MRS Logística corta 60% do tempo de triagem de currículos com IA

Recrutamento não é mais sobre ler currículo. É sobre decidir rápido — e a MRS Logística, uma das maiores ferrovias do Brasil, mostrou como IA semântica integrada ao ATS transforma essa decisão em operação escalável.

O case MRS: ferrovia que automatizou a triagem

A MRS Logística movimenta milhões de toneladas por ano entre Minas Gerais, Rio de Janeiro e São Paulo. Com mais de 3.000 colaboradores e rotatividade constante em funções operacionais, técnicas e administrativas, o RH da empresa lidava com um gargalo clássico: centenas — às vezes milhares — de currículos por vaga, com triagem manual feita por analistas.

O resultado publicado pela SAP News Center em julho de 2026 foi direto: 60% de redução no tempo de triagem, mantendo (ou aumentando) a qualidade dos candidatos avançados para entrevista.

O ponto-chave não foi "usar IA". Foi integrar IA semântica ao SAP SuccessFactors, substituindo a busca por palavra-chave por uma classificação que entende contexto, senioridade e aderência ao perfil da vaga.

O que muda quando a triagem vira IA semântica

Triagem tradicional funciona com filtros booleanos: "tem Excel avançado? Tem SAP? Tem CRM?". Quem marca todas as caixinhas passa. Quem escreve "gestão de carteira de clientes" em vez de "CRM" fica de fora — mesmo sendo o candidato ideal.

IA semântica opera em outro nível:

• Entende sinônimos e contexto: "liderança de equipe comercial" casa com "gestão de pessoas" e "coordenação de vendas".
• Pondera senioridade: distingue "trabalhei com Power BI" de "implementei Power BI em área com 50 usuários".
• Cross-referencia com a vaga: compara o perfil do candidato com a descrição da posição usando embeddings, não contagem de palavras.
• Devolve ranking explicável: o analista vê a nota e os motivos, e decide com base em evidência, não em intuição.

Para a MRS, isso significou analistas de RH deixando de gastar horas em planilhas e passando a focar em entrevistas estruturadas e avaliação cultural — onde o julgamento humano é insubstituível.

Onde a IA ajuda (e onde atrapalha) no recrutamento

IA em RH não é chatbot genérico respondendo candidato. Quando bem aplicada, opera em três camadas:

1. Pré-triagem (onde o ganho é brutal)

• Ranking automático de candidatos por aderência à vaga
• Detecção de perfis subutilizados (candidatos com potencial não captado por palavras-chave)
• Redução de tempo de "primeira resposta ao candidato" de semanas para dias
• Para vagas com alto volume, ganho de escala sem aumentar headcount

2. Agendamento e logística

• Bots que cruzam disponibilidade do candidato com agenda do entrevistador
• Lembretes automáticos e reagendamento sem intervenção humana
• Integração direta com calendário corporativo

3. Entrevista estruturada (camada experimental)

• Transcrição e análise de discurso
• Detecção de vieses comparativos
• Scoring de fit cultural (ainda controverso, exige governança)

Onde atrapalha: decisões finais de contratação, especialmente para cargos de liderança, onde contexto, trajetória e leitura humana de intenção continuam sendo diferenciais.

O que founder brasileiro pode aprender com isso

Você não precisa ser uma ferrovia com 3.000 funcionários para aplicar o mesmo princípio. Três caminhos práticos:

Caminho 1 — SaaS vertical de triagem para PMEs

Empresa de 50 a 500 funcionários raramente tem ATS robusto. Constrói-se uma camada de IA que recebe currículos (e-mail, formulário, LinkedIn), cruza com a descrição da vaga e devolve ranking + justificativa. Modelo de cobrança: R$ 97 a R$ 497/mês por empresa ou R$ 25 a R$ 80 por vaga preenchida.

Stack sugerido: embeddings via API (OpenAI, Voyage, Cohere), banco vetorial (Pinecone, Weaviate), integração com um ATS simples (BambooHR, Gupy) ou planilha via Zapier.

Caminho 2 — Serviço de triagem para agências de RH

Agências de recrutamento e seleção cobram entre R$ 2.000 e R$ 15.000 por vaga fechada. Se você entrega a triagem em 24h com ranking justificado, o ganho de velocidade é o argumento de venda. Modelo de cobrança: fee mensal fixo + bônus por vaga fechada em até X dias.

Caminho 3 — Vertical para nichos específicos

Triagem semântica em saúde (vagas para hospitais), direito (vagas para escritórios), tech (vagas técnicas). Cada vertical tem jargão próprio — quem dominar o vocabulário e os critérios de fit constrói um SaaS defensável.

A tese por trás do case

O gargalo do RH nunca foi falta de candidato. Foi tempo de triagem. Quem automatiza a primeira etapa da seleção:

• Corta custo por contratação
• Melhora a experiência do candidato (resposta em dias, não semanas)
• Aumenta a qualidade da decisão final (analista foca nos melhores, não em volume)
• Libera o RH para operar como função estratégica, não como centro de custo

A MRS cortou 60% do tempo. Isso é ganho operacional direto — e abre espaço para o RH voltar a fazer o que deveria: gente, não planilha.

Implementação em 90 dias para uma PME brasileira

Se você lidera RH em uma empresa de 100 a 500 pessoas e quer testar IA na triagem:

Semana 1 a 2 — diagnóstico

• Mapeie volume de vagas/mês e tempo médio de triagem atual
• Identifique as 5 vagas com maior volume e padronize descrição

Semana 3 a 6 — piloto

• Implemente embeddings + ranking em uma vaga de alto volume
• Compare tempo e qualidade dos candidatos avançados vs. método anterior

Semana 7 a 10 — ajuste

• Refine os prompts e pesos com base nos feedbacks dos analistas
• Adicione cross-check com banco de talentos interno

Semana 11 a 12 — escala

• Expanda para 3 a 5 vagas
• Meça ROI: tempo economizado × custo-hora do analista × vagas/mês

A MRS tem ferrovia, ATS global e equipe dedicada. O princípio é o mesmo para qualquer empresa que recebe mais currículos do que consegue ler.

Conclusão

A MRS Logística mostrou o que acontece quando IA deixa de ser piloto e vira operação. Não substituiu o RH — tirou dele o trabalho mecânico e devolveu o trabalho estratégico. O case é ferrovia, mas a tese vale para qualquer empresa brasileira que ainda trata triagem como atividade manual.