A vaga recebeu centenas de currículos. Antes que qualquer recrutador analisasse os nomes, um sistema classificou os candidatos, atribuiu pontuações, identificou correspondências com o perfil procurado e eliminou parte deles.
Para o RH, o ganho de velocidade parece evidente.
Para quem ficou de fora, surge uma pergunta bem menos confortável: por que fui eliminado?
Talvez o candidato nunca descubra.
A inteligência artificial já participa de processos de recrutamento, análise de dados, gestão de talentos e tomada de decisão. O problema não está simplesmente em utilizar tecnologia para ganhar eficiência. Ele aparece quando a empresa começa a tratar a decisão produzida ou sugerida pelo sistema como se ninguém mais fosse responsável por ela.
“O algoritmo classificou assim” não pode se transformar na versão corporativa de “não fui eu”.
Se uma tecnologia influencia quem terá acesso a uma oportunidade profissional, a organização precisa compreender quais dados utiliza, quais critérios pesam na análise, onde podem existir distorções e, principalmente, quem possui autoridade para questionar o resultado.
Porque automatizar uma etapa não significa terceirizar a responsabilidade.
O algoritmo não chega ao processo seletivo sem história
Existe uma imagem sedutora sobre inteligência artificial: enquanto seres humanos possuem preconceitos, preferências e limitações, a máquina analisaria apenas os dados.
O problema é que a máquina também depende deles.
Um sistema de recrutamento pode ser treinado com históricos de contratação, avaliações anteriores, descrições de cargos, currículos e padrões identificados em profissionais considerados bem-sucedidos pela organização.
Esses registros não surgiram em um ambiente neutro.
Se durante anos determinada empresa promoveu mais homens para cargos de liderança, contratou pessoas de universidades específicas ou concentrou determinadas funções em grupos semelhantes, seus dados históricos carregam parte dessa trajetória.
Isso não significa que todo sistema de IA inevitavelmente reproduzirá essas desigualdades. Significa que não existe base responsável para afirmar que usar algoritmo elimina automaticamente os vieses humanos.
Essa distinção é importante inclusive para a evolução editorial do próprio site.
Em um conteúdo anterior sobre inteligência artificial na gestão de RH, destacamos o potencial da tecnologia para tornar recrutamentos mais eficientes e reduzir vieses. Esse potencial continua existindo. O que o amadurecimento da discussão exige agora é acrescentar uma condição fundamental: o resultado depende dos dados, dos critérios, do modelo, da governança e da supervisão adotada pela empresa.
A tecnologia pode ajudar a identificar distorções.
Também pode escondê-las atrás de uma pontuação aparentemente objetiva.
“Fit cultural” pode virar preconceito com aparência matemática
Imagine que uma empresa queira identificar candidatos semelhantes aos profissionais que apresentam melhor desempenho.
Parece uma estratégia razoável.
Mas o que significa “semelhante”?
Experiência em determinado setor? Formação? Competências? Vocabulário utilizado no currículo? Local de residência? Trajetória profissional? Padrão de permanência em empregos anteriores?
Quanto mais variáveis entram na análise, maior a necessidade de compreender quais delas realmente possuem relação legítima com o trabalho.
Uma informação aparentemente neutra também pode funcionar como aproximação de outra característica.
CEP pode se relacionar a renda e território. Determinadas escolas podem refletir condições socioeconômicas. Interrupções na carreira podem aparecer com maior frequência entre pessoas que assumiram responsabilidades de cuidado.
O sistema não precisa receber uma instrução explícita para discriminar alguém. Basta que aprenda associações presentes nos dados e que ninguém investigue quais padrões estão influenciando a classificação.
É por isso que diversidade e tecnologia precisam conversar.
A discussão sobre gestão de pessoas não pode se limitar a descobrir qual ferramenta reduz o tempo da seleção. Precisa perguntar também que tipo de decisão está sendo acelerada.
Fazer uma escolha ruim em cinco segundos continua sendo fazer uma escolha ruim.
Quem responde: o fornecedor, o RH ou a empresa?
Essa é uma das perguntas centrais.
A empresa contrata uma plataforma. A plataforma utiliza um modelo desenvolvido por outro fornecedor. O RH define parte dos critérios. O gestor descreve o perfil procurado. O sistema organiza os candidatos.
Quando alguém é prejudicado, a responsabilidade parece se dissolver entre vários participantes.
Do ponto de vista da governança, isso é um problema.
A organização que utiliza uma ferramenta para apoiar decisões sobre pessoas precisa saber o que está delegando e o que continua sob seu controle. Também precisa definir quem pode interromper a automação, revisar uma classificação e contestar uma recomendação.
Um fornecedor dizer que seu sistema utiliza inteligência artificial não deveria encerrar a avaliação. Pelo contrário, deveria abrir uma sequência de perguntas.
Quais dados entram na análise? Quais não entram? Como os critérios são definidos? O sistema produz recomendação ou decisão? Existe documentação? O modelo é testado em diferentes grupos? Como erros são identificados? O resultado pode ser revisado? O fornecedor comunica alterações relevantes?
A empresa talvez não receba acesso ao código-fonte, especialmente em uma solução proprietária. Ainda assim, precisa obter informação suficiente para compreender o papel daquele sistema no processo.
Comprar tecnologia não elimina dever de diligência.
A LGPD já alcança parte dessa discussão
O Brasil ainda discute uma legislação geral específica para inteligência artificial. O PL 2.338/2023 foi aprovado pelo Senado e encaminhado à Câmara dos Deputados, onde continua em tramitação em 2026, acompanhado por outros projetos relacionados a governança, transparência e responsabilidade algorítmica.
Isso não significa que decisões automatizadas estejam em um vazio jurídico enquanto o Congresso debate uma nova lei.
A Lei Geral de Proteção de Dados já possui uma regra diretamente relacionada ao tema.
O artigo 20 da LGPD assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses. A própria lei menciona decisões destinadas a definir aspectos do perfil profissional. Quando solicitado, o controlador também deve fornecer informações claras e adequadas sobre critérios e procedimentos utilizados, respeitados os segredos comercial e industrial.
A Autoridade Nacional de Proteção de Dados está aprofundando justamente essa discussão. Na Agenda Regulatória atualmente em andamento, a ANPD incluiu inteligência artificial e a interpretação do artigo 20 entre os temas de trabalho, considerando direitos dos titulares, princípios da LGPD, hipóteses legais, governança e boas práticas.
Em junho de 2026, a própria autoridade participou de um debate dedicado à contestação de decisões automatizadas, destacando questões relacionadas à transparência algorítmica e ao direito de revisão.
Para o RH, o recado é importante: discutir IA no recrutamento não é apenas conversar sobre inovação.
Também é conversar sobre dados pessoais e direitos.
Supervisão humana não pode ser apenas o botão “aprovar”
Muitas organizações respondem às preocupações sobre automação dizendo que existe uma pessoa na decisão final.
Isso é importante, mas não basta.
Imagine que o algoritmo apresente ao recrutador cinco nomes entre mil candidatos. O profissional entrevista os cinco e escolhe um deles.
Houve participação humana.
Mas quem decidiu que os outros 995 não seriam vistos?
Se o recrutador nunca acessa os candidatos eliminados, nunca questiona os critérios e quase sempre confirma as recomendações do sistema, a supervisão pode existir formalmente sem alterar significativamente o resultado.
Existe uma diferença entre ser humano no processo e ser humano capaz de interferir no processo.
Uma supervisão consistente exige que alguém possua informação, competência e autoridade para discordar da ferramenta.
Também exige tempo.
Se o profissional recebe milhares de recomendações automáticas e uma meta que praticamente o obriga a aceitar as classificações, a revisão humana vira um ritual.
A empresa precisa perguntar não apenas se existe alguém apertando o botão.
Precisa saber se essa pessoa consegue dizer “o sistema pode estar errado”.
Explicar uma decisão não é revelar um segredo industrial inteiro
Transparência costuma gerar resistência porque empresas e fornecedores precisam proteger propriedade intelectual, segurança e estratégias comerciais.
Essa preocupação é legítima.
Mas existe um espaço enorme entre publicar todo o funcionamento técnico do sistema e não explicar absolutamente nada.
Um candidato não precisa necessariamente receber milhares de linhas de código para compreender que determinados requisitos obrigatórios foram considerados, que determinadas informações pesaram na análise ou que existe uma forma de solicitar esclarecimento.
A questão fundamental é fornecer uma explicação útil.
“Você não atingiu a pontuação do algoritmo” não explica quase nada.
Quais fatores influenciaram essa pontuação? O que era indispensável? O que poderia ter sido interpretado incorretamente? Existe possibilidade de correção de dados? Há revisão?
A LGPD já prevê informações claras e adequadas sobre critérios e procedimentos de decisões automatizadas quando solicitadas, dentro dos limites previstos pela legislação.
Quanto maior o impacto da decisão sobre a pessoa, menos razoável parece aceitar uma completa caixa-preta.
A Europa já classificou emprego como área sensível
O debate internacional oferece outra referência importante.
O AI Act europeu adota uma abordagem baseada em risco. Entre os usos sensíveis relacionados no regulamento estão sistemas empregados em áreas como educação, emprego, segurança e migração. A Comissão Europeia mantém o uso de IA em emprego entre os casos que podem integrar a classificação de alto risco, conforme finalidade e condições previstas no regulamento.
Em julho de 2026, a Comissão também atualizou suas orientações sobre a implementação do regime de sistemas de alto risco. Segundo o cronograma europeu atualmente indicado, as regras para determinados sistemas de alto risco em áreas como emprego deverão ser aplicáveis a partir de dezembro de 2027.
Essa legislação não transforma automaticamente as mesmas regras em obrigação para toda empresa brasileira.
Mas oferece um sinal estratégico.
Quando governos começam a tratar sistemas utilizados em emprego como tecnologias que merecem controles especiais, o RH deveria prestar atenção antes que a adequação vire uma corrida de última hora.
Governança costuma ser mais barata quando nasce junto com a implantação.
Um sistema mais rápido pode eliminar justamente quem foge do padrão
Há outro problema menos evidente.
Algoritmos de seleção são excelentes em encontrar padrões.
Mas uma contratação valiosa pode estar justamente fora deles.
A pessoa mudou de carreira. Estudou em um caminho diferente. Passou alguns anos fora do mercado. Desenvolveu competências em uma experiência que não utiliza as palavras-chave esperadas.
Um recrutador experiente pode olhar aquela trajetória e perceber uma possibilidade.
Um filtro excessivamente rígido pode simplesmente classificá-la como baixa aderência.
Isso cria um paradoxo.
Empresas dizem procurar criatividade, diversidade cognitiva e profissionais capazes de trazer perspectivas novas, enquanto seus sistemas podem privilegiar candidatos mais parecidos com aqueles que historicamente já foram contratados.
A eficiência do recrutamento não deveria ser medida apenas por quantos currículos a tecnologia consegue eliminar.
Também deveria considerar quantas pessoas potencialmente valiosas ela deixa de mostrar.
IA pode ajudar a reduzir vieses, desde que a empresa procure pelos vieses
Existe um lado extremamente positivo nessa história.
A tecnologia pode ser utilizada para comparar resultados, identificar padrões de seleção, analisar discrepâncias e revelar situações que antes passavam despercebidas.
A empresa pode investigar, por exemplo, se determinados grupos avançam menos em uma etapa, se um critério elimina um conjunto desproporcional de candidatos ou se existe diferença relevante entre a recomendação automática e a avaliação posterior.
Em outras palavras, IA não precisa ser inimiga da diversidade.
Ela pode ser uma ferramenta para tornar problemas mensuráveis.
O erro é presumir que isso acontecerá sozinho.
Sistemas não desenvolvem compromisso ético por vontade própria. Pessoas definem objetivos, dados, indicadores, limites e respostas aos problemas encontrados.
A ética nas empresas entra exatamente aqui.
Ética não aparece depois que a tecnologia produz um escândalo. Ela precisa participar da definição do uso.
A pergunta não é apenas “podemos automatizar?”.
É “o que deveria permanecer sob julgamento humano e quais salvaguardas precisamos construir antes de automatizar?”.
O candidato precisa saber que está sendo avaliado por IA?
Essa pergunta ficará cada vez mais relevante.
Em alguns usos, a IA atua de maneira visível. O candidato conversa com um chatbot ou realiza uma avaliação explicitamente automatizada.
Em outros, não percebe que seus dados foram classificados por modelos antes de qualquer contato humano.
Transparência ajuda a reduzir essa assimetria.
A empresa pode explicar que utiliza ferramentas automatizadas em determinadas etapas, qual é sua finalidade e como o candidato pode buscar informações adicionais.
Isso não exige transformar cada página de carreira em um manual técnico.
Exige deixar de tratar a tecnologia como algo que precisa permanecer invisível para funcionar.
Quando a decisão pode afetar o acesso ao emprego, a pessoa possui um interesse legítimo em compreender pelo menos como aquele processo é estruturado.
A discussão brasileira sobre decisões automatizadas caminha justamente nessa direção. A ANPD vem tratando transparência, direitos dos titulares e revisão como componentes importantes da aplicação da LGPD a sistemas de IA.
Auditoria só depois da denúncia é governança atrasada
Esperar um candidato apontar um problema é uma estratégia frágil.
A empresa deveria avaliar o sistema antes e durante sua utilização.
Isso pode envolver análise de finalidade, documentação dos critérios, testes, acompanhamento de indicadores, revisão periódica, controle de versões e procedimentos para incidentes.
Também precisa existir uma pergunta bastante prática: o que fará a empresa se descobrir que o sistema está produzindo uma distorção?
Suspenderá determinada etapa? Reavaliará candidatos? Alterará critérios? Acionará o fornecedor? Investigará decisões anteriores?
Governança não significa produzir documentos que ninguém utilizará.
Significa definir antecipadamente como a organização tomará decisões quando algo der errado.
Essa preocupação já aparece no debate legislativo brasileiro. Projetos relacionados atualmente em tramitação junto à discussão do marco de IA tratam de temas como transparência, auditoria, discriminação algorítmica, revisão humana e mecanismos de contestação. Isso ainda está no campo legislativo, não deve ser apresentado como obrigação legal já vigente, mas mostra a direção do debate.
O RH não pode terceirizar seu conhecimento para a ferramenta
Existe outro risco menos jurídico e muito mais cotidiano.
A equipe começa utilizando a ferramenta para auxiliar.
Depois passa a confiar nela.
Por fim, já não sabe realizar criticamente aquilo que foi automatizado.
O recrutador deixa de investigar por que determinados perfis são priorizados. O gestor recebe uma lista de candidatos e assume que ela representa os melhores disponíveis. A tecnologia deixa de ser apoio e passa a ser autoridade.
Esse processo enfraquece o próprio RH.
Um profissional de pessoas precisa compreender contexto, comportamento, trajetória, competências e necessidades do negócio. A ferramenta pode ampliar sua capacidade de análise, mas não deveria substituir sua habilidade de formular perguntas.
No artigo “Inteligência Artificial nas empresas: o que seu time precisa saber agora”, já destacamos que organizações mais maduras em IA precisam estabelecer clareza de papéis entre aquilo que a tecnologia executa e aquilo que permanece sob responsabilidade humana.
No recrutamento, essa divisão é ainda mais importante.
Estamos falando de decisões sobre pessoas.
Antes de contratar uma ferramenta, o RH deveria fazer perguntas melhores
A discussão não precisa levar empresas a abandonar IA no recrutamento.
Precisa elevar a qualidade da implantação.
Antes de colocar uma ferramenta em produção, RH, tecnologia, jurídico, proteção de dados, diversidade e liderança deveriam compreender juntos algumas questões:
Qual problema estamos tentando resolver? Reduzir trabalho administrativo é diferente de delegar a escolha dos candidatos.
Quais dados serão utilizados? Nem toda informação disponível precisa participar da decisão.
O que o sistema realmente entrega? Triagem, recomendação, ranking, previsão ou eliminação?
Qual é o peso da recomendação? O recrutador pode discordar ou a ferramenta define quem continuará?
Como verificaremos distorções? É necessário saber quais indicadores serão acompanhados.
Como o candidato poderá contestar ou corrigir uma informação? Um processo sem saída pode transformar um erro pequeno em exclusão definitiva.
O fornecedor consegue explicar sua solução? “É IA” não é explicação técnica suficiente.
Quem será responsável internamente? Quando todos participam, mas ninguém responde, governança vira abstração.
Essas perguntas não atrasam necessariamente a inovação.
Elas evitam que uma implantação rápida produza um problema muito mais caro depois.
Sua empresa está usando IA sem terceirizar a responsabilidade?
Encontre palestrantes especializados em inteligência artificial, futuro do trabalho, gestão de pessoas, diversidade e ética para preparar lideranças e equipes para decisões mais responsáveis.
Três palestrantes para discutir IA, pessoas e responsabilidade
Essa conversa exige mais do que uma demonstração de ferramentas. Empresas precisam compreender tecnologia, gestão, cultura, vieses e impacto humano.
Diogo Cortiz
Diogo Cortiz é professor da PUC-SP, pesquisador, colunista e especialista em inteligência artificial, tecnologias emergentes, comportamento e transformação digital.
Seu trabalho possui forte aderência a organizações que precisam compreender IA para além da ferramenta. Diogo conecta avanços tecnológicos a comportamento humano, cultura, estratégia e tomada de decisão, traduzindo temas complexos para lideranças, RH e outras áreas corporativas.
Em uma discussão sobre recrutamento algorítmico, essa perspectiva é especialmente relevante porque ajuda a retirar a IA tanto do lugar de ameaça inevitável quanto do lugar de solução mágica.
A tecnologia precisa ser compreendida antes de ser delegada.
Marcelo Nóbrega
Marcelo Nóbrega trabalha diretamente com inteligência artificial aplicada ao RH, futuro do trabalho, People Analytics, cultura e estratégia de pessoas.
Entre seus temas está a palestra Inteligência Artificial e o Futuro da Gestão de Pessoas, dedicada a compreender como IA transforma recrutamento, desenvolvimento e engajamento, além das novas competências necessárias para lideranças.
Sua presença é especialmente adequada para áreas de Recursos Humanos que precisam sair de dois extremos: rejeitar a tecnologia por medo ou adotá-la sem critérios porque todos os concorrentes estão utilizando.
IA no RH precisa gerar eficiência sem destruir a qualidade da decisão que justificou a existência do próprio RH.
Helena Bertho
Helena Bertho atua na interseção entre diversidade, cultura, inovação, comunicação e tomada de decisão. Sua abordagem questiona quem participa da construção das escolhas e quais perspectivas permanecem ausentes quando empresas desenham produtos, estratégias e sistemas.
Seu perfil também trabalha explicitamente inteligência artificial relacionada a responsabilidade e profundidade de análise. Helena defende diversidade não apenas como representação numérica, mas como participação e influência sobre decisões.
Esse olhar é fundamental quando algoritmos começam a influenciar recrutamento.
Um sistema pode parecer tecnicamente sofisticado e continuar reproduzindo uma visão limitada sobre quem possui potencial.
Perguntar quem desenhou os critérios, quem testou a solução e quem ficou fora dessa conversa é parte da qualidade tecnológica.
Você domina inteligência artificial e sabe traduzir seu impacto para empresas?
Conheça a Assessoria Palestras de Sucesso e entenda como estruturar seus temas, fortalecer sua autoridade e apresentar sua experiência ao mercado corporativo.
A inteligência artificial pode recomendar. A responsabilidade continua humana
O recrutamento está mudando.
Não faz sentido exigir que profissionais analisem manualmente milhares de currículos quando tecnologias podem organizar dados, identificar informações e reduzir tarefas repetitivas.
Também não faz sentido imaginar que eficiência justifica qualquer automação.
Quanto maior a influência da tecnologia sobre uma decisão capaz de alterar a trajetória de uma pessoa, maior precisa ser a preocupação com critérios, transparência, revisão e responsabilidade.
A empresa pode usar IA.
Pode automatizar etapas.
Pode obter enorme ganho de produtividade.
O que não deveria fazer é construir um processo no qual ninguém consegue explicar por que alguém foi eliminado.
Porque, quando o candidato pergunta quem tomou a decisão, “foi o algoritmo” não é uma resposta suficiente.
O algoritmo não publicou a vaga.
Não definiu sozinho os objetivos da empresa.
Não escolheu por conta própria quais dados utilizar.
Não assinou o contrato com o fornecedor.
E não responderá pela reputação da organização.
A inteligência artificial pode participar da decisão.
A responsabilidade continua sendo de pessoas.
Perguntas frequentes sobre inteligência artificial no recrutamento
Como a inteligência artificial é usada no recrutamento?
A IA pode ser utilizada para organizar currículos, identificar informações, comparar requisitos, apoiar triagens, recomendar candidatos, analisar dados e automatizar tarefas administrativas. O grau de influência da ferramenta depende de como cada empresa estrutura seu processo.
Uma empresa pode eliminar candidatos utilizando inteligência artificial?
Ferramentas automatizadas podem participar de processos seletivos, mas seu uso deve respeitar a legislação aplicável, incluindo regras relacionadas à proteção de dados e não discriminação. Quando uma decisão é tomada unicamente com base em tratamento automatizado de dados pessoais e afeta interesses do titular, o artigo 20 da LGPD prevê direito de solicitar revisão.
A IA elimina os vieses humanos do recrutamento?
Não automaticamente. O resultado depende dos dados utilizados, dos critérios definidos, do desenvolvimento do sistema e da forma como a organização monitora seu funcionamento. IA também pode ser usada para identificar distorções, mas isso requer avaliação deliberada.
O candidato tem direito de saber por que foi eliminado?
A LGPD prevê que, em decisões tomadas unicamente com base em tratamento automatizado, o titular pode solicitar revisão e informações claras e adequadas sobre critérios e procedimentos utilizados, respeitados os segredos comercial e industrial. Cada situação precisa ser analisada dentro das condições previstas na legislação.
Precisa haver uma pessoa revisando todas as decisões da IA?
A legislação brasileira ainda possui discussões regulatórias em andamento sobre a aplicação das regras de decisões automatizadas. Independentemente da solução regulatória final, empresas que adotam IA em decisões relevantes precisam estabelecer mecanismos reais de supervisão, contestação e responsabilização. A ANPD mantém o tema em sua agenda regulatória.
O Brasil já possui uma lei geral específica de inteligência artificial?
Em agosto de 2026, o PL 2.338/2023, que trata da regulamentação geral da IA, já foi aprovado pelo Senado e segue em tramitação na Câmara dos Deputados. Portanto, não deve ser apresentado como lei vigente. A LGPD e outras normas já existentes continuam aplicáveis aos aspectos que abrangem.
Como uma empresa pode usar IA no recrutamento com mais responsabilidade?
Ela pode definir claramente a finalidade da ferramenta, avaliar os dados utilizados, documentar critérios, testar resultados, monitorar possíveis distorções, preparar os profissionais responsáveis, criar mecanismos de revisão e garantir que decisões importantes não se tornem caixas-pretas.