Por que o keyword stuffing funciona em ATS legados
Todo sistema de rastreamento de candidatos legado disponível no mercado hoje utiliza alguma forma de correspondência em nível de token como sua camada de classificação. Mesmo quando o marketing diz "IA", a implementação geralmente é uma das três coisas: extração de palavras-chave Booleanas, correspondência ponderada por TF-IDF ou similaridade semântica usando embeddings de sentença. Todos os três têm a mesma vulnerabilidade estrutural: eles são determinísticos. Um candidato que conhece as regras pode produzir de forma confiável o resultado que deseja, independentemente do ajuste real.
A pesquisa do Jobscan documenta quão disseminada é a prática, e o estudo da Harvard Business School sobre trabalhadores ocultos estimou que 27 milhões de americanos qualificados são rejeitados pela triagem automatizada por razões não relacionadas à capacidade.
As quatro maneiras que os candidatos manipulam o sistema
- Texto oculto em branco. Um bloco de palavras-chave digitadas em branco na parte inferior da página, invisível para um leitor humano, mas totalmente visível para um parser.
- Seções de habilidades repetidas. A seção de habilidades aparece duas ou três vezes com variações mínimas.
- Cópia do JD na descrição. O candidato copia o primeiro parágrafo da descrição do trabalho literalmente para o resumo do currículo.
- Reescrita de bullet points para corresponder a palavras-chave. Um bullet real é reescrito para espelhar a descrição do trabalho com termos mais técnicos.
Por que "correspondência de palavras-chave mais inteligente" não é a solução
Fornecedores que notam o problema de keyword stuffing geralmente tentam corrigir isso com um modelo de palavras-chave mais inteligente. Eles adicionam filtros de palavras de parada, similaridade semântica, correspondência baseada em BERT, resumos do GPT-4. O problema é que todos esses modelos ainda estão lendo tokens.
A solução não é um modelo de palavras-chave mais inteligente. A solução é parar de classificar por palavras-chave totalmente. O classificador deve ler por resultados, coisas que o candidato teria que inventar conquistas fictícias para falsificar, não por tokens.
O que aprendemos na Amazon sobre entradas adversariais
Antes do CurriculoATS, o fundador passou anos na Amazon trabalhando em busca e recomendações. Entradas adversariais são um problema antigo nesses sistemas. O padrão que funcionou foi classificar com base em sinais que o vendedor não poderia fabricar diretamente—dados reais de compras, taxas de devolução reais, padrões de avaliação verificados.
A contratação funciona da mesma maneira. O candidato pode escrever quaisquer palavras-chave que desejar; o classificador deve estar lendo algo diferente. Especificamente, o sistema lê currículos para quatro categorias de resultado: receita, equipes, sistemas e problemas. O modelo produz uma pontuação composta de 0 a 100 com uma justificativa escrita que cita resultados específicos encontrados.
Os dados que vemos sobre taxas de stuffing por função e senioridade
As taxas de keyword stuffing variam acentuadamente por função e senioridade. Engenheiros seniores e gerentes de produto seniores são os que mais utilizam stuffing, porque se candidataram a mais empregos e aprenderam os padrões. A taxa de stuffing para candidatos de engenharia backend sêniores amostrados foi de cerca de 38%, com o padrão mais comum sendo uma seção de habilidades duplicada combinada com bullets espelhados na descrição do trabalho. Para gerentes de produto seniores, a taxa foi de cerca de 31%.
A triagem por palavras-chave legadas promove sistematicamente os candidatos mais aplicados em vez dos mais qualificados, e a taxa de discrepância é mais alta exatamente nas faixas de senioridade onde os fundadores mais precisam de sinalização precisa.
O que um fundador faz esta semana
Se você suspeitar que o keyword stuffing está poluindo sua lista de pré-selecionados, três verificações rápidas dirão:
- Abra os cinco principais currículos em seu ATS atual e selecione todo o texto. Se o texto oculto em branco aparecer, o candidato está fazendo stuffing.
- Leia a seção de experiência do currículo em comparação com a seção de habilidades. Se a lista de habilidades afirmar muitas tecnologias, mas a experiência mencionar apenas algumas, o resto é stuffing.
- Verifique se o resumo do currículo espelha a descrição do trabalho de forma muito próxima.