Como criar um agente de triagem de candidaturas no Microsoft Copilot
Este tutorial mostra como criar um agente no Microsoft Copilot que faz a triagem inicial de candidaturas (CVs/resumos) e aponta os melhores candidatos segundo critérios definidos. É útil para reduzir trabalho manual e acelerar o recrutamento, com exemplos de prompts, configuração e integração básica.
Pré-requisitos
- Conta com acesso ao Microsoft Copilot / Copilot Studio.
- Conjunto de amostras de CVs em ficheiros de texto ou PDF.
- Lista de critérios de avaliação (ex.: anos de experiência, competências, localização).
- Noções básicas de prompts e uso de APIs (opcional para automatização).
Passo 1: Definir critérios e formato de saída
Antes de criar o agente, clarifique os critérios que interessam: competências obrigatórias, anos mínimos de experiência, certificações, disponibilidade para deslocações, idioma. Decida o formato de saída que pretende — por exemplo: Score (0-100), tags de competências, resumo de 2 frases e recomendação (Sim/Não/Talvez).
// Exemplo de formato JSON de saída que o agente deve produzir
{
"score": 0-100,
"recommendation": "Sim|Talvez|Não",
"matched_skills": ["Azure","Power BI"],
"summary": "Resumo de 1-2 frases"
}
Passo 2: Criar o agente no Copilot Studio
Aceda ao Copilot Studio e escolha criar um novo agente/assistant. Nomeie-o, por exemplo: "TriagemCandidaturasBot". No estado inicial, foque-se em configurar a personalidade e as instruções de sistema com linguagem clara e limites de responsabilidade (ex.: "Este agente faz triagem inicial, não substitui avaliação humana").
System prompt exemplo:
"És um assistente de triagem de candidaturas. Lê o CV, extrai competências e experiência, e devolve um JSON com score, recommendation, matched_skills e summary. Usa critérios: 3+ anos de experiência, 'Azure' e 'Power BI' como skills desejadas, residência em Portugal preferida."
Passo 3: Criar prompts de análise e testar com amostras
Crie um prompt padrão que inclua o CV (texto extraído) e os critérios. Teste com várias amostras para ajustar como o Copilot pondera cada critério. Use instruções claras para evitar respostas livres e garantir o formato JSON.
Prompt de entrada exemplo:
"Analisa o texto abaixo (CV). Usa os critérios: 3+ anos de experiência, competências: Azure, Power BI. Produz apenas o JSON no formato especificado. CV: "
Passo 4: Ajustar pesos e regras (prompt engineering)
Se os resultados não reflectirem a prioridade correcta, ajuste o prompt para atribuir pesos ou regras explícitas. Por exemplo, torne competências obrigatórias ou aumente o impacto dos anos de experiência no cálculo do score.
// Exemplo de regra no prompt para cálculo de score
"Regra: base = 50. +20 se tiver 3+ anos. +15 por cada competência chave encontrada (Azure, Power BI). -10 se residir fora de Portugal. Normaliza para 0-100."
Passo 5: Integrar com o fluxo de receção de candidaturas
Para automatizar, integre o agente com onde recebe CVs (email, formulário, ATS). Inicialmente pode copiar/colar CVs nos testes. Para automatização, use a API do Copilot ou conectores do Power Automate para enviar o texto do CV ao agente e armazenar o JSON resultante.
// Pseudocódigo básico para chamar a API do Copilot (exemplo genérico)
POST /copilot/agents/{agentId}/invoke
Headers: Authorization: Bearer
Body: { "input": "Analisa o CV: " }
Verificar o resultado
Valide os outputs com um conjunto de CVs conhecidos. Verifique se o JSON está bem formado, se os scores fazem sentido e se a recommendation condiz com uma revisão humana. Teste casos limite: CVs curtos, CVs com muitas palavras-chave irrelevantes, e CVs em PDF com má extracção de texto.
Conclusão
Após os testes, ajuste regras e integrações para reduzir falsos positivos e garantir transparência nas decisões. Como próximos passos, considere: ligar o agente ao seu ATS, criar logs para auditoria e adicionar feedback humano para melhorar o modelo. Dica: comece com regras claras e depois refine o prompt conforme surgirem os exemplos problemáticos — qual o primeiro critério que pretende priorizar?