Qualificação de leads de estudantes com um agente de IA

O que faz um agente de IA ao qualificar um candidato

Um agente de IA qualifica um candidato fazendo-lhe, no próprio chat, as perguntas que um orientador de admissões faria: que curso, que habilitação de acesso, para que ano letivo e como pensa financiar os estudos. Regista as respostas, calcula uma prioridade e entrega à equipa uma ficha legível. Não decide quem é admitido.

O objetivo é concreto: saber a quem a equipa liga primeiro e com que contexto. Os contactos chegam à noite, ao fim de semana, nos dias após as colocações e na véspera de um dia aberto. Sem triagem, todos esperam na mesma fila.

Este artigo percorre os critérios a recolher, um scoring que a equipa consiga auditar, as regras de passagem a uma pessoa e as salvaguardas em Portugal (RGPD, CNPD e AI Act). Para os fundamentos, leia o nosso guia do chatbot de IA para recrutamento de estudantes. Nota de método: não havia dados pagos de volume de pesquisa nem de dificuldade. O texto assenta em pesquisa pública e fontes oficiais, e não inclui números de desempenho.

Critérios a recolher: adequação, intenção, viabilidade, contacto

Use os critérios que os seus orientadores já perguntam ao telefone e conserve apenas os que mudam a ação seguinte da equipa.

Três regras evitam desvios. Cada pergunta deve apoiar uma decisão: se a resposta não muda nada, elimina-se. As perguntas opcionais continuam opcionais e a conversa prossegue sem elas. Nunca se usam critérios sensíveis ou discriminatórios, como origem, saúde ou religião, para priorizar.

O contexto português condiciona as perguntas

Os alunos do secundário perguntam pelo Concurso Nacional de Acesso, gerido pela DGES, pelas notas de ingresso e pelos prazos de candidatura. Quem vem de cursos profissionais pergunta pelas vias de acesso. Em instituições privadas, as perguntas habituais são as propinas e as bolsas. O agente deve explicar o processo com as páginas publicadas pela instituição e remeter para a fonte oficial, sem prometer vaga. Sobre a qualidade dos cursos, a A3ES é a agência de avaliação e acreditação, e o agente só deve citar a acreditação que a instituição publica.

Um scoring em dois eixos que a equipa pode auditar

Um score útil tem dois eixos legíveis, adequação e intenção, em vez de um número opaco. Para cada ficha, a equipa deve conseguir responder porque é que aquela pessoa está no topo da lista.

O exemplo é ilustrativo e deve ser calibrado com os seus próprios dados de conversão. Os pesos não são referências de mercado.

A soma coloca a pessoa num nível de ação, nunca numa decisão de admissão.

• Prioritário: chamada rápida de um orientador, com o resumo da conversa.
• Acompanhar: sequência informativa e convite para um dia aberto ou webinar.
• Nutrir: interesse de longo prazo, conteúdos úteis e lembrete planeado.
• Fora da oferta: resposta útil e encaminhamento para uma opção mais adequada.

Fixe as regras antes do arranque

Se o score se afasta da realidade, corrige-se. Peça aos orientadores que assinalem as fichas mal classificadas, leia as conversas semanalmente no início e ajuste os pesos. Registe as alterações às regras, porque um candidato, o seu encarregado de proteção de dados ou um auditor podem pedi-las. O nosso guia de lead scoring no recrutamento estudantil detalha a calibração no CRM.

A passagem à equipa: quando, como e com quê

A passagem deve seguir gatilhos explícitos, e o orientador deve receber uma ficha utilizável sem reler todo o chat. Uma passagem apressada desperdiça a qualificação.

Gatilhos

Passa-se de imediato em três casos: a pessoa pede para falar com alguém, descreve uma situação sensível ou uma reclamação, ou o agente não tem resposta fiável. Passa-se com prioridade quando o score atinge o nível mais alto ou é pedida uma chamada.

Conteúdo da ficha

1. Nome e contactos que a pessoa decidiu fornecer.
2. Curso, nível, ano letivo e regime.
3. O score e os sinais que o explicam.
4. Resumo da conversa e perguntas sem resposta.
5. Consentimento obtido, o seu canal e a sua data.

Um prazo de resposta por nível, definido pela sua instituição, completa o dispositivo. Veja o nosso guia de roteamento de leads e SLA.

A Skolbot funciona segundo este esquema. O agente web responde a partir do conteúdo da própria instituição, qualifica o candidato, envia a conversa e a qualificação para o CRM e a equipa humana assume. O acompanhamento por WhatsApp ou telefone pode partir da ficha do CRM. As ligações concretas ao seu CRM confirmam-se numa demonstração e não são aqui presumidas.

Salvaguardas em Portugal: RGPD, comunicações eletrónicas e AI Act

Qualificar candidatos implica tratar dados pessoais e, por vezes, criar perfis. Quatro pontos exigem uma decisão escrita antes do arranque.

Fundamento de licitude e informação. O RGPD exige um fundamento de licitude, informação clara, um prazo de conservação e um enquadramento para os subcontratantes. A CNPD é a autoridade de controlo. Peça ao seu encarregado de proteção de dados que reveja o dispositivo e avalie se é necessária uma avaliação de impacto. Se menores puderem escrever, redija o aviso em linguagem simples.

Comunicações comerciais. Um chat não equivale a consentimento para receber publicidade. A legislação nacional sobre comunicações eletrónicas exige, em regra, consentimento prévio para o marketing direto por correio eletrónico, SMS e chamadas automatizadas. Registe a que a pessoa aceitou, por que canal e quando, identifique a instituição em cada mensagem e facilite a anulação.

Decisões automatizadas. O artigo 22.º do RGPD limita as decisões baseadas exclusivamente em tratamento automatizado com efeitos significativos. Daí o princípio de conceção: o score ordena a lista de chamadas, uma pessoa decide tudo o que toque na admissão e ninguém é afastado sem revisão humana.

AI Act. O Regulamento europeu de IA obriga a informar de que se interage com um sistema de IA e classifica como de risco elevado os sistemas destinados a determinar o acesso ou a admissão em estabelecimentos de ensino. Um score que apenas prioriza uma chamada é outra utilização. Ainda assim, não o use para restringir informação ou candidaturas e peça ao seu encarregado de proteção de dados ou ao seu assessor jurídico que avalie o seu caso, porque as obrigações se aplicam por fases.

A infraestrutura também conta. A plataforma Skolbot aplica, do lado do servidor, residência de dados na União Europeia, mas a avaliação de impacto que mantiver continua a ser sua.

Medir sem se enganar

Meça resultados que o seu gabinete de admissões já acompanha, não volumes de conversas. Quatro são úteis: o tempo até à primeira chamada após um contacto noturno, a proporção de fichas passadas com curso e ano letivo preenchidos, a presença nos dias abertos reservados e a frequência com que os orientadores corrigem o score.

Estabeleça a sua própria linha de base antes do arranque. A taxa de conversão de outra instituição diz pouco sobre o seu funil, e aqui não publicamos nenhum número sem fonte verificada.

Por onde começar

Comece por um só percurso, por exemplo os mestrados ou o regime online, com três a cinco perguntas de qualificação. Carregue as páginas de cursos, propinas e prazos, teste o agente diante dos seus orientadores e corrija o conteúdo antes de abrir ao público.

Depois alargue. O nosso guia para escolher um agente de IA de recrutamento estudantil oferece uma grelha de avaliação, e os agentes de IA para recrutar estudantes no ensino superior cobrem todo o funil.