Boas práticas

Esta página é opcional, mas vale a leitura: reúne o que se aprendeu usando o TalentScore no dia a dia.

Escrevendo um prompt eficaz

O prompt do sistema é o que a IA sabe sobre a sua empresa antes de abrir qualquer currículo. Um prompt bom cobre três coisas:

1. Contexto da empresa — setor, tamanho, jeito de trabalhar.
2. Critérios de avaliação — o que pesa mais na sua realidade.
3. Tom da resposta — como você quer ler o parecer.

Um exemplo completo:

Somos uma startup de saúde digital com 80 pessoas. Cultura colaborativa e
remota. Valorizamos pessoas curiosas, com bom raciocínio analítico e
disposição para aprender em domínios novos.

Ao analisar currículos:
- Priorize experiência prática sobre formação acadêmica.
- Considere candidatos de áreas adjacentes (engenharia, design, dados)
  desde que tenham raciocínio compatível.
- Aponte lacunas de coerência na trajetória, quando houver.
- Valorize quem teve experiência em times pequenos ou autonomia explícita.

Tom da resposta: direto, objetivo, sem jargão. Justifique a nota citando
elementos concretos do currículo. Em pontos de atenção, foque em lacunas
verificáveis, não em opiniões pessoais.

O que não escrever

Evite prompts vagos (“avalie bem”), regras que se contradizem e — sobretudo — qualquer critério ligado a idade, gênero, raça, origem, aparência ou situação familiar. A IA segue o que está escrito, e isso produziria discriminação sistemática em escala.

Hard skills

• Use de 5 a 10. Listas longas diluem o sinal.
• Poucas obrigatórias — de 2 a 4. Se tudo é obrigatório, nada é.
• Seja específico. “React” funciona melhor que “Frontend”; “PostgreSQL”, melhor que “Banco de dados”.
• Coloque os diferenciais como Desejável — aquilo que não elimina ninguém, mas conta a favor.

Soft skills

• Fique entre 3 e 5. Acima disso as avaliações começam a se repetir.
• Use termos concretos: “Comunicação escrita”, “Liderança técnica”, “Trabalho remoto” — em vez de “Bom de relacionamento”.
• Trate como filtro inicial, não como conclusão. Soft skills se confirmam na entrevista, não no currículo.

Nota de corte realista

Comece em 8,0 (o padrão) e ajuste depois da primeira rodada:

• Ninguém passa e o volume de currículos é razoável? Baixe.
• Passa mais gente do que você consegue entrevistar? Suba.
• Vaga com pool muito grande? 7,0 filtra sem ser restritivo demais.
• Posição rara em que só o topo interessa? 8,5 ou mais — sabendo que poucos passarão.

Avaliador interno ou externo

Use interno para quem tem conta e participa dos processos com frequência: RH, gestores diretos, time técnico.

Use externo para:

• gestores que entrevistam de vez em quando e não têm conta;
• especialistas técnicos contratados;
• pessoas de outra empresa, como o cliente final em uma vaga de squad.

Duas ou três avaliações por candidato

É comum combinar uma avaliação técnica, uma de aderência cultural e a do gestor. Várias perspectivas juntas sustentam a decisão muito melhor do que a nota da IA sozinha.

Banco de talentos saudável

• Não exclua bons candidatos só porque a vaga acabou. Desvincule da vaga e mantenha no banco.
• Vincule gente antiga a vagas novas em vez de pedir currículo de novo — a análise dispara sozinha.
• Atualize o currículo enviando o arquivo novo; o sistema reconhece a pessoa e substitui.
• Preencha “Indicaria para outras vagas” nas avaliações. É esse campo que transforma o banco em algo consultável depois.

Revisando candidatos com aviso de suspeita

Quando aparece o aviso de suspeita de injeção, evite os dois extremos — nem ignorar, nem descartar sem checar:

1. Leia primeiro a análise da IA. Coerente com o currículo? Provável alarme falso.
2. Abra o currículo original e procure instruções dirigidas a um avaliador automático, texto em letra branca ou minúscula, e pedidos de nota máxima.
3. Confira o padrão exato no painel de Segurança IA (administradores).
4. Confirmada a manipulação, decida pela leitura manual e pela entrevista, e registre isso na avaliação.
5. Alarme falso, siga normalmente.

Quem costuma ser marcado sem culpa

Currículos de quem trabalha com IA — engenheiros de prompt, pessoas de machine learning, redatores que usam modelos de linguagem — disparam a detecção com frequência, porque escrevem esses termos no próprio currículo. Suspeita média, com poucos padrões em um texto longo, é o retrato típico do alarme falso.