Como Detetar Currículos Gerados por IA em 2026: Guia para Recrutadores

O currículo era perfeito. Perfeito demais. Cada ponto tinha um verbo de ação forte. Cada conquista tinha uma percentagem. A secção de competências cobria todas as ferramentas da descrição de função — e ainda mais algumas. O resumo parecia escrito por alguém que decorou como se escreve um resumo.

Vinte minutos depois na triagem telefónica, ficou claro que este candidato nunca tinha feito metade do que o CV afirmava. Não conseguia explicar um projeto concreto. Tinha dificuldade em nomear a equipa com que trabalhou. As "conquistas quantificadas" — "aumentei a eficiência do pipeline em 34%" — não tinham história nenhuma por trás.

Não é um caso isolado. A análise da Hirewell de 2026 sobre a corrida armamentista da IA no recrutamento conclui que 91% dos recrutadores detetaram tentativas de enganar em candidaturas, e o tipo de fraude mudou. Já não são credenciais fabricadas — são descrições geradas por IA de experiência real (mas exagerada), estruturadas para passar filtros automáticos.

Porque é que os currículos gerados por IA são um problema em 2026

Este problema está a acelerar, não a estabilizar. Só no setor de TI, investigação citada pela SHRM indica que 65% dos candidatos usam injeções de prompt ou ferramentas de otimização de IA para contornar filtros ATS. Não é otimizar linguagem — é manipular ativamente o sistema de triagem.

74% dos gestores de RH dizem estar mais preocupados com fraude em candidaturas do que há um ano. O medo é justificado. As ferramentas de escrita com IA removeram a barreira de competência que antes tornava a fabricação difícil. Já não é preciso ser um bom escritor para produzir um CV convincente para uma função para a qual não se está qualificado. Basta uma subscrição do ChatGPT ou do Claude e uma descrição de função para colar.

O termo inglês "workslop" — conteúdo polido por IA que desmorona sob escrutínio — capta exatamente o que torna isto difícil. O workslop não é fácil de identificar em papel. A estrutura frásica é limpa. O vocabulário é adequado. A formatação é impecável. O que lhe falta é especificidade, consistência e o tipo de imperfeições que a experiência real deixa nas descrições escritas do trabalho.

Há também um problema de uniformidade. Quando centenas de candidatos usam as mesmas ferramentas de IA com a mesma descrição de função como prompt, os seus CVs começam a parecer-se. Não na formatação de superfície — mas nos padrões subjacentes de linguagem, nos tipos de conquistas afirmadas, na estrutura das descrições. Recrutadores que analisam 200 candidaturas para uma vaga vão notar, mesmo sem conseguirem explicar porquê.

O mercado tech de Lisboa e Porto sente isto de forma particularmente aguda. Com hubs internacionais como o Web Summit a atrair talento global para Portugal, e com candidatos remotos a concorrer a posições locais de qualquer parte da Europa, o volume de candidaturas — e a proporção de candidaturas oportunistas — aumentou consideravelmente. Um software de recrutamento com triagem inteligente deixou de ser luxo.

7 sinais de alerta de um currículo gerado por IA

Nenhum destes sinais é conclusivo por si só. Candidatos experientes com boas capacidades de escrita podem produzir CVs limpos e bem estruturados de forma natural. Mas quando vários destes sinais aparecem em simultâneo, a probabilidade de geração por IA ou de assistência pesada de IA sobe de forma significativa.

1. Conquistas quantificadas genéricas sem contexto verificável

"Aumentei a receita em 23%." "Reduzi custos em 31%." "Melhorei a produtividade da equipa em 40%." As ferramentas de IA para CVs ensinam os candidatos a adicionar métricas a cada ponto. O resultado é um CV cheio de percentagens que não se ligam a nada real — sem contexto de negócio, sem prazo, sem explicação do mecanismo.

Descrições reais incluem contexto: "Reconstruí o processo de desduplicação da base de candidatos no terceiro trimestre de 2024, reduzindo registos duplicados de 18% para 3% em seis meses, o que melhorou a precisão de correspondência na ferramenta de pesquisa semântica." As conquistas inventadas ou inflacionadas por IA lêem-se como: "Melhorei a precisão da base de dados em 83%."

2. Abrangência de competências implausível

Um candidato com oito anos de experiência que lista expertise profunda em quinze ferramentas, frameworks e metodologias diferentes — todas elas presentes na descrição de função — é ou genuinamente excecional ou está a usar um otimizador de IA. O sinal de aviso é quando a abrangência de competências não corresponde à senioridade ou historial de funções.

Um engenheiro de software com cinco anos a afirmar proficiência de especialista em AWS e GCP, três frameworks JavaScript diferentes, duas bases de dados, uma ferramenta de BI e Python é ou um unicórnio ou uma alucinação. Faça perguntas específicas sobre duas ou três dessas competências na triagem. Expertise real tem textura; palavras-chave listadas não têm.

3. Cada ponto começa com um verbo de ação forte

"Liderou", "Entregou", "Desenvolveu", "Alcançou", "Transformou", "Impulsionou". Os guias de CV e as ferramentas de IA recomendam esta convenção. A diferença é que os CVs reais têm alguma variedade e algumas formulações mais fracas — porque nem todas as tarefas merecem um verbo heróico. Quando cada ponto ao longo de dez anos de experiência abre com um verbo forte e fecha com uma percentagem, o padrão é mais consistente com geração por IA do que com descrição genuína.

4. O resumo parece um cartaz motivacional

"Profissional orientado para resultados com um historial comprovado de superação de objetivos e entrega de valor estratégico em ambientes dinâmicos." Esta frase foi gerada dezenas de milhões de vezes. Candidatos reais que escrevem os próprios resumos soam mais específicos e, francamente, mais imperfeitos. Identificam o seu nicho real: "Oito anos a colocar diretores financeiros e controllers em PME da DACH. Rede sólida no setor industrial e de manufatura."

5. Historial de emprego com informação suspeitamente completa

Os CVs gerados por IA preenchem frequentemente lacunas que os CVs reais deixam. Cada função tem datas de início e fim claras, um título limpo, uma descrição concisa da empresa e três a cinco pontos de conquista. Na realidade, as histórias de carreira são mais irregulares: períodos sem trabalho, transições de função difíceis de descrever, períodos de freelancing, e permanência em empresas que exigem explicação.

Um historial demasiado limpo — especialmente quando a cronologia se soma perfeitamente e cada função tem um arco narrativo arrumado — é um sinal que vale a pena explorar.

6. Respostas a perguntas de candidatura que poderiam pertencer a qualquer pessoa

Quando a candidatura pergunta "Descreva a sua experiência a gerir projetos multifuncionais" e a resposta poderia ser copiada para 500 candidaturas diferentes, provavelmente foi gerada por IA. As respostas reais mencionam projetos específicos, desafios específicos, pessoas específicas. Incluem detalhes que só quem estava lá saberia.

As perguntas de candidatura são, na verdade, a primeira linha de defesa contra conteúdo gerado por IA. Perguntas bem concebidas — suficientemente específicas para que respostas genéricas pareçam obviamente erradas — separam naturalmente candidatos genuínos de submissões em massa produzidas por IA.

7. Anomalias de metadados e inconsistências de formatação

Este sinal requer olhar para o próprio documento, não apenas para o conteúdo. CVs gerados por IA copiados para o Word ou convertidos em PDF transportam por vezes impressões digitais nos metadados: datas de criação que não correspondem às cronologias afirmadas, inconsistências de tipo de letra que sugerem texto inserido de outro documento, ou marcadores de formatação incorporados de uma ferramenta de IA. É um sinal menor, mas vale a pena verificar em funções onde o risco de fraude é elevado.

Assistido por IA (aceitável) vs. Gerado por IA (alerta): o espectro importa

Antes de construir uma política de deteção de fraude em CVs, clarifique o que está realmente a tentar apanhar. Usar IA para melhorar a escrita, estruturar melhor um CV ou traduzir experiência em linguagem mais clara é perfeitamente razoável. Usar IA para fabricar ou inflacionar materialmente experiência é fraude. A linha está na substância, não no estilo.

RGPD e Lei de IA da UE: enquadramento legal em Portugal

Para além do problema operacional, há uma dimensão legal que as agências portuguesas não podem ignorar. O quadro regulatório está a tornar-se mais exigente, não menos.

Nos termos do Artigo 22.º do RGPD, os candidatos têm o direito de não ser sujeitos a decisões baseadas exclusivamente em tratamento automatizado quando essas decisões os afetam significativamente. Rejeição baseada puramente em triagem por IA sem qualquer revisão humana é tecnicamente não conforme. A Comissão Nacional de Proteção de Dados (CNPD) é a autoridade responsável por fiscalizar o cumprimento em Portugal — e tem aplicado coimas crescentes.

A Lei de IA da UE (Regulamento 2024/1689) vai mais longe. Classifica os sistemas de IA usados em triagem de emprego como de alto risco, o que significa obrigações adicionais: transparência para os candidatos, explicabilidade das decisões, documentação de supervisão humana, e registo junto das autoridades. A conformidade plena entra em vigor em agosto de 2026. Para aprofundar este tema, consulte o nosso guia sobre a Lei de IA da UE e o recrutamento.

O Diário da República publica as transposições nacionais das diretivas europeias — útil para acompanhar como Portugal está a implementar os requisitos da Lei de IA. Na prática, para agências de recrutamento:

• Qualquer triagem automática precisa de um humano que possa rever, substituir e documentar decisões
• Os candidatos devem ser informados quando a IA é usada no processo de seleção
• Os critérios de rejeição têm de ser explicáveis — não apenas "o sistema disse não"
• Os registos de decisões devem ser mantidos e disponíveis para escrutínio regulatório

Isto não é burocracia por burocracia — é proteção. Se um candidato impugnar uma rejeição, a documentação de supervisão humana é a diferença entre uma reclamação resolvida e uma investigação da CNPD.

Processo de verificação eficaz passo a passo

A deteção é apenas metade do trabalho. Depois de sinalizar um CV como potencialmente gerado por IA, aqui está uma sequência prática de verificação.

Passo 1 — sinalizar, não rejeitar. Um CV com aparência de IA não é automaticamente fraude. Adicione-o a uma fila de revisão em vez de o eliminar. A diferença entre um CV genuíno polido com IA e um fabricado muitas vezes não é visível antes de falar com o candidato.

Passo 2 — fazer uma chamada de 15 minutos sem estrutura. Peça ao candidato que descreva por palavras suas uma ou duas das experiências do CV. Perguntas específicas: "Conte-me sobre o projeto em que reduziu custos em X%. Qual era o contexto? Quem estava envolvido? O que correu mal?" O conteúdo gerado por IA não tem história. A experiência real tem.

Passo 3 — testar uma afirmação específica. Escolha uma competência técnica, uma ferramenta ou uma metodologia que listaram e faça uma pergunta que só experiência genuína responderia. Não "está familiarizado com o Salesforce?" mas "Como geriu uma migração de dados entre instâncias Salesforce quando a estrutura de campos era diferente entre ambientes?" A especificidade da resposta diz-lhe se a competência é real.

Passo 4 — verificar referências antes de investir tempo. Para funções onde o risco de colocar um candidato subqualificado é elevado — executive search, liderança técnica, funções com exposição ao cliente — uma verificação de referências com um gestor direto de um dos empregadores listados deve acontecer antes das entrevistas finais, não depois. A investigação da SHRM conclui consistentemente que as verificações de referências são subaproveitadas relativamente ao seu valor preditivo.

Passo 5 — documentar o processo. Nos termos da Lei de IA da UE, se estiver a usar qualquer ferramenta de IA no processo de triagem, precisa de supervisão humana documentada. Mantenha registos de quais candidatos foram revistos manualmente, que perguntas foram feitas e qual foi a justificação para avançar ou rejeitar. Esta documentação também o protege perante uma eventual queixa ao abrigo do RGPD.

O nosso analisador de CVs gratuito com IA pode ajudar aqui — não para triagem automática, mas para extrair dados estruturados de CVs rapidamente, para que a equipa possa focar o tempo de revisão em avaliar substância em vez de reformatar dados.

Para comparar como diferentes ATS de recrutamento lidam com triagem e verificação, o artigo Yena vs Bullhorn cobre as diferenças de abordagem entre plataformas generalistas e especializadas para agências. Veja também o nosso guia honesto sobre software de recrutamento com IA — em particular a secção sobre o que as ferramentas de deteção conseguem e não conseguem fazer na prática.

Perguntas frequentes sobre deteção de currículos gerados por IA

É possível detetar currículos gerados por IA com fiabilidade?

Nenhum sinal isolado é conclusivo. As ferramentas automáticas de deteção têm taxas de falsos positivos elevadas com os modelos de IA atuais — GPT-4o, Claude 3.5, Gemini 1.5. O teste mais fiável é uma triagem telefónica curta e específica. O conteúdo gerado por IA é fácil de escrever e impossível de defender numa conversa.

Usar IA para escrever um CV é fraude?

Usar IA para melhorar a escrita ou estruturar experiência genuína não é fraude. Usar IA para fabricar experiências ou qualificações que não existem é. O processo de triagem deve focar-se em verificar a substância — não em fiscalizar o estilo de escrita.

O que são ataques de injeção de prompt em sistemas ATS?

Injeção de prompt é quando candidatos incorporam instruções ocultas no CV — em texto branco sobre fundo branco ou em metadados — para manipular ferramentas de triagem com IA. Estudos indicam que 65% dos candidatos de TI já experimentaram alguma forma de manipulação de ATS. Pergunte ao seu fornecedor de ATS diretamente como lida com isto.

O que diz o RGPD sobre triagem automatizada em Portugal?

Nos termos do Artigo 22.º do RGPD, os candidatos têm o direito de não ser sujeitos a decisões exclusivamente automáticas com efeitos significativos. A Lei de IA da UE classifica os sistemas de triagem de emprego como de alto risco, exigindo transparência e supervisão humana documentada. A CNPD fiscaliza o cumprimento em Portugal.

O meu ATS pode detetar conteúdo gerado por IA automaticamente?

Algumas plataformas estão a adicionar funcionalidades, mas a precisão é inconsistente. Não use deteção automática como filtro de rejeição definitivo. Em vez disso, sinalize anomalias para revisão humana e crie perguntas de triagem que exijam respostas específicas — muito mais fiáveis do que pontuações de deteção automática.