O RH Tem as Respostas Erradas sobre IA, Talento e Sourcing | Ben Eubanks

Ben Eubanks queria trabalhar em RH ainda adolescente. Após anos na área, migrou para o lado da pesquisa, acompanhando tendências e escrevendo os livros que CHROs mantêm em suas estantes. Seu primeiro livro, Artificial Intelligence for HR, tornou-se a fonte mais citada sobre o tema. O segundo, Talent Scarcity, abordou a pergunta que todo líder de RH vinha fazendo: para onde foram todos os trabalhadores?

Neste episódio #18 do Xobin Talks, Guru faz as perguntas difíceis. Ele questiona por que líderes de RH ainda hesitam em relação à IA e o que a escassez de talentos significa do ponto de vista demográfico. Também pergunta se a equidade salarial global é realista e o que os profissionais de sourcing devem fazer antes que a automação avance.

Os líderes de RH estão prontos para investir em IA ou ainda estão receosos?

Guru começa com uma questão frequente entre os clientes da Xobin: apesar de toda a conversa sobre IA, muitos CHROs e compradores de RH ainda hesitam. Essa hesitação faz sentido?

Ben: "A IA rapidamente se tornou parte do dia a dia da contratação, com empresas utilizando-a em tarefas como sourcing de candidatos, triagem de currículos, matching de perfis e avaliação de potenciais contratações. Mas há quem ainda hesite. Existem preocupações, especialmente em relação às exigências legais globais sobre o uso da IA para selecionar alguém para uma vaga."

A Lighthouse Research conduz um grande estudo anual sobre aquisição de talentos. Os dados deste ano revelaram algo interessante: um segmento de empregadores afirmou que não usará IA na contratação. Quando perguntados por quê, os três principais motivos seguiram um padrão claro.

Ben: "O motivo número um foi: não queremos substituir os humanos. Queremos que haja uma pessoa envolvida na decisão. O segundo motivo: não queremos prejudicar nossa marca empregadora. A IA pode dizer ou fazer coisas que não conseguimos controlar ou prever. E o terceiro motivo mais comum: não achamos que a IA esteja pronta para lidar com as tarefas básicas de recrutamento."

A analogia do recrutador júnior

Neste ponto, Ben faz uma observação que muda o foco do debate.

Ben: "Um recrutador júnior que contratamos para a equipe pode causar os mesmos riscos. Pode dizer algo inadequado, postar algo impróprio online, errar um processo ou ter dificuldades com tarefas comuns. Colocamos todo esse medo na IA, mas muitos desses receios sempre existiram e sempre existirão. Assumimos que a IA precisa ser perfeita desde o início. Esse é um dos problemas."

A analogia é direta. Nenhuma organização deixa de contratar recrutadores juniores por medo de erros. Tolerar falhas humanas enquanto se exige perfeição dos algoritmos não é uma posição racional, mas emocional. Ben deixa claro que a adoção já está em curso.

Ben: "Muitas empresas já adotaram a IA e a utilizam como vantagem competitiva. Esperamos ver essa diferença aumentar, à medida que essas empresas superam as que ficam para trás."

Três quartos dos profissionais de RH, segundo o relatório SHRM 2024 Talent Trends, concordam que a IA vai aumentar o valor do julgamento humano na contratação nos próximos cinco anos (SHRM). Para Ben, a preocupação mais urgente é o fosso que já se forma entre as organizações que usam IA como ferramenta competitiva e as que ainda esperam se sentir prontas.

Gerações diferentes tomam decisões sobre IA de formas distintas?

Guru traz um ponto observado nos dados da Xobin: a maioria dos currículos enviados à plataforma já é criada ou fortemente modificada por IA generativa. Os candidatos que chegam ao mercado hoje são nativos digitais em IA, enquanto os líderes que decidem sobre compras muitas vezes não são.

A oferta automatizada que chocou líderes de RH

Ben: "Quando ensino sobre o uso da IA, conto o caso do que a Amazon construiu. Alguém se candidata, o sistema lê o diploma e a experiência, envia automaticamente uma avaliação, se a pessoa passa, gera uma oferta no valor de mercado, sem interação com recrutador ou gestor. Quando conto isso para líderes de RH, vejo a reação de choque."

Essa reação, segundo Ben, reflete algo real: para cargos corporativos, a seleção totalmente automatizada não é o que os candidatos desejam, nem o que decisões de qualidade exigem. Mas também mostra algo que precisará mudar à medida que a geração nativa em IA assuma posições de liderança.

Por que o currículo deixou de ser um sinal confiável

Ben: "Novas pesquisas mostram que cerca de 70% dos formandos usam GPT e ferramentas de IA generativa para criar e adaptar seus currículos às vagas. Isso torna ainda mais difícil contratar desse grupo, pois todos os currículos ficam parecidos. O que fazer? Precisamos de novas formas de triagem."

A resposta não é detectar e rejeitar currículos gerados por IA, mas deixar de tratar o currículo como principal critério. Ben faz um paralelo direto com universidades: elas não enviam mais trabalhos para casa esperando produção original. Os recrutadores enfrentam o mesmo desafio. O sinal mudou, o método de triagem precisa mudar também.

Se a maioria dos currículos agora é gerada por IA, o que isso significa para o screening?

Essa é a questão que Guru mais explora, pois é justamente o problema que a Xobin resolve. A resposta de Ben se baseia em pesquisas com candidatos, não apenas na preferência dos empregadores.

Ben: "Quando analisamos os dados dos candidatos, eles dizem que preferem: ao escolher entre apenas enviar o currículo ou enviar o currículo e fazer um teste curto relacionado ao trabalho, preferem a segunda opção. Porque assim podem entender o que a empresa valoriza, saber mais sobre o cargo e mostrar suas habilidades. Não apenas depender de como o currículo foi escrito."

Isso muda totalmente a conversa sobre avaliações. Testes pré-admissão costumam ser vistos como algo feito para benefício da empresa: eficiência, redução de viés, melhor sinal. Ben destaca que os candidatos também querem isso, pois num mundo onde todos os currículos são iguais, bons candidatos não têm como se diferenciar. Um teste prático oferece essa oportunidade.

Por que velocidade não é o mesmo que confiança

Para Guru, isso valida a abordagem central da Xobin: analisar o currículo, criar uma avaliação direcionada e verificar se quem se candidatou realmente sabe fazer o trabalho.

Ben: "Já usei esse exemplo algumas vezes. Uma empresa de tecnologia para RH criou uma ferramenta para gerar descrições de vagas automaticamente. Isso levou anos e custou centenas de milhares de dólares. Hoje, qualquer um pode fazer o mesmo no ChatGPT, sem investimento."

A velocidade da comoditização é real e Guru sente isso na prática. Ben ressalta: ser rápido não é o mesmo que ser confiável. Um comprador de tecnologia de RH confia muito mais em uma empresa com histórico comprovado, como a Xobin, do que em uma que surgiu há dois meses. O diferencial não é a novidade, mas a evidência de que o produto resolve problemas reais e a empresa escuta o mercado.

O que realmente está causando a escassez de talentos? É real ou apenas um ciclo?

A conversa se volta para o livro. Guru reconhece que não há resposta simples para a escassez de talentos e não busca uma. Quer entender a direção.

Ben: "Especialistas em demografia dizem que, para uma população se sustentar a longo prazo, são necessários cerca de 2,3 filhos por família. A última vez que os EUA atingiram esse índice foi há 50 anos. Não estamos produzindo pessoas suficientes para preencher todas as vagas. A solução tem sido a imigração: trazer mais gente de fora. Mas isso é paliativo. Em algum momento, outros países vão precisar reter seus próprios talentos."

Os números desde a gravação desta conversa

Desde a gravação, os números pioraram. A taxa de fertilidade dos EUA ficou em 1,6 filhos por mulher em 2025 (CBO), bem abaixo do patamar de 2,1 considerado necessário para sustentabilidade da força de trabalho. A participação na força de trabalho oscilou entre 62,4% e 62,7% em 2025, caindo ainda mais em 2026. A migração líquida caiu para cerca de 515.000 pessoas em 2025, contra aproximadamente 2,2 milhões em 2024 (Federal Reserve Bank of San Francisco).

Ben: "A Índia está com cerca de dois filhos por família. Ainda acima da maioria dos países desenvolvidos, mas já abaixo do necessário. E, geralmente, quando esse número começa a cair, a tendência é continuar caindo."

Não se trata de um problema cíclico de contratação que melhora com a economia. É uma mudança demográfica estrutural, e a automação só preenche parte da lacuna, mudando o número e o tipo de vagas, mas não criando mais trabalhadores.

Com menos pessoas disponíveis, o que as empresas realmente fazem?

Ben aponta dois caminhos e argumenta que a maioria das organizações só explora um deles.

Recrutar melhor ou reter melhor

Ben: "Temos dois caminhos. Podemos recrutar de forma mais inteligente: buscar melhor, ampliar os pools de talentos. Ou podemos reter quem já temos: manter as pessoas de alta performance, com conhecimento e experiência que não queremos perder. E o que vejo nas pesquisas, tanto em contratação quanto em retenção, é que não existe solução única para todos."

O achado é direto: abordagens padronizadas não funcionam para recrutamento nem retenção. O desafio é que personalizar para cada pessoa exige lidar com variáveis demais para um gestor sozinho. É aí que a IA faz diferença: não substitui o julgamento, mas garante que a informação certa apareça na hora certa.

Como a IA antecipa riscos de saída antes que seja tarde

Ben: "Trabalhamos com uma empresa que tem um algoritmo de previsão de retenção. Ele prevê quem está prestes a sair, analisando mais de cem sinais diferentes. Quando aparecem indícios, o sistema aponta fatores claros: Ben não tem reunião individual com o gestor há três meses, o último ajuste salarial foi há quatro anos, a última avaliação de desempenho caiu. São sinais de que Ben pode estar pensando em sair."

A IA não substitui a conversa do gestor. Ela garante que o gestor tenha as informações para agir antes que seja tarde. Grandes gestores fazem isso intuitivamente com quem mais acompanham. A IA amplia essa capacidade para quem está se desligando silenciosamente.

Talento deveria receber o mesmo salário independentemente de onde vive?

Guru traz uma questão dos dados da Xobin: por que um engenheiro em San Francisco ganha cinco vezes mais que um engenheiro equivalente na Índia pelo mesmo trabalho? E essa diferença está diminuindo?

Ben: "Igualdade salarial por trabalho igual é fundamental. Se você tem uma equipe nos EUA com habilidades e entregas semelhantes a alguém nas Filipinas ou Singapura, e paga uma fração para um deles, eu teria problemas com isso."

Exemplo real: pagando talentos globais com base em taxas locais

Ele cita um exemplo pessoal. A Lighthouse Research emprega uma administradora nas Filipinas, Jessa, com salário de administradora nos EUA, porque querem que ela priorize o trabalho deles e não querem perdê-la.

Ben: "Já praticamos esse modelo. Mas para muitas empresas, isso é um desafio. Mesmo dentro dos EUA, houve uma discussão quando o trabalho remoto se popularizou: devemos pagar menos para quem mora em regiões remotas sem mercado local? Muitas empresas disseram não. Devemos ter uma taxa para trabalho remoto e deixar a pessoa escolher onde morar. Por que não fazem o mesmo para equipes fora dos EUA?"

A conversa não chega a uma resposta definitiva, pois Ben reconhece que os dados não trazem uma solução clara. Mas Guru mostra por que a questão está cada vez mais difícil de ignorar: LLMs estão superando barreiras linguísticas, o trabalho remoto normalizou equipes distribuídas e plataformas como a Xobin já medem competências da mesma forma, independentemente da geografia. O argumento técnico para igualdade salarial está mais forte, mesmo que a vontade organizacional ainda não tenha acompanhado.

O que profissionais de sourcing e RH em início de carreira devem fazer antes que seus cargos sejam automatizados?

Guru diz que ninguém nunca perguntou isso a Ben de forma tão direta. Ele anota antes de responder.

Ben: "As habilidades que importam, as que são difíceis de replicar por algoritmos, são as humanas. Não só em RH. Compaixão. Criatividade. Pensamento crítico. São difíceis de programar."

Ele desenha uma matriz que usa com líderes de RH: um eixo vai do foco humano ao foco em processos; o outro, do rotineiro ao imprevisível. Tarefas humanas e imprevisíveis são as menos substituíveis; tarefas de processo e rotineiras são as mais expostas à automação.

Construindo conexões que algoritmos não conseguem

Ben: "Se sua melhor habilidade é analisar dados e identificar tendências, é melhor buscar outra, pois a IA faz isso melhor. Mas construir conexões, relacionamentos, encontrar um ponto no currículo para puxar conversa, isso diferencia o humano do algoritmo que faz contato em massa."

Ele aprendeu isso cedo, recrutando instrutores de helicóptero Blackhawk.

Ben: "Aprendi rápido que não adianta enviar o mesmo e-mail para 20 pessoas, pois ninguém responde. Preciso personalizar. Mark, vi que você também pilota balão, incrível, me conte mais. Jamie, vi isso no seu currículo, você conhece tal pessoa? Ela estava na sua unidade militar. Encontrei formas de conectar com as pessoas que um algoritmo não consegue numa busca cega."

Por que a imprevisibilidade é a verdadeira barreira

Ele destaca ainda uma característica estrutural do trabalho humano que muitos pesquisadores de IA subestimam: a imprevisibilidade.

Ben: "Algoritmos só operam em ambientes estruturados, com variáveis limitadas, regras claras e previsibilidade. A maioria de nós trabalha em ambientes chamados de 'unkind learning', com pouco ou nenhum feedback, ciclos longos e situações imprevisíveis. Não dá para programar um algoritmo para isso."

A orientação para quem está no início ou meio da carreira em RH é clara: busque o imprevisível. Busque o que é profundamente humano. Encontre a parte do trabalho que exige ler o ambiente, gerir relações, lidar com ambiguidade ou tomar decisões com informações incompletas. Esse é o território que a automação ainda não alcançou e não alcançará tão cedo.

Sobre Ben Eubanks

Ben Eubanks é Chief Research Officer na Lighthouse Research and Advisory, empresa de pesquisa e consultoria em gestão de capital humano que apoia líderes de RH, talento e aprendizagem em todo o mundo. É autor de Artificial Intelligence for HR, a obra mais citada sobre IA em contratação, desenvolvimento e experiência do colaborador. Seu segundo livro, Talent Scarcity: How to Hire and Retain a Shrinking Workforce, aborda diretamente a escassez de mão de obra.

Ben tem mais de uma década de experiência como executivo de RH e recrutamento e como pesquisador de força de trabalho. Apresenta o podcast We're Only Human e já palestrou para dezenas de milhares de profissionais de RH no mundo todo. Fundou a comunidade de RH upstartHR em 2009, que já ajudou mais de um milhão de leitores desde então.

Conecte-se com Ben no LinkedIn | Organização: Lighthouse Research and Advisory