Sobre as fontes: o Lever publica isso numa central de ajuda escrita para quem recruta, não para quem se candidata, então todo artigo abaixo vem do próprio fornecedor e tem data (leitura do currículo em 20 de agosto de 2026, workflows de automação em 23 de julho de 2026, o resumo sobre a IA em 1 de março de 2026), mas descreve o lado da empresa no produto. Isso está indicado onde importa. O que cada empresa ativa varia: as regras de auto-archive e a revisão por IA são recursos que a empresa cria ou ativa, e o Lever não informa nenhum número de quantas o fazem.
Os tipos de arquivo que o Lever consegue ler
O Lever lista o que consegue ler: “Microsoft Word (incluindo .docx), Adobe PDF, Rich Text (RTF), Corel WordPerfect, HTML, MS Office HTML, Open Office (ODF)” (Lever, understanding resume parsing). A exclusão na mesma página é a que pega as pessoas: “O Lever não consegue extrair informações de arquivos de imagem (como JPG ou PNG).”
O Lever oferece um autoteste rápido, e a redação exata importa porque ela é amplamente repetida numa forma mais forte do que a do fornecedor: “Um teste simples para avaliar se o conteúdo de um arquivo pode ser lido é tentar destacar o texto do documento com o cursor. Se você não consegue destacar o texto, o documento provavelmente não pode ser lido.” Observe “avaliar” e “provavelmente”. Passar nesse teste significa que o seu arquivo contém texto de verdade, e não uma imagem de texto; não significa que um parser vai ler esse texto na ordem certa. Um layout de duas colunas permite destacar o texto perfeitamente e ainda assim pode ser lido atravessando as colunas em vez de descendo por elas. Trate o teste de destacar o texto como um piso, não como uma garantia.
Para um documento escaneado, a sugestão do próprio Lever é converter em vez de enviar como está: use o Adobe Acrobat ou o Google Drive para transformá-lo em um dos tipos de arquivo acima.
Sobre o limite de 10 MB que você pode ter lido: esse número vem do artigo do Lever sobre quem recruta adicionar manualmente um currículo ao perfil de uma pessoa candidata, que é um ponto diferente do formulário de candidatura que você preenche (Lever, adding and deleting resumes). O artigo do Lever sobre a leitura, voltado a quem se candidata, não informa limite de tamanho algum, então não vamos inventar um para você. Mantenha o arquivo baseado em texto e sem imagens embutidas, e o tamanho não deve ser um problema.
O que o parser realmente extrai
O Lever descreve a extração com clareza: o parser dele “extrai informações do currículo e as adiciona ao perfil da pessoa candidata, incluindo o nome, a organização e os dados de contato”, e quando um currículo é lido, “as informações legíveis são extraídas automaticamente e preenchidas nos campos correspondentes do perfil da pessoa candidata (por exemplo, nome, dados de contato)” (understanding resume parsing).
Há duas ressalvas. Primeiro, esse artigo é marcado para os papéis de quem recruta e descreve o perfil da pessoa candidata dentro da conta da empresa. O Lever não publica um relato campo a campo do que o formulário público de candidatura preenche, então nós também não. Segundo, uma configuração muda o comportamento: a empresa pode ativar “Skip email address parsing” na configuração do site de vagas dela, “o que exigiria digitar o endereço de e-mail manualmente, mas ainda permitiria que todas as outras informações fossem lidas” (mesmo artigo).
O ponto prático continua valendo de qualquer forma. O que o parser lê vira o registro estruturado, e a busca de quem recruta no Lever roda exatamente sobre esse conteúdo lido, com um filtro dedicado a currículos e um operador title: que busca cargos “extraídos dos currículos delas” (Lever, searching the database for candidates). Um currículo que o parser deforma é um currículo mais difícil de encontrar depois.
Auto-archive: uma regra que a empresa cria, baseada nas suas respostas
O Lever chama a rejeição de “archiving”, e ele tem, sim, uma automação que pode fazê-la sem uma pessoa. As empresas montam workflows com três partes (um gatilho, condições e ações), e um dos seis gatilhos é “Application form submitted — o workflow será disparado quando uma candidatura for recebida depois que a pessoa candidata a enviar pelo site de vagas” (Lever, create and manage automation workflows). Uma das quatro ações disponíveis é “Auto-archive: a Opportunity será arquivada com o archive reason definido na regra”, com a opção de enviar um e-mail de rejeição, opcionalmente após um atraso.
Numa vaga do Lever, uma regra pode arquivar a sua candidatura assim que você envia, então a pergunta é o que uma regra dessas pode olhar. O Lever documenta o conjunto completo de condições, e ele abrange três objetos: a Opportunity (archived state, archive reason, tags, stage, origin, sources), o anúncio da vaga (department, hiring manager, owner, posting, location, work type) e o formulário de candidatura, “com a possibilidade de escolher formulários e perguntas específicos dentro deles” (mesmo artigo).
Nenhuma condição nessa lista publicada lê o texto do seu currículo, e nenhum limiar de pontuação. O próprio artigo de solução de problemas do Lever descreve o que essas regras exigem: “várias perguntas eliminatórias, todas as quais precisam ser respondidas com a resposta selecionada no workflow” para que a automação seja disparada (Lever, troubleshooting automation workflows). As perguntas de triagem são o critério eliminatório. A redação do seu currículo não é.
Quer ver isso no seu próprio currículo? Compare-o com uma vaga, de graça e sem conta.
Talent Fit: a revisão por IA, e o que o Lever diz que ela não é
As empresas podem ativar um recurso de IA chamado Talent Fit. A descrição que o Lever dá dele é específica, e a maior parte vai contra a forma como a triagem por IA costuma ser imaginada.
Ele lê apenas duas coisas: “O Talent Fit usa apenas a descrição da vaga e o currículo da pessoa candidata para determinar se ela é compatível com a vaga. Nenhum outro dado da candidatura ou de outros detalhes da vaga é incluído.” O seu currículo é anonimizado antes de chegar ao modelo: “o currículo da pessoa candidata é anonimizado e depois comparado com a descrição da vaga por meio de um prompt a um grande modelo de linguagem (LLM)”, que é “instruído a agir como uma pessoa recrutadora e a avaliar uma pessoa candidata sem levar em conta idade, raça, gênero ou deficiência” (Lever, Talent Fit AI brief).
Ele não é um ranking em relação a outras pessoas candidatas (“cada pessoa candidata é avaliada individualmente, sem levar em conta as demais pessoas do funil”) e não é uma lista de verificação: “As pessoas candidatas são avaliadas de forma holística – não existe fórmula nem conjunto de ‘caixas’ que a pessoa precise marcar para ser considerada ‘compatível’ com a vaga.” O resultado é “uma decisão binária sobre se a pessoa candidata é adequada à vaga, junto com uma explicação”.
Sobre se ele elimina você, o Lever responde diretamente: “O Talent Fit não se destina a filtrar pessoas candidatas, e sim a oferecer contexto adicional sobre o histórico delas e destacar pontos que exigem esclarecimento” (Lever, Talent Fit in Lever). E ele não é universal: “A partir de 4 de agosto de 2026, por padrão, o Talent Fit fica DESATIVADO para todas as vagas recém-criadas”, e a empresa precisa ativá-lo tanto na conta quanto na vaga (mesmo artigo). O Lever também coloca o dever de informar sobre a empresa: “Os clientes têm a responsabilidade de informar as pessoas candidatas de que a IA está sendo usada para avaliar as candidaturas.”
Uma tensão precisa ser mencionada: o resumo sobre a IA diz que as pessoas candidatas “são avaliadas automaticamente no momento da candidatura”, enquanto o artigo do Lever diz que o recurso vem desativado por padrão nas vagas novas. A leitura coerente é que a primeira frase descreve o que acontece depois que a empresa o ativou, mas o Lever não explicita isso, então trate como uma leitura nossa e não deles.
O Lever não vai ajudar você depois de se candidatar
O Lever não dá suporte a quem se candidata depois do envio. A própria página do Lever para quem busca emprego diz que ele “não é um site de vagas” e que “não podemos ajudar você a se candidatar a vagas nem a consultar o andamento de candidaturas” (Lever, job seeker support). Não há conta para quem se candidata, nem painel de candidaturas, nem como recuperar o que você enviou. Todo caminho que ele oferece leva de volta à empresa.
Guarde a sua própria cópia do arquivo exato que você enviou e use o mesmo endereço de e-mail em todas as vagas de uma mesma empresa. O Lever “evita automaticamente perfis duplicados de pessoas candidatas quando elas se candidatam a várias vagas usando o mesmo endereço de e-mail” (Lever, merging duplicate candidate profiles), e isso mantém o seu histórico num só registro em vez de espalhado.
- O Lever lê Word, PDF, RTF, WordPerfect, HTML e ODF e não consegue ler arquivos de imagem, então nunca envie um escaneamento nem uma captura de tela.
- O teste de destacar o texto é um piso, não uma garantia: um layout de duas colunas passa nele e ainda pode ser lido na ordem errada.
- O limite de 10 MB que você pode ter visto vale para quem recruta enviando um arquivo, não para a sua candidatura.
- A empresa pode criar uma regra de auto-archive que dispara no envio, mas as condições documentadas leem as suas respostas às perguntas dela, não o texto do seu currículo.
- Onde a revisão por IA está ativada, o Lever afirma que ela é binária, individual, anonimizada e “não se destina a filtrar pessoas candidatas”.
- O Lever não mantém conta para quem se candidata, então guarde a sua própria cópia e use um único e-mail por empresa.
- Para o básico de layout e seções por trás de uma boa leitura, veja como passar por um ATS. O Greenhouse e o SmartRecruiters funcionam de outro jeito de novo.