Inteligência artificial e desigualdade de gênero entre homens e mulheres: uma análise dos vieses em processos seletivos de contratação
DOI:
https://doi.org/10.22478/ufpb.2236-417X.2026v16n1.74614Resumo
A inteligência artificial tem se consolidado como uma ferramenta relevante nos processos de recrutamento e seleção, promovendo maior eficiência e automação na triagem de candidatos; contudo, estudos apontam que a inteligência artificial pode reproduzir e até intensificar vieses, especialmente de gênero, comprometendo a equidade nas contratações. Esse fenômeno decorre, em grande medida, da forma como os algoritmos são treinados, uma vez que se baseiam em dados históricos que podem incorporar padrões discriminatórios e, assim, perpetuar desigualdades. Este artigo objetiva analisar os vieses de tratamento entre homens e mulheres produzidos por sistemas de inteligência artificial em processos seletivos. Para tanto, adotou-se a revisão integrativa da literatura, estruturada em etapas que incluíram a definição da pergunta de pesquisa, a aplicação de critérios de inclusão e exclusão, a seleção e organização dos estudos, a análise e a síntese dos resultados. A coleta de dados foi realizada por meio da plataforma Consensus AI, utilizada para localizar e sintetizar evidências científicas. O estudo identificou sete artigos relevantes, sem delimitação temporal prévia, com prioridade para conteúdos recentes. Os resultados evidenciam que aproximadamente 71,43% dos estudos confirmam a presença de vieses de gênero: cinco artigos indicam que a inteligência artificial tende a reforçar padrões discriminatórios, enquanto dois sugerem que, quando adequadamente orientada, pode contribuir para a redução de disparidades. A análise revela diferenças de tratamento associadas a dados enviesados, à ausência de diversidade nos conjuntos de treinamento e ao uso de linguagem tendenciosa, contribuindo, assim, para o debate sobre os impactos sociais e éticos da inteligência artificial.
Downloads
Referências
AI NOW INSTITUTE. AI Now Report 2018. [S. l.], 2018. Disponível em: https://ainowinstitute.org/. Acesso em: 27 abr. 2025.
ALENCAR, Ana Catarina de; FICO, Bernardo; SOUSA, Beatriz de. Discriminação de gênero na era do Big Data e da inteligência artificial: diversas situações já demonstraram como a IA pode atuar com vieses discriminatórios. JOTA, [s. l.], 8 mar. 2021. Disponível em: https://www.jota.info/artigos/discriminacao-genero-big-data-inteligencia-artificial. Acesso em: 13 jan. 2025
AN, Jiafu; HUANG, Difang; LIN, Chen; TAI, Mingzhu. Measuring gender and racial biases in large language models. Hong Kong: University of Hong Kong, 2024. Disponível em: https://www.semanticscholar.org/reader/4affc17540e2f2944a1b8981bc7d55c1acf2c9b0 Acesso em: 12 jan. 2025.
ANGWIN, Julia; LARSON, Jeff; MATTU, Surya; KIRCHNER, Lauren. Machine Bias: risk assessments in criminal sentencing. ProPublica, [s. l.], 23 May 2016. Disponível em: https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing. Acesso em: 3 fev 2025.
BENEDUCE, Giusy. Artificial intelligence in recruitment: just because it’s biased, does it mean it’s bad? 2020. Dissertation (Master in Management) – NOVA School of Business and Economics, Lisboa, 2020. Disponível em: https://run.unl.pt/bitstream/10362/104090/1/23752_Giusy_Beneduce_1920S2_39652_Giusy_Beneduce_136101_1668423260.pdf. Acesso em: 27 abr. 2025.
CHAVES JUNIOR, Airto; GUASQUE, Bárbara; PADUA, Thiago Santos Aguiar de. Segregação racial e vieses algorítmicos: máquinas racistas no âmbito do controle penal. Revista Brasileira de Direito, Passo Fundo, v. 19, n. 2, p. 1-30, maio/ago. 2023. Disponível em: https://seer.atitus.edu.br/index.php/revistadedireito/article/view/4768. Acesso em: 4 fev. 2025.
CONSENSUS. [S. l.], c2025. Disponível em: https://consensus.app/. Acesso em: 24 mar. 2025.
DWIVEDI, Yogesh K. et al. Artificial Intelligence (AI): multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice, and policy. International Journal of Information Management, [s. l.], v. 57, Apr. 2021.
EUROPEAN PARLIAMENT. EU AI Act: first regulation on artificial intelligence. [S. l.], 2023. Disponível em: https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence. Acesso em: 15 mar. 2025.
FLIPPO, Edwin B. Principles of Personnel Management. New York: McGraw-Hill, 1984. Disponível em: https://mis.alagappauniversity.ac.in/siteAdmin/dde-admin/uploads/3/PG_M.Com_Commerce%20(English)_31033%20PRINCIPLES%20OF%20PERSONNEL%20MANAGEMENT.pdf. Acesso em: 27 abr. 2025.
FULTON, Scott. What is bias in AI really, and why can’t AI neutralize it? ZDNet, Nova York, 17 July 2019. Disponível em: https://www.zdnet.com/article/what-is-bias-in-ai-really-and-why-cant-ai-neutralize-it/. Acesso em: 27 abr. 2025.
GERARDS, Janneke; XENIDIS, Raphaele. Algorithmic discrimination in Europe: challenges and opportunities for gender equality and non-discrimination law: a special report. Luxembourg: Publications Office of the European Union, 2021. Disponível em: https://www.pure.ed.ac.uk/ws/portalfiles/portal/235501180/EELN_report_algorithmic_discrimination.en.pdf. Acesso em: 5 jan. 2025.
GOMES, Victor Pereira. Revisitando o teste de Turing: análises e consequências. 2023. Tese (Doutorado em Filosofia) – Universidade Federal do Rio Grande do Norte, Centro de Ciências Humanas, Letras e Artes, Programa de Pós-Graduação em Filosofia, Natal, 2023. Disponível em: https://repositorio.ufrn.br/bitstream/123456789/57607/1/RevisitandotesteTuring_Gomes_2023.pdf Acesso em: 26 jan. 2025.
GUPTA, Aashima, Mishra. Ethical Concerns While Using Artificial Intelligence in Recruitment of Employees. Business Ethics and Leadership, India, v. 6, n. 2, p. 6-11, 2022. Disponível em: https://essuir.sumdu.edu.ua/handle/123456789/88328. Acesso em: 27 abr. 2025.
IPEA. Objetivo de Desenvolvimento Sustentável 5: Igualdade de Gênero. Brasília: Instituto de Pesquisa Econômica Aplicada, 2019. Disponível em: https://www.ipea.gov.br/ods/ods5.html. Acesso em: 2 jan. 2025.
IZQUIERDO BARRIUSO, Mirian. Unveiling Gender Biases in Recruitment: a natural language processing approach. Journal of Global Economics, Management and Business Research, [s. l.], v. 16, n. 1, p. 19-38, 2024. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4799098. Acesso em: 15 jan. 2025
KAPLAN, Andreas; HAENLEIN, Michael. Rulers of the World, Unite! The Challenges and Opportunities of Artificial Intelligence. Business Horizons, [s. l.], v. 63, n. 1, p. 37-50, Jan./Feb. 2020. Disponível em: https://www.sciencedirect.com/science/article/pii/S0007681319301260. Acesso em: 27 abr. 2025.
KOHLI, Kamya. The AI-gender intersection: pioneering solutions for work-life balance beyond traditional hours. International Journal of Advanced Research, [s. l.], v. 12, n. 9, p. 587-600, Sep. 2024. Disponível em: http://dx.doi.org/10.21474/IJAR01/19491. Acesso em: 17 jan. 2025.
KUBIAK, Emerick; EFREMOVA, Maria I.; BARON, Simon; FRASCA, Keely J. Gender equity in hiring: examining the effectiveness of a personality-based algorithm. Frontiers in Psychology, [s. l.], v. 14, Aug. 2023. Disponível em: https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2023.1219865/full. Acesso em: 15 jan. 2025.
LA CANTERA, Dolores Hernandez de et al. Analyzing interdisciplinary education in general medicine using Smarandache's multivalued logic hypothesis theory and plithogenic probability. Neutrosophic Sets and Systems, [s. l.], v. 70, 2024. Disponível em: https://digitalrepository.unm.edu/cgi/viewcontent.cgi?article=2716&context=nss_journal. Acesso em: 26 fev. 2025.
LIU, Xiang; MURPHY, Diane. Applying a Trustworthy AI Framework to Mitigate Bias and Increase Workforce Gender Diversity. In: INTERNATIONAL SYMPOSIUM ON TECHNOLOGY AND SOCIETY, 2022, Hong Kong. Proceedings [...]. Hong Kong: IEEE, 2022.
PAWAR, Ajinkya M.; DESAI, Rajiv; THAKUR, Bhagyashree. From tedious to targeted: Optimizing oral cancer research with Consensus AI. Oral Oncology Reports, [s. l.], v. 10, June 2024. Disponível em: https://www.sciencedirect.com/science/article/pii/S2772906024002292. Acesso em: 24 mar. 2025.
POOLE, David; MACKWORTH, Alan; GOEBEL, Randy. Computational Intelligence: A Logical Approach. New York: Oxford University Press, 1998.
PORPINO, Henrique Braga. Discriminação de gênero nas relações de trabalho: entre o reconhecimento e a efetividade na equiparação de direitos. Âmbito Jurídico, [s. l.], 2018. Disponível em: https://ambitojuridico.com.br/discriminacao-de-genero-nas-relacoes-de-trabalho-entre-o-reconhecimento-e-a-efetividade-na-equiparacao-de-direitos. Acesso em: 9 jan. 2025.
RUSSELL, Stuart. O futuro da inteligência artificial. Época Negócios, São Paulo, 7 jul. 2023. Disponível em: https://epocanegocios.globo.com/tecnologia/noticia/2023/07/e-se-a-ia-decidir-que-a-humanidade-nao-precisa-mais-dela-a-visao-de-stuart-russell-sobre-o-futuro-da-tecnologia.ghtml?. Acesso em: 7 fev. 2025.
RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial. 3 ed. Rio de Janeiro: Elsevier, 2013.
SALMORIA, Camila Henning; ALVES, Daiana Allessi Nicoletti; OLIVEIRA, Millena Antunes de. Viés algorítmico de gênero no sistema de recrutamento: o caso Amazon. Cadernos UNDB, São Luís, v. 7, n. 1, p. 1-21, jun./jul. 2024. Disponível em: https://periodicos.undb.edu.br/index.php/cadernosundb/article/view/199/179. Acesso em: 27 abr. 2025.
SANTOS, Tathiane Graça dos. O poder invisível do algoritmo: a discriminação de gênero no mercado de trabalho na era da Inteligência Artificial. 2023. Dissertação (Mestrado em Direito na área de Especialização em Negócios e Tecnologia) - Faculdade de Direito, Universidade Nova de Lisboa, Lisboa, 2023. Disponível em: https://run.unl.pt/bitstream/10362/162375/1/Gra%C3%A7a_Santos_2023.pdf Acesso em: 27 abr. 2025.
WINNER, Langdon. Do Artifacts have Politics? In: WINNER, Langdon. The whale and the reactor: a search for limits in an age of high technology. Chicago: The University of Chicago Press, 1986. p. 19-39.
