Análise
Desde que a Anthropic, a OpenAI e empresas menores começaram a vender ferramentas de triagem de candidatos baseadas em embeddings, o RH corporativo brasileiro entrou num ciclo estranho: adotou a tecnologia mais rápido do que consegue auditá-la. Em 2025, sete das vinte maiores empresas da Bolsa usam alguma forma de ranqueamento algorítmico no primeiro corte de currículos. Delas, três possuem protocolo formal de auditoria de viés. Quatro confiam na palavra do fornecedor.
Conversei com equipes de RH em cinco dessas empresas entre fevereiro e abril. O padrão é recorrente: o sistema chegou como solução de eficiência, vendida pela área de tecnologia ao CFO, e o RH só foi envolvido depois da implementação. Nenhum dos gestores de diversidade entrevistados teve acesso ao modelo de embedding utilizado — eles sabem que existe uma caixa-preta, mas não têm autoridade técnica nem orçamentária para abri-la. É uma relação de confiança compulsória.
O problema específico do embedding é que ele aprende padrões de dados históricos. Se os contratados anteriores de uma empresa eram majoritariamente brancos, o espaço vetorial aprendido como "candidato adequado" codifica essa história. Não é intenção — é estatística. Mas o efeito é que um candidato com nome afro-brasileiro, formado numa universidade pública estadual do Nordeste e com histórico em empresas de menor porte tem probabilidade sistematicamente menor de aparecer no topo do ranking, mesmo com as mesmas competências objetivas. Três pesquisadores da UFMG que auditaram um sistema desse tipo em março de 2025 encontraram diferença de 18 pontos percentuais na taxa de seleção entre candidatos brancos e negros com currículos equivalentes.
A supervisão humana — o chamado human-in-the-loop — é a correção mais citada, mas raramente implementada com rigor. Na prática, ela significa que um recrutador humano vê o ranking produzido pelo algoritmo e pode alterá-lo. O problema é que rankings exercem ancoragem cognitiva: quem está na posição 1 tende a permanecer na posição 1, independentemente da revisão declarada. Experimentos de psicologia cognitiva mostram que reordenar um ranking algorítmico exige esforço deliberado que poucos profissionais aplicam de forma consistente sob pressão de tempo.
A boa notícia é que auditoria de viés em RH está ficando mais barata e padronizada. A empresa paulistana Aequitas lançou em março uma ferramenta de teste por fototipo simulado — você injeta currículos sintéticos com características racialmente codificadas e mede a dispersão das pontuações. Custo: R$ 12.000 por auditoria. É acessível para grandes empresas e completamente invisível para as médias. O mercado de auditoria cresce; o mandato para usá-lo, não.
Contexto
Empresas auditadas (2025): Das sete grandes identificadas com sistemas de ranqueamento algorítmico, apenas três possuem protocolo formal de auditoria de viés com relatório público ou compartilhado com o comitê de diversidade. Dado levantado em visitas e documentos internos entre fevereiro e abril de 2025.
Pesquisa UFMG: O grupo de pesquisa em equidade algorítmica da UFMG auditou um sistema de ATS (Applicant Tracking System) de fornecedor nacional em março de 2025. Encontrou taxa de seleção 18 p.p. menor para candidatos negros com currículos equivalentes. O relatório completo está em análise para publicação.
Marco regulatório: O PL do Marco Legal da IA (em tramitação no Congresso em 2025) inclui artigo específico sobre sistemas de triagem em emprego, exigindo auditoria bianual para empresas com mais de 500 funcionários. Aprovação prevista para o segundo semestre. Sem sanção efetiva, especialistas ouvidos pelo instituto Igarapé consideram o texto insuficiente para alterar a prática atual.