A inteligência artificial pode tornar a gestão de pessoas mais rápida e mais justa. Pode também automatizar velhos preconceitos, com registro de cada decisão. O que separa um resultado do outro é governança.
Uma empresa contrata uma plataforma para acelerar o recrutamento. O sistema recebe os currículos, atribui notas e devolve uma lista de finalistas. O RH ganha tempo, o processo parece mais objetivo e a contratação avança. Meses depois, alguém pergunta por que determinados profissionais ficaram de fora, e a única resposta disponível é "foi o sistema".
Convém olhar com atenção para essa frase. Ela não é uma defesa; é uma confissão. Quem a pronuncia admite que a empresa decidiu sobre a vida profissional de alguém sem saber por quê.
O algoritmo não tem CNPJ, não assina a carteira de trabalho e não comparece à audiência. A Consolidação das Leis do Trabalho (CLT) define o empregador como aquele que assume os riscos da atividade econômica, e o risco das ferramentas escolhidas para gerir pessoas está incluído. A tecnologia pode ser terceirizada. A responsabilidade pelos critérios de contratação, promoção e dispensa, não.
Nada disso recomenda recuar. A inteligência artificial (IA) pode ajudar o RH a organizar informações, identificar competências e reduzir o peso de avaliações puramente subjetivas. Também não é verdade que todo resultado desfavorável produzido por um sistema configure discriminação. Entre a confiança cega na ferramenta e a rejeição à inovação existe um caminho mais consistente, feito de critérios justificáveis, testes, documentação e capacidade de corrigir decisões. Percorrê-lo exige abandonar quatro ilusões confortáveis.
A primeira ilusão é a de que o sistema é neutro. Algoritmo é, em termos simples, uma sequência de instruções para executar uma tarefa. Nem todo algoritmo usa inteligência artificial. Um filtro que elimina candidatos acima de certa idade é uma regra elementar de programação e, ainda assim, produz uma exclusão juridicamente problemática.
Nos sistemas que aprendem com dados, o risco é menos visível. A ferramenta não chega à empresa com opiniões próprias: aprende com o histórico que recebe. Se esse histórico contém escolhas enviesadas, ela as reproduz como se descrevessem o profissional ideal. O exemplo mais conhecido é o de um projeto experimental da Amazon, noticiado em 2018. Treinado com anos de contratações majoritariamente masculinas, o modelo aprendeu a preferir homens, passou a rebaixar currículos que continham a palavra "mulher" e acabou abandonado pela empresa. Ninguém programou o preconceito. O sistema apenas aprendeu, com grande eficiência, o que havia sido feito antes.
Daí a pergunta incômoda que toda empresa deveria fazer antes de contratar a ferramenta: o que o nosso histórico de contratações e promoções ensinaria a ela?
Os caminhos do viés costumam ser discretos. Um modelo que valorize trajetórias sem interrupções pode prejudicar quem se afastou para cuidar de filhos ou familiares, embora essa circunstância nada diga sobre a capacidade de exercer a função. O ano de formatura funciona como indicador indireto de idade. O endereço residencial pode receber um peso sem relação demonstrável com as exigências do trabalho.
É por isso que retirar os campos "sexo" e "idade" do formulário não resolve. A discriminação pode ser direta, quando a exclusão se apoia expressamente em característica protegida, ou indireta, quando um critério aparentemente neutro provoca desvantagem injustificada. Um sistema que nunca recebeu a idade do candidato pode chegar ao mesmo resultado por outros caminhos.
O contraponto é igualmente importante. A Convenção nº 111 da Organização Internacional do Trabalho (OIT), ratificada pelo Brasil, reconhece que distinções fundadas em requisitos inerentes ao emprego não constituem discriminação. Exigir habilitação profissional pertinente ou conhecimento efetivamente necessário à atividade não se confunde com excluir alguém por estereótipo. A empresa tem o direito de escolher os melhores. Precisa apenas conseguir demonstrar a relação entre cada critério e o trabalho.
A segunda ilusão é a de que ainda não há lei sobre isso. Há quem trate o RH digital como território à espera de regulamentação. É um engano. As normas que limitam a decisão do gestor limitam, do mesmo modo, a decisão que ele delega a um sistema.
A Constituição (art. 7º, XXX e XXXI) proíbe diferenças de salários, de exercício de funções e de critérios de admissão por motivo de sexo, idade, cor ou estado civil, e veda discriminação quanto a salário e critérios de admissão do trabalhador com deficiência. A Lei nº 9.029/1995 proíbe práticas discriminatórias no acesso à relação de trabalho e em sua manutenção. A CLT, nos arts. 373-A e 461, disciplina a igualdade no emprego e na remuneração. A Lei nº 14.611/2023 obriga empresas com cem ou mais empregados a publicar, a cada semestre, relatórios de transparência salarial e de critérios remuneratórios, o que sugere uma pergunta desconfortável a quem define mérito ou salário com apoio de um modelo: como descrever um critério que a própria empresa não compreende?
A Lei Brasileira de Inclusão acrescenta uma dimensão frequentemente esquecida: a própria seleção precisa ser acessível. Seu art. 34 veda discriminação nas etapas de recrutamento, seleção, contratação e ascensão profissional. Um teste digital cronometrado ou incompatível com leitor de tela pode eliminar um candidato com deficiência antes que qualquer pessoa o veja. Se a barreira não é indispensável à função, exige revisão, inclusive quanto às adaptações razoáveis.
No tratamento de dados incidem os princípios da Lei Geral de Proteção de Dados (LGPD), como finalidade, necessidade, transparência, prevenção e não discriminação. Não basta que o dado esteja disponível: é preciso justificar seu uso naquele processo. E o regulador já indicou para onde pretende olhar. A Agência Nacional de Proteção de Dados (ANPD) incluiu a inteligência artificial entre os quatro temas prioritários de sua fiscalização no biênio 2026-2027.
O que ainda não é lei ajuda a enxergar a direção. O Projeto de Lei nº 2.338/2023, aprovado pelo Senado em dezembro de 2024 e em análise na Câmara dos Deputados, classifica os sistemas de IA por grau de risco e inclui no grupo de alto risco, sujeito a obrigações reforçadas, os que são usados em decisões de acesso ao emprego e na avaliação de trabalhadores. O regulamento europeu de inteligência artificial dá o mesmo enquadramento aos sistemas de recrutamento, promoção, distribuição de tarefas, avaliação de desempenho e desligamento. Em 2026, a União Europeia adiou para dezembro de 2027 o início dessas obrigações. Adiou o prazo, não a classificação. Quem se organizar agora não precisará correr depois.
Os casos concretos confirmam essa leitura. Nos Estados Unidos, o caso iTutorGroup oferece um exemplo direto. Segundo a ação proposta pela Equal Employment Opportunity Commission (EEOC), agência federal responsável pelo combate à discriminação no emprego, o software de recrutamento da empresa rejeitava automaticamente candidatas com 55 anos ou mais e candidatos com 60 anos ou mais. O detalhe mais instrutivo é a forma como o filtro veio à tona: uma candidata recusada reenviou a mesma candidatura com data de nascimento mais recente e foi chamada para entrevista. Em 2023, anunciou-se acordo de US$ 365 mil, acompanhado de outras medidas. Foi um acordo, sem julgamento de mérito, e a empresa negou as acusações. A lição independe do desfecho: automatizar uma restrição não modifica sua natureza, e o teste capaz de revelá-la está ao alcance de qualquer candidato. Melhor que a empresa o faça primeiro.
No Brasil, um precedente útil é o Tema Repetitivo nº 1 do Tribunal Superior do Trabalho (TST), sobre a exigência de certidão de antecedentes criminais. O Tribunal distinguiu a exigência discriminatória ou injustificada daquela amparada em previsão legal, na natureza do ofício ou no grau especial de confiança exigido. Reconheceu ainda que, ausente a justificativa, o dano moral é presumido, tenha o candidato sido admitido ou não. Não é um julgamento sobre inteligência artificial, e é justamente por isso que interessa. Mostra que a Justiça do Trabalho não precisa de lei nova para examinar um filtro de seleção: basta perguntar se ele tem justificativa compatível com a atividade. Um critério aplicado indiscriminadamente não se torna legítimo por ter sido incorporado a um sistema.
Convém não exagerar na leitura. Precedentes estrangeiros ajudam a compreender riscos, mas não substituem a análise da legislação nacional, e acordos ou decisões preliminares não equivalem a condenações. O que os casos têm em comum é o objeto do exame: em todos, o que se discute é o critério de seleção. A tecnologia é apenas o meio.
Há, nesse ponto, um paradoxo pouco discutido. O gestor enviesado decide caso a caso, de forma inconsistente, e raramente deixa registro de suas razões. O sistema enviesado aplica o mesmo critério a milhares de pessoas, com perfeita regularidade, e guarda registro de tudo. A inteligência artificial não inventou a discriminação. Deu a ela escala, regularidade e documentação.
Isso tem consequência no processo. A CLT (art. 818, § 1º) autoriza o juiz, em decisão fundamentada, a redistribuir o ônus da prova, isto é, o encargo de demonstrar os fatos, quando uma das partes tem mais facilidade para fazê-lo. Os parâmetros, os registros e o contrato com o fornecedor estão com a empresa, não com o candidato. Quem não consegue explicar o próprio sistema dificilmente conseguirá defendê-lo, e a "caixa-preta" que parecia proteger a empresa passa a pesar contra ela.
O mesmo fato, visto pelo outro lado, é a melhor notícia deste debate. A intuição de um entrevistador não pode ser auditada. Um sistema pode. Pela primeira vez, a empresa tem como testar seus critérios de seleção, medir seus efeitos e corrigi-los. Uma IA bem governada pode ser um processo melhor do que aquele que ela substituiu. Essa vantagem, porém, só existe para quem se dá ao trabalho de olhar.
O primeiro passo é descobrir onde a tecnologia já interfere nas decisões. O levantamento deve alcançar recrutamento, avaliação de desempenho, remuneração variável, promoções, distribuição de tarefas e desligamentos. Deve incluir também os usos informais. É bem possível que a sua empresa já use IA no RH sem que a diretoria saiba: o gestor que cola currículos ou avaliações de subordinados em um assistente de IA generativa de uso público, para pedir uma classificação, está tomando decisão de pessoal com dados de terceiros, sem critério aprovado, sem registro e sem contrato.
Para cada aplicação, a empresa deve registrar a finalidade, os dados utilizados, quem responde pelo processo e que consequência o resultado produz. A distinção que organiza todo o resto é simples: a ferramenta apenas organiza informações, ou elimina, classifica e recomenda? A primeira pede cuidados básicos. A segunda pede governança.
Em seguida, é preciso rever os critérios. Expressões como "perfil ideal", "aderência cultural" e "potencial de liderança" precisam ser traduzidas em elementos profissionais verificáveis. Se a empresa não define o que entende por aderência cultural, o sistema definirá por ela, e a definição mais provável será "parecido com quem já está aqui". A tecnologia, nesse caso, apenas confere aparência técnica a avaliações vagas. Testes práticos ligados à função, entrevistas estruturadas e critérios fixados antes da seleção são alternativas ou complementos úteis.
Antes do uso em escala, cabem testes controlados. Verifica-se se pessoas com qualificações equivalentes recebem tratamento diferente por características sem pertinência profissional, que é exatamente o teste feito pela candidata do caso iTutorGroup, e investigam-se padrões de exclusão. Uma diferença estatística é sinal para análise, não prova automática de ilícito. Sua interpretação exige considerar o tamanho da amostra, os requisitos da função e outras explicações plausíveis.
Testar não autoriza coletar dados pessoais sem critério. Quando a verificação envolver dados sensíveis, como origem racial ou informações de saúde, será preciso identificar hipótese legal adequada, limitar acessos e adotar salvaguardas. O legítimo interesse, isoladamente, não fundamenta o tratamento de dados sensíveis. E não convém supor que um consentimento genérico resolva o problema: na relação de emprego, a liberdade desse consentimento costuma ser posta em dúvida.
A terceira ilusão é a de que o fornecedor responde. A escolha do fornecedor exige diligência. Convém pedir informações sobre funcionamento, limitações, testes realizados e possibilidades de revisão, e desconfiar de quem promete um produto "livre de vieses" sem mostrar como chegou a essa conclusão. O contrato deve disciplinar proteção de dados, aviso de alterações relevantes, acesso a registros, cooperação em auditorias e em processos, e apuração de responsabilidades. A cláusula de indenização é importante, mas produz efeitos entre as partes do contrato. Não impede que a empresa seja questionada por uma decisão tomada em seu processo de gestão, nem recompõe sua reputação.
Um processo em curso nos Estados Unidos mostra para onde o debate caminha. Em Mobley v. Workday, candidatos alegam que as ferramentas de triagem de uma grande fornecedora de software de RH os prejudicaram, inclusive por meio de indicadores indiretos, como lacunas no histórico profissional. Não há decisão de mérito, e nada foi provado. O juízo, porém, admitiu que a fornecedora pode responder diretamente, como agente dos empregadores, certificou em caráter preliminar uma ação coletiva de candidatos com 40 anos ou mais e, em junho de 2026, rejeitou a maior parte de um novo pedido de extinção do processo. Determinou também que ela identificasse os clientes que habilitaram os recursos de IA em discussão. O fornecedor entrou no radar, e levou a lista de clientes consigo.
A quarta ilusão é a de que há um humano no circuito. O art. 20 da LGPD assegura ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, e de receber informações claras sobre os critérios e procedimentos utilizados, observados os segredos comercial e industrial. A proteção ao segredo não é absoluta: se a informação for negada com esse fundamento, a ANPD pode realizar auditoria para verificar aspectos discriminatórios.
Uma precisão é necessária. A redação em vigor do art. 20 não exige que a revisão seja feita por pessoa natural; a previsão de revisão humana obrigatória foi vetada. Isso não impede a empresa de adotá-la como medida de prevenção, sobretudo nas decisões de maior impacto.
O problema é a revisão de fachada. O analista que aprova trezentas recomendações por dia, sem acesso aos fundamentos e sem tempo para examiná-los, não revisa coisa alguma; empresta sua assinatura à decisão da máquina. Minha recomendação é que decisões sobre exclusão de candidatos, promoção e desligamento contem com revisão efetiva e proporcional ao risco, feita por alguém com informação, tempo e autoridade para discordar. Um indicador simples ajuda a separar revisão de ritual: com que frequência o revisor discorda do sistema? Se a resposta for "nunca", é provável que a empresa não tenha revisão, tenha um carimbo.
Também é prudente manter canal acessível para questionamentos, registrar os fundamentos relevantes e acompanhar o sistema depois da implantação. Atualizações do fornecedor, mudanças nos dados e novos usos alteram resultados: o sistema testado em janeiro pode não ser o mesmo que decide em julho. Identificado um problema consistente, deve haver procedimento para interromper o uso afetado, preservar registros, reexaminar decisões e corrigir o que for necessário.
Para aplicações de maior risco, o relatório de impacto à proteção de dados pessoais, documento em que a empresa descreve o tratamento, seus riscos e as medidas para reduzi-los, é uma boa forma de organizar essa avaliação. Não é automaticamente obrigatório em todo uso de IA. Mas é o tipo de documento que a empresa gostará de ter pronto no dia em que alguém pedir explicações.
A conta pode superar o preço da ferramenta. As consequências dependem da conduta, da prova e da norma aplicável. No rompimento discriminatório da relação de trabalho, o art. 4º da Lei nº 9.029/1995 assegura, além da reparação por dano moral, a opção entre a reintegração, com ressarcimento integral do período de afastamento, e o recebimento em dobro da remuneração desse período. O art. 3º prevê multa administrativa de dez vezes o maior salário pago pelo empregador, elevada em 50% na reincidência, e proibição de obter empréstimo ou financiamento em instituições financeiras oficiais.
Na proteção de dados, o art. 52 da LGPD prevê sanções que incluem multa de até 2% do faturamento da pessoa jurídica, grupo ou conglomerado no Brasil no último exercício, excluídos os tributos, limitada a R$ 50 milhões por infração, além de medidas como o bloqueio ou a eliminação dos dados envolvidos. A aplicação depende de processo administrativo e dos critérios legais; o teto não é penalidade automática.
Convém fazer essa conta com o multiplicador correto. O erro de um gestor atinge uma pessoa. O erro de um sistema repete-se em todas as decisões tomadas com o mesmo critério, e um padrão que se repete em centenas de casos é matéria típica de atuação coletiva, inclusive do Ministério Público do Trabalho (MPT).
Para o departamento pessoal e a contabilidade, o tema não é abstrato. Critérios automatizados repercutem na folha, nas diferenças salariais, nas indenizações e na avaliação de contingências. Quem fecha a folha e provisiona passivos costuma ser o primeiro a perceber a inconsistência que o sistema produziu, desde que tenha sido chamado para a conversa, ao lado de RH, tecnologia e jurídico.
Há sete perguntas que caberiam na próxima reunião de diretoria. Onde, hoje, um sistema influencia quem entra, quem é promovido, quanto ganha e quem sai? Quem responde por cada uma dessas ferramentas, com nome e cargo? Cada critério de exclusão tem relação demonstrável com a função? O fornecedor entrega registros e aceita auditoria, ou apenas promete resultados? O sistema foi testado antes do uso em escala, e onde está o registro do teste? Quem revisa tem informação, tempo e autoridade para discordar, e com que frequência discorda? Se surgir um problema, a empresa sabe interromper o uso, preservar os registros e reexaminar as decisões já tomadas? Se a resposta a alguma delas for "não sei", o trabalho começa por aí.
A prevenção deve ser proporcional ao porte da empresa e ao impacto da ferramenta. Uma organização menor pode começar com um inventário simples, regras claras de uso, avaliação do fornecedor, critérios documentados e um responsável por revisar situações críticas. O essencial é que esses controles funcionem.
Não se trata de exigir resultados idênticos em toda seleção, nem de impedir decisões legítimas de gestão. Trata-se de distinguir diferenças profissionalmente justificadas de exclusões indevidas e de conservar os elementos que permitam demonstrar essa distinção.
A inteligência artificial pode melhorar o RH. Mas sua qualidade não se mede apenas em currículos processados ou horas economizadas. A pergunta que raramente aparece no painel de indicadores é outra: quantos bons profissionais o sistema descartou? Um filtro que elimina talento por razões irrelevantes custa duas vezes, no risco jurídico e no profissional que foi trabalhar para o concorrente.
Quando uma decisão for questionada, e alguma será, "foi o algoritmo" não servirá de explicação. A empresa precisará mostrar por que confiou naquela ferramenta, que cuidados adotou e como chegou ao resultado. O algoritmo não estará na sala. A empresa, sim.
