Como a Faceponto está transformando a gestão de RH com IA generativa usando Amazon Bedrock e Amazon Nova

Por Cássio Leandro, CEO da Facepont; Aquiles Burlamaqui, cofundador da Faceponto; Felipe Gama, CTO da Faceponto; Philipy Brito, COO da Faceponto e Daniel Abib, arquiteto especialista sênior de soluções na AW.

A Faceponto é uma startup brasileira, fundada no Rio Grande do Norte, focada em soluções de gestão de jornada de trabalho e Recursos Humanos que está transformando a gestão de RH com AI generativa. A empresa nasceu a partir de uma dor real vivenciada por Cassio Leandro, advogado trabalhista e mestre em ciência, tecnologia e inovação, que identificou a necessidade de monitorar, em tempo real, a jornada de trabalho de colaboradores de empresas terceirizadas, distribuídos em diferentes regiões do Brasil. A partir desse desafio prático, a Faceponto evoluiu de uma solução inicialmente voltada ao registro de ponto para uma plataforma completa de gestão de RH, capaz de atender desde empresas com 10 colaboradores até grandes operações com mais de 12.000 funcionários.

A plataforma da Faceponto orquestra desde o registro de ponto com reconhecimento facial até a gestão completa de RH, incluindo controle de EPI (Equipamentos de Proteção Individual), análise de clima organizacional, processamento de folha de pagamento e recrutamento inteligente. Com mais de 350 convenções coletivas mapeadas em seu sistema, a Faceponto se posiciona como uma das soluções mais completas de gestão de RH do mercado brasileiro.

Nesta publicação, explicamos como a startup Faceponto está utilizando o Amazon Bedrock e os modelos Amazon Nova e Anthropic Claude para automatizar e transformar o processo de recrutamento e seleção, reduzindo o tempo de análise de currículos de 4 horas para 2 minutos e aprimorando a experiência de contratação para empresas de todos os portes.

O desafio: otimizar o recrutamento em escala

O processo tradicional de recrutamento e seleção é um dos maiores gargalos enfrentados por equipes de RH no Brasil. Segundo dados do setor, para cada vaga aberta, uma empresa recebe em média 30 currículos. A análise manual desse volume representa desafios operacionais significativos:

• 4 horas de trabalho de 1 pessoa para analisar 30 currículos manualmente.
• 2 a 3 dias para processar 100 candidatos.
• Risco de perder os melhores candidatos: enquanto o RH analisa os currículos, a concorrência contrata os talentos.
• Processo manual de triagem: baixar PDFs, ler um por um, fazer anotações, comparar perfis.
• Comunicação fragmentada: coordenar entrevistas, solicitar documentos e fazer follow-up via WhatsApp pessoal, expondo o RH a mensagens impróprias e demandas constantes.
• Análise superficial: sem tempo para avaliar adequadamente o fit cultural e comportamental dos candidatos.

A dor era clara: uma empresa de terceirização com presença nacional recebia centenas de currículos por semana. O time de RH passava tardes inteiras fazendo triagem manual, e quando finalmente identificavam os melhores candidatos, muitos já haviam sido contratados por outras empresas.

Além disso, empresas de pequeno e médio porte frequentemente não possuem equipes de RH estruturadas, tornando o processo de recrutamento ainda mais desafiador e sujeito a contratações pouco assertivas.

A startup precisava de uma solução que permitisse automatizar a triagem de currículos com análise inteligente e específica, criar funis de seleção personalizados com base no perfil específico de cada vaga, e avaliar fit cultural e comportamental através de análises de áudio e questionários (DISC). Somado a isso, era fundamental blindar o RH de comunicação imprópria e demandas excessivas dos candidatos, escalar o processo sem perder qualidade — atendendo tanto PMEs quanto grandes corporações — e reduzir significativamente o tempo entre o recebimento de currículos e a identificação dos melhores candidatos.

A solução: automação inteligente com Amazon Bedrock e agentes especializados

Para resolver este desafio, a Faceponto desenvolveu a Lexia, uma assistente virtual inteligente que utiliza IA generativa para automatizar e otimizar todo o ciclo de recrutamento e seleção. O nome Lexia combina “lex” (lei) com “IA” (Inteligência Artificial), refletindo tanto o pilar jurídico da empresa — fundada por um advogado trabalhista — quanto a essência tecnológica da solução baseada em inteligência artificial.

A equipe técnica da Faceponto, liderada por Felipe Gama, optou pelo Amazon Bedrock como plataforma central de IA generativa.

Por que Amazon Bedrock?

Acesso a múltiplos modelos via API unificada: A Faceponto identificou que diferentes tarefas no processo de recrutamento e gestão jurídica exigem modelos especializados. O Amazon Bedrock permite alternar entre modelos como Claude, Amazon Nova, OpenAI, Nvidia, DeepSeek entre outros sem necessidade de provisionar ou gerenciar infraestrutura de Machine Learning.

Paginação inteligente de dados: Em testes iniciais usando APIs de IA de terceiros, a solução falhava ao processar dados de grandes empresas (como uma com 12.000 colaboradores). O Amazon Bedrock Agents implementa paginação automática, consumindo APIs da Faceponto página por página, evitando sobrecarga de contexto.

Facilidade de experimentação: A interface do Amazon Bedrock permite trocar modelos e ajustar prompts rapidamente. Durante o desenvolvimento, Felipe identificou um erro de contexto em um agente e, em minutos, trocou para Claude 4.6, ajustando apenas uma variável de ambiente. Sem necessidade de redeploy de código.

“O Amazon Bedrock nos deu a liberdade de experimentar com diferentes modelos e encontrar o equilíbrio ideal entre qualidade, latência e custo. Não precisamos nos preocupar com infraestrutura — focamos no produto”, explica Felipe Gama.

Arquitetura multiagente e multimodelo

A Lexia utiliza uma arquitetura de agentes especializados, onde cada agente atende uma tarefa específica, usando o modelo de IA mais adequado. Essa abordagem permite que a plataforma combine diferentes modelos conforme a natureza de cada operação, maximizando qualidade e eficiência.

Para a análise de currículos, a plataforma utiliza o Amazon Textract e Claude 4.6 para extrair informações de currículos em PDF, analisar experiências e habilidades, e avaliar o fit com a descrição da vaga. Como resultado, o sistema gera um ranking dos 5 melhores candidatos com justificativa baseada nos critérios específicos da posição.

A interface conversacional (Chat Lexia), também baseada em Claude 4.6, oferece uma experiência de linguagem natural para que o RH interaja com o sistema — por exemplo, “Analise as vagas de assistente comercial desde março e selecione os 5 melhores”. Esta funcionalidade se integra ao Amazon Bedrock Knowledge Bases para recuperação de informações vetorizadas, permitindo respostas contextualizadas e precisas.

Na avaliação comportamental, Claude 4.6 processa questionários de perfil DISC, identificando se o candidato possui características adequadas para a vaga, como estabilidade, conformidade, dominância ou influência. O sistema gera uma nota de fit comportamental acompanhada de análise qualitativa detalhada.

Para análise de áudio, a solução combina Amazon Transcribe para transcrever áudios enviados pelos candidatos via WhatsApp e Claude 4.6 para analisar o tom, comportamento e adequação ao perfil da vaga. Esta análise multimodal complementa a avaliação escrita do currículo com insights sobre comunicação e postura do candidato.

No aspecto jurídico, a Faceponto utiliza Amazon Nova Pro 1 para geração de documentos trabalhistas, modelo que demonstrou desempenho superior em tarefas relacionadas a jurisprudência brasileira. Esta especialização permite criar cartas de advertência e suspensão com base em jurisprudência real da Justiça do Trabalho, acessando diretrizes vetorizadas através do Amazon Bedrock Knowledge Bases.

Por fim, a comunicação automatizada via WhatsApp é gerenciada por um chatbot baseado em Claude 4.6, que entra em contato automaticamente com candidatos selecionados, solicita preenchimento de formulários DISC e áudio de apresentação, responde perguntas frequentes e blinda o RH de mensagens impróprias ou demandas excessivas.

Fluxo automatizado de recrutamento

A figura abaixo ilustra o fluxo completo de automação do processo de recrutamento, desde o recebimento de currículos até a análise comportamental e decisão final do RH, mostrando como os diferentes agentes especializados e serviços AWS se integram para criar uma experiência de ponta a ponta e inteligente:

Figura 1: Fluxo automatizado de recrutamento da Faceponto

Arquitetura da solução

A arquitetura da Faceponto na AWS foi desenhada para ser escalável, segura e orientada a eventos. O diagrama a seguir  apresenta os principais componentes de arquitetura.

Figura 2: Arquiteturta da solução da Faceponto

Decisões arquiteturais importantes

Uma das principais inovações da arquitetura é a implementação de paginação inteligente através do Amazon Bedrock Agents. Ao invés de enviar todos os dados de uma vez para o LLM (o que causava timeouts em empresas com milhares de colaboradores), o Amazon Bedrock Agent consome APIs da Faceponto página por página, processando dados de forma incremental. Essa abordagem foi essencial para viabilizar a operação em escala empresarial.

A estratégia multimodelo representa outro pilar fundamental da solução. Cada agente utiliza o modelo mais adequado para sua função específica: a análise de texto utiliza o Claude 4.6, conversação e raciocínio complexo; Amazon Nova Pro 1 demonstrou melhor desempenho em jurisprudência brasileira, sendo escolhido para geração de documentos jurídicos; na análise de petições trabalhistas o e documentos jurídicos complexos DeepSeek é aplicado; e a transcrição precisa de áudio em português brasileiro é realizado pelo Amazon Transcribe .

A arquitetura Serverless com AWS Lambda e Amazon SNS permite que toda a camada de integração com Amazon Bedrock escale sob demanda, com pagamento apenas pelo uso efetivo. O SNS gerencia filas de mensagens, possibilitando processamento assíncrono e resiliência mesmo em momentos de alta demanda.

Para a camada de conhecimento, a Faceponto utiliza Amazon Bedrock Knowledge Bases com Amazon Aurora PostgreSQL (extensão pgvector) como backend de armazenamento. Essa combinação centraliza a base de conhecimento vetorizada — incluindo jurisprudências e diretrizes, e permite RAG (Retrieval-Augmented Generation) para respostas específicas de maneira gerenciada, sem a necessidade de construir infraestrutura própria de vetorização.

A integração com o Amazon Bedrock permitiu que a Faceponto mantivesse uma arquitetura limpa e desacoplada, onde você atualiza ou substitui cada componente de IA de forma independentemente, sem impactar o restante da plataforma.

Resultados

A adoção do Amazon Bedrock, Amazon   e Claude trouxe resultados para a Faceponto e seus clientes:

• Redução de 4 horas para 2 minutos no tempo médio de análise de 30 currículos, uma melhoria de 99,17% em eficiência operacional
• Aumento de 95% na velocidade de contratação: candidatos são contatados no mesmo dia, reduzindo perda de talentos para a concorrência
• Otimização próxima a 100% da produtividade do RH: equipes deixam de gastar tardes inteiras em triagem manual e passam a focar em entrevistas e decisões estratégicas
• Redução de 50% no tempo até a primeira entrevista: processo automatizado de contato, coleta de informações e análise comportamental elimina idas e vindas manuais
• Blindagem completa do RH: Próximo a totalidade das mensagens impróprias ou excessivas de candidatos são filtradas pelo chatbot da Lexia

Assertividade nas contratações: A análise combinada de currículo, perfil DISC e áudio permite identificar candidatos que não apenas possuem as habilidades técnicas, mas também o fit cultural e comportamental adequado.

“O impacto mais visível é no tempo. O que antes tomava uma tarde inteira de trabalho agora acontece em minutos. Mas o impacto real é na qualidade: o recrutador chega mais preparado, com contexto real sobre a vaga, e isso se reflete em contratações mais assertivas”, destaca Felipe Gama.

Escalabilidade para diferentes portes: A arquitetura serverless permite que empresas com 10 colaboradores utilizem as mesmas capacidades de análise comportamental e triagem inteligente disponíveis para operações com mais de 12.000 funcionários, sem necessidade de investimento em infraestrutura dedicada de IA.

Segurança jurídica: Com a Lexia gerando documentos trabalhistas baseados em jurisprudência real, empresas reduzem riscos de multas e ações trabalhistas por falhas em processos de RH.

Experiência do candidato: Candidatos recebem feedback automatizado, têm canal direto de comunicação (sem expor RH) e processo transparente — melhorando a percepção da marca empregadora.

Próximos passos

A startup está expandindo continuamente o uso de IA generativa em suas soluções. Entre as iniciativas já em desenvolvimento, a principal é a análise de clima organizacional com IA, prevista para lançamento nas próximas semanas. Diferentemente do praticado no mercado, que os times que simplesmente calculam médias de notas (de 1 a 5), a Faceponto está desenvolvendo uma solução que cruza todas as perguntas das pesquisas de clima e gera análises qualitativas contextualizadas.

“O grande diferencial está em transformar uma pesquisa de clima em uma análise gerencial realmente prático. Uma média numérica, isoladamente, não explica a causa de um problema. A nossa proposta é correlacionar as respostas, identificar padrões de insatisfação e apontar possíveis fatores críticos, como falhas de comunicação, problemas de liderança, sobrecarga ou baixa percepção de reconhecimento. Com isso, o RH e os gestores conseguem compreender não apenas o resultado da pesquisa, mas o que priorizar para melhorar o ambiente organizacional”, explica Felipe.

Essa funcionalidade utiliza pequenos microagentes especializados no Amazon Bedrock para identificar padrões de insatisfação, prever turnover e recomendar ações corretivas baseadas em dados comportamentais dos colaboradores que converte dados quantitativos em insights práticos para gestores de RH.

Conclusão

A Faceponto demonstra como startups brasileiras podem utilizar serviços gerenciados de IA generativa na AWS para resolver problemas reais de negócio com velocidade e escala. Ao combinar o Amazon Bedrock com múltiplos modelos especializados (Claude, DeepSeek e Amazon Nova), a empresa converteu um processo manual e demorado em uma experiência automatizada e inteligente — permitindo que equipes de RH foquem no que fazem de melhor: construir relacionamentos e desenvolver pessoas.

A arquitetura serverless com AWS Lambda, Amazon SNS e Amazon Bedrock Knowledge Bases proporcionam escalabilidade e resiliência, enquanto a flexibilidade do Amazon Bedrock permite experimentação contínua e troca de modelos sem fricção. Para empresas de todos os portes, a startup Faceponto prova que IA generativa não é apenas para gigantes da tecnologia — é uma ferramenta acessível e essencial para startups e PMEs competirem no mercado moderno.

Se sua empresa enfrenta desafios semelhantes na gestão de RH ou deseja explorar o potencial da IA generativa com Amazon Bedrock, entre em contato com seu representante AWS ou visite o site do Amazon Bedrock para saber mais.

Autores

	Daniel Abib é arquiteto especialista sênior de soluções na AWS, onde apoia clientes na adoção de arquiteturas de nuvem e soluções de AI Generativa. Com ampla experiência em arquitetura de soluções, Daniel trabalha com startups e empresas de diversos segmentos para acelerar a inovação com serviços AWS.
	Cássio Leandro é CEO da Faceponto, advogado trabalhista e mestre em Ciência, Tecnologia e Inovação. A partir de sua experiência prática no acompanhamento de riscos trabalhistas e gestão de jornada em operações distribuídas pelo Brasil, idealizou a Faceponto como uma solução capaz de unir segurança jurídica, inovação e eficiência operacional para empresas de diferentes portes.
	Aquiles Burlamaqui é cofundador da Faceponto. Doutor em Engenharia de Computação e professor da UFRN, contribui com visão acadêmica, científica e estratégica para a consolidação da empresa e para o desenvolvimento de uma plataforma tecnológica voltada à transformação da gestão de Recursos Humanos no Brasil.
	Felipe Gama é CTO da Faceponto. Doutor em Engenharia de Computação, trabalha com AWS desde 2014 e é responsável pela arquitetura e pelo desenvolvimento da plataforma Faceponto, incluindo a implementação de soluções de IA generativa que transformam a gestão de RH no Brasil.

Philipy Brito é COO da Faceponto. Atua na estruturação operacional da empresa, apoiando a escalabilidade dos processos, a eficiência das entregas e a expansão da plataforma junto a clientes de diferentes segmentos.