Como o ATS Realmente Lê Seu Currículo: Anatomia do Parser em 5 Etapas (Guia Técnico 2026)

Você envia o currículo, recebe e-mail de “perfil não compatível” em 24 horas e fica se perguntando: como o sistema decidiu isso tão rápido? A resposta passa por entender o que acontece dentro do ATS — o software de triagem automática que está entre o seu PDF e o recrutador humano.

Esse artigo é uma anatomia técnica do que acontece quando o seu currículo entra no parser de um ATS (Gupy, Workday, Greenhouse, Lever, Pandapé). Mostramos cada etapa, o que dá errado em cada uma delas e como ferramentas como o AjustaCV são construídas para vencer cada filtro.

O que o ATS faz com seu currículo: pipeline em 5 etapas

Etapa 1: Extração de texto (parser)

O primeiro passo é converter o seu PDF/DOCX em texto puro. Parece simples, mas é onde 40% dos currículos brasileiros já falham. O parser do ATS lê o documento como uma sequência linear de tokens — ele não “vê” o layout visual, ele percorre os elementos de texto na ordem em que aparecem no arquivo.

O que dá errado:

• Layouts em duas colunas (Canva, Visual CV): o parser lê linha a linha da esquerda para a direita, intercalando conteúdo das duas colunas. Sua experiência profissional acaba misturada com sua formação acadêmica.
• Texto dentro de imagens: ATS não faz OCR. Se você tem nome ou habilidades dentro de elementos gráficos, eles são invisíveis.
• Tabelas para layout: a maioria dos parsers não interpreta a estrutura tabular corretamente, especialmente quando a tabela é usada para criar colunas em vez de exibir dados tabulares.
• Headers e footers: em muitos ATS, conteúdo em cabeçalho ou rodapé é ignorado completamente.

Faça o teste: abra seu PDF, pressione Ctrl+A → Ctrl+C → cole no Bloco de Notas. O que você vê é exatamente o que o ATS recebe.

Etapa 2: Reconhecimento de entidades (NER)

Depois do parser, o ATS aplica Named Entity Recognition para identificar campos estruturados:

• Dados pessoais: nome, e-mail, telefone, LinkedIn URL, cidade.
• Cargos: cada experiência vira uma tupla [cargo, empresa, data início, data fim, descrição].
• Formação: [instituição, curso, ano, nível].
• Habilidades: tags individuais extraídas da seção de skills + menções implícitas no texto da experiência.
• Certificações: CPA-10, COREN, CRA, OAB, AWS Certified, Google Analytics — são reconhecidas se aparecem em formato padrão.

O que dá errado: títulos de seção não-padrão (“Trajetória Profissional” em vez de “Experiência Profissional”) fazem o parser não reconhecer aquele bloco como entidade. Datas em formato textual (“de janeiro a dezembro”) também falham — ATS espera DD/MM/AAAA, MM/AAAA ou similar.

Etapa 3: Normalização e enriquecimento

Cada entidade extraída é normalizada contra um dicionário interno do ATS:

• “Universidade Federal de São Paulo”, “UNIFESP” e “Federal de São Paulo” viram a mesma entidade.
• “React.js”, “ReactJS” e “React” são consolidados como uma skill só.
• “Gerente Pleno” pode ser mapeado para “Manager II” ou “Mid-level Manager” em ATS internacional.
• Datas são convertidas para timestamps unix internamente.

Quanto mais comum a sua nomenclatura, melhor a normalização. Termos muito específicos da empresa anterior (“Squad Lead Capital Markets II”) podem não casar com nada e perder pontos.

Etapa 4: Cálculo do score de aderência

O coração do ATS. O sistema compara o seu currículo (já parseado e normalizado) contra a descrição da vaga (também parseada) e calcula um score de 0% a 100%. Os componentes típicos:

• Match de palavras-chave hard (40%–50%): tecnologias, ferramentas, certificações exatas que a vaga pede.
• Similaridade semântica (20%–30%): embedding do texto do currículo vs embedding da vaga. ATS modernos (Gupy IA Gaia, Ashby) usam modelos de linguagem para isso.
• Match de senioridade (10%–15%): anos de experiência alinhados com o nível da vaga.
• Match de formação (5%–10%): nível de escolaridade mínimo cumprido.
• Localização e disponibilidade (5%–10%): cidade, remoto, disponibilidade para viagem.

A empresa configura um cutoff (geralmente 60% a 70%). Currículos abaixo desse score são automaticamente descartados — não chegam ao recrutador humano. Para entender em profundidade como esse score funciona na ferramenta mais usada do Brasil, leia como a Gupy e a IA Gaia avaliam seu currículo.

Etapa 5: Ranking e fila de revisão humana

Os currículos que passam pelo cutoff são ordenados por score decrescente. O recrutador vê uma fila — geralmente os top 20 a 50 candidatos por vaga, dependendo do volume. Currículos com score 78% chegam antes de 65%; 90% chega antes de 78%. Quando o recrutador encontra candidato bom, frequentemente para de revisar a fila — então score baixo (mesmo passando o cutoff) significa nunca ser visto.

Por que o currículo bonito feito no Canva falha

Reunindo o que o pipeline faz: o seu PDF do Canva passa por uma extração de texto que embaralha duas colunas, falha em reconhecer seções com títulos criativos, perde informação dentro de elementos gráficos e gera um texto que o cálculo de score interpreta como currículo de baixa aderência. Não importa que o conteúdo real seja excelente — o ATS nunca chega a ver o conteúdo na forma original.

Por isso, ferramentas que entendem o pipeline (como o AjustaCV) não “melhoram o design” — fazem o oposto: removem elementos visuais que confundem o parser e priorizam estrutura textual limpa que o ATS lê integralmente. O resultado parece “menos bonito” ao olho humano, mas pontua muito mais alto no filtro automático. E o filtro automático é o que decide se você chega ao humano.

Para ver os mitos comuns sobre Canva e ATS, leia os mitos de currículo no Canva.

Como o AjustaCV é construído para vencer cada etapa

1. Etapa 1 — parser: o PDF gerado pelo AjustaCV usa texto estruturado em coluna única, sem ícones, tabelas ou elementos decorativos. Passa em qualquer parser ATS.
2. Etapa 2 — NER: as seções seguem nomenclatura padrão (Resumo Profissional, Experiência Profissional, Formação Acadêmica, Habilidades). Datas em MM/AAAA. Cargos com nomes mainstream.
3. Etapa 3 — normalização: tecnologias e certificações usam grafia padrão da indústria (React, AWS, CPA-10).
4. Etapa 4 — score: o conteúdo é reescrito para incluir as palavras-chave hard da vaga, manter senioridade coerente e maximizar similaridade semântica.
5. Etapa 5 — ranking: score alto te coloca no topo da fila do recrutador.

Como descobrir o seu score atual (gratuitamente)

Antes de pagar por qualquer otimização, vale fazer um diagnóstico. O AjustaCV oferece análise ATS gratuita em /ats: você sobe o seu currículo, escolhe uma vaga (ou cola a descrição) e recebe o score atual + breakdown do que está custando pontos. Se o score já estiver acima de 75%, talvez nem precise pagar pela otimização.

Para a maioria dos currículos brasileiros (que foram feitos no Canva, Word com tabelas ou exportados do LinkedIn), o score costuma estar entre 30% e 50% — abaixo do cutoff da maioria das empresas. Nesse caso, o caminho prático é otimizar em /checkout por R$ 7,80 via PIX.

Resumo: o ATS não é seu inimigo, é uma máquina previsível

Entender o pipeline transforma o jogo: você para de tentar adivinhar o que o sistema quer e passa a entregar exatamente o que ele consome bem. O AjustaCV foi construído sobre essa lógica — cada decisão de design (formato do PDF, nomenclatura de seção, palavras-chave reescritas) existe para vencer uma etapa específica do parser.

Próximos passos:

• Faça o teste gratuito de score ATS no AjustaCV.
• Se o score estiver baixo, otimize em /checkout por R$ 7,80 via PIX.
• Para entender por que o LinkedIn PDF também falha, leia por que o currículo do LinkedIn é rejeitado pelo ATS.

Perguntas frequentes