Governança de IA

Viés algorítmico: o risco jurídico da IA em recrutamento e gestão de pessoas

13 de novembro de 202615 min de leitura
C

Conteúdo por

Clóvis Barreto Jr.

Compartilhe:
Pilha de currículos impressos sobre mesa de madeira clara, com uma caneta dourada e luz natural lateral

Viés algorítmico no RH: o que a LGPD, a Lei 9.029 e a CLT exigem de quem usa IA para triar currículos, e um checklist de 7 passos.

TL;DR (Resumo)

Viés algorítmico no RH é quando uma ferramenta de IA favorece ou exclui candidatos por critérios que a lei proíbe, como sexo, idade ou origem. No Brasil, a empresa responde por esse resultado com base na Lei 9.029/1995, na CLT e na LGPD, mesmo que o algoritmo seja de terceiros. Segundo a TIC Empresas 2025, 24% das empresas que usam IA já a aplicam em gestão de RH ou recrutamento.

A triagem automatizada de currículos deixou de ser recurso de multinacional. Ela vem embutida em plataformas de vagas, sistemas de gestão de pessoas e assistentes de IA de uso geral. O recrutador muitas vezes nem percebe que uma nota ou um ranking foi gerado por um modelo.

O problema é que a legislação trabalhista e a de proteção de dados não perguntam se a decisão foi tomada por uma pessoa ou por um sistema. Elas perguntam se houve discriminação e se a empresa consegue explicar o critério. Para o Head de RH e o DPO, a questão prática é como usar a ferramenta sem transformar cada processo seletivo em passivo.

01 — O que é viés algorítmico e por que ele aparece no recrutamento?

Viés algorítmico é o erro sistemático de um sistema de IA que produz resultados piores para um grupo de pessoas do que para outro, sem justificativa legítima. No recrutamento, o viés algorítmico aparece porque os modelos aprendem com o histórico de contratações da empresa ou do mercado, e esse histórico já carrega as escolhas e as desigualdades do passado.

Um modelo treinado para reconhecer o perfil dos funcionários que deram certo tende a reproduzir quem foi contratado antes. Se a área técnica de uma empresa foi ocupada majoritariamente por homens de determinada faixa etária, o sistema aprende que esse padrão é sinal de sucesso. O algoritmo não precisa ver o campo sexo ou idade para discriminar.

O caso mais citado é o de uma ferramenta experimental de recrutamento da Amazon, relatada pela Reuters em 2018. Treinado com currículos recebidos ao longo de uma década, em sua maioria de homens, o sistema passou a penalizar currículos que continham a palavra “women’s”. A empresa tentou corrigir os termos e acabou abandonando o projeto.

O exemplo da Amazon importa porque mostra que o viés algorítmico não depende de má intenção nem de falta de recursos técnicos. Ele depende da qualidade dos dados de treino e da existência, ou não, de testes antes de o sistema entrar em produção.

02 — Quais leis brasileiras se aplicam à IA usada em recrutamento e gestão de pessoas?

Quatro normas em vigor já alcançam a IA usada no RH: a Constituição Federal, a Lei 9.029/1995, a CLT e a LGPD. Nenhuma delas foi escrita pensando em algoritmos, mas todas proíbem o resultado discriminatório e nenhuma isenta a empresa porque a decisão passou por um sistema automatizado.

A Lei 9.029/1995 proíbe qualquer prática discriminatória e limitativa para acesso à relação de trabalho ou sua manutenção, por motivo de sexo, origem, raça, cor, estado civil, situação familiar, deficiência, reabilitação profissional ou idade, entre outros. A CLT, no artigo 373-A, veda recusar emprego, promoção ou motivar dispensa em razão de sexo, idade, cor, situação familiar ou gravidez. A Constituição, no artigo 7º, inciso XXX, proíbe critério de admissão por motivo de sexo, idade, cor ou estado civil.

A LGPD acrescenta três camadas. O artigo 6º, inciso IX, estabelece o princípio da não discriminação. O artigo 11 restringe o tratamento de dados sensíveis, como origem racial, saúde e convicção religiosa. O artigo 20 dá ao titular o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado, incluídas as que definem seu perfil profissional.

O mesmo artigo 20 obriga o controlador a fornecer, quando solicitado, informações claras sobre os critérios e procedimentos da decisão automatizada, respeitado o segredo comercial. Se a empresa se recusar com base nesse segredo, a ANPD pode fazer auditoria para verificar aspectos discriminatórios no tratamento. Para quem quer aprofundar o uso de dados pessoais em ferramentas de IA, o artigo sobre o que a LGPD e a ANPD exigem hoje trata do tema pelo lado do cliente.

Volume encadernado de legislação trabalhista aberto sobre mesa clara, com marcador de página dourado
A lei não distingue decisão humana de decisão automatizada: ela examina o resultado.

03 — Quem responde quando a IA de triagem discrimina: a empresa ou o fornecedor?

Perante o candidato e a Justiça do Trabalho, quem responde pela discriminação na triagem é a empresa que conduz o processo seletivo. Ela decide usar a ferramenta, define os critérios da vaga e é a controladora dos dados pessoais dos candidatos. O fornecedor do software pode responder junto, mas isso não afasta a responsabilidade da empresa contratante.

O artigo 42 da LGPD prevê que o controlador ou o operador que causar dano em razão do tratamento de dados pessoais é obrigado a repará-lo. Na prática, a empresa que foi condenada pode buscar o fornecedor em ação de regresso. Essa ação só tem chance real de êxito quando o contrato define com precisão o que o fornecedor garantiu sobre testes, dados de treino e documentação.

É aqui que muitas empresas descobrem o problema tarde demais. Contratos de adesão de plataformas de recrutamento costumam limitar a responsabilidade do fornecedor ao valor da assinatura e não dão acesso aos logs de decisão. O artigo sobre o que negociar com fornecedor de IA antes de assinar detalha as cláusulas que mudam esse equilíbrio.

A revisão humana também não funciona como escudo automático. Se o recrutador apenas confirma a nota gerada pelo sistema, sem critério próprio e sem registro do motivo, a decisão continua sendo, na prática, automatizada. O que protege a empresa é a revisão com capacidade real de discordar, documentada caso a caso.

04 — O que mudou na regulação de IA aplicada a pessoas até novembro de 2026?

Até novembro de 2026, o Brasil não tem lei específica de inteligência artificial em vigor. A regulação da IA no RH continua apoiada nas leis trabalhistas e na LGPD, enquanto a ANPD prepara regras sobre decisões automatizadas e o PL 2338/2023 aguarda parecer na Câmara dos Deputados. Na União Europeia, recrutamento é uso de alto risco.

A ANPD realizou entre novembro de 2024 e janeiro de 2025 uma tomada de subsídios sobre IA e revisão de decisões automatizadas, que recebeu 124 contribuições. Segundo o balanço da Agenda Regulatória 2025-2026, publicado em janeiro de 2026, a minuta com parâmetros interpretativos para o artigo 20 da LGPD está em elaboração na área técnica. Ainda não há regulamento aprovado.

O PL 2338/2023, aprovado pelo Senado em dezembro de 2024, consta na ficha de tramitação da Câmara como aguardando parecer do relator na Comissão Especial sobre Inteligência Artificial, em consulta feita em 13 de novembro de 2026. O texto prevê classificação de sistemas por risco e avaliação de impacto algorítmico para os de alto risco. A lista final de usos de alto risco depende da versão que a Câmara aprovar. O artigo sobre o que muda para as empresas com o PL 2.338 acompanha esse ponto.

No AI Act europeu, o Anexo III classifica como alto risco os sistemas usados em emprego e gestão de trabalhadores, incluindo recrutamento e seleção. O acordo do chamado Digital Omnibus prevê adiar essas obrigações para 2 de dezembro de 2027, data que ainda depende de publicação no Jornal Oficial da União Europeia. Empresas brasileiras que recrutam na Europa já devem planejar com esse horizonte, como explica o artigo sobre quando o AI Act vale para empresas brasileiras.

05 — Onde o viés se esconde em uma ferramenta de triagem de currículos?

O viés de uma ferramenta de triagem raramente está em um campo explícito como sexo ou idade. Ele se esconde nas variáveis substitutas, chamadas de proxies: dados aparentemente neutros que, na base de candidatos, se correlacionam fortemente com uma característica protegida pela Lei 9.029/1995 e pela CLT.

Quem já operou extração automatizada de dados de documentos conhece o padrão. O CEP do candidato pode se correlacionar com renda e cor. O nome da instituição de ensino pode refletir origem socioeconômica. Lacunas no histórico profissional penalizam, com frequência, mulheres que tiveram filhos. Anos de formatura funcionam como substituto da idade. Remover o campo sensível da planilha não remove o viés.

Há uma segunda fonte, menos discutida: a própria extração do currículo. Quando o sistema lê um PDF mal formatado, uma tabela ou um currículo em modelo pouco comum, ele pode perder experiências relevantes. Candidatos que usam modelos de currículo menos convencionais são prejudicados por um erro de leitura, não por falta de qualificação. Esse erro só aparece quando alguém compara o currículo original com o que o sistema efetivamente registrou.

A escala do uso torna o tema urgente. Segundo a TIC Empresas 2025, do Cetic.br, 17% das empresas brasileiras com 10 ou mais pessoas ocupadas usaram IA, proporção que chega a 50% entre as de 250 ou mais. Entre as que usam IA, o indicador H10 mostra que 24% aplicam a tecnologia em gestão de recursos humanos ou recrutamento, índice de 35% nas grandes empresas.

Etapa do RHRisco de viés típicoControle mínimoControle com governança de IA
Anúncio da vagaTexto gerado por IA com requisito que exclui grupos.Revisão do anúncio pelo RH.Lista de termos vedados e revisão jurídica do modelo de anúncio.
Triagem de currículosRanking que penaliza proxies como CEP, lacuna ou idade.Recrutador confere os descartados.Teste de impacto por grupo antes e durante o uso.
Entrevista e testesAnálise automatizada de voz, vídeo ou texto.Uso apenas como apoio.Vedação de inferir emoção e registro do critério humano.
Promoção e desempenhoNota que replica avaliações históricas enviesadas.Comitê revisa as notas.Explicação por critério e canal de contestação.
DesligamentoLista de corte gerada por produtividade sem contexto.Validação do gestor direto.Revisão jurídica e trilha documental de cada decisão.

A tabela mostra que o controle mínimo, quase sempre uma conferência humana pontual, não produz prova. Se o candidato questionar a decisão, a empresa precisa demonstrar que o critério era legítimo e que o resultado não prejudicou um grupo protegido. Uma conferência sem registro não demonstra nada.

A coluna de governança de IA troca a confiança na ferramenta por evidência: testes de impacto, critérios explicáveis e registro de quem decidiu e por quê. É essa documentação que sustenta a defesa da empresa em uma reclamação trabalhista, em uma fiscalização ou em um pedido de informações da ANPD.

Mãos separando folhas de papel em duas pilhas sobre mesa de madeira, com luz natural suave
O viés costuma estar nos dados que parecem neutros.

06 — Como auditar uma ferramenta de IA de recrutamento antes e depois de contratar?

Auditar uma ferramenta de IA de recrutamento significa verificar, com dados da própria empresa, se o sistema produz resultados diferentes para grupos protegidos e se a empresa consegue explicar cada decisão. A auditoria começa antes da assinatura do contrato e continua enquanto a ferramenta estiver em produção. Este checklist organiza o processo em sete passos.

  1. Mapeie onde há decisão automatizada. Liste cada etapa do funil em que um sistema gera nota, ranking, descarte ou recomendação, incluindo recursos de IA embutidos em plataformas já contratadas.
  2. Exija do fornecedor a documentação do modelo. Peça por escrito quais variáveis o sistema usa, com que dados foi treinado, se reutiliza dados dos seus candidatos e quais testes de viés já fez.
  3. Elimine dados sensíveis e proxies evidentes. Retire do processamento campos como foto, data de nascimento, estado civil e endereço completo, salvo justificativa documentada para a vaga.
  4. Teste o impacto por grupo. Compare a taxa de aprovação na triagem entre grupos, como homens e mulheres ou faixas etárias. Diferenças relevantes exigem investigação antes de o sistema seguir em uso.
  5. Defina a revisão humana com poder real. Estabeleça quem revisa, em quais casos, com acesso a quais informações e com autonomia para discordar do sistema, registrando o motivo da decisão.
  6. Prepare a resposta ao artigo 20 da LGPD. Tenha um texto pronto que explique ao candidato os critérios da decisão e um canal para pedir revisão, com prazo interno de resposta.
  7. Registre e repita. Elabore o relatório de impacto à proteção de dados, guarde os logs de decisão e repita o teste de impacto a cada mudança relevante do modelo ou do perfil de vagas.

Em plataformas de gestão de riscos como o Risco Gerenciado, esse checklist vira uma matriz de controles com responsável, evidência e prazo de revisão. A lógica serve para qualquer empresa: cada controle precisa ter um dono e um documento que prove que foi executado.

07 — Como o risco aparece na prática em uma indústria com alto volume de vagas?

Em indústrias com alto volume de vagas operacionais, o risco de viés algorítmico cresce porque a triagem automatizada processa milhares de currículos com pouca revisão individual. O exemplo a seguir é ilustrativo e setorial, construído para mostrar como as normas se aplicam, sem se referir a uma empresa específica.

Imagine uma indústria de médio porte do Sul do país que abre 300 vagas de operador de produção para um novo turno. A plataforma de recrutamento ordena os candidatos por aderência ao perfil dos operadores atuais. Como o quadro histórico é majoritariamente masculino e jovem, o ranking passa a empurrar mulheres e candidatos acima de 45 anos para o fim da lista.

Ninguém configurou a ferramenta para discriminar. Ainda assim, o resultado pode caracterizar prática discriminatória no acesso ao emprego, vedada pela Lei 9.029/1995. Se um candidato pedir revisão com base no artigo 20 da LGPD e a empresa não souber explicar o critério do ranking, o problema jurídico se soma a um problema de credibilidade perante o Ministério Público do Trabalho e a comunidade local.

O teste de impacto por grupo, descrito no passo 4 do checklist, teria mostrado a distorção antes da primeira contratação. O ajuste de critérios, com foco em requisitos objetivos da função, como certificações e disponibilidade de turno, reduz o peso dos proxies e deixa a decisão explicável.

Corredor de planta industrial vazio e organizado, com luz natural entrando por janelas altas
Em vagas de alto volume, a triagem automatizada decide antes de qualquer entrevista.

08 — Por onde o Head de RH e o DPO devem começar?

O ponto de partida para o Head de RH e o DPO é descobrir onde a IA já atua no processo seletivo e na gestão de pessoas, porque muitas ferramentas chegam embutidas em sistemas contratados para outra finalidade. Sem esse inventário, a empresa não consegue avaliar o risco jurídico nem responder a um pedido de revisão.

Clóvis Barreto Jr., advogado corporativo internacional e fundador das plataformas Contrato Revisado e Risco Gerenciado, defende que a governança de IA no RH seja tratada como decisão executiva, e não como configuração de software. A pergunta certa para o comitê não é se a ferramenta é boa, mas se a empresa consegue defender cada decisão que ela influenciou.

Na prática, isso significa colocar RH, jurídico e proteção de dados na mesma mesa antes de renovar ou contratar uma plataforma de recrutamento. O RH conhece o funil, o jurídico conhece o risco trabalhista e o DPO conhece as obrigações da LGPD. Separados, cada um enxerga só uma parte do problema.

09 — Perguntas frequentes sobre viés algorítmico no RH

Usar IA para triar currículos é proibido no Brasil?

Não. Nenhuma lei brasileira proíbe o uso de IA na triagem de currículos. O que a lei proíbe é o resultado discriminatório: a Lei 9.029/1995 veda práticas discriminatórias no acesso ao emprego e a LGPD veda tratamento de dados para fins discriminatórios ilícitos ou abusivos. A empresa pode usar a ferramenta, desde que consiga demonstrar critérios legítimos, testes de viés e revisão humana nas decisões relevantes.

Quem responde se a ferramenta de IA discriminar um candidato?

Perante o candidato, responde a empresa que tomou a decisão de contratação, porque ela é a controladora dos dados e a empregadora em potencial. O fornecedor da ferramenta pode responder junto se tiver causado o dano, e a empresa pode cobrar dele em ação de regresso. Por isso o contrato com o fornecedor precisa prever obrigação de teste de viés, acesso a logs e cláusula de responsabilidade.

O candidato pode pedir revisão de uma decisão tomada por IA?

Sim. O artigo 20 da LGPD garante ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, incluídas as que definem perfil profissional. A empresa também deve informar, quando solicitada, os critérios e procedimentos usados na decisão, respeitado o segredo comercial. A ANPD ainda elabora parâmetros interpretativos para esse artigo.

Os dados dos candidatos ficam expostos no modelo de IA do fornecedor?

Depende do contrato e da arquitetura. Currículos trazem dados pessoais e, com frequência, dados sensíveis, como saúde ou origem racial. A empresa precisa saber se o fornecedor reutiliza esses dados para treinar o modelo, onde eles ficam armazenados e por quanto tempo. Sem essas respostas por escrito, a empresa assume um risco de LGPD que não consegue medir nem documentar.

Preciso trocar o time de RH ou treinar o que já tenho?

Treinar o time existente costuma ser o caminho mais seguro. A revisão humana só protege a empresa se o recrutador entender o que a ferramenta mede, onde ela costuma errar e quando deve discordar da recomendação. Um revisor que apenas confirma a nota do sistema não reduz o risco jurídico, porque a decisão continua, na prática, automatizada.

10 — Conclusão

A IA na triagem e na gestão de pessoas não cria uma responsabilidade nova: ela amplia a escala de uma responsabilidade que a empresa já tinha. A Lei 9.029/1995, a CLT e a LGPD já exigem critérios legítimos e explicáveis, e a regulação específica de IA, no Brasil e na Europa, aponta na mesma direção.

A empresa que testa o impacto por grupo, documenta a revisão humana e negocia acesso aos dados do fornecedor transforma um risco difuso em risco gerenciado. Se você quer um diagnóstico de como a IA está sendo usada hoje no seu RH e do que falta documentar, converse diretamente com o Clóvis.

Compartilhe:
Foto de Clóvis Barreto Jr.

Quem escreveu este artigo

Clóvis Barreto Jr. — advogado (LL.M. FGV) e palestrante de IA

Advogado especializado em Direito e Inteligência Artificial. Escreve sobre regulação, governança e riscos jurídicos da IA a partir da prática com empresas, indústria e conselhos.

Solicitar diagnóstico gratuito

Fale diretamente com Clóvis Barreto Jr. e entenda os riscos jurídicos da IA no seu negócio.

Solicitar diagnóstico gratuito

Continue lendo

Você também pode gostar