Introdução de Negócio
Processos de recrutamento, seja em agências de contratação, times de RH corporativo ou operações de contratação em massa, dependem de uma etapa que consome grande parte do tempo do recrutador, que é a análise manual de currículos e a triagem de candidatos para cada vaga aberta. Conforme o volume de candidaturas cresce, essa análise se torna o principal gargalo do processo seletivo, atrasando contratações e sobrecarregando as equipes de RH. Esse cenário tem levado empresas a explorar agentes de IA como apoio ao recrutador, sem substituir sua decisão final. Segundo a Gartner, 73% das empresas já usam IA em pelo menos uma função de recrutamento, e a consultoria projeta os agentes de recrutamento por IA como uma das principais tendências de aquisição de talentos para 2026.
O que queremos resolver
Independentemente do porte ou segmento, equipes de recrutamento enfrentam desafios parecidos quando o volume de candidaturas cresce mais rápido do que a capacidade de análise manual disponível.
Esse acúmulo de tarefas manuais atrasa contratações urgentes e reduz a capacidade da equipe de RH de dedicar tempo ao que realmente exige julgamento humano, como entrevistas e negociação.
Como resolver na AWS
Uma abordagem eficiente para esse problema é construir um sistema de agentes de IA especializados, capaz de analisar currículos, comparar candidatos às vagas abertas e apoiar o recrutador em uma conversa natural, mantendo a decisão final sempre com um humano. Uma arquitetura na AWS baseada em múltiplos agentes permite dividir essa responsabilidade entre especialistas, em vez de depender de um único agente genérico para tudo.
O fluxo começa quando um currículo é enviado através do Amazon API Gateway e processado por uma função AWS Lambda, que armazena o arquivo no Amazon S3. Esse currículo é analisado por um agente especialista de CV, construído sobre o Amazon Bedrock AgentCore, que interpreta a experiência do candidato e utiliza uma tool de busca na web, também implementada como uma função Lambda, para complementar a análise com informações públicas do candidato, como perfil profissional ou portfólio.
Em paralelo, um segundo agente especialista, o especialista de vagas, é responsável por comparar o candidato às oportunidades abertas na empresa. As descrições de vagas ficam armazenadas no Amazon S3 e são transformadas em embeddings pelo Amazon Bedrock, sendo indexadas no Amazon S3 Vectors. Uma tool de RAG consulta essa base de conhecimento através do Amazon Bedrock, permitindo que o agente recupere as vagas mais aderentes ao perfil do candidato analisado.
Um agente orquestrador, também sobre o Amazon Bedrock AgentCore, coordena a conversa com o recrutador, aciona o especialista de CV e o especialista de vagas conforme a necessidade da pergunta e consolida as respostas em uma interação natural. Esse mesmo agente utiliza uma tool de dados para registrar e atualizar informações do candidato no Amazon DynamoDB, permitindo que o histórico de cada candidatura seja recuperado a qualquer momento pelo recrutador.
A figura acima representa de forma simplificada essa arquitetura de Recrutamento Inteligente na AWS.
Essa divisão entre agentes especialistas evita que um único modelo tente resolver tarefas muito diferentes ao mesmo tempo, tornando a análise de currículos, o cruzamento com vagas e a conversa com o recrutador processos independentes, auditáveis e mais fáceis de evoluir.
Ganhos que a arquitetura traz
Redução do tempo de triagem: análises de currículos que levavam horas passam a ocorrer em minutos, liberando o recrutador para etapas que exigem julgamento humano.
Escala para grandes volumes: o mesmo conjunto de agentes atende picos de candidaturas sem exigir aumento proporcional da equipe de recrutamento.
Critérios de avaliação mais consistentes: comparar candidatos com base em critérios estruturados reduz a variação entre avaliações e ajuda a mitigar viés informal, desde que o processo mantenha supervisão humana e guardrails sobre as respostas do agente.
Enriquecimento automático do perfil do candidato: a tool de busca na web complementa o currículo com informações públicas relevantes, sem exigir pesquisa manual do recrutador.
Respostas fundamentadas nas vagas reais da empresa: o uso de RAG evita sugestões genéricas, conectando candidatos às oportunidades realmente abertas.
Histórico centralizado do candidato: dados armazenados no DynamoDB permitem acompanhar o funil de contratação sem depender de planilhas paralelas.
Casos na literatura
No mercado de recrutamento, a Mane Contract Services substituiu a triagem manual de currículos por uma solução sobre Amazon Bedrock com o modelo Claude 3.5 Sonnet. O que antes levava 30 minutos para analisar poucos currículos passou a ser concluído em minutos, com maior consistência na pontuação dos candidatos em relação às contratações bem-sucedidas do passado.
A própria Amazon aplicou machine learning na sua própria operação de aquisição de talentos, usando Amazon SageMaker, Amazon S3 e Amazon QuickSight para prever necessidades de contratação e otimizar o investimento em atração de candidatos. O resultado foi uma redução de 90% no gasto com marketing de recrutamento ao longo de dois anos, o equivalente a mais de US$ 1 bilhão economizados.
Já a AWS descreve uma arquitetura de recrutamento com múltiplos agentes especialistas sobre Amazon Bedrock, dividindo tarefas entre criação de descrições de vaga, comunicação com candidatos e preparação de entrevistas. O material reforça que a supervisão humana deve permanecer em cada etapa, já que decisões de contratação têm impacto direto sobre as pessoas avaliadas.
Lições aprendidas
Um sistema de agentes especialistas construído sobre Amazon Bedrock AgentCore, Amazon S3 Vectors, AWS Lambda, Amazon DynamoDB e Amazon API Gateway transforma a triagem de currículos e o cruzamento com vagas em um processo rápido, consistente e escalável, sem remover o recrutador da decisão final.
Mais do que acelerar a análise manual, essa abordagem cria um processo estruturado e auditável de avaliação, reduzindo o risco de viés informal e liberando a equipe de RH para dedicar tempo às etapas que realmente dependem de julgamento humano, como entrevistas e negociação.