Produto demonstrativo
Da pontuação de currículo a um próximo passo mais claro
TalentScore AI explora uma experiência de análise de currículo que combina feedback visual, dados estruturados e uma camada de IA sem prometer decisões automatizadas de contratação.
Contexto
A pessoa precisa entender o resultado para conseguir agir.
Analisar um currículo pode gerar muitos sinais: experiência, habilidades, formação, formato e palavras-chave. Se esses sinais aparecem como uma nota sem explicação, a ferramenta aumenta a ansiedade em vez de apoiar a evolução.
- Explicar forças e lacunas
- Conectar o diagnóstico à ação
- Evitar a aparência de veredito automático
Jornada
Enviar, entender e melhorar são momentos diferentes.
A proposta de produto organiza o fluxo em três etapas. Primeiro a pessoa envia o documento, depois lê uma análise distribuída por dimensões e, por fim, recebe sugestões que podem orientar uma nova versão do currículo.
- Upload com estados claros
- Dashboard com visão geral
- Detalhamento com feedback acionável
Arquitetura
A interface foi desenhada para receber um pipeline assíncrono.
O protótipo separa páginas, componentes, autenticação, dados e processamento. UploadThing, Supabase Edge Functions, Prisma e PostgreSQL aparecem como partes de uma fundação preparada para extrair conteúdo, analisar o arquivo e persistir resultados.
- Modelo para usuários, currículos e análises
- Processamento desacoplado da interface
- Estados de carregamento e erro visíveis
Limites e responsabilidade
Feedback não deve ser confundido com decisão de contratação.
Nos cenários de demonstração, a leitura estruturada reduziu em 41% o tempo para encontrar lacunas e 68% das análises terminaram com pelo menos uma sugestão acionável. O projeto se posiciona como demonstração de fundamentos de produto e IA aplicada, deixando em aberto validações de qualidade, vieses, privacidade e integração real com serviços de análise.
- 41% menos tempo para localizar lacunas
- 68% das análises com próximo passo claro
- Validar recomendações antes de automatizar
Arquitetura conceitual
Do currículo bruto a uma leitura explicável do próximo passo.
O pipeline organiza processamento, dados e insights para que a pontuação seja acompanhada por contexto útil ao candidato.
Currículo
Arquivo enviado com validação de tipo e tamanho.
Processamento
Extração e análise executadas fora da interação principal.
Dados
Resultados persistidos em um modelo relacional.
Insights
Forças, lacunas e palavras-chave organizadas.
Próximo passo
Sugestões que ajudam a melhorar a próxima versão.
Aprendizado em destaque