1

Por que criei o NotGhosty: Expondo o Farming de IA e Coleta Oculta de Currículos

Olá comunidade do TabNews,

Depois de me candidatar a dezenas de vagas e enfrentar inúmeras "entrevistas de IA" automatizadas sem qualquer retorno humano real, decidi investigar o que estava acontecendo nos bastidores.

Descobri um padrão alarmante: muitas empresas não estão realmente contratando. Elas criam vagas fantasmas para coletar dados de candidatos e treinar seus próprios modelos de IA com projetos práticos e respostas de entrevistas. Pior ainda: existem plataformas que coletam currículos apenas para vender bancos de dados a terceiros.

Cansado desse sistema que desperdiça o tempo e a esperança de quem está procurando trabalho, decidi construir o NotGhosty.

O que o NotGhosty faz de diferente:

  1. Pontuação de Credibilidade em Tempo Real (Ci): Avalia se uma vaga é autêntica, vaga fantasma (aberta há mais de 60 dias em ciclo perpétuo), ou fazenda de treinamento de IA.
  2. Scanner de ATS 100% em Memória RAM: Um verificador de currículo gratuito que roda exclusivamente em memória volátil (io.BytesIO) e destrói os bytes do arquivo imediatamente após a análise. Zero armazenamento em disco ou na nuvem.
  3. Telemetria da Comunidade: Candidatos reais reportam se tiveram entrevista, rejeição respeitosa ou se sofreram ghosting, alertando a comunidade contra empresas predatórias.

Zero Monetização: O projeto é 100% gratuito, sem paywalls, sem anúncios e sem venda de dados de candidatos.

O site está no ar em: https://notghosty.com

Gostaria muito do feedback dos desenvolvedores e da comunidade sobre outras armadilhas de ATS e vagas fantasmas que deveríamos mapear!

Carregando publicação patrocinada...
1

Processar o currículo em io.BytesIO para evitar persistência em disco é a escolha correta de privacidade. No entanto, a métrica de tempo estático de 60 dias falha estruturalmente quando o reposting diário em múltiplas plataformas reseta o contador, mantendo a vaga ativa artificialmente. O modelo precisa correlacionar a estabilidade da URL com a análise de padrões de linguagem e metadados da página, em vez de confiar apenas no timestamp. A detecção deve focar na consistência dos requisitos técnicos e na estrutura do anúncio para identificar incoerências que indicam farm de dados.

1

Cirúrgico demais, @DHEIVER! Esse é exatamente o calcanhar de Aquiles dos detectores ingênuos de ghost jobs: o churn de reposting cíclico.

Muitas empresas utilizam integrações automáticas de ATS (Workday, Greenhouse, Lever) que excluem a requisição a cada 7 ou 14 dias e criam uma nova ID, resetando qualquer timestamp público para parecer uma "vaga publicada há 2 horas".

Para mitigar isso no NotGhosty, desenhamos uma estratégia em três camadas:

1. Hashing Semântico de Requisitos (Deduplicação Cross-Platform)

Em vez de confiar apenas na URL ou na data de publicação declarada, normalizamos o conteúdo: extraímos o conjunto de requisitos técnicos, faixa de senioridade, localização e domínio da empresa para gerar uma assinatura/hash estrutural. Se uma "nova" vaga tiver 95%+ de similaridade estrutural com uma requisição recém-fechada da mesma empresa, o sistema agrupa os dados e preserva a linha do tempo histórica real acumulada, impedindo o reset artificial do contador.

2. Telemetria de Retorno vs. Ciclo de Vida

O sinal mais forte não é o tempo isolado, mas a relação entre candidatos processados e avanço de fase. Se uma requisição cicla dezenas de candidatos por testes técnicos automatizados ao longo de 3 repostagens consecutivas sem que ninguém receba feedback ou avance para uma conversa técnica real, o índice de credibilidade da vaga cai vertiginosamente.

3. Detecção de "Catch-All" (Incoerência de Requisitos)

Como você bem pontuou sobre a estrutura do anúncio: farms de dados costumam inflar listas de requisitos com tecnologias mutuamente exclusivas ou pilhas irreais para atrair perfis diversos para um único funil de captação passiva. Analisar essa dispersão ajuda a separar vagas legítimas e focadas de simples redes de arrasto de dados.

Agradeço imensamente pela análise profunda! Esse tipo de discussão técnica eleva muito o padrão do produto.

1

O hashing semântico para deduplicação cross-platform é essencial: URLs dinâmicas e timestamps manipulados geram ruído alto. A telemetria de conversão (candidatos vs. avanço de fase) oferece o sinal mais robusto, já que modelos treinados com dados de entrada frequentemente apresentam taxas de conversão artificiais, seja por saturação ou por nula, dependendo da estratégia de coleta. Validar essa correlação exige monitorar o comportamento da API de cada ATS, dado que Workday e Greenhouse expõem metadados distintos para o mesmo status de vaga.

1

Para classificar vagas, eu separaria sinais observáveis de conclusões. Uma vaga republicada por 60 dias merece investigação, mas pode ser contratação contínua. Registrar a data da candidatura, a última atualização oficial e o tipo de retorno ajuda a comunidade a comparar casos. No scanner de ATS, vale documentar também se o texto extraído vai para logs, telemetria ou serviços externos. Processar o PDF em memória cobre só uma etapa do fluxo de dados.

1

Excelente reflexão, @jobiabr! Você tocou em dois pontos fundamentais da arquitetura e da metodologia.

1. Sinais Observáveis vs. Conclusões nas Vagas

Concordo 100%. Uma vaga aberta por 60 ou 90 dias não é automaticamente uma vaga fantasma; pode ser uma contratação contínua (evergreen) para posições com alta rotatividade técnica ou expansão agressiva.

Por isso, na modelagem do NotGhosty tratamos o tempo de abertura apenas como um fator ponderado de risco, e não como veredito. O diferencial está justamente no que você sugeriu: o registro cronológico por parte dos candidatos (data do envio, etapas alcançadas, resposta recebida ou ausência total de comunicação). Quando múltiplos candidatos relatam que o processo foi encerrado sem retorno enquanto a vaga é republicada no mesmo dia, o algoritmo eleva o alerta para a comunidade.

2. O Ciclo Completo de Dados no Scanner de ATS

Você foi muito cirúrgico aqui: processar em memória não adianta nada se a aplicação despejar o payload em stdout, logs de erro, APM ou encaminhar para LLMs proprietárias de terceiros.

No nosso caso, adotamos três salvaguardas explícitas:

  1. Redação Total em Logs: As rotas do FastAPI que recebem o upload não registram corpo de requisição nem metadados de arquivo nos logs do Uvicorn/Nginx.
  2. Zero Dependência de APIs Externas: A extração e verificação de compatibilidade são feitas via scripts determinísticos locais (pypdf e python-docx), analisando quebras de layout multicolunas, tabelas e densidade de termos técnicos. Nenhum byte de texto do candidato é enviado para APIs de LLM externas (OpenAI, Anthropic, etc.).
  3. Destruição Imediata em RAM: O upload reside exclusivamente em um io.BytesIO na memória volátil. Assim que a análise estrutural termina e o JSON com a pontuação é despachado para o navegador, a variável é desreferenciada e limpa pelo Garbage Collector do runtime.

Muito obrigado pelo feedback técnico de alto nível! É exatamente esse tipo de olhar crítico que ajuda a comunidade a construir ferramentas com privacidade real e transparência.