38,5% Foram Flagrados Colando. 61% Deles Foram Contratados Mesmo Assim

TV
Thiago Victorino
7 min de leitura
38,5% Foram Flagrados Colando. 61% Deles Foram Contratados Mesmo Assim

Um estudo citado pelo Design Buddies analisou 19.368 entrevistas ao vivo entre julho de 2025 e janeiro de 2026 e encontrou 38,5% dos candidatos flagrados usando IA para colar. Em vagas técnicas, o número chegou a 48%. O índice triplicou em três meses. Só com isso já daria para escrever um texto de pânico razoável.

O número que importa é o quarto: 61% dos candidatos flagrados passaram assim mesmo.

A detecção funcionou. A triagem registrou a cola, a marcação ficou no processo, e o candidato avançou de qualquer forma. Esse é um tipo de falha diferente de uma camada de triagem que não enxerga. Triagem cega é problema de engenharia, e problema de engenharia recebe orçamento. Triagem que enxerga e é ignorada é problema de autoridade, e problema de autoridade recebe reunião.

O Sinal Existe e Ninguém É Dono Dele

O texto do Design Buddies, escrito pelo autor convidado Carl Wheatley, recrutador de design com mais de dez anos de estrada, traz uma estatística que explica os 61%: apenas 19% dos gestores de contratação se sentem muito confiantes de que o processo atual pegaria alguém fingindo. Repare no grau: a medida é “muito confiantes”, um patamar acima de “confiantes”. Os outros 81% ficam abaixo dessa barra, do simplesmente confiante ao resignado.

Lidos juntos, os dois números tornam o mecanismo óbvio. Uma marcação chega sobre um candidato. O gestor carrega uma vaga aberta há tempo demais e tem, sobre aquela marcação, três ignorâncias: o que ela significa, qual a taxa de falso positivo, e qual segundo sinal a corroboraria. A marcação vira ruído até prova em contrário, e o processo foi construído sem essa prova. O candidato avança.

Wheatley também relata que 72% dos recrutadores dizem já ter esbarrado em currículos, portfólios ou credenciais falsos feitos com IA. Seis das cifras do texto dele não trazem fonte nomeada, então trate-as como a leitura de campo de um praticante, não como pesquisa consolidada. A direção é consistente mesmo que os decimais não sejam: o lado do artefato parou de carregar informação, todo mundo sabe, e o processo continua igual.

Já argumentamos uma versão disso em a segunda pergunta, quando o portfólio virou o objeto mais barato do funil. O que muda nos dados de 2026 é a ordem dos fatos. A história saiu do enredo de detecção correndo atrás de geração. A detecção pegou mais de um terço da sala. A camada de decisão jogou fora o que a detecção encontrou.

A Demanda Não É a História

O instinto, diante de dados de contratação tão ruins, é supor que as vagas estão sumindo. Os números de demanda dizem o contrário.

Em uma pesquisa da Figma citada no mesmo texto, 82% dos gestores de contratação afirmaram que a necessidade de designers subiu ou permaneceu igual no último ano, e 40% pretendem abrir mais vagas de design nos próximos seis meses. O relatório de vagas em IA de 2026 da Autodesk apontou que “habilidades de design” é hoje a habilidade mais pedida em anúncios relacionados a IA, à frente de programação e de nuvem. A Designer Fund, uma firma de venture capital, encontrou uma alta de cerca de 60% nas vagas de design nas empresas do próprio portfólio em 2025. Esse último dado descreve um portfólio, não o mercado, e deve ser lido como sinal do grupo de um investidor.

O funil está cheio no topo e o filtro do meio parou de filtrar. Essa combinação produz um resultado específico: volume vira contratação, e a distribuição de qualidade dessas contratações é definida pelo que sobrevive a uma triagem não confiável. Ninguém sente o custo na data da contratação. Ele aparece depois como retrabalho, como um sênior gastando horas corrigindo entregas que pareciam prontas, como a realocação silenciosa sobre a qual ninguém escreve um post-mortem.

Avalie o Processo, Porque o Artefato É de Graça

A frase prática de Wheatley é a que vale roubar: “Se você esconde as ferramentas que usou, não está dando a eles nada para julgar.”

Isso inverte o instinto padrão do candidato, que ainda é apresentar o artefato pronto e ficar calado sobre como ele foi feito. Produzir o artefato hoje custa quase nada. As decisões por trás dele continuam custando. Qual restrição você descobriu primeiro, e o que você jogou fora por causa dela? Onde o modelo entregou algo plausível que você recusou, e o que acendeu o alerta? Que parte disso você fez na mão, e por que valeu as horas?

Quem já montou um harness de avaliação de agentes conhece esse argumento até o fim. Avaliar um agente pela saída falha quando o espaço de saídas é gerado barato e parece correto por construção. Avalia-se o trace: as ferramentas chamadas, as verificações rodadas, os ramos abandonados. Contratação chegou na mesma parede pelo outro lado. Mesmo problema, mesma resposta disponível, departamento diferente. RH está fazendo desenho de avaliação agora, com ou sem alguém ter avisado o RH disso.

A mecânica é banal. Peça a sessão de trabalho, não a entrega. Peça um log de decisões. Rode o exercício sobre um problema que o candidato não teria como ter pré-gerado, e gaste a entrevista no raciocínio em vez do artefato. Cada uma dessas opções custa mais por candidato do que ler um portfólio. É justamente esse o ponto. A triagem barata parou de funcionar, e a resposta honesta é pagar por uma que funcione.

O Degrau Que Alimenta os Revisores

O efeito de segunda ordem é pior que o de contratação, e eu ainda não vi ninguém colocar preço nele.

Um estudo de Harvard que analisou 62 milhões de trabalhadores encontrou queda de 8 a 10% na contratação de juniores nas empresas que começaram a usar IA generativa. O mecanismo relatado, na maior parte, não é demissão. Essas empresas simplesmente pararam de abrir vagas de júnior, em silêncio. Sem anúncio, sem linha de rescisão, nada a noticiar. O degrau foi removido por omissão.

Agora ligue isso ao parágrafo anterior. A triagem que funciona é conduzida por alguém capaz de olhar um trace e dizer se o raciocínio é real. Essa capacidade se acumula fazendo o trabalho mal, sendo corrigido e fazendo de novo, que é exatamente para o que servia o degrau de júnior. Remova o degrau por tempo suficiente e a população qualificada para avaliar a geração seguinte encolhe, no mesmo momento em que o volume de candidatos assistidos por IA torna a avaliação mais trabalhosa.

Isso é um problema de capacidade de supervisão fantasiado de relatório de emprego. O time que para de contratar juniores em 2026 gasta um banco futuro de revisores para economizar headcount neste trimestre, e a fatura chega num ano em que ninguém lembra de ter tomado a decisão. Traçamos a versão de mercado disso em o que os agentes estão fazendo com o mercado de trabalho; a versão interna é mais silenciosa e bate mais forte, porque nenhuma empresa recompra essa capacidade a preço de mercado quando todo mundo precisa dela no mesmo trimestre.

Há uma armadilha correlata na entrada do funil. O problema de monocultura algorítmica significa que os filtros automáticos que todo mundo roda estão convergindo para a mesma lista curta. Junte um filtro convergente com uma triagem que é ignorada e você recebe o pior dos dois lados: menos variedade entrando no funil, e menos discernimento depois que ela entra.

Faça Isso Agora

Pegue suas últimas vinte contratações e responda uma pergunta: quantas foram marcadas durante a triagem, e quantas dessas foram contratadas mesmo assim? Se o seu ATS falha em responder, você achou o problema de verdade: a marcação é um campo órfão, sem responsável.

Se ele responde, e o seu número lembra alguma coisa parecida com 61%, o conserto está fora do detector. Dê à marcação um dono e uma disposição obrigatória. Quem avança um candidato marcado escreve uma frase explicando por quê, e essa frase fica no registro, ao lado da contratação. Nada mais muda. O custo é uma caixa de texto e uma frase por candidato.

Faça antes que os revisores que teriam pegado o problema deixem de ser contratados.


Fontes

A Victorino ajuda organizações de engenharia e design a reconstruir avaliação para trabalho barato de gerar e caro de verificar: contato@victorino.com.br | www.victorino.com.br

Todos os artigos do The Thinking Wire são escritos com o auxílio do modelo LLM Opus da Anthropic. Cada publicação passa por pesquisa multi-agente para verificar fatos e identificar contradições, seguida de revisão e aprovação humana antes da publicação. Se você encontrar alguma informação imprecisa ou deseja entrar em contato com o editorial, escreva para editorial@victorino.com.br . Sobre o The Thinking Wire →

Se isso faz sentido, vamos conversar

Ajudamos empresas a implementar IA sem perder o controle.

Agendar uma Conversa