Anais
Resumo do trabalho
Gestão de Pessoas · Políticas, Modelos e Práticas de gestão de pessoas
Título
Viés e Discriminação em Processos de Recrutamento Automatizados: Uma Revisão Sistemática da Literatura sobre o Uso de Inteligência Artificial
Palavras-chave
Inteligência Artificial
Viés
Recrutamento e Seleção
Autores
-
Gabriel Rodrigo Gomes PessanhaUNIVERSIDADE FEDERAL DE ALFENAS (UNIFAL-MG)
-
Clarissa Dourado FreireFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto - FEARP/USP
-
Gustavo Octaviani do AmaralFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto - FEARP/USP
Resumo
Introdução
A utilização da Inteligência Artificial (IA) em processos de recrutamento e seleção tem crescido de forma significativa, com a promessa de aumentar a eficiência, reduzir custos e automatizar decisões. No entanto, uma crescente literatura tem evidenciado que esses sistemas podem reproduzir e até intensificar preconceitos estruturais. Isso se deve ao fato de que os algoritmos de IA frequentemente aprendem com dados históricos enviesados, que refletem desigualdades sociais pré-existentes. Assim, decisões automatizadas podem comprometer a equidade e a diversidade no ambiente corporativo.
Problema de Pesquisa e Objetivo
O objetivo deste trabalho é apresentar uma revisão sistemática da literatura sobre vieses e discriminação relacionados ao uso de inteligência artificial em recrutamento e seleção. Especificamente, buscamos responder às seguintes questões: qual o estado da arte da produção acadêmica envolvendo a utilização de Inteligência Artificial (IA) no Recrutamento e Seleção? quais tipos de tipos de vieses são mais frequentemente relatados em processos de seleção mediados por IA? quais são os principais desafios e limitações identificados pela literatura?
Fundamentação Teórica
A IA generativa tem transformado o recrutamento, otimizando a triagem de currículos, previsão de desempenho e entrevistas virtuais (Gan et al., 2024; Frank et al., 2025). Quando bem calibrada, pode reduzir vieses e aumentar a eficiência (Chaturvedi & Chaturvedi, 2025; Glazko et al., 2024). No entanto, estudos apontam riscos de vieses de gênero, raça e deficiência, exigindo uso ético e regulado dessas tecnologias (Kotek et al., 2023; Abid et al., 2021; Gadiraju et al., 2023).
Discussão
Os resultados indicam um crescimento significativo da produção científica no período analisado, com destaque para 2024 como o ano com maior número de publicações. Os temas predominantes foram categorizados em quatro áreas principais: (i) Viés, Discriminação e Justiça, (ii) Governança, Ética e Auditoria, (iii) Barreiras, Limitações e Potenciais da IA e (iv) Competências e Fatores Humanos. Dentre os principais achados, destaca-se a recorrência de vieses algorítmicos demonstrando que os sistemas automatizados podem reproduzir e até intensificar desigualdades estruturais.
Conclusão
Destaca-se a necessidade de desenvolvimento de competências técnicas e humanas nos profissionais envolvidos, assim como o fortalecimento de estruturas institucionais para garantir que o uso da IA em gestão de pessoas esteja alinhado aos princípios de equidade, inclusão e respeito aos direitos humanos. Esta revisão sistemática contribui para o avanço do debate acadêmico e para a prática organizacional, apontando caminhos para o uso ético e justo da IA em recrutamento e seleção.
Contribuição / Impacto
Este artigo contribui para o avanço do conhecimento sobre o uso da Inteligência Artificial em recrutamento e seleção, ao evidenciar os principais vieses algorítmicos, riscos éticos e limitações desses sistemas. A partir de uma revisão sistemática, oferece uma visão crítica sobre a justiça e a transparência na tomada de decisão automatizada, destacando a importância de governança, auditoria e competências humanas. Seu impacto reside na promoção de práticas mais responsáveis, inclusivas e alinhadas aos direitos humanos no uso da IA na gestão de pessoas.
Referências Bibliográficas
FRANK et al. AI hiring with LLMs: a context-aware and explainable multi-agent framework for resume screening. 2025. Disponível em: https://arxiv.org/abs/2504.02870. Acesso em: 16 jul. 2025.
GAN, C.; ZHANG, Q.; MORI, T. Application of LLM agents in recruitment: a novel framework for resume screening. arXiv (Cornell University), 16 jan. 2024. Disponível em: https://arxiv.org/abs/2401.08297. Acesso em: 16 jul. 2025.
GLAZKO, K. et al. Identifying and improving disability bias in GAI-based resume screening. arXiv (Cornell University), 28 jan. 2024. Disponível em: https://arxiv.org/abs/2401.14446.
GAN, C.; ZHANG, Q.; MORI, T. Application of LLM agents in recruitment: a novel framework for resume screening. arXiv (Cornell University), 16 jan. 2024. Disponível em: https://arxiv.org/abs/2401.08297. Acesso em: 16 jul. 2025.
GLAZKO, K. et al. Identifying and improving disability bias in GAI-based resume screening. arXiv (Cornell University), 28 jan. 2024. Disponível em: https://arxiv.org/abs/2401.14446.