Máquinas são melhores do que gente para selecionar candidatos, diz estudo

As pessoas querem acreditar que têm intuição aguçada, mas no que diz respeito a contratações, elas não conseguem superar um computador. Os gerentes de recrutamento escolhem candidatos piores para os empregos do que os recomendados por um algoritmo, apontou uma nova pesquisa do Escritório Nacional de Pesquisa Econômica (NBER, na sigla em inglês), dos EUA.

Estudando 15 empresas e mais de 300 mil contratações para empregos de baixa qualificação no setor de serviços, como trabalhos de carregamento de dados e call center, os pesquisadores do NBER compararam o tempo de permanência dos funcionários que haviam sido contratados por recomendações do algoritmo baseadas em um teste para o emprego com o das pessoas que haviam sido escolhidas por um humano. O teste continha uma série de perguntas sobre qualificações técnicas, personalidade, habilidades cognitivas e aptidão para o trabalho. As respostas dos candidatos eram submetidas ao algoritmo, que depois emitia uma recomendação: verde para candidatos de alto potencial, amarelo para aqueles de potencial moderado e vermelho para os de classificação mais baixa.

Em primeiro lugar, os pesquisadores provaram que o algoritmo funciona, confirmando as conclusões de estudos anteriores. Em média, os verdes permaneceram no emprego 12 dias mais do que os amarelos, que ficaram 17 dias mais do que os vermelhos. A duração média de funcionários nesses empregos não é muito longa, cerca de três meses. "Ainda assim o resultado é importante, na média, quando você contrata dezenas de milhares de pessoas", disse o pesquisador Mitchell Hoffman, professor assistente de gestão estratégica, que chama as poucas semanas extras que o algoritmo obteve de "uma melhoria modesta ou significativa".

Muitas vezes os gerentes de recrutamento, possivelmente devido ao excesso de confiança ou à parcialidade, não seguem o algoritmo. Esses casos, pelo que se verificou, levam a contratações piores. Quando, por exemplo, os recrutadores optaram por um amarelo de um grupo de candidatos em vez dos verdes disponíveis, contratados posteriormente para preencher outras posições abertas, esses verdes permaneceram nos empregos cerca de 8% mais tempo, descobriram os pesquisadores. Quanto mais os gerentes se desviaram das recomendações dos testes, menor a probabilidade de permanência dos candidatos.

Os recrutadores poderiam argumentar que fazem essas exceções para contratar pessoas mais produtivas, embora elas não permaneçam tanto tempo no emprego. Os números sugerem o contrário. Em seis das 15 empresas, os pesquisadores mediram a produtividade, como o número de telefonemas completados por hora, a quantidade de dados inserida por hora ou o número de testes padronizados classificados por hora. As exceções ao algoritmo não se saíram melhor do que seus pares. "Não há evidência estatística de que as exceções estejam se saindo melhor nessa outra dimensão", disse a pesquisadora Danielle Li, professora assistente de empreendedorismo na Faculdade de Negócios de Harvard. Em alguns casos, disse ela, as exceções se saíram pior.

Apesar de os algoritmos de contratação terem começado a ganhar popularidade como forma de reduzir a contratação e os custos de rotatividade e de encontrar funcionários que se encaixem melhor nas empresas, ainda há uma tendência de confiar mais no instinto do selecionador do que na máquina. Um estudo chamou o fenômeno de "aversão ao algoritmo". No entanto, as pessoas podem ser cegadas pela parcialidade, especialmente no tocante à contratação. Alguns gerentes de recrutamento são atraídos por pessoas parecidas com eles; outros simplesmente têm um excesso de confiança em sua capacidade de prever o sucesso. "É da natureza humana pensar que parte da informação que você está recebendo em uma entrevista é valiosa", acrescentou Lee. "Será mais valiosa do que a informação do teste? Em muitos casos, a resposta é não".