Como o matching de candidatos com AI realmente funciona: uma abordagem de duas camadas

Você já ouviu o pitch centenas de vezes: “matching de candidatos com AI”. Mas o que isso significa na prática? A maioria das ferramentas devolve uma porcentagem (“78% de compatibilidade”) e espera que você confie. Sem evidências, sem explicações, sem como saber se a AI está brilhante ou alucinando.

Isso não é matching. É um número mágico.

Matching de verdade precisa de duas coisas: velocidade e explicabilidade. Você avalia mais de 20 candidatos por dia sem gastar 10 minutos em cada um, e ainda precisa entender por que alguém recebeu aquela pontuação, para tomar decisões informadas e conduzir um screening que faça sentido.

Vamos ver como a abordagem de duas camadas resolve os dois problemas.

O problema do matching de camada única

Em resumo: A maioria dos sistemas usa palavras-chave (rápidas, mas cegas a sinônimos, contexto e habilidades transferíveis) ou apenas AI (mais sutil, porém cara, lenta e inconsistente). As duas têm falhas graves quando usadas sozinhas: palavras-chave perdem tudo que é interessante, e AI pura é exagero para checagens óbvias.

A maioria dos sistemas usa uma das duas abordagens, e ambas têm falhas graves.

Apenas palavras-chave

A abordagem mais simples: extrair palavras-chave da vaga, ver se aparecem no perfil do candidato. “React” no JD? Procura “React” no CV. Achou? Ponto marcado.

Isso quebra rápido:

Sinônimos são invisíveis. Um candidato que lista “React.js” não bate com a busca por “ReactJS”.
O contexto se perde. “5 anos de Python” pode significar 5 anos de scripts de automação, e não 5 anos construindo backend em produção.
A senioridade vira palpite. Palavras-chave não dizem se a trajetória do candidato vai na direção certa.
Habilidades transferíveis não existem. Um engenheiro de dados Scala com 6 anos em sistemas distribuídos não vai bater com “Python data engineer”.

Apenas AI

A abordagem oposta: enviar o perfil completo e a vaga para um LLM, perguntar “quão bem esta pessoa se encaixa?” e analisar a resposta.

Captura mais nuances, mas traz problemas novos:

O custo acumula. A $0,05-0,15 por avaliação e 20 candidatos por dia, são $1-3 diários só em matching.
A latência aparece. Uma análise completa leva 5-15 segundos.
Exagero para incompatibilidades óbvias. Se a vaga pede 8+ anos e o candidato tem 2, não precisa de AI pra isso.
Inconsistência. Faça a mesma pergunta ao mesmo LLM duas vezes e pode receber pontuações diferentes.

A solução de duas camadas

Em resumo: A Camada 1 (determinística) lida com sobreposição de palavras-chave, anos de experiência, localização, salário e requisitos obrigatórios — instantaneamente, sem custo. A Camada 2 (AI) entra com análise de trajetória de carreira, relevância de domínio, reconhecimento de habilidades transferíveis e gera perguntas de screening direcionadas. Tudo em menos de 5 segundos somando as duas.

A resposta não é escolher entre palavras-chave e AI. É usar as duas, na ordem certa.

Camada 1: Matching determinístico (gratuito, instantâneo)

A primeira camada cuida de tudo que dá pra avaliar com regras e comparações. Sem AI. Custo zero. Resultados instantâneos.

O que a Camada 1 verifica:

Sobreposição de palavras-chave. Extrai habilidades e tecnologias dos requisitos da vaga. Confere cada uma nos dados parseados do CV. Calcula a porcentagem de sobreposição.

Anos de experiência. A vaga diz “5+ anos de desenvolvimento backend”. O CV mostra que o primeiro cargo backend começou em 2021. Conta simples: 5 anos. OK.

Adequação de localização. A vaga é “Berlim, híbrido”. O candidato está em “Munique, aberto a realocação”. A Camada 1 marca como correspondência parcial.

Alinhamento salarial. O orçamento é €70-85k. A expectativa do candidato é €80k. Bandeira verde, dentro da faixa.

Requisitos obrigatórios. A vaga tem 3 requisitos obrigatórios: React, TypeScript e 3+ anos. A Camada 1 verifica cada um de forma independente, com resultado binário: passou ou não passou.

O resultado é uma avaliação base que detecta incompatibilidades óbvias na hora. Se o candidato falha em 3 de 5 obrigatórios na Camada 1, você provavelmente nem precisa da Camada 2. Mas a Camada 1 também conhece os próprios limites: marca tudo que não consegue avaliar como “precisa de revisão por AI”.

Camada 2: Análise de nuances AI (rápida, contextual)

A Camada 2 entra onde as regras terminam e o julgamento começa.

Análise de trajetória. O candidato está crescendo na direção certa? Quem foi de Junior Frontend → Mid Frontend → Senior Frontend → Lead Frontend está num track IC claro. Se a vaga é para Staff Engineer, a AI reconhece qual trajetória se encaixa melhor.

Relevância de domínio. A vaga é para uma fintech. O candidato passou 4 anos numa startup de pagamentos. A Camada 1 não captaria “pagamentos” como relevante para “fintech”, mas a Camada 2 entende que pagamentos é um subdomínio fintech.

Habilidades transferíveis. Um candidato com 6 anos de Scala e Apache Spark se candidata para uma vaga “Python + PySpark”. A Camada 1 vê zero sobreposição. A Camada 2 reconhece que a transição Scala → Python é comum e relativamente tranquila para engenheiros de dados.

Identificação de lacunas com perguntas de screening. É aqui que a Camada 2 brilha. Em vez de só marcar “ausente: experiência Kubernetes”, ela gera uma pergunta esclarecedora: “O CV do candidato não menciona Kubernetes, mas tem 3 anos de Docker e AWS ECS. Pergunte: você já trabalhou com Kubernetes em algum contexto?”

A AI não só pontua. Ela diz o que perguntar em seguida.

Como é a scorecard

Em resumo: A scorecard de duas camadas entrega pontuação geral com veredito, detalhamento por requisito mostrando qual camada avaliou cada item com evidência, bandeiras coloridas (verde/amarelo/vermelho) e perguntas de screening prontas para usar. Tudo gerado em menos de 5 segundos.

Quando as duas camadas terminam (tipicamente em menos de 5 segundos), você recebe uma scorecard estruturada:

Avaliação geral

Campo	Valor
Pontuação	82 / 100
Veredito	Forte correspondência
Recomendação	Fazer screening deste candidato

Detalhamento por requisito

Requisito	Status	Fonte	Evidência
React, 3+ anos	✅ Verde	Camada 1	”React” encontrado em 3 cargos, mais antigo 2022 (4 anos)
TypeScript	✅ Verde	Camada 1	Listado nas habilidades, usado em 2 cargos recentes
Node.js backend	🟡 Amarelo	Camada 2	Node.js não listado, mas Express.js em um cargo
Domínio fintech	✅ Verde	Camada 2	4 anos na PayTech (startup de pagamentos), forte relevância fintech
Liderança de equipe	🟡 Amarelo	Camada 2	Liderou equipe de 2 pessoas em projeto, sem cargo formal de líder
Kubernetes	🔴 Vermelho	Camada 1	Não encontrado no CV. Experiência Docker + ECS presente

Bandeiras

Bandeiras verdes:

Trajetória frontend forte (Junior → Mid → Senior em 5 anos)
Experiência em domínio fintech alinhada com a vaga
Expectativa salarial (€78k) dentro do orçamento (€70-85k)

Bandeiras amarelas:

Experiência backend Node.js incerta, precisa de screening
Experiência de liderança informal, esclarecer expectativas

Bandeiras vermelhas:

Kubernetes não mencionado. Se for requisito obrigatório, pode ser bloqueante

Perguntas de screening

“Seu CV mostra bastante experiência com Docker e AWS ECS. Você teve alguma exposição a Kubernetes, no trabalho, em projetos pessoais ou via certificações?”
“Vejo que você liderou uma equipe de 2 pessoas no projeto de migração de pagamentos. Passar para um cargo formal de technical lead é algo que te interessa?”
“Você tem Express.js listado no cargo na Acme Corp. Quanto trabalho backend Node.js você fazia no dia a dia, comparado ao trabalho frontend React?”

Por que nenhuma camada funciona sozinha

Em resumo: A Camada 1 sozinha rejeita bons candidatos com habilidades transferíveis e não detecta relevância de domínio. A Camada 2 sozinha é mais lenta, mais cara e exagerada para checagens simples. Juntas, custam $0,01 por avaliação, rodam em 3-5 segundos e detectam tanto incompatibilidades óbvias quanto oportunidades sutis.

Cenário	Só Camada 1	Só Camada 2	Ambas camadas
Palavra-chave obrigatória ausente	✅ Detecta	✅ Detecta	✅ Detecta
Engenheiro Scala para vaga Python	❌ Sem correspondência, rejeitado	✅ Reconhece habilidades transferíveis	✅ C1 sinaliza lacuna, C2 adiciona nuance
Candidato tem 2 anos, vaga pede 5	✅ Conta simples	✅ Mas mais lento e caro	✅ C1 detecta na hora
”Startup de pagamentos” para vaga fintech	❌ Palavras-chave não batem	✅ Entende o domínio	✅ C2 adiciona relevância de domínio
Custo por avaliação	$0,00	$0,01-0,02	$0,01 (C1 é gratuita)

A Camada 1 é rápida, gratuita e confiável para checagens estruturadas. A Camada 2 é contextual e explica o raciocínio. Juntas, produzem uma scorecard em que você pode confiar e que dá pra usar.

A vantagem da explicabilidade

Em resumo: Cada pontuação tem evidência específica do perfil do candidato por trás, e não um “sentimento” da AI. A scorecard mostra exatamente quais requisitos passaram, quais lacunas apareceram e o que precisa de screening, para você entrar em cada chamada sabendo o que perguntar e validar.

O que separa um bom sistema de matching de um gerador de números mágicos: evidências.

Cada pontuação na scorecard de duas camadas tem evidência específica do perfil do candidato. “82/100” não significa que a AI “sentiu” que era um 82. Significa:

5 de 6 requisitos passaram nas checagens da Camada 1 ✅
A Camada 2 encontrou forte relevância de domínio (+pontos)
A Camada 2 identificou 2 lacunas que precisam de screening (−pontos, mas recuperáveis)
Salário e localização, ambos bandeiras verdes (+pontos)

O que isso significa para seu workflow

Em resumo: O matching de duas camadas reduz a revisão de candidatos de 5-15 minutos para 30 segundos por pessoa. Você classifica por cor (verde/amarelo/vermelho), começa pelas correspondências fortes, verifica lacunas recuperáveis nos amarelos e pula vermelhos com tranquilidade. Mais de 2 horas economizadas por dia.

Com matching de duas camadas, sua revisão diária muda bastante:

Abra o pipeline e veja 15 candidatos atribuídos a uma vaga
Olhe as pontuações: 3 verdes (85+), 7 amarelos (60-84), 5 vermelhos (abaixo de 60)
Comece pelos verdes: abra a scorecard, revise as bandeiras
Verifique os amarelos: a scorecard diz exatamente o que falta e se é recuperável
Pule os vermelhos com tranquilidade: a Camada 1 detectou incompatibilidades de requisitos obrigatórios

O que antes levava 5-15 minutos por candidato agora leva 30 segundos de revisão de scorecard. Com 20 candidatos por dia, são mais de 2 horas economizadas.

Quer ver o matching de duas camadas em ação? Experimente Recrudoc CRM gratuitamente. Atribua um candidato a uma vaga e receba sua primeira scorecard em menos de 5 segundos.