Como a Folkso encontra a pessoa com quem você vai trabalhar bem

A Folkso leva você até a pessoa certa

Habilidades e um valor por hora dão uma lista. Com quem dessa lista você vai gostar de trabalhar nos próximos três meses, a lista não diz.

A Folkso foi feita para essa pergunta. Ela encontra quem faz o trabalho e confere. Sua IA compara essas pessoas com o seu jeito de trabalhar e diz quem está mais perto. As duas metades se apoiam em pesquisas sobre pessoas no trabalho, e nós medimos as duas.

A melhor combinação é a pessoa que serve tanto à tarefa quanto ao seu jeito de trabalhar. Os números vêm de 300 buscas de teste, com respostas certas conhecidas de antemão, que não participaram do ajuste. Elas rodaram no mesmo código que responde a você no ChatGPT e no Claude.

Quatro passos do seu pedido até a pessoa certa

1. A Folkso encontra quem faz o trabalho. Só passam as pessoas abertas a esse tipo de trabalho, e quem tem condições próprias que excluem a sua tarefa fica de fora. Um modelo lê por inteiro os 50 perfis mais próximos, sem contatos, e relê os primeiros um a um antes de você ver.
2. Sua IA recebe os fatos. De cada pessoa, ela vê uma frase do próprio perfil que mostra que sabe fazer o trabalho e, se houver, algo concreto que vocês têm em comum. Vê o que não combina com as suas condições, como um valor acima do orçamento. E recebe um retrato curto de como a pessoa trabalha e do que importa para ela no trabalho, estimado a partir do texto do perfil. Só as estimativas seguras entram no retrato.
3. Sua IA compara com você. Ela viu como você trabalha, nas suas conversas e no que vocês já fizeram juntos, e conhece você melhor do que qualquer perfil que você preencheria. Pesa o ritmo, se a pessoa trabalha por conta própria ou precisa de alinhamentos frequentes, como ela discute e recebe feedback e o que importa para ela no trabalho. Às vezes quem combina é quem trabalha como você. Às vezes é quem cobre o seu ponto fraco, como uma pessoa organizada para quem trabalha em rajadas. A IA escreve a opinião dela em cada cartão e pode marcar uma pessoa como “Opção mais próxima”.
4. Você decide. Os cartões ficam na ordem da Folkso. Você lê as opiniões e escolhe para quem escrever.

Uma opinião parte de um fato do perfil e diz o “mas”, quando há um. Porcentagens de compatibilidade e “encaixe perfeito” ficam de fora. Em estudos com usuários de Bansal e colegas, as explicações de uma IA faziam as pessoas aceitarem mais vezes a sugestão dela, estivesse certa ou errada. Nome, foto, gênero, idade e origem não entram na comparação.

A Folkso não lê suas conversas nem a memória do seu assistente. Só as condições da tarefa entram na busca, e se a sua IA quiser transformar em condição algo de que lembra sobre você, ela pergunta antes.

Só você vê as opiniões, e elas são apagadas depois de 30 dias. A pessoa de quem a opinião fala não a vê.

O que decide se duas pessoas trabalham bem juntas

A forma como a Folkso combina pessoas se apoia em metanálises e em estudos longos sobre pessoas no trabalho. Estes são os principais.

Kristof-Brown, Zimmerman e Johnson reuniram 172 estudos, com 836 tamanhos de efeito, sobre como as pessoas se encaixam no trabalho, na organização, na equipe e com a chefia. O encaixe acompanhava a satisfação e a vontade de ficar. O encaixe com a chefia teve correlação de 0,46 com a satisfação com essa chefia, e o encaixe com a equipe, de 0,47 com a coesão da equipe. As ligações com o desempenho eram mais fracas, de 0,07 a 0,20. O encaixe com a equipe esteve ligado à satisfação geral com o trabalho com menos força do que os autores esperavam, e eles apontam um motivo. Muitos desses estudos mediram o encaixe comparando pontuações de personalidade.

Liden, Wayne e Stilwell acompanharam 166 pessoas recém-contratadas e suas chefias durante os primeiros seis meses juntas. O que os dois esperavam um do outro nos cinco primeiros dias previu a qualidade da relação de trabalho deles na segunda e na sexta semana. A semelhança que um via no outro, e a simpatia, previram isso na maioria das medições. A semelhança demográfica, não.

Edwards e Cable compararam os valores de pessoas de 4 organizações com os valores da organização delas. Valores em comum acompanharam a satisfação no trabalho e a vontade de ficar, em boa parte pela confiança na organização e nas pessoas dela e, em seguida, pela comunicação mais fácil. O encaixe com um colega específico não foi medido ali.

O tempo soma a isso. Quanto mais as pessoas trabalham juntas, menos pesam as diferenças demográficas e mais pesam as diferenças de atitude, em grupos de trabalho (Harrison, Price e Bell) e em 144 equipes de projeto de estudantes acompanhadas em quatro rodadas (Harrison e colegas).

A mentoria mostra o mesmo padrão. Na metanálise de Eby e colegas, com 173 amostras e 40.737 pessoas, a nota que as pessoas davam à própria mentoria acompanhou mais de perto o quanto elas se pareciam com quem as orientava em atitudes, valores, crenças e personalidade. Entre tudo o que existia antes da relação, essas foram as ligações mais fortes, de 0,38 a 0,59.

Os casais são os pares mais estudados de todos, e mesmo neles personalidades parecidas explicam pouco. Em três amostras nacionais de casais casados, o quanto as personalidades dos parceiros se pareciam acrescentou menos de 0,5% à satisfação deles, além da personalidade de cada um (Dyrenforth e colegas). Em 43 estudos com 11.196 casais, o modo como cada parceiro via a própria relação previu até 45% da qualidade dela no início de cada estudo (Joel e colegas).

Por isso a Folkso olha para o trabalho, para o que as pessoas esperam, para o que valorizam e para o jeito como trabalham. Não há tipos de personalidade nisso. Comparar tudo isso com você é papel da sua IA, porque ela conhece você.

Como testamos

O laboratório da Folkso roda 1.000 buscas com respostas certas conhecidas de antemão, no mesmo código que responde a você. 700 delas ajustam os pesos. As outras 300 ficam reservadas, e os números desta página vêm delas. Veja como o teste funciona.

A medida mais rigorosa pergunta se a melhor pessoa para você, entre as 100 do grupo de teste, aparece exatamente em primeiro. A Folkso a coloca em primeiro em 48,9% das buscas. A ordem aleatória depois dos filtros consegue 4,6%, então a Folkso acerta com frequência mais de dez vezes maior. Por isso sua IA vê cinco pessoas, e a melhor está entre elas em 84,5% das buscas.

Em 21 de outubro conferimos este resultado com novas respostas certas, em que personalidade parecida pesa pouco e valores e expectativas pesam mais. Ele se manteve. A melhor combinação em primeiro ficou em 48,9%, e a parcela de buscas em que a primeira pessoa consegue fazer o trabalho não depende em nada das respostas novas.

O que testamos e descartamos

Por isso a ordem dos resultados se apoia no que resistiu, nos estudos e no nosso teste.

A Folkso lê o que as pessoas esperam do trabalho

Parte do que decide um sim já está escrita no perfil. “Prefiro escrita a chamadas.” “Projetos de três meses ou mais.” A Folkso lê essas linhas e, em 100 perfis de teste, não leu nenhuma condição declarada ao contrário. Quando uma delas bate de frente com a sua tarefa, sua IA vê isso junto da pessoa e avisa você. Se isso importa, quem decide é você.

O que estes números não conseguem dizer

• O teste usa pessoas e buscas fictícias. Perfis e pedidos reais são mais curtos e mais bagunçados, com erros de digitação e dois idiomas no mesmo texto.
• Os resultados reais ainda são poucos. Pedidos aceitos e pessoas deixadas de lado com um motivo vão mostrar com que frequência a Folkso acerta na vida real.
• Os estudos acima são correlações. Mostram o que acompanha uma boa relação de trabalho e não conseguem provar o que a causa.
• Como vai ser a primeira semana, só vocês dois vão descobrir. A escolha continua sendo sua.

A Folkso pode levar Leo até o cartão de Mira e dizer a ele por que ela é a mais próxima. Se o primeiro esboço dela vai cair bem às três da manhã, ele vai ver por conta própria.

A Folkso é gratuita. Conecte uma vez e, na próxima vez que uma tarefa precisar de alguém, sua IA encontra a pessoa ali mesmo na conversa.

Fontes

• Kristof-Brown, Zimmerman, Johnson, Consequences of individuals' fit at work. Personnel Psychology 58(2), 281–342, 2005. Metanálise de 172 estudos com 836 tamanhos de efeito.
• Liden, Wayne, Stilwell, A longitudinal study on the early development of leader-member exchanges. Journal of Applied Psychology 78(4), 662–674, 1993. 166 pessoas recém-contratadas e suas chefias nos primeiros seis meses.
• Edwards, Cable, The value of value congruence. Journal of Applied Psychology 94(3), 654–677, 2009. Pessoas de 4 organizações.
• Harrison, Price, Bell, Beyond relational demography. Academy of Management Journal 41(1), 96–107, 1998. Grupos de trabalho.
• Harrison, Price, Gavin, Florey, Time, teams, and task performance. Academy of Management Journal 45(5), 1029–1045, 2002. 144 equipes de projeto de estudantes, quatro rodadas de dados.
• Eby et al., An interdisciplinary meta-analysis of the potential antecedents, correlates, and consequences of protégé perceptions of mentoring. Psychological Bulletin 139(2), 441–476, 2013. 173 amostras, 40.737 pessoas no total.
• Dyrenforth, Kashy, Donnellan, Lucas, Predicting relationship and life satisfaction from personality in nationally representative samples from three countries. Journal of Personality and Social Psychology 99(4), 690–702, 2010. Casais casados de amostras nacionais da Austrália (N = 5.278), do Reino Unido (N = 6.554) e da Alemanha (N = 11.418).
• Joel et al., Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. PNAS 117(32), 19061–19071, 2020. 43 conjuntos de dados de 29 laboratórios, 11.196 casais.
• Bansal et al., Does the whole exceed its parts? The effect of AI explanations on complementary team performance. CHI 2021. Estudos com usuários em três conjuntos de dados.
• Laboratório de busca da Folkso, 300 buscas reservadas. Resultado de 27 de setembro de 2026, conferido com novas respostas certas em 21 de outubro de 2026. Como o teste funciona.