Inteligência artificial no RH: o que ela já faz em cada função e o que conferir antes de decidir sobre uma pessoa

Sobre o que trata este texto

• Onde a inteligência artificial no RH já entra hoje: recrutamento, avaliação de desempenho, people analytics e departamento pessoal
• Os três níveis de autonomia que vêm depois do chat, e quanto cuidado cada um pede
• Por que triar centenas de currículos num chat ou num agente de uso geral sai lento e caro, e o que exigir de uma solução especializada de IA no recrutamento e seleção
• O que conferir no texto de feedback que a IA rascunha, e o que fica com o gestor
• O que o artigo 20 da LGPD e a lei contra discriminação no emprego exigem quando a IA participa de uma decisão sobre alguém
• Um teste de duas semanas para medir se a IA economiza tempo de verdade no seu trabalho

Este artigo complementa o e-book gratuito O Mapa do Explorador, que reúne mais de 200 tendências de tecnologia em 17 setores, com um capítulo dedicado a educação, RH e carreira.

Segundo o levantamento State of AI in HR 2026 da SHRM, feito com mais de 1.900 profissionais de RH e publicado em abril de 2026, só 39% das organizações implementaram IA nas funções de RH, enquanto 62% já usam IA em alguma área do negócio. Em 52% das organizações pesquisadas, o RH nem participa da estratégia de IA da empresa. Traduzindo: a área que vai redesenhar cargos por causa da IA ainda usa a tecnologia menos do que o restante da empresa.

No Brasil, a pesquisa TIC Empresas 2025 do Cetic.br, publicada em 2026, mostra a mesma distância por outro ângulo: entre as empresas que já usam IA, 24% a aplicam na gestão de pessoas ou no recrutamento, contra 44% em marketing e vendas.

Nos eventos internacionais que acompanho, como SXSW e VivaTech, a conversa sobre agentes de IA no RH aparece meses antes de chegar às empresas daqui. Lá fora, a discussão está em escolher, em cada função, a tarefa em que a IA entra e o ponto em que alguém confere o resultado antes de uma decisão sobre uma pessoa.

Inteligência artificial no RH em três níveis de autonomia

O ponto de partida é o chat: você escreve o pedido, espera, copia a resposta e cola onde precisa. É onde a maior parte do RH está hoje, redigindo comunicado, resumindo uma política ou adaptando o texto de um treinamento.

Nas empresas que têm o Microsoft 365 com licença do Copilot, o chat já pode ler os arquivos da empresa. O agente criado num site do SharePoint responde dúvidas sobre benefícios, férias ou regras internas a partir dos documentos que cada pessoa já tem permissão de ver. Mesmo com o nome de agente, ele continua no ponto de partida: só age quando alguém aciona.

Depois do chat, a autonomia sobe em três níveis:

1. Fluxos: uma sequência de passos definida por alguém, que dispara sozinha quando algo acontece. O formulário de admissão chega, a IA lê os anexos, confere se os documentos estão completos e manda o e-mail de pendência. O fluxo executa sem você, mas não escolhe o caminho.
2. Skills e modos de agente: a skill é um arquivo de instruções que ensina um procedimento uma vez (o jeito da empresa escrever uma vaga ou responder a uma dúvida de benefício), e a IA aplica esse jeito sempre que o pedido combina. No modo de agente do ChatGPT, do Claude ou do Gemini, a IA recebe um objetivo e decide sozinha os passos para chegar lá.
3. Enxames: vários agentes que dividem uma tarefa e conversam entre si: um tria, outro agenda, outro redige. Em RH, ainda é território de time de tecnologia, e cada agente pede o mesmo controle de um agente sozinho, mais o registro de quem fez o quê.

A maioria das aplicações práticas de RH está nos níveis 1 e 2, e o cuidado cresce com a autonomia e com o efeito da tarefa sobre a vida de alguém. Um fluxo simples que reprova candidato sem ninguém olhar pede mais conferência do que um agente que rascunha uma vaga. Por isso delegar a um agente começa pelo desenho do trabalho, e a ferramenta vem depois.

Para decidir onde começar, uso em treinamento uma matriz que cruza duas perguntas: com que frequência a tarefa acontece, e quanto julgamento humano ela exige.

O quadrante de alta frequência e pouco julgamento é o melhor lugar para começar, porque o ganho aparece rápido e o erro é fácil de pegar.

IA no recrutamento e seleção

Recrutamento concentra o uso de IA no RH. Na pesquisa da SHRM, é a primeira área de uso, citada por 27% das organizações pesquisadas, à frente de tecnologia de RH e de treinamento. A IA já escreve a descrição da vaga, lê currículos, sugere perguntas de entrevista e agenda conversas.

Escrever a vaga no padrão da empresa é a tarefa mais fácil de transformar em skill, e o passo a passo para montar essa skill do zero está na coluna que escrevi para a Flash Humanidades. O risco maior está no passo seguinte, quando os currículos chegam.

Da descrição da vaga à lista fechada de critérios

Um sistema de triagem treinado com o histórico de contratações da empresa tende a repetir o padrão desse histórico: se a empresa contratou mais homens para um cargo técnico nos últimos anos, o sistema aprende que esse é o perfil que dá certo.

Um modelo de linguagem usado num chat não aprende com o histórico da empresa, mas carrega os vieses do texto com que foi treinado e do pedido que recebe. Nos dois casos, o viés do sistema se repete em cada currículo do lote, enquanto o de um recrutador afeta os poucos que ele lê por dia.

A primeira proteção é escrever, antes da primeira triagem, a lista fechada de critérios que podem pesar na decisão: tempo de experiência com uma ferramenta, formação exigida, certificação obrigatória. Qualquer coisa fora da lista não entra, e cada currículo que avança ou para leva anotado o critério que decidiu.

A lista e o registro formam o que quem constrói agentes chama de harness: as regras e os controles ao redor do sistema. Com os dois, dá para comparar, caso a caso, o que a triagem podia considerar com o que de fato considerou.

A lista ainda precisa de dois controles. O primeiro tira nome, idade e gênero do currículo antes da leitura automática, mesmo que isso custe um passo manual no início. Tirar o dado não basta sozinho: ano de formatura, endereço ou um limite máximo de anos de experiência denunciam idade, origem ou renda por caminho indireto, e por isso a lista fechada não pode conter esses itens.

O segundo controle roda a cada lote: compare a taxa de aprovação entre grupos, usando os dados de faixa etária e gênero que o sistema de cadastro de candidaturas guarda à parte e que a leitura automática não recebe. Dado sensível, como raça, só entra com autodeclaração voluntária e com o jurídico de acordo.

Como referência, a orientação americana para seleção de pessoal, conhecida como regra dos quatro quintos, trata como sinal de alerta quando a taxa de aprovação de um grupo fica abaixo de 80% da taxa do grupo mais aprovado. Se isso aparecer sem explicação ligada aos critérios da vaga, pause o uso da IA na triagem até achar a causa.

Um prompt para montar a lista de critérios

O prompt abaixo transforma a descrição aprovada de uma vaga na lista fechada de critérios e já aponta os requisitos que podem filtrar gente pelo motivo errado. Ele segue a estrutura do guia para fazer um prompt:

Você é analista de recrutamento e seleção da [empresa] e vai preparar a triagem de uma vaga.
Contexto: anexei a descrição aprovada da vaga de [cargo]. A triagem vai comparar os currículos com uma lista fechada de critérios, e nenhum critério fora da lista pode pesar na decisão.
Tarefa: transforme a descrição em uma lista de no máximo oito critérios objetivos, que possam ser conferidos no currículo. Para cada critério, diga se é obrigatório ou desejável e como ele costuma aparecer num currículo. Depois, aponte qualquer requisito da descrição que possa filtrar candidatos por idade, gênero, origem ou deficiência, como limite máximo de anos de experiência, ano de formatura ou exigência de aparência, e sugira uma redação neutra para cada um.
Formato: tabela com as colunas critério, obrigatório ou desejável, como aparece no currículo e observação.
Restrição: use só o que está na descrição anexada. Quando faltar informação para definir um critério, escreva "a definir com o gestor".

A lista que sai daí é rascunho. Quem fecha os critérios é o recrutador com o gestor da vaga. Como o prompt usa só a descrição da vaga, ele roda em qualquer ferramenta; currículo de candidato real só entra em ferramenta de IA aprovada pela empresa.

Triagem em volume: ferramenta geral ou solução especializada

Triar centenas de currículos num chat de uso geral é um trabalho lento para quem opera. A pessoa anexa os arquivos em lotes, lê cada resposta, confere e copia o resultado para uma planilha.

Com um agente de uso geral, o tempo humano cai, mas o consumo sobe. Num sistema de pesquisa da própria empresa, a Anthropic mediu em junho de 2025 que agentes gastam cerca de quatro vezes mais tokens, a unidade de texto que o modelo processa e cobra, do que uma conversa de chat, e sistemas com vários agentes, cerca de quinze vezes. A proporção numa triagem varia, mas a direção é a mesma: o agente relê arquivos e acumula contexto a cada passo.

Esse consumo esbarra no limite de uso mesmo em conta corporativa. No plano Team do Claude, o limite é por pessoa, com teto por sessão de cinco horas e teto semanal. No ChatGPT Enterprise, o administrador define um limite mensal por pessoa sobre um saldo de créditos da empresa. Uma triagem de quinhentos currículos disputa esse limite com todo o resto do trabalho da semana.

Dois problemas pesam mais do que o custo. Currículo é dado pessoal: numa conta pessoal de IA, sem contrato com a empresa, a ferramenta pode usar as conversas para treinar o modelo, e não existe um acordo que diga o que o fornecedor pode fazer com os dados dos candidatos. E a ferramenta geral não guarda, por padrão, o critério usado para cada candidato.

O sinal prático de que a triagem pede outra ferramenta é a vaga receber mais currículos do que alguém consegue conferir um a um na mesma tarde. A partir daí, a solução especializada de recrutamento faz a triagem dentro do sistema de vagas, em lote, com custo previsto em contrato. Antes de contratar, peça por escrito quatro garantias:

1. A solução aceita a lista fechada de critérios definida pela empresa.
2. Ela registra e exporta o critério usado em cada candidato.
3. Uma pessoa da empresa decide quem avança.
4. O fornecedor diz se usa os dados dos candidatos para treinar o próprio modelo.

A mesma lógica vale para o resto do RH: tarefa repetitiva com dado pessoal, que alimenta decisão sobre alguém, pede sistema com registro. Texto institucional, como uma política, um comunicado ou o roteiro de entrevista por competência, cabe na ferramenta geral aprovada pela empresa.

Avaliação de desempenho com IA

No ciclo de avaliação, a IA entra antes da conversa. Ela junta as anotações das reuniões individuais, as metas do período e os comentários de pares num resumo por pessoa, e rascunha o texto de feedback que o gestor vai revisar. Para um gestor com doze liderados, isso tira da semana de avaliação boa parte da leitura e da primeira redação.

Como o rascunho usa dado pessoal e alimenta promoção e bônus, ele roda no sistema de desempenho ou na ferramenta de IA aprovada pela empresa.

O cuidado está no texto que a IA escreve. Num teste publicado pela Textio em janeiro de 2023, com cerca de 150 pedidos de feedback que mudavam só o gênero da pessoa avaliada, o ChatGPT devolveu textos parecidos na maior parte dos casos, mas o feedback escrito para mulheres saiu cerca de 15% mais longo, e o trecho a mais costumava ser crítica.

Os modelos mudaram desde então, e o teste é de uma empresa que vende ferramenta de linguagem; o que fica é o tipo de erro a procurar no rascunho.

Antes de usar o rascunho, faça três conferências:

1. Cada crítica do texto aponta um fato do período, com data ou entrega, e não um traço de personalidade.
2. Textos de pessoas com desempenho parecido têm tamanho e tom parecidos, sem diferença que acompanhe gênero, idade ou origem.
3. O resumo cobre o período inteiro, e não só as últimas semanas, que são as que mais aparecem nas anotações recentes.

A nota e a decisão sobre promoção ou plano de desenvolvimento ficam com o gestor, que também conduz a conversa. Se o sistema de desempenho da empresa calcula uma nota sozinho e essa nota define bônus, promoção ou desligamento sem ninguém revisar caso a caso, a avaliação entra no terreno da seção sobre a LGPD, mais abaixo.

People analytics com IA

Uma rede de farmácias perde vendedores experientes nos primeiros seis meses e paga caro para treinar substitutos. O dado para entender o problema já existe, espalhado entre a folha e as entrevistas de desligamento que nunca foram lidas em conjunto.

Esse é o terreno do people analytics: o uso de dados sobre as pessoas da empresa para responder perguntas de gestão, como por que gente boa sai, onde o treinamento dá retorno e quem tem potencial e ainda não apareceu. A IA acelera duas partes desse trabalho: juntar dados espalhados e procurar padrões que ninguém teria tempo de achar à mão.

Um erro frequente começa pela ferramenta: a empresa compra um painel e espera para ver o que ele mostra. O resultado costuma ser um painel cheio de gráficos que ninguém usa para decidir. A pergunta de negócio vem antes do painel.

Na rede de farmácias, a IA cruza tempo de casa, motivo de saída e treinamento recebido; antes de agir, o padrão encontrado volta para os gerentes de cada loja, que dizem se ele faz sentido na rotina deles.

No Brasil, o primeiro obstáculo costuma ser anterior à IA: dado de RH em planilha solta, sistema de folha que não conversa com o de recrutamento e informação que só existe na memória de quem está há mais tempo na área. Juntar folha, recrutamento e desligamento numa base só é o primeiro projeto de people analytics.

Quatro cuidados valem para qualquer análise com dado de pessoa:

1. Escrever a finalidade da análise e a base legal, o motivo previsto na LGPD que autoriza usar aquele dado, antes de cruzar os dados, e tratar à parte o dado sensível, como o de saúde numa análise de afastamentos.
2. Usar dado agregado e sem identificação quando a pergunta é sobre um time ou uma área, lembrando que, num time de quatro pessoas, um dado “agregado” ainda aponta para alguém.
3. Tratar como decisão sobre uma pessoa qualquer resultado que classifica alguém, como uma lista de risco de saída ou de alto potencial, com as mesmas regras da seção sobre a LGPD.
4. Garantir que quem recebe a análise saiba dizer, em linguagem simples, o que ela mostra e o que ela não mostra.

IA para departamento pessoal e atendimento ao colaborador

No departamento pessoal e no atendimento, a IA economiza mais horas com menos risco, porque a maior parte do trabalho é responder a mesma dúvida e conferir o mesmo documento. Quantos dias de férias faltam, como funciona o vale-refeição no trabalho remoto, onde está o informe de rendimentos: a resposta está num documento da empresa, e a pessoa precisa achá-la.

O agente do Copilot no SharePoint resolve boa parte desse volume, e quem edita o site pode criá-lo sem depender da TI. A qualidade da resposta depende da pasta que o agente lê. Quando a política antiga fica ao lado da nova, o agente responde, com a mesma segurança, pela regra que já não vale, e por isso a pasta precisa de um responsável, nomeado antes de o agente entrar no ar, que tire o documento vencido no dia em que a regra muda.

Na rotina do departamento pessoal, os fluxos do nível 1 cobrem a admissão: a IA lê os documentos enviados pelo novo funcionário, aponta o que falta e dispara o pedido de pendência. Na conferência da folha, ela pode listar variações fora do padrão do mês, como uma hora extra muito acima da média de uma equipe, para alguém olhar. A decisão de pagar, descontar ou corrigir fica com o analista.

Quando a IA decide sobre uma pessoa: o que a LGPD e a lei antidiscriminação exigem

Uma gerente de RH de uma rede de varejo me procurou depois de uma palestra. A empresa tinha comprado um sistema de triagem com IA, e ela queria saber quem responde se o sistema descartar candidatos de um jeito que ninguém consegue explicar depois.

A primeira resposta é a empresa que contratou o sistema. Pela LGPD, a Lei Geral de Proteção de Dados, ela é a controladora dos dados dos candidatos, e o fornecedor trata os dados em nome dela.

O que a LGPD exige

O artigo 20 da LGPD dá ao titular, a pessoa a quem os dados se referem (o candidato ou o funcionário), o direito de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, incluídas as que definem o perfil profissional. A empresa precisa informar, quando pedido, os critérios e os procedimentos usados na decisão; se recusar alegando segredo comercial, a Autoridade Nacional de Proteção de Dados (ANPD) pode auditar o sistema para verificar aspectos discriminatórios.

A palavra que pesa é “unicamente”. Quando uma pessoa analisa cada caso antes da decisão, com poder de mudar o resultado, há participação humana na decisão. Quando essa pessoa apenas aprova em bloco a lista que o sistema ordenou, a empresa dificilmente consegue sustentar que a decisão não foi automatizada.

O princípio da transparência da LGPD pede ainda que o candidato saiba que o processo usa tratamento automatizado, e o da não discriminação proíbe tratar dados pessoais para fins discriminatórios ilícitos ou abusivos.

A lei garante a revisão pedida pelo titular, mas não diz que ela precisa ser feita por uma pessoa. Em 2019, o Congresso aprovou a exigência de que um ser humano fizesse essa revisão; o trecho foi vetado, e o Congresso manteve o veto em outubro daquele ano. A questão fica em aberto, e quem vai fechá-la é quem julgar cada caso concreto.

A ANPD estuda o tema: em maio de 2025, publicou a Nota Técnica nº 12/2025, que reúne as contribuições de uma consulta sobre decisões automatizadas. O documento é subsídio para regulamentação futura, sem força de norma. Até a regra sair, numa decisão de contratação ou de desligamento, uma pessoa que analisa o caso antes e outra que atende o pedido de revisão depois são as escolhas que a empresa defende com mais facilidade.

A lei contra discriminação no emprego

A Lei 9.029, de 1995, vale com ou sem IA. Ela proíbe qualquer prática discriminatória para acesso à relação de trabalho ou para a manutenção dela, por motivo de sexo, origem, raça, cor, estado civil, situação familiar, deficiência, reabilitação profissional ou idade, entre outros, com multa administrativa de dez vezes o maior salário pago pela empresa e acréscimo de 50% na reincidência.

O artigo 1º dessa lei já fundamentou a condenação de uma empresa que recruta para terceiros: em 2025, o Tribunal de Justiça de Santa Catarina manteve a indenização imposta a essa empresa que recusou um candidato de 45 anos por causa da idade. O caso não envolveu IA; um sistema que aprende o mesmo padrão com o histórico de contratações produz o mesmo efeito, em escala.

O que já vale fora do Brasil

O AI Act, da União Europeia, proíbe desde fevereiro de 2025 o uso de IA para inferir emoções de pessoas no ambiente de trabalho, salvo por motivo médico ou de segurança, o que alcança a análise de expressão facial em entrevista por vídeo.

A mesma lei classifica a IA usada em recrutamento como de alto risco; o Regulamento (UE) 2026/1744, em vigor desde 27 de julho de 2026, adiou essas obrigações para 2 de dezembro de 2027. Uma empresa brasileira que recruta para operar na União Europeia entra nessas regras.

Nos Estados Unidos, o processo Mobley contra a Workday, aberto em 2023, discute justamente a pergunta da gerente. Em julho de 2024, a juíza entendeu que o fornecedor da triagem automatizada pode responder como agente das empresas que o contrataram, por exercer uma função que antes era do empregador, a de recusar ou avançar candidatos. Em junho de 2026, ela rejeitou de novo a maior parte do pedido da Workday para encerrar o caso e manteve as alegações de discriminação por idade e por deficiência.

No contrato com o fornecedor de triagem, a divisão de responsabilidade precisa estar escrita.

O registro que sustenta a defesa da empresa

A empresa só explica uma decisão se o registro existir antes de alguém pedir: qual critério da lista fechada levou cada candidato a avançar ou parar. Esse registro, junto com a regra que diz onde a IA pode e onde não pode decidir, entra na governança de IA da empresa, que também define por quanto tempo ele fica guardado e quem o audita.

O que muda no trabalho de quem está no RH

A mesma pesquisa da SHRM dá o tamanho da mudança até agora: entre as organizações que implementaram IA, quatro em cada dez viram mudar as responsabilidades das pessoas, 57% viram mais oportunidades de requalificação e só 7% relataram corte de vagas. As empresas estão mudando tarefas bem antes de mexer em cargos.

Em artigo de junho de 2026, a McKinsey lembra que dois terços dos processos de RH podem ser automatizados total ou parcialmente, e cobra do RH o redesenho do próprio trabalho antes de pedir o mesmo ao resto da empresa.

As tarefas que saem primeiro da mão de quem trabalha em RH têm três formatos:

• ler grande volume de documento, como currículos e respostas de pesquisa de clima;
• escrever a primeira versão de um texto recorrente, como um comunicado ou a resposta a uma dúvida frequente;
• organizar dado espalhado para uma análise.

Continuam com as pessoas a decisão sobre alguém, a conversa difícil e o julgamento de uma situação sem precedente.

A essas tarefas se soma um trabalho que antes não existia: escrever o critério que a IA vai seguir, conferir o que ela entregou e registrar por que cada decisão foi tomada. Em tarefa mecânica, a IA já alcança a velocidade de quem se destacava por ela, e o espaço fica com quem domina esse novo trabalho.

Essa mudança ainda não chegou à maioria das descrições de cargo, que continuam medindo volume de currículo processado em vez da qualidade da conferência entregue. Reescrever essas descrições é trabalho do próprio RH, e as tendências de RH para 2026 ajudam a decidir o que entra nelas.

O que aplicar primeiro

Escolha uma tarefa da sua semana que caia no quadrante de alta frequência e pouco julgamento e que não envolva dado de candidato, como responder dúvidas recorrentes de benefício ou montar o rascunho de um comunicado. Na primeira semana, cronometre quanto tempo ela leva do jeito de sempre. Na segunda, faça a mesma tarefa com a ferramenta de IA aprovada pela empresa e cronometre de novo, somando o tempo que você gastou conferindo o resultado e anotando o que precisou corrigir.

A diferença entre os dois tempos, multiplicada pelo custo da sua hora, mostra quanto a IA economizou na tarefa; desconte a parte proporcional da licença da ferramenta e veja se as correções anotadas cabem no padrão de qualidade da área. O artigo sobre métricas de sucesso de IA mostra como transformar essa conta em indicador para levar à liderança.

Antes de ampliar o uso na área, faça um inventário. Liste todo uso de IA em andamento no RH, inclusive o que cada pessoa usa por conta própria, e marque o nível de autonomia de cada um: chat, fluxo, skill ou agente, enxame. Separe os que já influenciam uma decisão sobre candidato ou funcionário, incluindo o resumo de currículo que vai para o gestor da vaga.

Esses usos pedem lista fechada de critérios, registro de cada decisão e uma pessoa nomeada que analise cada caso antes da decisão.

Usar IA no RH com segurança pede hábitos que se aprendem praticando: escrever o pedido com o contexto da empresa, conferir o resultado contra a fonte, reconhecer o tipo de erro que a ferramenta comete e saber em que decisão ela não entra.

Os cursos da minha curadoria na ESPM trabalham esses hábitos, em IA generativa para gestão e negócios e em pensamento crítico para liderança. A página de cursos reúne as turmas abertas; escolha pela tarefa que cada pessoa do time já faz com IA.

Perguntas frequentes

Como a inteligência artificial é usada no RH?

No recrutamento, a IA escreve a descrição da vaga, lê currículos e agenda entrevistas. Na avaliação de desempenho, junta anotações do período e rascunha o feedback que o gestor revisa. Em people analytics, cruza dados de folha, desligamento e treinamento para achar padrões. No departamento pessoal, confere documentos de admissão e responde dúvidas a partir das políticas da empresa. Em todas as funções, a decisão sobre uma pessoa continua com alguém do RH ou da liderança.

A inteligência artificial vai substituir o profissional de RH?

Até agora, as empresas que adotaram IA mudaram mais tarefas do que cortaram cargos. Segundo o levantamento State of AI in HR 2026 da SHRM, publicado em abril de 2026, entre as organizações que implementaram IA, quatro em cada dez viram mudar as responsabilidades das pessoas, e só 7% relataram corte de vagas. Saem primeiro a leitura de grande volume, a primeira versão de textos recorrentes e a organização de dados; ficam a decisão sobre pessoas, a conversa difícil e o julgamento de situações novas.

Posso usar o ChatGPT para triar currículos?

Só em conta corporativa aprovada pela empresa, com a lista de critérios definida antes e conferência de cada resultado. Quando a vaga recebe mais currículos do que alguém consegue conferir um a um na mesma tarde, o chat fica lento, o agente de uso geral gasta muito mais tokens e os dois esbarram no limite de uso, que existe também nos planos corporativos. A ferramenta geral também não guarda por padrão o critério usado para cada candidato. Nesse volume, o caminho é uma solução especializada de recrutamento.

O que o artigo 20 da LGPD exige do RH?

O artigo 20 dá ao candidato ou funcionário o direito de pedir a revisão de decisões tomadas unicamente por tratamento automatizado de dados pessoais, inclusive as que definem o perfil profissional, e obriga a empresa a informar, quando pedido, os critérios usados. A exigência de que um ser humano fizesse essa revisão foi vetada em 2019, e a questão ficou em aberto. Em contratação ou desligamento, uma pessoa que analisa cada caso com poder de mudar o resultado é a escolha mais defensável.

Quem responde se a IA de triagem discriminar um candidato?

A empresa que contratou o sistema. Pela LGPD, ela é a controladora dos dados dos candidatos, e a Lei 9.029 proíbe prática discriminatória no acesso ao emprego com ou sem IA. O fornecedor também pode ser chamado a responder: nos Estados Unidos, no processo Mobley contra a Workday, a Justiça entendeu em julho de 2024 que o fornecedor da triagem pode responder como agente das empresas clientes. O registro do critério usado em cada candidato é o que permite explicar a decisão.

Como evitar viés algorítmico no recrutamento?

Escreva, antes da triagem, uma lista fechada de critérios objetivos da vaga, sem itens que denunciem idade ou origem por caminho indireto, como ano de formatura ou endereço. Tire nome, idade e gênero do currículo antes da leitura automática. A cada lote, compare a taxa de aprovação entre grupos usando os dados que o sistema de vagas guarda à parte; a regra americana dos quatro quintos trata como alerta um grupo aprovado abaixo de 80% da taxa do grupo mais aprovado. Diferença sem explicação pede pausa na triagem com IA.

O que é people analytics com IA?

É o uso de dados sobre as pessoas da empresa para responder perguntas de gestão, como por que profissionais experientes saem ou onde o treinamento dá retorno, com a IA juntando dados espalhados e procurando padrões. O trabalho começa pela pergunta de negócio, e o painel vem depois. A LGPD exige finalidade e base legal para cada análise, dado sensível pede cuidado próprio, e uma lista que classifica pessoas, como risco de saída, deve ser tratada como decisão sobre cada uma delas.

A IA pode avaliar o desempenho de funcionários?

A IA pode preparar a avaliação: resumir anotações, metas e comentários do período e rascunhar o feedback. A nota e a decisão sobre promoção ou desenvolvimento ficam com o gestor, que também conduz a conversa. Antes de usar o rascunho, confira se cada crítica aponta um fato do período, se textos de pessoas com desempenho parecido têm tamanho e tom parecidos e se o resumo cobre o período inteiro, e não só as últimas semanas.

Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e Conselheiro Consultivo em Tecnologia, IA, Dados e Inovação. Participou da criação de sete startups. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.