Recurso
Não é apenas correspondência de palavras-chave. Curriculo ATS combina busca de texto, vetores semânticos, extração de entidades e classificação LLM para encontrar exatamente o candidato certo.
Processamento de IA
Do Curriculo Bruto para Inteligência Estruturada
Todo curriculo enviado para Curriculo ATS passa por um pipeline de IA em várias etapas que extrai, classifica e indexa os dados dos candidatos.
1Parsing de Curriculo
A IA extrai dados estruturados de curriculos em PDF: nome do candidato, e-mail, experiência de trabalho (empresa, cargo, datas, descrições), educação (instituição, grau, datas) e habilidades. Não é necessário entrada manual de dados.
2Avaliação de Adequação
Cada candidato recebe uma pontuação de adequação gerada por IA de 0 a 100%, juntamente com uma justificativa escrita explicando por que a pontuação foi atribuída. A pontuação avalia a compatibilidade em relação aos requisitos do trabalho, não apenas a sobreposição de palavras-chave.
3Resumo AI & Auto-tags
Um resumo conciso gerado por IA destaca os pontos fortes e as principais qualificações do candidato. Auto-tags são aplicadas com base nas habilidades extraídas, nível de experiência e setor, tornando a filtragem instantânea.
4Recuperação de Pipeline
Se qualquer etapa do processamento de IA falhar (timeout de rede, erro de modelo), o pipeline tenta novamente automaticamente. Candidatos com falha são enfileirados para reprocesamento, para que nada fique preso em um estado quebrado.
Infraestrutura de Busca
Vetores, Entidades e Compreensão Semântica
Embutimentos de Vetores
Cada curriculo é convertido em um embutido de vetor de 384 dimensões usando pgvector. Isso captura o significado semântico de todo o documento, então procurar por “engenheiro de backend” também encontra candidatos que se descrevem como “desenvolvedor de lado servidor” ou “arquiteto de API.”
Embutimentos de Segmentos
Além do embutimento do curriculo completo, vetores separados são gerados para cada seção: experiência, educação e habilidades. Isso permite pesquisar dentro de seções específicas do curriculo para resultados mais precisos.
Extração de Entidades
Entidades nomeadas são extraídas e classificadas em cinco tipos: HABILIDADE (Python, React, SQL), EMPRESA (Google, Stripe), CARGO (Engenheiro Sênior, Gerente de Produto), INSTITUIÇÃO (MIT, Stanford), e PROJETO (projetos ou produtos específicos). Essas entidades alimentam filtros de busca estruturados.
Busca Híbrida
Quatro Métodos de Busca, Um Resultado Classificado
Curriculo ATS executa quatro métodos de busca em paralelo e combina os resultados usando Fusão de Classificação Recíproca (RRF) para a melhor classificação possível.
TextoBusca de texto completo em conteúdo de curriculo e campos analisadosSemânticoBusca de similaridade vetorial via embutidos pgvectorEntidadeBusca estruturada em entidades extraídas de HABILIDADE, EMPRESA, CARGOLLMAI reclassificação usando julgamento LLM para relevância sutilClassificação & Filtragem
Fusão de Classificação Recíproca & Filtros estilo Gmail
Fusão de Classificação Recíproca (RRF)
Cada método de busca produz sua própria lista classificada. RRF combina essas listas atribuindo pontuações com base na posição de classificação em todos os métodos. Candidatos que aparecem em alta em várias listas recebem a pontuação final mais forte, mesmo que nenhum método único os classificou como #1. Isso produz resultados mais confiáveis do que qualquer abordagem de busca única sozinha.
Filtros de Escopo estilo Gmail
Restringa sua busca com operadores de escopo familiares: in:rejeitados para pesquisar candidatos rejeitados, in:lixeira para candidatos arquivados, in:selecionados para sua lista restrita. Combine com qualquer consulta de busca para filtrar rapidamente e com precisão em todo o seu banco de candidatos.
384Dimensões por embutido de vetor5Tipos de entidade extraídos por curriculo4-viasBusca híbrida com fusão RRF$0Busca de IA incluída em todos os planosFAQ
Perguntas Frequentes Sobre
O que é busca semântica e por que isso importa?
A busca semântica usa embutidos vetoriais para entender o significado, não apenas palavras-chave. Se você procurar por “engenheiro de backend,” isso também encontra candidatos que se descrevem como “desenvolvedor de lado servidor” ou “arquiteto de API”, porque o significado é semelhante, mesmo que as palavras sejam diferentes.
O que é Fusão de Classificação Recíproca (RRF)?
RRF é um algoritmo de classificação que combina resultados de múltiplos métodos de busca. Em vez de depender de uma abordagem, ele funde listas classificadas de busca textual, semântica, de entidades e LLM. Candidatos que se classificam consistentemente altos em métodos recebem a melhor posição final.
Quais tipos de entidades são extraídos de currículos?
Cinco tipos: HABILIDADE (linguagens de programação, ferramentas, estruturas), EMPRESA (nomes dos empregadores), CARGO (títulos de trabalho), INSTITUIÇÃO (universidades, certificações), e PROJETO (produtos ou iniciativas específicas em que o candidato trabalhou).
O que acontece se o parsing de curriculo falhar?
O pipeline tenta automaticamente processamentos com falha novamente. Se um curriculo não puder ser analisado após as tentativas, ele é sinalizado para revisão manual. O perfil do candidato ainda é criado, você apenas não terá dados extraídos por AI até que o problema seja resolvido.
A busca de IA está incluída no plano gratuito?
Sim. Parsing de curriculo, pontuação de adequação, embutidos de vetor, extração de entidades e busca híbrida estão todos incluídos em todos os planos, incluindo o plano gratuito Starter.