A inteligência artificial nos RH já ajuda a encontrar candidatos, responder a dúvidas, preparar formação e explorar dados de pessoas. Mas estas tarefas exigem soluções diferentes. Este guia explica o que já se faz em cada fase do ciclo do talento e compara Workday, SAP, Oracle, Eightfold, Cornerstone, Factorial e GFoundry.
Imagine o percurso de uma pessoa numa empresa. Antes de entrar, alguém procura competências compatíveis com uma função. No primeiro dia, surgem dúvidas sobre procedimentos. Mais tarde, é preciso aprender, praticar uma conversa difícil, receber feedback e perceber que oportunidades de evolução existem. A IA pode intervir em todos estes momentos. O que muda é a informação de que precisa, o trabalho que executa e a responsabilidade que lhe deve ser atribuída.
Por isso, perguntar qual é a melhor plataforma de IA para RH é apenas o início. A pergunta que permite comparar é mais concreta: que parte do trabalho queremos melhorar, para quem e com que limites? Um assistente que explica uma política, um sistema que recomenda candidatos e um agente que prepara um curso não são a mesma solução.
Como foi preparada esta comparação: funcionalidades verificadas na documentação pública dos fornecedores em 15 de outubro de 2026; estudos independentes usados para discutir adoção, trabalho e riscos. Esta é uma análise editorial publicada pela GFoundry, não um teste independente às sete plataformas. A seleção reúne suites de RH e soluções especializadas relevantes; não é um ranking de quota de mercado. Disponibilidade, idioma, módulos, consumo e licenças devem ser confirmados para cada proposta.
Inteligência artificial nos RH: conceitos essenciais
A expressão “IA nos RH” abrange tecnologias que fazem trabalhos diferentes. Perceber essa diferença evita comprar uma funcionalidade à espera de outra.
- Automação por regras: executa uma sequência previamente definida. Se uma pessoa entra na empresa, recebe uma lista de tarefas e um convite para formação. Pode ser muito útil sem utilizar IA.
- IA de recomendação ou previsão: identifica padrões nos dados para sugerir uma correspondência ou estimar uma possibilidade. Pode relacionar competências com funções. Uma previsão é uma estimativa, não uma certeza sobre uma pessoa.
- IA generativa: produz texto e outros conteúdos a partir de instruções e contexto. Pode preparar uma descrição de função, resumir feedback ou sugerir perguntas para um exercício. Uma resposta fluente pode conter erros.
- Assistente: é a experiência de interação, muitas vezes por conversa. Pode responder, procurar informação e ajudar a preparar trabalho. O nome, por si só, não diz se consegue executar ações.
- Agente: utiliza um objetivo, contexto e ferramentas para realizar passos de uma tarefa. Pode consultar informação, preparar um resultado e, quando autorizado, desencadear uma ação. O grau de autonomia depende da implementação.
Um LLM, ou grande modelo de linguagem, é uma das tecnologias usadas para compreender e gerar linguagem. É o motor de muitas experiências generativas, mas não é o sistema de RH inteiro: não substitui os registos, as permissões, os cálculos ou os processos de aprovação.
Quando um assistente procura primeiro nos documentos da empresa e usa os resultados para responder, fala-se frequentemente em RAG, ou geração apoiada em informação recuperada. Em linguagem simples, é a diferença entre responder apenas com conhecimento geral e consultar uma biblioteca autorizada antes de responder. Isto não significa que o modelo tenha sido treinado com todos os dados da empresa, nem elimina a necessidade de verificar a fonte.
Há ainda uma distinção essencial: responder, preparar e executar são níveis diferentes de intervenção. “Quais são as regras de formação?” pede informação. “Prepare um percurso” pede um rascunho. “Publique e inscreva a equipa” altera o sistema. Uma demonstração deve tornar visíveis estas fronteiras.
O que já se faz com IA ao longo do ciclo do talento
A forma mais simples de entender o mercado é acompanhar o trabalho, desde a necessidade de contratar até à saída de uma pessoa. Os exemplos seguintes descrevem utilizações possíveis no mercado; não significam que todas estejam incluídas em todas as plataformas.
1. Atrair e recrutar
A IA pode ajudar a preparar anúncios, organizar informação de candidaturas, relacionar competências com requisitos e apoiar a preparação de entrevistas. Um sistema de acompanhamento de candidatos, ou ATS, organiza o processo; as funcionalidades de IA podem acrescentar pesquisa, resumos e recomendações.
O benefício mais imediato está em reduzir trabalho de pesquisa e preparação. O ponto sensível surge quando uma recomendação influencia quem tem acesso à próxima etapa. Os critérios devem estar ligados à função, ser verificáveis e permitir revisão. Um resumo pode omitir experiência relevante; uma correspondência baseada em dados incompletos pode excluir alguém que teria capacidade para aprender.
2. Acolher e apoiar no dia a dia
No onboarding, a combinação pode incluir um percurso com tarefas e conteúdos, um assistente para dúvidas e encaminhamento para uma pessoa quando o caso exige interpretação. “Como peço férias?” é diferente de “tenho direito a esta ausência nesta situação?”. A primeira pergunta pode ter uma resposta documental; a segunda pode exigir análise individual.
O mesmo princípio aplica-se ao serviço de RH: localizar uma política, explicar um procedimento ou apresentar o estado de um pedido são problemas distintos de aprovar uma exceção. Um bom assistente mostra de onde vem a resposta e reconhece quando a informação disponível não chega.
3. Aprender e praticar
A IA generativa pode estruturar um curso a partir de materiais existentes, preparar exercícios e ajudar a adaptar a linguagem a um público. Outras soluções recomendam conteúdos com base numa função ou em competências identificadas. As simulações de conversa permitem praticar situações como dar feedback, responder a uma objeção ou lidar com um cliente insatisfeito.
A qualidade depende dos objetivos, das fontes e dos critérios de revisão. Gerar uma formação não prova que alguém aprendeu; terminar uma simulação não demonstra, isoladamente, desempenho no trabalho. A tecnologia precisa de estar ligada a oportunidades reais de aplicação, como discutimos no artigo sobre acesso à aprendizagem e reskilling.
4. Acompanhar desempenho, competências e mobilidade
Uma chefia pode receber ajuda para escrever um objetivo mais claro ou organizar evidências antes de uma conversa de desenvolvimento. Uma plataforma de competências pode sugerir formação, projetos ou funções compatíveis com o percurso de uma pessoa.
Estas sugestões ajudam a explorar possibilidades. Não devem transformar um histórico incompleto num veredito sobre potencial. Uma pessoa pode ter competências que ainda não estão registadas; outra pode precisar de uma oportunidade que o seu histórico não permite antecipar. Avaliar, promover e definir uma carreira exige contexto e diálogo.
5. Escutar as equipas e compreender padrões
Na escuta e no people analytics, a IA pode ajudar a explorar dados, resumir temas ou formular perguntas de acompanhamento. People analytics significa, de forma simples, usar dados sobre pessoas e trabalho para compreender uma situação e apoiar decisões.
Uma descida de participação num programa merece investigação, mas não prova desmotivação. Pode refletir horários, acesso, alterações de público ou um problema técnico. Da mesma forma, participar numa iniciativa não permite inferir o estado psicológico de alguém. Análise útil liga números a definições, período, população e contexto.
6. Preparar a saída e preservar conhecimento
Na saída de uma pessoa, a IA pode apoiar a organização de materiais de passagem de conhecimento ou a síntese de temas de entrevistas de saída. Os processos de devolução de equipamento e revogação de acessos continuam a precisar de responsáveis e confirmações; muitas dessas tarefas são automações por regras.
Também é preciso decidir que informação deve ser conservada, por quanto tempo e para que finalidade. Resumir uma conversa não torna legítimo reutilizar indefinidamente o seu conteúdo, nem garante anonimato quando a equipa é pequena.
Sete plataformas de RH com IA: como se comparam?
Uma suite HCM reúne vários processos de gestão de pessoas, incluindo o registo administrativo, o recrutamento e o talento. Um HRIS é, essencialmente, o sistema de informação de RH. Um LMS organiza e acompanha aprendizagem. As fronteiras sobrepõem-se: uma suite pode incluir um LMS e uma plataforma especializada pode integrar-se com o HRIS.
Assim, a escolha não tem de ser sempre entre substituir tudo ou acrescentar um chatbot. Pode fazer sentido manter o sistema administrativo e acrescentar uma experiência de aprendizagem, prática e engagement. Na tabela, “relação com a GFoundry” é a nossa leitura do âmbito das soluções, não uma certificação de integração pronta a usar.
| Plataforma e foco | Exemplos documentados de IA | Relação com a GFoundry |
|---|---|---|
| Workday Suite empresarial de RH |
Agentes e assistência em recrutamento, mobilidade e operações de RH, conforme a oferta contratada. | Considerar quando o centro da necessidade é a suite empresarial. A GFoundry pode ser avaliada para aprendizagem, prática e engagement, com integração a definir. |
| SAP SuccessFactors / Joule Suite HCM e talento |
Assistência e agentes ligados a competências e desenvolvimento. O Learning & Skills Agent pode recomendar aprendizagem e atribuí-la após confirmação. | Sobreposição em aprendizagem e desenvolvimento. Comparar a experiência pretendida e as dependências do ecossistema SAP com a combinação de módulos e agentes da GFoundry. |
| Oracle Fusion Cloud HCM Suite HCM |
Apoio a anúncios, candidaturas, perguntas de RH, objetivos, feedback e desenvolvimento; inclui experiências com agentes. | Abrangência administrativa e de talento. A GFoundry deve ser comparada nos processos de desenvolvimento e participação que a organização pretende melhorar. |
| Eightfold AI Inteligência de talento |
Correspondência de competências para aquisição de talento, mobilidade interna, desenvolvimento e oportunidades. | É especialmente pertinente quando o problema é encontrar e relacionar talento com oportunidades. A GFoundry reúne experiências de aprendizagem, prática e engagement. |
| Cornerstone Galaxy Aprendizagem e talento |
Recomendações, competências, apoio a conteúdos, simulações com IA e análise da força de trabalho. | Concorrência direta em partes da aprendizagem e desenvolvimento. Comparar criação, prática, administração, catálogo, análise e experiência do colaborador; role-play não é exclusivo da GFoundry. |
| Factorial / One Operações de RH e gestão empresarial |
Assistente ligado a informação e tarefas da empresa, relatórios e experiências de criação; a documentação inclui ligação por MCP. | Comparar pelo processo concreto: RH operacional, aprendizagem e talento têm diferentes profundidades e dependências. Confirmar o âmbito de cada solução numa demonstração. |
| GFoundry Intelligence Aprendizagem, desenvolvimento e engagement |
Assistente sobre conhecimento interno, escrita, criação de cursos, role-play e análise por linguagem natural, a par de People Intelligence e Talent Insights. | Considerar quando a prioridade é ligar conhecimento, aprendizagem, prática e acompanhamento do talento. Não presumir substituição de payroll ou ATS especializado. |
Os nomes dos agentes não bastam para comparar propostas. Na Workday, a documentação distingue agentes em acesso antecipado de agentes disponíveis e identifica requisitos de contratação. Na SAP, o exemplo de aprendizagem depende de componentes, integração e permissões específicos. “A plataforma tem agentes” não significa “esta tarefa está incluída e ativa na nossa instalação”. Consulte o catálogo de agentes Workday e os requisitos da funcionalidade SAP ligados na tabela.
As sete soluções não foram avaliadas aqui com os mesmos dados, utilizadores e cenários. Uma lista de funcionalidades públicas permite preparar uma seleção; não permite concluir qual terá melhores respostas, menor esforço de implementação ou melhor retorno na sua organização.
O que faz a GFoundry Intelligence, na prática?
A GFoundry Intelligence reúne experiências de assistência e análise ligadas à plataforma. Para compreender o seu papel, convém separar três trabalhos: apoiar a produção e o acesso a conhecimento, permitir prática e explorar evidência. Nem tudo o que aparece num dashboard é gerado por um modelo de linguagem.
Conhecimento e produção: Gi, Writing Assistant e Learning Designer
O Workplace Assistant, Gi, ajuda colaboradores e gestores a encontrar respostas no conhecimento disponibilizado pela organização. O seu valor depende da qualidade e atualidade desse conteúdo e do acesso permitido. Uma política desatualizada continua a ser um problema, mesmo quando é fácil de encontrar.
O AI Writing Assistant apoia a escrita nos formulários compatíveis do backoffice: pode ajudar a melhorar, encurtar, corrigir ou traduzir um texto. Por exemplo, transformar um aviso técnico numa comunicação mais clara. A revisão confirma se a versão final preserva a regra, a data e o significado pretendidos.
O Learning Designer, também conhecido como Gi Learn, apoia a criação de cursos a partir de um briefing ou PDF. O diálogo permite clarificar objetivos, público e estrutura antes da geração. A equipa revê os conteúdos e as perguntas antes de publicar. Preparar um curso mais depressa não equivale a dispensar validação pedagógica ou técnica.
Para compreender como estas peças se articulam com percursos, programas e acompanhamento, explore a página de aprendizagem e desenvolvimento da GFoundry. Os passos de criação estão no guia do Learning Designer (Help Center, em inglês).
Prática: Role-Play Coach
O Role-Play Coach permite preparar cenários de conversa com uma personagem, objetivos e critérios. A pessoa pratica e recebe feedback relativo ao cenário. Pode ser uma oportunidade para ensaiar uma conversa de feedback ou uma interação de atendimento antes de a enfrentar no trabalho.
A avaliação da simulação deve ser interpretada dentro desses critérios. Não é um diagnóstico de personalidade, uma medida universal de competência ou uma decisão automática sobre promoção. O contexto, a qualidade do cenário e o acompanhamento humano continuam a contar. O guia do Role-Play Coach (em inglês) detalha este funcionamento.
Análise: Talent Strategist, People Intelligence e Talent Insights
O Talent Strategist, descrito na documentação funcional como Data Analyst Agent, permite colocar perguntas sobre dados da organização em linguagem natural e explorar respostas em tabelas, gráficos e exportações Excel. É uma experiência de análise: o agente é de leitura e não altera avaliações, utilizadores ou registos de pessoas.
O People Intelligence apresenta uma visão da organização através de Insights de um catálogo curado. Os indicadores são calculados pela plataforma segundo definições próprias; não são números inventados por um LLM a pedido. Talent Insights leva essa perspetiva analítica ao perfil individual, dentro do acesso permitido e das fontes disponíveis.
Há uma diferença importante entre encontrar uma associação e explicar a sua causa. Se a participação em formação e uma avaliação evoluem ao mesmo tempo, isso não prova que a formação causou a mudança. Os indicadores ajudam a escolher o que investigar e a preparar conversas; não substituem essa investigação.
O guia do Data Analyst Agent e a documentação do People Intelligence (em inglês) aprofundam o âmbito, as fontes e os limites de cada experiência.
A gamificação, os percursos, o reconhecimento, os objetivos e o feedback fornecem formas de participar e acompanhar desenvolvimento. São componentes da plataforma, não sinónimos de IA. A sua combinação pode aproximar uma recomendação de uma atividade concreta, mas não torna toda a experiência automaticamente personalizada ou autónoma.
Num exemplo hipotético de onboarding de uma equipa de atendimento, o Learning Designer ajuda a preparar materiais sobre um procedimento; a Gi esclarece dúvidas a partir do conhecimento disponibilizado; e o Role-Play Coach permite ensaiar uma conversa com um cliente. A equipa de RH acompanha os registos disponíveis e investiga onde é necessário apoio. São trabalhos complementares, com fontes e critérios próprios. Não é uma promessa de que os agentes executam toda esta sequência autonomamente: a organização define o percurso, valida os conteúdos e decide o acompanhamento.
MCP: como um assistente se liga aos sistemas da empresa
Até aqui, falámos do que uma plataforma faz dentro da sua aplicação. O Model Context Protocol, ou MCP, trata de outra questão: como uma aplicação de IA pode ligar-se a fontes e ferramentas externas através de um padrão comum. A documentação oficial do MCP descreve esta ligação entre aplicações, dados e ferramentas.
Uma analogia útil é a de uma ligação normalizada entre aparelhos. O padrão ajuda as duas pontas a entenderem-se, mas não decide quem pode usar o equipamento nem o que lhe é permitido fazer. No caso de RH, o assistente é uma ponta; o serviço que expõe funções autorizadas da plataforma é a outra.
Uma API é uma interface pela qual um sistema disponibiliza operações a outros programas. Um serviço MCP pode apoiar-se nessas APIs e apresentar ferramentas a uma aplicação de IA. Por isso, MCP não substitui necessariamente as APIs existentes, nem é o modelo que escreve as respostas.
Considere um exemplo hipotético de formação. Um gestor pede para consultar os programas disponíveis. O assistente utiliza uma ferramenta de leitura autorizada e apresenta os resultados. Se depois pedir um rascunho de conteúdo, será necessária uma ferramenta que suporte essa tarefa. Publicar ou inscrever pessoas exige operações próprias e os controlos correspondentes. Ter uma ligação MCP não significa que todas estas ações estejam disponíveis.
- O utilizador pede uma tarefa. O pedido deve ter um objetivo e um âmbito claros.
- O assistente utiliza as ferramentas expostas. Só deve aceder à informação e às operações autorizadas para essa ligação.
- O sistema aplica os seus controlos. Autenticação, permissões, validação e registo das operações não deixam de ser necessários.
- A pessoa revê o resultado ou confirma a ação. A confirmação deve ser adequada às consequências, sobretudo quando há alterações no sistema.
Na GFoundry, o MCP enquadra-se na ligação a assistentes externos compatíveis, com o âmbito de ferramentas e integrações configurado. A oferta atual associa o acesso MCP ao Premium; as capacidades concretas devem ser confirmadas na proposta e na configuração. O artigo sobre GFoundry Intelligence e a Framework TOAR explica a articulação entre orquestração, automação e resposta. TOAR é uma Framework; GFoundry Intelligence designa as soluções de inteligência da plataforma.
O MCP não é exclusivo da GFoundry. A documentação da Factorial, por exemplo, descreve a ligação do One a assistentes compatíveis e a aplicação das permissões do utilizador. A comparação útil é perguntar que ferramentas existem, que operações fazem e como são controladas, em vez de assinalar apenas “tem MCP”.
O que a investigação independente acrescenta à conversa
Os fornecedores explicam funcionalidades. Para compreender os efeitos no trabalho, é preciso olhar também para investigação que não tenha como objetivo vender uma das plataformas da tabela.
Adoção e organização do trabalho. Numa análise publicada em abril de 2026, o CIPD relaciona a aplicação das competências de RH e liderança com a adoção de IA. O inquérito, realizado pela YouGov, ouviu 1.342 profissionais de RH e líderes empresariais. A análise destaca o desenho do trabalho, o planeamento de competências e a colaboração entre funções. São resultados reportados pelos participantes, não prova de que instalar uma ferramenta produz determinado ganho, nem uma estimativa específica para Portugal.
Transformação de tarefas. O estudo Generative AI and Jobs: A Refined Global Index of Occupational Exposure, da OIT, publicado em maio de 2025, estima exposição à IA ao nível das tarefas. Exposição não significa perda de emprego. A necessidade de intervenção humana leva os autores a considerar a transformação de funções mais provável do que a sua substituição integral. Para RH, isto ajuda a formular uma questão concreta: que tarefas mudam e que apoio à aprendizagem é necessário?
Gestão por algoritmos e confiança. O relatório Algorithmic management in the workplace, da OCDE, publicado em fevereiro de 2025, analisa um inquérito a empregadores. Regista benefícios percecionados pelos gestores, mas também preocupações com a fiabilidade dos sistemas. A lição para a seleção de tecnologia é exigir explicações, responsabilidade e possibilidade de contestação. A perceção de utilidade não equivale a uma medição causal de produtividade.
Equidade no recrutamento. Investigadores da Universidade de Washington encontraram enviesamentos raciais e de género em modelos de linguagem usados para ordenar currículos, num estudo divulgado em outubro de 2024. O trabalho testou modelos e condições específicos; não foi uma auditoria às sete plataformas deste artigo. Mostra por que razão uma organização deve testar o seu próprio caso de uso e os seus critérios, em vez de assumir neutralidade por utilizar IA.
Estas fontes cobrem dimensões diferentes: mudança do trabalho, competências, governação e equidade. Nenhuma estabelece que uma plataforma é superior às restantes. Em conjunto, ajudam a avaliar uma promessa comercial com perguntas melhores.
Dados de pessoas e decisões: onde é preciso maior cuidado
Um assistente que reformula um texto e um sistema que influencia uma contratação têm consequências diferentes. A Comissão Europeia identifica utilizações de IA no emprego e na gestão de trabalhadores entre os casos que podem ser de risco elevado, incluindo triagem de currículos. A classificação depende da utilização concreta. Não resulta apenas do nome do produto; o enquadramento e o calendário aplicáveis devem ser verificados na fonte oficial.
Na prática, importa saber que dados entram em cada funcionalidade, quem lhes acede, que prestadores os recebem e durante quanto tempo são conservados. A política aplicável a um dashboard calculado dentro da plataforma pode ser diferente da de um agente generativo que envia contexto a um fornecedor de modelos.
Na GFoundry, por exemplo, a documentação do Data Analyst Agent descreve pseudonimização de determinados nomes e colunas antes do processamento externo, mas esclarece que a pergunta e texto livre podem seguir como escritos. Pseudonimizar não é anonimizar: continua a ser necessário tratar os dados de acordo com as obrigações aplicáveis. Não se deve colocar informação sensível numa pergunta apenas porque o ecrã tem um campo de conversa.
A supervisão humana também precisa de ser real. A pessoa responsável deve conseguir compreender o critério, consultar a evidência e discordar da recomendação. Clicar numa aprovação sem tempo ou informação para rever pode deixar o controlo apenas no papel.
Como escolher sem ficar preso à demonstração
Uma demonstração com dados preparados pode ser convincente e, ainda assim, não responder ao problema da organização. Peça para acompanhar um caso do início ao fim: a fonte utilizada, a resposta, a revisão, a ação permitida e o registo do que aconteceu.
Se o objetivo é diminuir dúvidas repetidas, avalie a correção das respostas, a indicação das fontes e o encaminhamento de exceções. Se é preparar formação, avalie o tempo total até obter um material validado, incluindo revisão. Se é apoiar desenvolvimento, observe a utilidade do feedback e a ligação à prática. Contar perguntas feitas ou conteúdos gerados não chega para medir estas melhorias.
- Âmbito: que tarefa resolve hoje, com que módulos e em que idiomas? É uma funcionalidade disponível, um piloto ou uma promessa de roadmap?
- Informação: que fontes consulta e como são atualizadas? Consegue reconhecer dados em falta ou uma pergunta que não deve responder?
- Ações: o que apenas lê, o que prepara e o que altera? Que confirmações, permissões e registos existem?
- Experiência: a pessoa consegue usar o resultado no seu trabalho, incluindo em mobile e com necessidades de acessibilidade?
- Custo e continuidade: o que está incluído, o que é cobrado por utilização e que manutenção exigem os conteúdos e integrações?
Comparar soluções de inteligência artificial nos RH começa pelo trabalho. Uma suite pode ser a base dos processos de RH. Uma solução especializada pode aprofundar recrutamento ou competências. A GFoundry pode ser pertinente quando a prioridade é articular aprendizagem, prática, engagement e acompanhamento do talento. A melhor combinação é a que demonstra utilidade no contexto real e mantém compreensível quem decide o quê.
Dúvidas frequentes sobre inteligência artificial nos RH
Ter ChatGPT ou outro assistente geral é o mesmo que ter IA integrada nos RH?
Não. Um assistente geral pode apoiar escrita e raciocínio, mas o acesso aos dados, os processos e as permissões de RH exigem ligações e controlos próprios. Uma integração pode aproximar as experiências; não deve ser presumida apenas porque existe uma conta num assistente.
Um agente de IA pode tomar decisões sobre pessoas sozinho?
Algumas soluções executam ações dentro de um âmbito configurado, mas isso não torna adequada qualquer decisão autónoma. A organização deve distinguir preparação, recomendação e decisão, verificar as obrigações aplicáveis e definir revisão e contestação proporcionais às consequências.
É preciso substituir o sistema de RH para usar a GFoundry Intelligence?
Depende do objetivo e dos sistemas existentes. Pode fazer sentido manter a gestão administrativa e acrescentar experiências de aprendizagem, prática e engagement. As fontes, integrações, responsabilidades e módulos necessários devem ser definidos antes de assumir que duas soluções estão ligadas.
MCP garante que uma ligação a dados de RH é segura?
O MCP fornece um padrão de ligação. A segurança depende também da autenticação, permissões, validação das ferramentas, tratamento de dados e operação dos sistemas ligados. O protocolo não concede, por si só, autorização para consultar ou alterar qualquer informação.