Última atualização: outubro 2026. Escrito pela equipe Curriculo.
Ferramentas de correspondência de palavras ATS contam palavras em um currículo. Ferramentas baseadas em resultados ATS avaliam o que alguém realmente fez em relação ao seu cargo. Curriculo ATS utiliza uma pontuação baseada em resultados, de 0 a 100, com um resumo escrito AI sobre a adequação. O plano Starter é gratuito para sempre, e o Pro custa $50, a partir de outubro de 2026.
Todo sistema de rastreamento de candidatos utiliza alguma forma de AI para classificar currículos. As arquiteturas se dividem em duas categorias: correspondência baseada em palavras-chave, utilizada por quase todas as plataformas legadas, e classificação baseada em resultados, utilizada por Curriculo ATS. A diferença não é apenas uma questão de marketing. É uma diferença estrutural em como o modelo lê um currículo, e produz listas de candidatos fundamentalmente diferentes para o mesmo conjunto de candidatos.
Esta é uma comparação técnica escrita para um recrutador ou líder de contratação que deseja entender o que realmente acontece por trás dos panos quando compra ATS software, e por que as duas arquiteturas não podem ser igualadas por um melhor UX ou um modelo mais inteligente com a mesma entrada.
Como funciona a correspondência baseada em palavras-chave
A correspondência baseada em palavras-chave extrai tokens da descrição do cargo (Python, AWS, Kubernetes, Django, Postgres) e verifica o currículo para os mesmos tokens. Cada token encontrado conta para uma pontuação de correspondência. A implementação básica parece mais ou menos assim: job_tokens = extrair_palavras_chave(descrição_do_cargo); resume_tokens = extrair_palavras_chave(texto_do_currículo); sobreposição = interseção(job_tokens, resume_tokens); pontuação = len(sobreposição) / len(job_tokens). Versões mais sofisticadas utilizam ponderação TF-IDF (termos raros contam mais do que termos comuns) ou incorporação de frases (currículos cujo vetor está próximo do vetor JD são classificados mais altos, capturando sinônimos como "liderou" para "gerenciou"). As três variantes compartilham a mesma propriedade subjacente: são funções de correspondência de texto determinísticas, e o currículo é a entrada. Candidatos cientes de táticas de keyword-stuffing podem produzir saídas que o modelo favorece de forma confiável.
As três vulnerabilidades estruturais da correspondência de palavras-chave
1. Envenenamento de currículo adversarial
Qualquer algoritmo de correspondência de texto determinístico pode ser manipulado por candidatos que conhecem as regras. Se o modelo recompensa a presença de palavras-chave específicas, os candidatos injetam essas palavras-chave em texto branco oculto na parte inferior do currículo, em pontos de bala repetidos ou em seções de habilidades falsas. Sistemas baseados em palavras-chave são estruturalmente vulneráveis a isso; o modelo não tem conceito de se a palavra-chave está lá porque o candidato fez o trabalho ou porque descobriu o filtro. Mesmo os modelos de semelhança semântica são vulneráveis, apenas a um ataque ligeiramente diferente: copiar e colar o JD na síntese do currículo e a distância do cosseno se aproxima de zero.
2. Falsos positivos em candidatos fracos
Um candidato cujo currículo menciona "Python" quatro vezes supera um candidato cujo currículo descreve o envio de um sistema de detecção de fraude em tempo real. O modelo recompensa a densidade de token, não a profundidade. O recrutador vê o falso positivo no topo do ranking e o move para frente; o candidato forte fica na posição 47 e nunca é lido. A varredura de currículo de sete segundos documentada por pesquisas significa que os recrutadores não têm tempo para corrigir manualmente o ranking.
3. Falsos negativos em candidatos fortes
Pesquisas sobre trabalhadores ocultos estimaram que 27 milhões de americanos qualificados são rejeitados pela triagem automatizada por motivos não relacionados à capacidade. Um engenheiro sênior que escreveu "construiu um serviço de streaming" em vez de "projetou um pipeline de dados em tempo real" some. Um candidato com vocabulário não tradicional, lacuna no currículo ou estrutura de indústria diferente é filtrado antes que qualquer humano os avalie.
Como funciona o ranking baseado em resultados
A classificação baseada em resultados inverte o mecanismo. Em vez de comparar o texto do currículo com o texto do JD, o modelo extrai realizações mensuráveis do currículo em quatro categorias e as pontua contra os requisitos de resultados do papel. As quatro categorias: receita (negócios fechados, ARR gerados, economias produzidas), equipes (pessoas gerenciadas, organizações escaladas), sistemas (construídos, enviados, escalados em produção) e problemas (resolvidos, complexos, novos). O modelo retorna uma pontuação composta de 0 a 100 com um parágrafo de resumo escrito AI que nomeia os resultados específicos que encontrou. O parágrafo é a parte que transforma o sistema de uma caixa preta em uma ferramenta que um ser humano pode auditar.
Arquitetonicamente, o modelo lê a descrição da função em vez da palavra-chave. "Enviei um pipeline de detecção de fraude em tempo real que processou 2M eventos/seg" registra como um forte sinal de sistemas-enviados, independentemente de as palavras "transmissão", "pipeline", "tempo real" ou qualquer framework específico serem usadas. "Python, Python, Python" registra como nada, porque não há resultado por trás disso. Os dois candidatos produzem classificações invertidas em comparação com um modelo de palavra-chave, e a inversão é o ponto principal.
Por que a classificação baseada em resultados é mais difícil de manipular
A robustez adversária é a forma mais clara de comparar as duas arquiteturas. Um modelo baseado em palavras-chave pode ser enganado por qualquer candidato que cole tokens em um currículo; o modelo não tem defesa, porque a entrada que lê é a entrada que o candidato controla. Um modelo baseado em resultados só pode ser enganado por um candidato que fabrique realizações, o que é um ataque categoricamente mais difícil. Inventar números de receita fictícios ou sistemas-enviados falsos é fraude. Encher palavras-chave não é. O salto no custo do ataque é o que torna o modelo baseado em resultados resistente.
Este é o mesmo princípio utilizado pelos sistemas de recomendação da Amazon há uma década para proteger contra a manipulação de listas por vendedores. Os vendedores podem escrever o que quiserem em um título de produto; eles não podem fabricar dados de compra, taxas de devolução ou padrões de revisão verificados. O ranker lê o sinal mais difícil de fabricar. Antes de Curriculo ATS, nosso fundador Dev Rishi Khare, um ex-engenheiro de aprendizado de máquina da Amazon, passou anos trabalhando em busca e recomendações, e o princípio foi quase inteiramente mantido: classificar com base em sinais que a entrada não pode fabricar barato.
Como as duas arquiteturas lidam com a conformidade de maneira diferente
A contratação moderna AI está inserida em dois regimes regulatórios que importam para qualquer equipe pequena que contrate em NYC ou na EU. A Lei Local 144 exige auditorias de viés e notificação de candidatos para ferramentas de decisão de emprego automatizadas utilizadas em NYC, com auditorias de terceiros anuais e relatórios resumidos públicos. A Lei EU AI classifica a contratação AI como de alto risco sob o Anexo III, com obrigações executáveis a partir de agosto de 2026, incluindo avaliações de risco obrigatórias, documentação técnica, testes de viés e requisitos de supervisão humana.
Ambos os regimes favorecem modelos com raciocínio documentado e explicável. Um modelo baseado em resultados ATS que produz um parágrafo escrito por candidato atende aos requisitos de documentação e auditoria de forma muito mais limpa do que um modelo de keyword em caixa preta que retorna um número sem explicação. A diferença de custo de conformidade entre as duas arquiteturas é real: um fornecedor baseado em resultados pode produzir artefatos de auditoria diretamente a partir da saída do modelo, enquanto um fornecedor baseado em keywords tem que retrofitar explicações ou aceitar riscos contínuos. Esta não é a razão de marketing pela qual Curriculo ATS utiliza a arquitetura baseada em resultados, mas é uma das razões pelas quais a escolha da arquitetura envelhece bem.
O que isso significa quando você escolhe um ATS
A diferença arquitetônica se manifesta na lista curta. Execute os mesmos cem currículos por meio de um filtro baseado em palavras-chave ATS e um filtro baseado em resultados ATS e compare os dez principais candidatos ranqueados de cada um. As duas listas se sobreporão por cerca de 30-50%; o restante será composto por pessoas diferentes. A lista de palavras-chave incluirá candidatos que otimizaram seus currículos para o filtro. A lista de resultados incluirá candidatos que realmente entregaram trabalhos relevantes. O recrutador ou líder de contratação lê uma dessas duas listas.
O preço reflete a posição no mercado em vez de uma lacuna de capacidade. O Workable começa em $299/mês Standard para 1 a 20 funcionários no preços do Workable, verificado em outubro de 2026] e escala de acordo com a faixa de funcionários. O Greenhouse oferece cotação personalizada - $150 por assento por mês por relatório do comprador, com contratos medianos de cotação personalizada. Curriculo ATS Pro é Pro é $50 (Pro é $50/mês) com membros da equipe ilimitados. A diferença de preço é aproximadamente uma ordem de magnitude na camada de equipes pequenas relevantes, e a arquitetura de triagem é estruturalmente diferente.
O que fazer em seguida
Se você está avaliando ATS opções agora, a escolha arquitetônica é a variável mais importante, e é a que a maioria das demonstrações ignora. Leia a página de pontuação de impacto para o mecanismo técnico, então verifique a página de comparação para como Curriculo ATS se compara ao Greenhouse, Lever, Workable, Ashby e Manatal na camada de triagem específica. O nível Starter é gratuito e é suficiente para verificar a diferença arquitetônica em um papel real.
Como Curriculo ATS ranqueia os candidatos
Curriculo ATS pontua cada candidato de 0 a 100 contra o seu trabalho, com um resumo escrito AI sobre a adequação. Curriculo suporta mais de 200 idiomas e pode ler um currículo em qualquer idioma. O Starter é gratuito para sempre. O Pro é $50. Configuração em cerca de 15 minutos. Sem cartão de crédito.
Perguntas frequentes
O que é correspondência de palavras-chave em um ATS
A contagem de correspondência de palavras calcula a frequência com que as palavras da descrição do cargo aparecem em um currículo. É rápido, mas deixa de fora as pessoas que descrevem o mesmo trabalho com palavras diferentes.
O que é classificação baseada em resultado ATS
A classificação baseada em resultado avalia o que o candidato realmente fez em relação ao cargo que você publicou, e não quantas vezes uma palavra-chave aparece.
O Curriculo ATS usa apenas a correspondência de palavras?
Não. O Curriculo ATS avalia todos os candidatos de 0 a 100 em relação ao seu cargo, com um resumo escrito AI sobre a adequação.
Onde posso experimentar o Curriculo ATS
Inicie gratuitamente. Veja Curriculo preços.
Onde é explicada a classificação do candidato AI
Fontes
- Preços Curriculo, verificado out 2026
- Classificação de candidatos AI
- ATS comparações