecável de bullets. Não é coincidência, nem talento coletivo. É a mesma ferramenta, otimizando para as mesmas palavras-chave, produzindo candidatos que se tornaram — literalmente — indistinguíveis.
O fenômeno está medido. Uma pesquisa da Resume Genius mostra que 74% dos gestores de contratação já encontraram conteúdo gerado por IA em candidaturas. E aqui vale a honestidade que falta em boa parte do debate: usar IA para escrever um currículo não é fraude. Muita gente usa de forma legítima, para dar clareza e estrutura. O problema é o efeito colateral: quando todos usam a mesma ferramenta apontada para os mesmos filtros, o resultado é uma massa homogênea onde o mérito real fica soterrado.
A IA não encheu a caixa de entrada de candidatos ruins. Encheu de candidatos idênticos.
E é aí que o custo aparece. O trabalho do recrutador deixou de ser escolher entre bons e ruins — virou tentar enxergar diferença onde a diferença foi apagada. A Robert Half mediu esse atrito: 67% dos líderes de RH dizem que revisar candidaturas geradas por IA tornou o processo mais lento, com parte relatando atrasos de mais de duas semanas. O funil não ficou mais rico. Ficou mais opaco.
Quando a padronização vira porta de entrada para a mentira
Homogeneidade e fraude parecem problemas diferentes, mas são o mesmo problema em intensidades diferentes. A mesma tecnologia que deixa currículos honestos parecidos entre si também permite fabricar credenciais que não existem — e fazê-lo de forma convincente, barata e em volume.
A pesquisa da Software Finder, com 874 profissionais de RH, dá dimensão ao que já está acontecendo: 72% dos recrutadores relatam ter encontrado currículos, portfólios ou credenciais fabricados ou gerados por IA. Quando se abre esse número, o retrato fica mais nítido — e mais desconfortável.
Referências que ninguém pode confirmar. Diplomas que nunca foram emitidos. E, na ponta mais avançada, 15% dos recrutadores já viram software de troca de rosto sendo usado ao vivo em entrevistas por vídeo — a fraude deixando o papel e entrando na tela em tempo real. O que era padding de currículo virou engenharia de identidade.
Isto não é um pico passageiro. A Gartner projeta que, até 2028, um em cada quatro perfis de candidato no mundo pode ser fraudulento ou gerado por deepfake. A pergunta para o RH deixou de ser "isso vai chegar até nós?" e passou a ser "quando chegar, com o que vamos separar o real do fabricado?".
Dois instintos errados: o filtro de palavra-chave e a corrida armamentista
Diante da enxurrada, o RH reage com dois reflexos. Ambos falham — por motivos opostos.
Reflexo 1: apertar o filtro de palavra-chave
A triagem por correspondência de termos foi construída para um mundo em que escrever bem um currículo sinalizava esforço e clareza de pensamento. Esse mundo acabou. Hoje a IA otimiza qualquer candidatura para exatamente as palavras que o filtro procura. O resultado perverso: a palavra-chave parou de separar os melhores candidatos e passou a separar quem usou melhor a ferramenta. O filtro não mede mais competência — mede fluência em prompt.
Reflexo 2: comprar um detector de IA e entrar na corrida
O segundo instinto é responder à IA com mais IA: um detector que adivinha se o texto foi escrito por máquina. O problema é estrutural. Cada gerador melhor exige um detector melhor, que logo é vencido pelo próximo gerador — uma corrida armamentista sem linha de chegada. E detectores erram: penalizam o candidato honesto que usou IA para revisar o português e deixam passar o fraudador sofisticado. Como resumiu Nichol Bradford, executiva do SHRM, a corrida armamentista de IA não beneficia nenhum dos dois lados.
Tentar adivinhar o que é IA é uma guerra que o RH não vence. Verificar o que é verdade é uma guerra que ele não precisa travar.
Há um dado que expõe o tamanho do descompasso: apenas 31% das empresas usam algum software de detecção de IA ou deepfake. A maioria ainda depende de revisão manual — o olho humano tentando pegar uma fabricação feita por máquina. E o preço da defesa frágil já apareceu: 41% das organizações admitem ter contratado um candidato fraudulento sem saber.
Parar de detectar o falso. Começar a confirmar o verdadeiro.
A mudança de mentalidade é sutil, mas muda tudo. Detectar fraude é uma postura reativa e infinita — você persegue cada nova técnica de falsificação. Confirmar autenticidade é uma postura estável: em vez de perguntar "isto foi feito por IA?", você pergunta "isto é verdade?". E verdade se verifica, não se adivinha.
Na prática, restaurar o sinal que a IA apagou significa deslocar o peso da decisão de onde a fraude é fácil para onde ela é cara:
1. Migre da palavra-chave para a competência
Substitua a triagem por termos por avaliação de skills e assessments práticos. É muito mais difícil fabricar a demonstração de uma competência do que enfeitar um currículo com ela. O que a pessoa consegue fazer resiste à IA melhor do que o que a pessoa diz que fez.
2. Verifique os fatos verificáveis
Identidade, credenciais, histórico, referências: esses não são questão de opinião nem de estilo de escrita. São fatos que existem ou não existem. Confirmá-los na origem neutraliza de uma vez os 42% de referências fabricadas e os 39% de diplomas falsos — porque a fabricação só sobrevive enquanto ninguém checa.
3. Use a tecnologia para restaurar sinal, não para caçar ruído
A IA bem calibrada não serve para tentar farejar texto de máquina. Serve para verificar identidade e credenciais em escala, cruzar dados e devolver ao recrutador informação confiável sobre quem é a pessoa — para que a decisão volte a ser sobre mérito, não sobre quem escreveu o melhor prompt.
A IA destruiu o sinal do recrutamento. A saída não é combatê-la — é usá-la para reconstruir o que ela apagou.