Inteligência Artificial no Sicredi

Transformando a Seleção de Talentos na Área de Software

“Imagine se pudéssemos entender as habilidades técnicas de um candidato em apenas alguns segundos, que útil seria!”

Um processo seletivo que visa conhecer suas habilidades profissionais, não limitando-se aos resultados dos testes. A seguir abordaremos um exemplo sobre como atingimos isso no Sicredi com ajuda da Inteligência Artificial.

Como é o Processo Seletivo de Pessoas Tech no Sicredi?

A seleção de talentos na área de Software do Sicredi pode ser dividida em duas etapas principais: Conversas e Avaliação do Domínio Técnico. Neste artigo, vamos nos concentrar na etapa de Avaliação do Domínio Técnico das pessoas candidatas.

Necessidades de Melhoria no Processo

No cenário atual de contratação, as empresas enfrentam diversas necessidades ao conduzir um processo seletivo:

• Aceleração do Processo: Formas de acelerar o processo seletivo, garantindo que os melhores talentos sejam identificados rapidamente.
• Padronização: Para garantir imparcialidade e eficácia do processo, é crucial que haja uma padronização nas etapas de seleção.
• Eliminação de Tarefas Repetitivas: O objetivo é focar nos aspectos qualitativos da seleção, eliminando ou automatizando tarefas rotineiras e repetitivas.
• Auxílio na Tomada de Decisão: Com uma infinidade de pessoas candidatas e critérios técnicos a considerar, o suporte na tomada de decisão técnica é essencial.

Como era antes?

• Modelo Avaliador

A imagem ilustra um fluxo de processo seletivo com duas etapas da esquerda para a direita: Candidatos enviando informações para um repositório Git, avaliadas posteriormente por um avaliador com um formulário.

O Modelo Avaliador consiste em um fluxo onde o candidato, após receber um desafio de código prático projetado para avaliar o domínio técnico, deve demonstrar suas habilidades técnicas e entregar o resultado por meio de um repositório Git. Posteriormente esse desafio é encaminhado ao avaliador que, para controle interno, registra os feedbacks e resultados através de um formulário.

Embora esse modelo tenha funcionado bem por um período, algumas dificuldades surgiram:

• Disponibilidade de Avaliadores: A necessidade de avaliadores humanos pode limitar a escalabilidade do sistema.
• Tempo do Processo Volátil: Dependendo da quantidade de aplicações, o tempo de resposta para os candidatos pode variar.

Dadas essas dificuldades, um estudo foi iniciado para encontrar maneiras de aprimorar o processo como um todo. Ao final do estudo, identificamos que a avaliação do domínio técnico, em particular, oferece uma excelente oportunidade para a aplicação de tecnologias de Inteligência Artificial.

Então surgiu o Modelo “Portal de Recrutamento + IA”.

Como é hoje?

• Modelo Portal de Recrutamento + IA

A imagem ilustra um fluxo de processo seletivo com quatro etapas da esquerda para a direita: Candidato(a) e um repositório Git, Portal de recrutamento, Aplicação avaliadora e a API da OpenAI.

O processo inicia com o candidato, que utiliza seu repositório Git como uma base de apresentação de suas habilidades técnicas, notificando o Sicredi da finalização do desafio. Em seguida, internamente o portal de recrutamento envia as informações do repositório para a aplicação avaliadora que, por sua vez, acessa esse repositório e passa as informações para a API da OpenAI(API do ChatGPT). Esta, utilizando Inteligência Artificial, realiza uma série de avaliações e retorna um feedback detalhado.

Objetivos do Modelo Portal de Recrutamento + IA

• Redução de Esforços Humanos: Ao automatizar partes do processo de avaliação, reduz-se a necessidade de esforços manuais em tarefas repetitivas.
• Velocidade de Feedback: Com a avaliação sendo realizada pela IA, o feedback pode ser quase instantâneo, ajudando o recrutador a otimizar o processo.
• Tomada de Decisão Facilitada: A objetividade e a precisão dos feedbacks gerados pela IA permitem uma tomada de decisão mais informada.

Mecanismo de Funcionamento

A base da avaliação é feita pela Inteligência Artificial da OpenAI, que pode ser acessada via API. As perguntas são enviadas à IA e as respostas são obtidas quase em tempo real.

Por exemplo, se o recrutador deseja saber sobre a estrutura do projeto da pessoa candidata ou sobre a presença de certos arquivos, ele pode perguntar: “Como foi separado a estrutura de packages do projeto?” ou “Existe o arquivo X no projeto?”. Da mesma forma, perguntas específicas sobre conteúdo dos arquivo, como: “O projeto utiliza o design pattern X?”, também podem ser feitas.

Tipos de Perguntas

1. Pergunta Estrutural: Estas são perguntas referentes à estrutura geral do projeto. Por exemplo, “Existem os arquivos X e Y no projeto?” ou “O nome das classes segue a convenção definida?”.
2. Pergunta de Programação: Perguntas que se referem ao conteúdo dos arquivos, qualidade do código, eficiência dos algoritmos ou técnicas e padrões de programação usados no projeto. Como: “Foi realizado um teste para validar a funcionalidade X?” ou “O código está coeso, organizado e seguindo um padrão de desenvolvimento?”.

Exemplos:

• Pergunta Estrutural:

Exemplo de como um assistente de IA pode ser usado para analisar a estrutura de um projeto

• O fluxo inicia com uma entrada (input) perguntando se “o arquivo X existe no projeto”.
• Essa pergunta é direcionada para a aplicação avaliadora que consulta o repositório Git (simbolizado por uma nuvem) e, posteriormente, envia para a OpenAI as informações necessárias.
• A OpenAI recebe informações sobre a estrutura do repositório, incluindo os arquivos contidos nesses diretórios, juntamente da pergunta.
• Com base nessas informações, a OpenAI responde afirmativamente ou negativamente se “o arquivo X existe no projeto”.
• Pergunta de Programação:

Exemplo de como a IA pode ser utilizada para analisar o conteúdo dos arquivos de um projeto

• O fluxo começa com uma entrada (input) perguntando se “O projeto utiliza o design pattern X?”.
• Essa pergunta é direcionada para a aplicação avaliadora que consulta o repositório Git (simbolizado por uma nuvem) e, posteriormente, envia para a API da OpenAI as informações necessárias.
• A IA recebe os arquivos do projeto, sendo um arquivo por requisição, juntamente da pergunta.
• Com base nisso, a IA confirma se “O arquivo utiliza o design pattern X” ou não.
• Com todos os arquivos analisados, é feito uma inferência para chegar a uma conclusão.

Ao final do processo

Após os candidatos submeterem sua solução ao desafio de código e estas serem avaliadas pela Inteligência Artificial, o conjunto de feedbacks gerados torna-se uma ferramenta muito util para as etapas subsequentes do processo seletivo.

• Entrevistas Detalhadas: O feedback detalhado gerado pela IA, pode servir como um ponto de partida para entrevistas técnicas mais profundas. Por exemplo, se a IA identificar que o design pattern usado pelo candidato não é o ideal para um determinado problema, o entrevistador pode questionar o candidato sobre sua escolha, dando-lhe a oportunidade de justificar ou discutir sua abordagem.
• Identificação de Áreas de Desenvolvimento: Além de identificar os pontos fortes de um candidato, o feedback pode revelar áreas onde o candidato pode precisar de treinamento ou desenvolvimento adicional. Isso pode ajudar a empresa a planejar programas de onboard ou treinamentos futuros.
• Avaliação Justa e Imparcial: Utilizando o feedback gerado pela IA, a empresa pode garantir um nível maior de imparcialidade na avaliação.
• Feedback para os Candidatos: Além de ser valioso para os recrutadores, o feedback gerado pode ser compartilhado com os candidatos para que eles entendam suas áreas de força e pontos de melhoria. Isso não apenas aumenta a transparência do processo seletivo, mas também ajuda os candidatos em seu desenvolvimento profissional.

Conclusão

Essa abordagem demonstra a capacidade da inteligência artificial de avaliar rapidamente o domínio técnico e gerar feedbacks detalhados. Isso pode ser extremamente valioso para empresas que desejam avaliar as habilidades técnicas dos candidatos ou a qualidade de seus projetos.

Ao automatizar esse processo, a empresa pode economizar tempo e assegurar uma análise mais objetiva e precisa. Por meio da IA, eliminamos o grau de subjetividade que normalmente acompanha as avaliações humanas, que podem variar significativamente devido a diferentes experiências e interpretações dos avaliadores. Com isso, a inteligência artificial não apenas acelera o processo de seleção, mas também o torna mais eficaz, justo e confiável.

Mas, sempre cabe reforçar: a IA é uma ferramenta que auxilia e enriquece o nosso processo, mas ela não deve substituir a importância dos momentos de interação e do diálogo com as pessoas candidatas, aspectos cruciais na busca por talentos para integrar equipes ágeis.

Próximos Passos

Nesse artigo nos concentramos na etapa de avaliação do domínio técnico, realizada através de um desafio de código, mas existem outras etapas e aspectos que são avaliados durante um processo seletivo.

Por fim, acreditamos que a Inteligência Artificial pode auxiliar em diversos momentos, nos permitindo focar nos aspectos qualitativos da seleção.

Gostaríamos de ouvir sua opinião sobre o uso da IA no processo de recrutamento. Como você vê o futuro dessa tecnologia? Deixe seus comentários e perguntas abaixo.

Até a próxima!