O recrutador sabe se você usou IA no currículo?

O recrutador não tem como saber, não de forma confiável. Nenhuma ferramenta pública identifica texto escrito por IA com precisão suficiente para sustentar uma decisão sobre uma pessoa, e a empresa que construiu o detector mais conhecido do mundo desativou o seu justamente por isso. O que a pessoa recrutadora percebe é outra coisa: uma página inteira sem nenhum detalhe específico, sem número que alguém possa conferir, sem nada que só você poderia ter escrito, e isso é um problema de escrita, não o resultado de uma detecção.

A empresa que fez o detector mais conhecido desistiu dele

Em janeiro de 2023 a OpenAI publicou um classificador para indicar texto escrito por IA. Seis meses depois ela mesma acrescentou uma nota ao próprio anúncio:

As of July 20, 2023, the AI classifier is no longer available due to its low rate of accuracy.

Em português: desde 20 de julho de 2023 o classificador não está mais disponível, por causa da sua baixa taxa de acerto.

Uma observação sobre essa citação, porque este texto inteiro cobra medição honesta. A fonte que dá para citar é a reportagem do Search Engine Land, que registrou a nota, e não a página da OpenAI, que bloqueia acesso automatizado. A frase é dela. O registro público é de terceiro.

Guarde a ordem dos fatos: a empresa com mais acesso a modelos de linguagem do planeta tentou detectar a saída dos próprios modelos e parou.

A medição, inteira

Em abril de 2023, Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu e James Zou, de Stanford, publicaram o teste que organiza o assunto. O trabalho saiu depois na revista Patterns, do grupo Cell Press.

Eles pegaram sete detectores de escrita por IA amplamente usados e rodaram os sete sobre dois conjuntos de textos escritos por pessoas: 91 redações do TOEFL, obtidas de um fórum educacional chinês, e 88 redações de alunos americanos do oitavo ano.

Nas redações dos alunos americanos, os detectores acertaram quase tudo. Nas redações do TOEFL, escritas por gente cujo inglês não é a primeira língua, os mesmos sete detectores classificaram mais da metade como geradas por IA. A taxa média de falso positivo foi de 61,22%.

Os números individuais são piores que a média:

• Os sete detectores marcaram, por unanimidade, 18 das 91 redações do TOEFL (19,78%) como geradas por IA.
• Pelo menos um detector marcou 89 das 91 redações (97,80%).

Quase todo texto humano daquele conjunto foi acusado por alguma ferramenta. Um resultado assim não sustenta decisão nenhuma sobre a carreira de ninguém.

O que essas ferramentas medem é vocabulário, não autoria

O mesmo artigo mostra por que isso acontece, e mostra nos dois sentidos.

Primeiro os autores pediram ao ChatGPT para reescrever as redações do TOEFL com a instrução "enhance the word choices to sound more like that of a native speaker", melhore as escolhas de palavras para soar mais como um falante nativo. A taxa média de falso positivo caiu de 61,22% para 11,77%. O argumento continuou sendo o mesmo, das mesmas pessoas. Só o vocabulário mudou.

Depois eles inverteram o experimento. Pegaram as redações dos alunos americanos do oitavo ano, texto humano do começo ao fim, e pediram "simplify word choices as if written by a non-native speaker", simplifique as escolhas de palavras como se tivessem sido escritas por um falante não nativo. A classificação errada desses textos subiu de 5,19% para 56,65%.

Leia os dois resultados juntos. O que move o número é a amplitude do vocabulário, não quem escreveu. Escrever com um repertório mais contido, que é exatamente o que qualquer pessoa faz numa segunda língua, é o padrão que essas ferramentas classificam como texto de máquina.

Se você é brasileiro e se candidata em inglês, esse estudo é sobre você especificamente. Não é um risco abstrato: é o grupo que foi medido. E não existe forma de passar num teste calibrado contra o seu jeito de escrever, porque o que ele está pegando não é fraude, é segunda língua. O trabalho útil é outro, e ele está no conteúdo: o que entra e o que sai de um currículo em inglês muda muito mais o resultado da candidatura do que qualquer ajuste de estilo.

O que o próprio estudo admite

Um texto que cobra medição honesta dos outros carrega os limites da medição que usa.

Os autores registram dois. As amostras são pequenas, 91 e 88 redações, e eles escrevem isso com todas as letras. E a maior parte dos detectores avaliados usava o GPT-2 como modelo de base, o que é antigo em relação ao que se usa hoje.

A leitura correta é esta: é a melhor evidência pública disponível sobre o assunto, e não é a palavra final. Enquanto ninguém publicar uma medição que mostre a capacidade funcionando, quem vende detecção está vendendo uma confiança que nunca foi demonstrada.

Não compre um "humanizador"

Existe um mercado inteiro oferecendo para você o serviço de deixar o seu texto "menos parecido com IA".

Olhe o que ele otimiza. É um número que o estudo de Stanford moveu nos dois sentidos, para cima e para baixo, apenas trocando palavras, sem mexer em uma única informação do texto. Pagar para ajustar esse número é pagar para calibrar um termômetro quebrado.

E repare no que ele não muda: se você consegue ou não explicar o seu próprio currículo em voz alta. Nenhuma reescrita de estilo responde à pergunta "quantas contas você migrou, e em quanto tempo?".

O que reprova uma candidatura sozinho, de verdade

O medo merece ser colocado no lugar certo.

Um sistema de rastreamento de candidatos (ATS) é um banco de dados com um fluxo de trabalho em volta. Ele extrai o seu arquivo para campos, guarda o resultado e deixa a pessoa recrutadora buscar e filtrar.

A Greenhouse documenta a reprovação automática de forma bem estreita: "Auto-reject application rules can only be configured for questions of the following type: Yes / No, Single-select, Multi-select". As regras só podem ser configuradas sobre perguntas do formulário do tipo sim/não, seleção única e seleção múltipla. A Ashby descreve o mesmo desenho, com condições aplicadas às respostas do formulário. Em nenhuma das duas documentações existe avaliação do texto do currículo.

A reprovação automática que de fato existe roda sobre o que você respondeu no formulário, não sobre como você redigiu as suas linhas. O detalhe do que o software faz e do que ele não faz com o seu arquivo está no guia sobre currículo e ATS. Se a vaga está na Gupy, esse corte tem nome: perguntas eliminatórias.

Há um filtro documentado que roda sobre o currículo, e ele também não lê estilo. O estudo Hidden Workers: Untapped Talent, da Harvard Business School com a Accenture, registra na página 22 que quase metade das empresas pesquisadas descarta automaticamente um currículo com intervalo maior que seis meses entre empregos, com base nesse dado sozinho. Esse filtro lê uma data. Se esse é o seu caso, é a pausa na carreira que merece a sua atenção, e não o estilo do texto.

A regra honesta

Use IA para organizar e redigir um trabalho que você fez. Nunca para fornecer um fato.

A diferença é operacional, não filosófica:

1. Pedir para transformar cinco linhas confusas em duas linhas claras: tudo bem, a informação continua sendo sua.
2. Pedir para "deixar mais impactante" e aceitar um número que apareceu sozinho: não. Esse número entra num documento que você vai defender numa sala.
3. Pedir uma responsabilidade que soe compatível com o cargo, sem que você a tenha exercido: aí não é redação, é outra coisa.

Todo número na página precisa ser um número que você consegue justificar, porque a entrevista é onde um número inventado é encontrado. E ele é encontrado por uma pergunta simples, não por um detector.

Uma linha vaga e verdadeira vence uma linha específica e falsa. "Liderei a migração da plataforma de cobrança" é fraca, e você sustenta. "Reduzi custos em 34%" é forte, e você tem trinta segundos para explicar de onde saíram esses 34%.

O Rzume trabalha exatamente nessa fronteira. Ele mostra primeiro a leitura do seu arquivo, campo por campo, incluindo o que não coube em lugar nenhum, e depois lista os achados da análise, do mais grave ao menor. A leitura e a análise completa são gratuitas e não pedem conta. Na reescrita ele parte da evidência que você fornece e, quando falta um número, ele pergunta. Se você pular a pergunta, a linha sai vaga, com a lacuna visível no texto, porque ele não inventa.

Isso responde à pergunta do título por outro caminho. Quem quer saber se o recrutador percebe o uso de IA está medindo a coisa errada. A pergunta que decide a entrevista é se você consegue sustentar cada linha que está ali.

Envie o seu currículo e veja o que um parser lê dele, ou confira o que cada plano inclui.

Fontes

• Search Engine Land, OpenAI's AI classifier is no longer available due to "its low rate of accuracy", reportando a nota da própria OpenAI, cuja página bloqueia acesso automatizado.
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., Zou, J., GPT detectors are biased against non-native English writers, arXiv:2304.02819, submetido em 6 de abril de 2023, publicado em Patterns (Cell Press), julho de 2023.
• Greenhouse, Auto-reject, documentação do fornecedor.
• Ashby, Auto-reject applications, documentação do fornecedor.
• Fuller, J., Raman, M., Sage-Gavin, E., Hines, K., et al., Hidden Workers: Untapped Talent, Harvard Business School Project on Managing the Future of Work e Accenture, setembro de 2021, página 22.

Todas as fontes acessadas em 6 de setembro de 2026.