Um LLM lê o CV. O fosso é o que ele não vê.
Qualquer um envolve um LLM à volta de um job board neste fim de semana. A leitura do CV virou commodity. O que não se copia com um prompt melhor é a camada aprendida com os teus resultados — e é nisso que está o jogo todo.
Sejamos honestos sobre o que é fácil. Ler um CV contra uma vaga e produzir um parágrafo fluente sobre o encaixe é hoje uma commodity. Um modelo capaz e uma tarde levam-te quase até ao fim. Se é isso o produto, não há produto — o teu concorrente lança a mesma coisa no domingo com um prompt ligeiramente melhor.
Por isso, a pergunta que importa não é “será que uma IA consegue ler o CV?” É “o que é que o CV não contém?” E a resposta é tudo o que decide mesmo a colocação: quais dos teus clientes aceitam que perfis, em que tarifa é que os teus negócios fecham, de que stack um determinado responsável desconfiou em silêncio, quem está realmente disponível para uma data de início. Nada disso está na página. Tudo isso vive nos teus resultados.
A camada defensável é tua, não nossa
Um prompt é copiável. Um peso aprendido a partir de um ano do teu próprio histórico de aceites-e-rejeitados não é, porque mais ninguém tem o histórico. É esse o fosso, e a parte incómoda e honesta é que não é algo que te entregamos no primeiro dia — é algo que a ferramenta acumula contigo, a partir da tua secretária, e trata como teu.
Como a leitura é mesmo construída
Por baixo da superfície, uma submissão é pontuada em seis dimensões, não num “match” difuso. Cada uma é um tipo de sinal distinto:
- Preferência revelada — o que este cliente aceitou e rejeitou ao longo do tempo.
- Tarifa — será que o número fecha a margem e fica abaixo do teto real do cliente?
- Encaixe dos dois lados — não só “será que o cliente o aceita,” mas “será que ele aceita o cliente.”
- Timing — disponibilidade face à data de início real.
- Competência técnica — a parte de que o CV fala mesmo, incluindo stacks equivalentes (Spring é experiência em Java, mesmo quando a palavra não se repete).
- Confiança — quanto do acima é lido do documento versus inferido, dito sem rodeios.
Duas regras de desenho mantêm tudo de pé. Primeira, filtros antes de pesos: algumas dimensões são passa/não-passa — se o candidato não está disponível a tempo, nenhuma genialidade técnica salva a submissão, e o modelo não deve esbater isso numa média. Só depois de os filtros passarem é que os pesos decidem a ordenação. Segunda, esses pesos são aprendidos com os teus resultados, não fixados por nós no código. A tua secretária ensina o motor onde se apoiar.
O LLM a ler o CV é o mínimo para entrar no jogo. O produto é a camada que ele não consegue ver — e essa camada é construída a partir da única coisa que o prompt melhor de um concorrente nunca consegue alcançar: o que aconteceu na tua secretária.