Marketplaces internos de talentos com IA: conectando pessoas a projetos e cargos

Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Um marketplace interno de talentos é uma plataforma em que colaboradores e trabalho em aberto se encontram: cargos, projetos curtos, atribuições de desafio e mentoria de um lado, habilidades e objetivos dos colaboradores do outro. A IA faz o matching, lendo perfis, inferindo habilidades e classificando os melhores encaixes para cada pessoa e cada oportunidade. O objetivo é simples. A pessoa certa dentro da empresa deve conseguir encontrar o trabalho, e o trabalho deve conseguir encontrar a pessoa, sem depender de quem conhece quem.
Este guia é para líderes de RH, gestores de pessoas e líderes de operações que estão decidindo se vale a pena construir um marketplace, ou que herdaram um que ninguém usa. Ele cobre como funciona o matching, o que a pesquisa diz sobre movimentações internas, onde esses programas falham e um passo a passo para começar.
Fatos Principais
- Contratados externos recebiam cerca de 18% a 20% mais do que promovidos internos para cargos semelhantes, mas tiveram avaliações de desempenho significativamente mais baixas nos dois primeiros anos, em um estudo de uma divisão de banco de investimento dos EUA entre 2003 e 2009 (Wharton).
- O mesmo estudo constatou que os contratados externos que ficaram mais de dois anos foram promovidos mais rápido do que os promovidos internos, então a diferença é inicial, não permanente (Wharton).
- Uma análise da LinkedIn de 32 milhões de perfis mostrou uma correlação significativa entre mobilidade interna e permanência na instituição (LinkedIn).
- Nessa análise, os colaboradores que passaram internamente para um cargo mais sênior foram retidos em uma taxa semelhante à dos que fizeram movimentos laterais (LinkedIn).
- A Booz Allen lançou um piloto de marketplace de talentos em janeiro de 2022 e constatou que "o nível de transformação cultural necessário para ativar e operar um marketplace de talentos é significativo" (MIT Sloan Management Review).
O que é um marketplace interno de talentos
A maioria das empresas preenche cargos de duas maneiras. Um gestor publica a vaga e os recrutadores buscam fora, ou um gestor pergunta a alguns colegas de confiança quem eles recomendariam. As duas deixam muito talento invisível. Uma desenvolvedora de uma região nunca fica sabendo do projeto que precisa exatamente das habilidades dela em outra. Um analista financeiro que passou dois anos em operações antes de receber o cargo atual tem esse histórico num currículo que ninguém lê.
Um marketplace resolve o problema de visibilidade. Ele reúne três coisas:
- Oportunidades. Cargos em tempo integral, mas também projetos pontuais (gigs), equipes de projeto, rodízios, atribuições de desafio e vagas de mentoria.
- Perfis. Habilidades, experiência, interesses e disponibilidade de cada colaborador.
- Uma camada de matching. Um software que conecta os dois lados e diz a cada um o porquê.
A ideia é mais antiga do que a atual onda de ferramentas de IA. Um artigo da Harvard Business Review descreve o Green Pages do Exército dos EUA, em que soldados publicam perfis e se candidatam a vagas, as unidades publicam descrições de cargo e, como num aplicativo de relacionamento, as duas partes são avisadas quando há uma correspondência (Harvard Business Review). O exemplo do Exército nasceu da necessidade de um engenheiro com uma combinação específica de experiência linguística, cultural e profissional que as avaliações padrão e as buscas em currículos não conseguiam revelar.
Como funciona o matching por IA
Nos termos do ACE Framework, um marketplace ingere perfis, históricos profissionais e descrições de oportunidades, analisa o texto em busca de habilidades e requisitos, prevê quais combinações são fortes e gera explicações ou sugestões. O padrão de pontuação e roteamento está no centro.

| Camada | O que a IA faz | Do que precisa | Falha típica |
|---|---|---|---|
| Inferência de habilidades | Lê cargos, histórico de projetos, registros de aprendizagem e documentos para inferir habilidades que a pessoa tem, mas nunca listou | Dados de perfil e de trabalho razoavelmente atuais | Chuta errado ou favorece quem escreve perfis longos |
| Análise de oportunidades | Transforma a descrição de um projeto ou cargo em uma lista de habilidades exigidas | Descrições claras escritas pelo patrocinador | Anúncios vagos geram correspondências vagas |
| Matching e classificação | Pontua cada pessoa em relação a cada oportunidade e classifica os resultados | Dados dos dois lados, mais regras sobre quem pode ver o quê | Premia padrões do passado, então perfis familiares ficam no topo |
| Recomendações | Sugere cargos, projetos pontuais, mentores ou aprendizagem a cada colaborador | Interesses de carreira e uma taxonomia de cargos e habilidades | Empurra as pessoas para cargos com que elas já se parecem |
| Explicações | Escreve um motivo curto para cada correspondência | Um modelo que consiga citar a evidência que usou | Redação confiante com pouca evidência por trás |
| Workflow | Encaminha candidaturas, avisa gestores, acompanha o status | Responsáveis pelo processo dos dois lados | Ninguém responde, então a correspondência não leva a nada |
Dois pontos merecem atenção. Primeiro, a camada de inferência é tão boa quanto os dados que a sustentam. Se o seu sistema de RH guarda cargos de 2019 e nada mais, a IA vai inferir a partir dos cargos. A página sobre fundamentos de dados de RH para IA explica o que limpar antes de comprar qualquer coisa. Segundo, uma boa correspondência nem sempre é uma correspondência próxima. Um cargo praticamente idêntico ao atual de uma pessoa não a desenvolve. Os melhores sistemas deixam você escolher entre "encaixe mais próximo" e "desafio adjacente".
O que a pesquisa diz sobre mobilidade e retenção
Ajuda separar três afirmações que costumam se misturar nas apresentações dos fornecedores.

Afirmação 1: contratar de dentro pode superar contratar de fora, no início. A evidência primária mais forte é o estudo, divulgado pela Wharton, de uma divisão de banco de investimento de 2003 a 2009. Os contratados externos recebiam cerca de 18% a 20% mais e tiveram avaliações de desempenho significativamente mais baixas nos dois primeiros anos do que os promovidos internos em cargos semelhantes, e saíam em taxas mais altas (Wharton). O mesmo artigo relata padrões semelhantes em outro banco de investimento e em uma editora. Trate como um sinal forte, não como uma lei universal. Ele cobre empresas específicas, e os contratados externos que ficaram mais de dois anos se saíram bem.
Afirmação 2: quem se movimenta internamente fica mais tempo. A análise da LinkedIn de 32 milhões de perfis encontrou uma correlação significativa entre mobilidade interna e permanência na instituição, e constatou que movimentos para cargos mais seniores e laterais foram retidos em taxas semelhantes (LinkedIn). A mesma página cita o chief learning officer da Novartis, que menciona o Workplace Learning Report de 2023: aos dois anos, um colaborador que teve uma ascensão interna tem quase 20% mais chances de ainda estar lá. Isso é uma declaração citada de um profissional, não um número que a própria página detalha. E correlação não é causalidade. As pessoas com boas perspectivas podem ser as que são movimentadas, e talvez tivessem ficado de qualquer jeito.
Afirmação 3: um marketplace produz essas movimentações. Este é o elo mais fraco. O artigo da HBR apresenta os benefícios como potenciais: os marketplaces "podem" aumentar a satisfação e o engajamento no trabalho e reduzir o turnover (Harvard Business Review). O relato da Booz Allen sobre o primeiro ano não traz números de adoção, de alocação ou de retenção (MIT Sloan Management Review). Desconfie de qualquer número de retenção informado por um fornecedor. O estudo de caso de um fornecedor é evidência do que o fornecedor quer que você acredite, então peça a linha de base, o grupo de comparação e o período.
O resumo honesto: as movimentações internas parecem boas para a retenção e para o desempenho inicial, e um marketplace é uma forma plausível de criar mais delas. Se o seu faz isso é algo que você mesmo mede. As páginas relacionadas sobre estratégia de mobilidade interna e planejamento de sucessão cobrem o lado da política.
Exemplos reais por função
A mesma plataforma atende pessoas diferentes de maneiras diferentes. Veja como o uso se parece na prática.
Engenharia. Uma engenheira de backend quer experiência com pipelines de dados. Um projeto curto na equipe de analytics precisa de quatro horas por semana durante seis semanas. O marketplace o mostra a ela, indica quais de suas habilidades atuais correspondem e sinaliza que o projeto tem um mentor associado. O gestor dela aprova o tempo. Ninguém mudou de cargo, mas agora ela tem evidências para a próxima função.
Vendas e customer success. Um gerente de customer success com três anos de experiência em contas é avisado de uma vaga aberta de enablement em vendas. A IA aponta que ele já orientou novos contratados de maneira informal, algo que o cargo dele nunca captou. A equipe de vendas ganha um candidato cuja existência desconhecia.
Finanças. Um sprint orçamentário multifuncional precisa de um analista que entenda de finanças e de compras. O marketplace encontra duas pessoas que passaram por essas equipes. Uma busca por cargo não teria encontrado nenhuma.
RH e operações. Depois de uma reorganização, o RH usa o marketplace para alocar pessoas das equipes afetadas em vagas abertas antes de anunciar externamente. A equipe de RH enxerga a oferta de habilidades internas diante da demanda futura, o que alimenta diretamente o planejamento. Veja people analytics e IA para saber como essa análise funciona.
Gestores. Uma gestora publica um projeto de seis semanas com uma lista de habilidades e recebe um conjunto classificado de voluntários com os motivos. Ela continua escolhendo. A IA encurta a busca e amplia o grupo.
Erros de design que afundam marketplaces
A maioria dos marketplaces que fracassam não fracassa porque o matching é ruim. Fracassa pela forma como são montados.

- Vazio no lançamento. Se os colaboradores entram e veem cinco anúncios desatualizados, não voltam. O relato da Booz Allen descreve a prática de semear o marketplace com oportunidades de boa qualidade e talentos disponíveis em quantidade suficiente para engajar colaboradores e gestores (MIT Sloan Management Review).
- Gestores que seguram as pessoas. O mesmo relato enfatiza que o lado comportamental de um marketplace exige esforço contínuo, e um gestor relutante em liberar boas pessoas é a versão mais óbvia disso. Se um gestor pode bloquear toda movimentação sem alarde, o marketplace vira uma lista de coisas às quais ninguém pode se candidatar. Defina uma política de liberação por escrito e peça que os líderes a defendam publicamente.
- Medo de parecer desleal. Os colaboradores hesitam em buscar uma mudança se acham que o gestor vai ver isso como sinal de que vão sair. Torne a navegação privada e deixe claro que se candidatar a um projeto pontual é normal.
- Gestores receptores enviesados. Os gestores da vaga podem descartar candidatos internos que não se encaixam em seu modelo mental. Perfis baseados em habilidades ajudam, porque tornam a capacidade visível. A mesma lógica vale para a contratação baseada em habilidades.
- Dados de habilidades em que ninguém confia. Habilidades inferidas erradas, ou habilidades autodeclaradas infladas, destroem a credibilidade rapidamente. Deixe as pessoas corrigirem o próprio perfil e os gestores confirmarem as habilidades-chave.
- Classificação que copia o passado. Se o modelo aprendeu com quem foi promovido antes, pode reproduzir quem foi promovido antes. Teste as taxas de correspondência e de candidatura entre grupos como gênero, idade, localidade e regime de meio período, e revise os resultados periodicamente.
- Sem capacidade para o trabalho. Os projetos pontuais só acontecem se o dia da pessoa tiver espaço. Combine de antemão quantas horas um projeto pode consumir e o que sai da agenda.
- Tratá-lo apenas como ferramenta de recrutamento. Um marketplace que lista apenas vagas abertas em tempo integral é um quadro de empregos. A maior parte do valor de desenvolvimento está em projetos, mentoria e rodízios.
- Privacidade. Os perfis contêm aspirações de carreira e dados próximos ao desempenho. Decida quem pode ver o quê e revise as regras locais de proteção de dados com o jurídico antes do lançamento. Estas são informações gerais, não aconselhamento jurídico.
Como construir um, passo a passo
- Escolha o problema de negócio. Exemplos: reduzir o tempo de preenchimento de cargos críticos, realocar pessoas depois de uma reestruturação, dar mais experiência a profissionais no início da carreira ou reduzir a rotatividade indesejada. Um problema claro vai moldar todas as outras escolhas.

- Verifique seus dados. Descubra que dados de habilidades, de cargos e de projetos você tem, quão atuais são e quem é o responsável. Se não houver o suficiente, planeje uma atualização de perfis antes do lançamento.
- Defina um vocabulário de habilidades. Uma lista curta e mantida de habilidades e níveis vale mais do que uma taxonomia enorme que ninguém entende. Comece pelos cargos para os quais você mais precisa movimentar pessoas.
- Escreva as regras. Cubra quem pode publicar, quem pode se candidatar, quanto tempo um gestor tem para responder, quanto tempo um projeto pontual pode consumir e quando a aprovação do gestor é necessária. Registre por escrito.
- Semeie. Antes de abrir, reúna pelo menos algumas dezenas de oportunidades reais entre as equipes, incluindo projetos curtos e mentoria, para que a primeira visita mostre algo útil.
- Faça um piloto com duas ou três áreas. Escolha equipes cujos líderes realmente liberem pessoas. O objetivo é aprender, não escalar.
- Acrescente a IA em camadas. Comece com busca e recomendações que uma pessoa consiga entender. Adicione a inferência de habilidades depois de verificar sua acurácia em uma amostra de pessoas reais. As sugestões de aprendizagem podem se vincular à sua configuração de IA em aprendizagem e desenvolvimento.
- Mantenha pessoas no circuito. A IA pode classificar e sugerir. Gestores e colaboradores decidem, e uma pessoa consegue ver por que uma correspondência foi feita e substituí-la.
- Meça e reporte. Acompanhe um pequeno conjunto de números, listados abaixo, e compartilhe-os com os líderes a cada trimestre.
- Conecte-o ao restante do ciclo de vida do colaborador. Um marketplace funciona melhor quando se liga ao onboarding, ao desenvolvimento e ao trabalho de retenção. IA ao longo do ciclo de vida do colaborador mostra onde ele se encaixa, e previsão de rotatividade com IA cobre o lado do alerta antecipado.
O que medir
Escolha uma linha de base antes do lançamento para saber se algo mudou.
| Medida | O que ela informa | Atenção a |
|---|---|---|
| Usuários ativos (mensal) | Se as pessoas voltam | Picos no lançamento que desaparecem |
| Oportunidades publicadas e preenchidas | Oferta e acompanhamento até o fim | Anúncios que nunca são encerrados |
| Parcela de cargos preenchidos internamente | Se a mobilidade está crescendo | Cargos fáceis preenchidos enquanto os críticos não são |
| Tempo de preenchimento, interno vs externo | Ganho de velocidade | Comparar cargos diferentes |
| Conclusão dos projetos pontuais e feedback dos participantes | Qualidade dos projetos curtos | Projetos que viraram hora extra sem alarde |
| Retenção dos participantes vs não participantes semelhantes | Se ajuda as pessoas a ficar | Efeitos de seleção, já que os mais motivados entram primeiro |
| Taxas de correspondência e de candidatura por grupo | Equidade | Diferenças que persistem após controlar pelo cargo |
| Tempo de resposta do gestor | Saúde do processo | Candidaturas sem resposta |
Onde isso se encaixa no modelo operacional de RH
Um marketplace não é um projeto pontual de ferramenta. Ele toca o planejamento da força de trabalho, a aprendizagem, o desempenho e a remuneração, e só funciona se alguém for o dono. Pode ser um líder de mobilidade de talentos dentro do RH, apoiado por líderes de negócio que concordem em liberar pessoas. O papel é tratado em IA e o modelo operacional de RH. Para o mapa mais amplo de onde a IA ajuda o RH, comece por IA em RH.
Perguntas frequentes sobre marketplaces internos de talentos com IA
O que é um marketplace interno de talentos?
É uma plataforma que conecta colaboradores a cargos, projetos curtos, atribuições de desafio e mentoria dentro da própria empresa. A IA lê perfis e descrições de oportunidades, infere habilidades e classifica as melhores correspondências para cada lado.
Um marketplace interno de talentos melhora a retenção?
A evidência é sugestiva, não conclusiva. A análise da LinkedIn de 32 milhões de perfis encontrou uma correlação significativa entre mobilidade interna e permanência, mas correlação não prova que as movimentações façam as pessoas ficar. Meça a retenção dos participantes em relação a não participantes semelhantes na sua própria empresa.
Contratar internamente é melhor do que contratar externamente?
Muitas vezes tem desempenho melhor no início. Um estudo de uma divisão de banco de investimento constatou que os contratados externos recebiam cerca de 18% a 20% mais e tiveram avaliações mais baixas nos dois primeiros anos do que os promovidos internos. Os contratados externos que ficaram mais de dois anos foram promovidos mais rápido, então a resposta certa depende do cargo.
De que dados precisamos antes de lançar um?
Você precisa de histórico atual de cargos, dados de habilidades para uma parcela significativa dos colaboradores e descrições bem escritas do trabalho oferecido. Se os seus registros só guardam cargos, planeje antes uma atualização de perfis, porque a inferência por IA não consegue inventar dados de habilidades precisos.
O matching por IA pode ser enviesado?
Sim. Um modelo treinado em promoções passadas pode repetir padrões do passado, e habilidades autodeclaradas infladas podem favorecer quem escreve perfis confiantes. Revise periodicamente as taxas de correspondência e de candidatura entre grupos e mantenha gestores e colaboradores no controle da decisão final.
Por que a maioria dos marketplaces de talentos fracassa?
Em geral por causa da cultura e da configuração, não do algoritmo. As causas comuns são poucas oportunidades no lançamento, gestores que bloqueiam movimentações, colaboradores que temem parecer desleais e falta de um responsável. Semeie a plataforma, escreva regras de liberação e peça que os líderes as defendam.

Senior Customer Retention Strategist