Ranqueamento automatizado de candidatos e discriminação no mercado de trabalho

Como Citar:

DE FREITAS, Marcela Melo; SCARANO, Giordana de Oliveira; GONDIM, Ítalo Lopes. Ranqueamento automatizado de candidatos e discriminação no mercado de trabalho. Revista Sociedade Científica, vol. 9, n. 1, p. 1293-1310, 2026. https://doi.org/10.61411/rsc2026130319

DOI: 10.61411/rsc2026130319

Área do conhecimento:

Ciências Sociais Aplicadas

Sub-área:

Direito

Palavras-chave: Inteligência Artificial; Recrutamento Automatizado; Opacidade Decisória; Discriminação Algorítmica; Responsabilidade.

Publicado: 28 de maio de 2026.

.

.

.

.

Resumo

O uso de inteligência artificial no recrutamento tem alterado de forma significativa a etapa inicial de seleção de candidatos, sobretudo por meio de sistemas que classificam currículos, distribuem prioridade entre perfis e reduzem a visibilidade de determinados postulantes antes mesmo de qualquer interação humana. Longe de representar simples inovação administrativa, essa dinâmica pode reorganizar o acesso ao emprego a partir de critérios pouco inteligíveis, associações estatísticas e padrões históricos incorporados ao funcionamento da ferramenta. O presente artigo analisa os riscos jurídicos decorrentes desse modelo de seleção digital, com especial atenção à opacidade decisória, à invisibilidade do descarte, à discriminação etária no trabalho digital e à responsabilidade atribuível à empresa usuária e à desenvolvedora da tecnologia. A pesquisa adota abordagem bibliográfica e jurídico-dogmática, com base em literatura nacional e estrangeira, a fim de examinar de que maneira o recrutamento automatizado pode reproduzir desigualdades e dificultar a compreensão, a contestação e o controle das decisões que afetam o ingresso no mercado de trabalho. Conclui-se que o problema central não reside na mera presença da inteligência artificial nos processos seletivos, mas na forma como ela é desenhada, alimentada e utilizada, sobretudo quando a promessa de eficiência encobre mecanismos de exclusão pouco transparentes.

.

.

Automated candidate ranking and discrimination in the labor market

Abstract

The use of artificial intelligence in recruitment has significantly transformed the early stages of candidate selection, especially through systems that sort résumés, rank profiles, and reduce the visibility of certain applicants before any human interaction takes place. Far from representing a mere administrative innovation, this dynamic may reorganize access to employment through poorly intelligible criteria, statistical associations, and historical patterns embedded in the operation of the tool. This article examines the legal risks arising from this model of digital selection, with particular attention to decisional opacity, the invisibility of automated rejection, age discrimination in digital labor environments, and the liability attributable to both the user company and the developer of the technology. The research adopts a bibliographic and legal-dogmatic approach, drawing on national and foreign literature in order to analyze how automated recruitment may reproduce inequalities and hinder the understanding, contestation, and oversight of decisions affecting access to the labor market. It is concluded that the central issue lies not in the mere presence of artificial intelligence in hiring processes, but in the way it is designed, trained, and used, especially when the promise of efficiency conceals opaque mechanisms of exclusion.

Keywords: Artificial Intelligence; Automated Recruitment; Decisional Opacity; Algorithmic Discrimination; Liability.

• Introdução

Antes mesmo de uma entrevista, muitos candidatos já foram avaliados, classificados e, por vezes, descartados por sistemas que selecionam palavras, cruzam informações e atribuem prioridade a determinados perfis. No recrutamento digital, a triagem inicial deixou de depender exclusivamente da leitura humana de currículos e passou a ser influenciada por ferramentas que prometem acelerar o processo seletivo e reduzir custos operacionais. Esse novo desenho, embora apresentado como sinal de modernização, produz efeitos que ultrapassam a esfera da conveniência administrativa, porque interfere diretamente na forma como o acesso ao trabalho é organizado.

O problema não está apenas na substituição de etapas manuais por soluções automatizadas. A questão mais sensível é que esses sistemas podem transformar escolhas anteriores, padrões históricos e expectativas institucionais em critérios permanentes de seleção. Quando isso ocorre, a tecnologia deixa de funcionar como simples apoio operacional e passa a atuar na definição de quem merece visibilidade, quem será priorizado e quem permanecerá invisível desde o início do processo. Assim, discutir recrutamento automatizado exige ir além da eficiência prometida e examinar seus reflexos sobre oportunidades concretas de ingresso no emprego.

Nesse contexto, a discriminação não precisa aparecer de forma aberta para produzir efeitos relevantes. Um sistema pode rejeitar candidatos sem mencionar expressamente raça, sexo, idade ou qualquer outro dado sensível, bastando que organize a seleção com base em associações estatísticas, perfis inferidos e sinais considerados indicativos de maior aderência à vaga. O resultado é uma forma de exclusão menos visível, mas nem por isso menos significativa, pois o candidato passa a ser julgado não apenas por sua experiência concreta, mas também por projeções construídas a partir de dados e classificações predefinidas.

A idade merece atenção específica dentro desse debate. No mercado de trabalho, ainda persistem leituras que associam juventude à inexperiência e envelhecimento à perda de adaptabilidade. Quando essas percepções atravessam sistemas de triagem digital, o recrutamento automatizado pode reproduzir filtros que desfavorecem tanto pessoas mais jovens quanto pessoas mais velhas, reforçando uma lógica de adequação etária silenciosa e difícil de questionar. Por isso, os riscos da inteligência artificial na seleção profissional não se esgotam em marcadores mais frequentemente debatidos, devendo também abranger a discriminação etária como forma relevante de exclusão.

É a partir desse quadro que o presente artigo se desenvolve. O estudo investiga de que modo a inteligência artificial aplicada ao recrutamento pode restringir o acesso ao emprego por meio de ranqueamentos automatizados, critérios pouco inteligíveis, descarte invisível de candidatos e reprodução de assimetrias já presentes no mercado de trabalho. A análise também se volta à discriminação etária no ambiente digital e à responsabilidade atribuível tanto à empresa usuária quanto à desenvolvedora da ferramenta. Para tanto, adota-se abordagem bibliográfica e jurídico-dogmática, orientada pela preocupação de examinar em que condições a seleção digital pode ser compatibilizada com exigências de controle, transparência decisória e proteção contra práticas excludentes.

• Metodologia

A pesquisa possui natureza qualitativa, desenvolvida por meio de abordagem bibliográfica e jurídico-dogmática, utilizando método dedutivo e análise de literatura nacional e estrangeira, doutrina especializada, produção normativa e referências sobre discriminação algorítmica e inteligência artificial aplicada ao recrutamento.

• Desenvolvimento e discussão

  • Seleção digital e desigualdade no acesso ao emprego

A seleção de candidatos em ambiente digital alterou profundamente a etapa inicial do recrutamento. Em muitos processos, a primeira filtragem já não decorre da leitura direta de um recrutador, mas de mecanismos que ordenam currículos, atribuem prioridade a determinados perfis e reduzem a visibilidade de outros. Esse deslocamento não representa apenas mudança de método. Ele modifica a forma pela qual o acesso ao trabalho é organizado, pois a possibilidade de avançar no processo passa a depender, em larga medida, de uma lógica classificatória construída por sistemas automatizados.

A crítica mais relevante a esse modelo está em rejeitar a ideia de que desigualdades produzidas por tecnologia resultem apenas de falhas ocasionais. Em matéria de recrutamento, o problema pode estar no próprio modo como a ferramenta foi estruturada, nas bases que a alimentam e nos critérios que orientam seu funcionamento. Quando a seleção digital passa a operar com referências extraídas de contextos já marcados por assimetrias, o sistema tende a absorver essas distorções e devolvê-las ao processo seletivo como se fossem simples indicadores de adequação profissional.

Essa percepção é importante porque afasta uma compreensão ingênua segundo a qual a inteligência artificial erraria apenas quando deixasse de funcionar corretamente. Em diversos casos, a exclusão não decorre de mau funcionamento, mas exatamente do êxito da ferramenta em repetir padrões anteriores. Se o sistema foi desenhado para localizar o perfil mais próximo de experiências pretéritas consideradas bem-sucedidas, ele pode transformar escolhas antigas em parâmetro atual de seleção. Com isso, o ranqueamento automatizado deixa de ampliar o universo de oportunidades e passa a reforçar preferências já sedimentadas no ambiente de contratação.

Outro aspecto decisivo está na falsa aparência de objetividade. O uso de métricas, pontuações e correlações estatísticas pode sugerir imparcialidade, mas não elimina as escolhas humanas que antecedem o sistema. Alguém define quais dados entram, quais sinais serão valorizados, que noção de desempenho será privilegiada e que tipo de trajetória será tomada como referência. Por isso, a classificação de candidatos não nasce de neutralidade espontânea, mas de uma tradução prévia da realidade em parâmetros e pesos de decisão. O problema, nesse cenário, é que essa mediação costuma permanecer invisível para quem sofre seus efeitos [1].

Há ainda uma dificuldade adicional: a eliminação automatizada costuma ser menos perceptível e mais difícil de contestar do que a exclusão praticada de forma aberta [1]. Quando o candidato é afastado por uma entrevista, ao menos existe um ato identificável. Já na triagem digital, o descarte pode decorrer de operações internas pouco compreensíveis, como associações de variáveis, cruzamentos de dados e ranqueamentos probabilísticos. O resultado aparece, mas as razões permanecem opacas. Essa falta de inteligibilidade amplia a assimetria entre empresa e candidato, porque este último muitas vezes não sabe o que foi considerado, como foi avaliado ou por que perdeu espaço no processo seletivo.

Por essa razão, a seleção digital deve ser examinada menos como simples inovação administrativa e mais como mecanismo capaz de redistribuir visibilidade, conveniência e chance real de contratação.

A questão central não é apenas saber se a tecnologia torna o recrutamento mais rápido, mas verificar a serviço de que lógica ela opera e quais consequências produz na circulação das oportunidades profissionais. O uso de inteligência artificial na triagem de candidatos exige, portanto, uma análise atenta ao modo como o sistema seleciona, compara e hierarquiza perfis dentro de um mercado de trabalho já atravessado por desigualdades.

Em complemento, a literatura nacional chama atenção para um dado estrutural desse debate: a decisão automatizada depende da qualidade dos dados empregados, da forma como o sistema é parametrizado e do grau de opacidade que envolve seus critérios internos [2].

No recrutamento, isso significa que o ranqueamento de currículos não pode ser tratado como produto neutro da técnica, mas como resultado de escolhas anteriores incorporadas à arquitetura da ferramenta. Daí a importância de uma leitura crítica sobre os mecanismos de classificação utilizados e sobre a inteligibilidade mínima necessária para compreender como se produz a ordenação dos candidatos.

• • Opacidade decisória e invisibilidade do descarte no recrutamento digital

No recrutamento digital, a exclusão pode ocorrer antes de qualquer entrevista, sem contato pessoal e, muitas vezes, sem justificativa minimamente compreensível para quem foi afastado do processo. O candidato sabe que não avançou, mas não consegue identificar com precisão quais elementos do seu currículo foram considerados insuficientes, quais fatores pesaram mais na triagem ou de que maneira a ferramenta distribuiu prioridade entre os concorrentes. Essa alteração é relevante porque desloca a decisão seletiva para um plano menos visível, no qual a negativa de acesso ao emprego deixa de aparecer como ato claramente identificável e passa a operar por mecanismos internos de classificação. A literatura portuguesa recente sobre inteligência artificial e Direito oferece base consistente para tratar essa opacidade não como simples detalhe técnico, mas como problema jurídico ligado ao controle, à compreensão e à imputação das decisões automatizadas [3].

A dificuldade central está em que a tecnologia não apenas processa dados, mas reorganiza o modo como o juízo seletivo é produzido. Em vez de uma leitura direta do currículo, passa a existir uma cadeia intermediária de filtros, correlações e ranqueamentos que converte informação em valor classificatório. Com isso, a decisão deixa de ser percebida a partir de seus fundamentos concretos e assume a aparência de resposta automática, como se o resultado decorresse naturalmente do sistema. Esse deslocamento favorece a invisibilidade do descarte, porque a negativa deixa de ser apresentada como escolha institucional e passa a circular como resultado neutro de um procedimento técnico.

É precisamente esse tipo de transformação que torna a opacidade um elemento estrutural do recrutamento digital, e não uma imperfeição lateral do método empregado [3].

A produção portuguesa sobre decisões automatizadas com algoritmos opacos é especialmente útil para esse ponto porque enfrenta diretamente o problema da falta de inteligibilidade dos critérios usados na tomada de decisão [4]. Em tal cenário, a questão não se resume a saber que houve tratamento automatizado, mas a verificar se a pessoa afetada consegue compreender, ainda que em nível mínimo, por que foi classificada de determinada forma.

No caso da seleção profissional, essa exigência assume relevo particular: sem algum grau de compreensão sobre o modo como o sistema opera, o candidato não consegue distinguir se foi afastado por insuficiência efetiva de aderência à vaga ou por um filtro cuja lógica permanece inacessível. A opacidade, portanto, aprofunda a assimetria entre organização e candidato e dificulta a própria percepção de eventuais injustiças [5].

A invisibilidade do descarte tem ainda outro efeito importante: ela enfraquece a possibilidade de reação. Quando a exclusão é produzida por um entrevistador, ao menos existe um ponto mais visível de imputação e um ato mais claramente identificável. Já na triagem automatizada, a negativa pode resultar da combinação de fatores internos que o candidato desconhece e que sequer lhe são comunicados. Não se trata apenas de ausência de explicação detalhada, mas de uma desvantagem informacional mais profunda, que impede o indivíduo de saber se foi comparado por critérios adequados, se perdeu visibilidade em razão de algum ranqueamento preditivo ou se foi empurrado para fora do processo por uma lógica de classificação construída sem transparência suficiente [5]. Esse fechamento da decisão para o destinatário é justamente o que transforma a opacidade em problema de justiça procedimental.

A doutrina jurídica portuguesa também permite compreender que o problema não está apenas no sigilo da fórmula técnica, mas na própria redistribuição de poder que a automação produz [4]. Quanto mais a decisão se concentra em estruturas algorítmicas pouco inteligíveis, menos o candidato participa, compreende ou consegue questionar a forma pela qual foi avaliado. A empresa, ao contrário, passa a controlar não apenas o procedimento seletivo, mas também o grau de visibilidade da lógica que o orienta.

No recrutamento, isso significa que a opacidade não atua apenas escondendo critérios: ela interfere na própria relação entre quem seleciona e quem é selecionado, reforçando um cenário em que o candidato suporta os efeitos da decisão sem acesso equivalente às razões que a sustentam.

Esse quadro mostra que o descarte invisível não pode ser lido como simples consequência inevitável da inovação tecnológica. O que está em causa é a forma pela qual o processo seletivo é desenhado e administrado. Ferramentas digitais podem ser utilizadas para auxiliar a organização das candidaturas, mas isso não elimina a necessidade de examinar criticamente o modo como os critérios são produzidos, ocultados e aplicados. Quando a triagem automatizada opera sem inteligibilidade mínima, o risco não é apenas técnico; é também jurídico, porque a seleção passa a ser estruturada por um procedimento cujo destinatário não consegue compreender suficientemente nem os fundamentos do resultado, nem as razões do seu afastamento. A opacidade, nesse contexto, deixa de ser um obstáculo periférico e passa a integrar o núcleo do problema.

Por isso, a crítica ao recrutamento digital não deve se concentrar apenas na existência da inteligência artificial, mas no modo como ela produz decisões socialmente relevantes sem oferecer razões acessíveis a quem sofre seus efeitos.

A invisibilidade do descarte revela que a seleção automatizada não afeta apenas a eficiência do procedimento, mas também a possibilidade de compreensão, contestação e escrutínio do processo decisório. Em matéria de acesso ao trabalho, isso impõe uma mudança de olhar: mais do que perguntar se a tecnologia acelera a escolha, é preciso indagar em que medida ela transforma a exclusão em um resultado tecnicamente administrado, porém informacionalmente opaco para o candidato. É nesse ponto que a opacidade decisória se apresenta como uma das expressões mais sensíveis da desigualdade no recrutamento digital.

• • O caso Amazon como paradigma do problema

A produção doutrinária costuma apontar o caso Amazon como marco emblemático da discriminação algorítmica em recrutamento. Em 2018, tornou-se público que a empresa havia desenvolvido um sistema interno para avaliar currículos e identificar perfis considerados promissores [6]. O modelo, entretanto, passou a penalizar candidatas mulheres e a desvalorizar sinais associados ao gênero feminino, o que levou ao abandono do projeto.

A relevância do episódio está no modo como o viés foi produzido. O sistema foi treinado com currículos recebidos ao longo de cerca de dez anos em áreas técnicas marcadas por predominância masculina. Como consequência, o algoritmo aprendeu a associar o histórico de contratações anteriores ao perfil desejável e passou a favorecer características extraídas desse passado. Por outra perspectiva, não foi preciso programar a retirada de mulheres de forma explícita: bastou treinar o modelo com dados historicamente desiguais para que a hostilidade emergisse como resultado do próprio processo de aprendizagem [7].

Esse exemplo demonstra que as máquinas pensantes podem reciclar preconceitos estruturais sob aparência de eficiência. O algoritmo não “inventou” a desigualdade; ele a captou a partir dos dados disponíveis e a devolveu ao processo seletivo em forma automatizada. Por isso, o caso Amazon se tornou paradigma importante para a discussão jurídica: ele evidencia que a fonte do problema não está apenas em comandos abertamente ilícitos, mas também na relação entre dados históricos, inferência estatística e ausência de controle crítico [7].

O episódio também afasta a narrativa simplificadora segundo a qual a responsabilidade seria da “máquina”. Sistemas automatizados são concebidos, contratados, parametrizados, implementados e utilizados por pessoas e organizações. Quando uma empresa decide inserir IA na triagem de currículos, ela assume o dever de acompanhar os efeitos do modelo, corrigir distorções e responder pelos danos eventualmente produzidos. A mediação tecnológica não rompe o nexo jurídico de responsabilidade; apenas torna mais complexa a tarefa de identificá-lo e demonstrá-lo.

• • Idadismo e discriminação etária no trabalho digital

A discussão sobre discriminação algorítmica no recrutamento costuma concentrar-se, com razão, em marcadores como gênero e raça. Ainda assim, essa leitura permanece incompleta quando ignora a idade como critério social de exclusão. O estudo “Compreender o idadismo no local de trabalho” mostra que o ambiente de trabalho contemporâneo é atravessado por tensões entre diferentes gerações, nas quais certos trabalhadores passam a ser percebidos como “demasiado jovens” e outros como “demasiado velhos” para determinadas funções [8]. Quando essa lógica é transportada para sistemas digitais de triagem e ranqueamento, a discriminação etária deixa de depender apenas de decisões humanas explícitas e pode ser reproduzida por modelos automatizados que aprendem a classificar candidatos a partir de expectativas sociais já sedimentadas.

O primeiro ponto relevante é que o idadismo não se limita à hostilidade dirigida às pessoas mais velhas. A obra adota uma perspectiva bidirecional, reconhecendo que tanto trabalhadores jovens quanto trabalhadores mais velhos podem ser alvo de preconceitos, estereótipos e discriminação [8].

Isso é particularmente importante para o trabalho digital, porque o recrutamento automatizado tende a operar por categorias amplas de adequação profissional. Em vez de examinar a trajetória concreta do candidato, o sistema pode associar juventude a inexperiência, instabilidade ou imaturidade, enquanto associa envelhecimento a baixa adaptabilidade, menor vitalidade ou reduzido potencial de desenvolvimento. Desse modo, a discriminação etária no ambiente digital não se restringe a uma faixa etária específica; ela pode atingir ambos os extremos do continuum etário.

O estudo também demonstra que a categorização etária está no centro do problema, porque a percepção de alguém como “jovem” ou “velho” já aciona inferências automáticas sobre capacidades, competências e aptidões [8]. Em termos jurídicos e organizacionais, esse dado é especialmente sensível. Se o processo seletivo passa a operar com modelos preditivos, rankings e filtros estatísticos, essas inferências deixam de circular apenas no plano informal e podem passar a orientar decisões concretas de triagem. A discriminação, então, não precisa aparecer em uma regra aberta de exclusão por idade. Basta que o sistema utilize sinais correlacionados a perfis etários e os transforme em indicadores de mérito, estabilidade ou empregabilidade. O efeito prático é o mesmo: restringe-se o acesso ao emprego com sustentação em expectativas socialmente construídas sobre quem pareceria “adequado” para a vaga.

Outro aspecto decisivo da obra é mostrar que o idadismo afeta decisões de recursos humanos tanto no tocante aos trabalhadores mais velhos quanto a trabalhadores mais jovens. O livro destaca que enviesamentos etários podem se expressar em práticas de avaliação de desempenho, promoção, formação, contratação e despedimento [8]. Essa observação dialoga diretamente com o trabalho digital, porque sistemas automatizados de recrutamento e gestão de pessoas não criam um universo paralelo: eles passam a integrar a própria estrutura organizacional de tomada de decisão.

Se a discriminação etária já influencia escolhas de RH em ambientes convencionais, não há razão para presumir que ela desapareça quando a seleção é mediada por inteligência artificial. Ao contrário, a automação pode estabilizar esse viés, dar-lhe aparência de objetividade e dificultar sua identificação pelos próprios candidatos afetados.

A pesquisa ressalta, ainda, que trabalhadores mais jovens e mais velhos ocupam posições socialmente desfavorecidas em detrimento aos trabalhadores de meia-idade, frequentemente tomados como padrão idealizado no ambiente de trabalho [8]. Essa constatação é particularmente útil para compreender o risco do recrutamento algorítmico.

Modelos de triagem tendem a ser treinados com dados históricos de desempenho, contratação e permanência, e esses dados podem refletir justamente esse padrão etário idealizado. Com isso, o sistema inteligente pode aprender a tratar a meia-idade como referência tácita de normalidade profissional, deslocando os candidatos mais jovens e os mais velhos para zonas de suspeita estatística. O resultado não é apenas a reprodução de um estereótipo cultural, mas sua conversão em critério operativo de seleção.

Nesse contexto, o idadismo precisa ser lido como dimensão relevante da discriminação algorítmica na inserção profissional. O estudo evidencia que os efeitos da discriminação etária alcançam o bem-estar, a saúde, o compromisso organizacional e a percepção de justiça dos trabalhadores, além de repercutirem na produtividade e na coesão institucional [8].

Quando o trabalho digital incorpora filtros automatizados sem atenção a esse tipo de viés, o risco não é apenas o de excluir perfis etários específicos, mas também o de naturalizar tais exclusões como se fossem simples resultados técnicos. Por isso, a análise da inteligência artificial no recrutamento exige que a idade seja tratada como marcador jurídico e social de vulnerabilidade, e não como variável neutra dentro da arquitetura decisória de sistemas automatizados.

• • Responsabilidade da empresa usuária e da desenvolvedora

A responsabilidade pelo uso de inteligência artificial no recrutamento não pode ser atribuída a uma entidade abstrata chamada “sistema”. A literatura portuguesa sobre direito e inteligência artificial ajuda a compreender que, mesmo quando a decisão é mediada por software, o problema jurídico continua ligado a escolhas humanas anteriores: quem concebe a ferramenta, quem define sua finalidade, quem a incorpora ao procedimento e quem a mantém em funcionamento [3]. No contexto da seleção profissional, isso significa que a automatização da triagem não rompe o vínculo entre decisão e agente responsável; apenas torna mais complexa a identificação dos pontos em que a conduta humana interfere no resultado produzido.

Sob esse prisma, a empresa usuária assume posição central. É ela quem decide submeter a etapa inicial do recrutamento a filtros automatizados e transformar a ferramenta em critério efetivo de passagem ou exclusão. A adoção do sistema não pode ser tratada como escolha neutra de gestão, porque a empresa se beneficia do ranqueamento, da filtragem e da economia de tempo produzidos pela tecnologia. Por essa razão, não parece compatível com uma leitura séria da responsabilidade sustentar que eventual dano decorrente da triagem seria problema exclusivamente externo, pertencente apenas à fornecedora. Ao optar por esse modelo de seleção, a organização assume o encargo de verificar sua adequação, acompanhar seus efeitos e reagir quando o funcionamento da ferramenta se mostrar lesivo ou distorcido [9].

A posição da desenvolvedora, por sua vez, também não pode ser reduzida à condição de simples provedora neutra de tecnologia. Quando a empresa de desenvolvimento participa da modelagem do sistema, da definição da lógica classificatória, da preparação das bases ou da estrutura dos parâmetros utilizados, ela integra a cadeia de produção do resultado. Nessa hipótese, sua atuação deixa de ser periférica e passa a influenciar diretamente o modo pelo qual candidatos serão comparados, hierarquizados e descartados. O ponto juridicamente relevante, então, não está em afirmar que o software “decidiu sozinho”, mas em reconhecer que a arquitetura da decisão automatizada foi construída por agentes concretos, cujas escolhas podem ser causalmente relevantes para a produção do dano [3].

Esse quadro afasta a ideia de que seria necessário escolher, de forma rígida, entre a responsabilidade da usuária e a da desenvolvedora. Em muitos casos, a compreensão mais adequada é a de uma responsabilidade distribuída conforme o papel exercido por cada agente dentro do funcionamento da ferramenta. A empresa contratante responde pelo modo como incorpora o sistema ao processo seletivo e pelas consequências práticas de sua utilização; a desenvolvedora pode responder pela forma como o produto foi estruturado, parametrizado e disponibilizado. Assim, o centro da análise deixa de ser a busca por uma culpa abstrata da máquina e passa a recair sobre a sequência de decisões humanas que permitiu a automação da seleção.

A discussão recente sobre accountability em inteligência artificial reforça esse deslocamento. Em vez de concentrar toda a atenção apenas na reparação posterior ao dano, esse enfoque valoriza deveres de cautela anteriores ao uso do sistema, como avaliação prévia de impacto, registro dos critérios empregados, rastreabilidade mínima, revisão periódica e prestação de contas quanto ao funcionamento da ferramenta [10].

Aplicado ao recrutamento, isso significa que a legitimidade da automação não pode repousar apenas na promessa de eficiência. É preciso demonstrar que houve preocupação real com governança, prevenção e controle, sobretudo quando a tecnologia passa a interferir no acesso de pessoas ao trabalho.

Por isso, a responsabilidade da empresa usuária e da desenvolvedora deve ser examinada a partir da contribuição concreta de cada uma para a formação, manutenção e circulação da decisão automatizada.

O problema jurídico não nasce simplesmente da presença da inteligência artificial, mas do modo como ela é introduzida, alimentada, supervisionada e empregada em um procedimento seletivo capaz de restringir oportunidades profissionais. Quanto menos controle houver sobre essa cadeia e quanto mais naturalizada for a ideia de que o sistema apenas “aplica critérios”, maior o risco de invisibilizar o papel dos agentes humanos que tornaram possível o resultado lesivo. É nesse ponto que a imputação de responsabilidade revela sua função mais importante: reconectar a decisão automatizada às escolhas organizacionais e técnicas que a sustentam.

• Considerações finais

A análise desenvolvida neste artigo permitiu demonstrar que o recrutamento automatizado não pode ser tratado como simples ferramenta de eficiência empresarial. Quando currículos são filtrados, ordenados e descartados por sistemas digitais, a tecnologia passa a interferir diretamente na distribuição de oportunidades profissionais e no próprio acesso ao trabalho.

Também ficou evidenciado que a exclusão algorítmica nem sempre se apresenta de modo aberto. Em muitos casos, ela se produz por classificações opacas, critérios pouco inteligíveis e reaproveitamento de padrões pretéritos que reduzem a visibilidade de determinados candidatos. Por isso, o problema não está apenas no resultado do processo seletivo, mas na lógica interna que define quem avança, quem perde prioridade e quem desaparece ainda na fase inicial.

A pesquisa mostrou, ainda, que esse fenômeno alcança dimensões menos visíveis da desigualdade, como a discriminação etária. A inteligência artificial pode reforçar expectativas sociais sobre juventude, experiência e adaptabilidade, transformando percepções historicamente construídas em filtros automatizados de empregabilidade. Com isso, o idadismo deixa de ser apenas um traço difuso do ambiente de trabalho e passa a integrar a própria arquitetura da seleção digital.

No plano da responsabilidade, a conclusão é igualmente clara: a decisão automatizada não elimina a imputação jurídica. A empresa usuária responde porque incorpora a ferramenta ao recrutamento e a transforma em critério de acesso ao emprego; a desenvolvedora pode responder quando participa da modelagem e da estrutura decisória que viabiliza o resultado lesivo. A máquina não substitui a responsabilidade humana, apenas a torna menos visível.

Em síntese, o debate não exige negar a inteligência artificial no recrutamento, mas recusar sua naturalização. Sempre que a automação operar sem transparência mínima, sem controle crítico e sem governança adequada, a promessa de racionalidade técnica servirá apenas para renovar formas antigas de exclusão. É nesse ponto que se define se a seleção digital funcionará como instrumento de ampliação do acesso ao trabalho ou como mecanismo sofisticado de desigualdade.

• Biografia(s)

​​ 

.

.

.

Ítalo Lopes Gondim

Graduado em Direito pela Universidade Federal da Paraíba - UFPB. Especialização em Direito Público pela Universidade Anhanguera – UNIDERP. Graduado em Ciência da Computação pela Universidade Estácio de Sá. Mestrando em Direito, Processo e Cidadania, linha de pesquisa, cidadania digital pela Universidade Católica de Pernambuco – UNICAP. Juiz de Direito do Tribunal de Justiça da Paraíba.

https://lattes.cnpq.br/8363560265871064

• Declaração de direitos

Os autores declaram ser detentores dos direitos autorais da presente obra, que o artigo não foi publicado anteriormente e que não está sendo considerado por outra(o) Revista/Journal. Declaram que as imagens e textos publicados são de responsabilidade dos autores, e não possuem direitos autorais reservados a terceiros. Textos e/ou imagens de terceiros são devidamente citados ou devidamente autorizados com concessão de direitos para publicação quando necessário. Declaram respeitar os direitos de terceiros e de Instituições públicas e privadas. Declaram não cometer plágio ou autoplágio e não ter considerado/gerado conteúdos falsos e que a obra é original e de responsabilidade dos autores.

fgdfg

• Referências

• BROUSSARD, Meredith. More Than a Glitch: Confronting Race, Gender, and Ability Bias in Tech. Cambridge, MA: The MIT Press, 2023.

• PEIXOTO, Fabiano Hartmann. Direito e inteligência artificial: referenciais básicos com comentários à Resolução CNJ 332/2020. Brasília, DF: DR.IA, 2020. E-book. DOI: 10.29327/521174. Disponível em: http://repositorio.unb.br/handle/10482/43421. Acesso em: 01 fev. 2026.

• GUIMARÃES, Maria Raquel; PEDRO, Rute Teixeira (coord.). Direito e Inteligência Artificial. Coimbra: Almedina, 2023. Disponível em: https://cij.up.pt/client/files/0000000001/9789894014348direito-e-inteligencia-artificial_2301.pdf. Acesso em: 01 fev. 2026.

• ROCHA, Manuel Lopes; PEREIRA, Rui Soares (coord.). Inteligência Artificial & Direito. Coimbra: Almedina, 2020. ISBN 9789724082622. Disponível em: https://www.wook.pt/livro/inteligencia-artificial-e-direito-manuel-lopes-rocha/23788102. Acesso em: 01 fev. 2026.

• SILVA, Miguel Ângelo Oliveira Nunes da. Decisões automatizadas com recurso a algoritmos opacos: uma perspetiva legal. 2022. Dissertação de mestrado, Universidade Católica Portuguesa. Disponível em: https://repositorio.ucp.pt/entities/publication/db94e346-c938-4a97-91f6-686120f1589e. Acesso em: 01 fev. 2026.

• FORBES BRASIL; REUTERS. Amazon desiste de ferramenta secreta de recrutamento. Forbes Brasil, São Paulo, 10 out. 2018. Disponível em: https://forbes.com.br/last/2018/10/amazon-desiste-de-ferramenta-secreta-de-recrutamento/. Acesso em: 01 fev. 2026.

• BORGES, Gustavo Silveira; FILÓ, Maurício da Cunha Savino. Inteligência artificial, gênero e direitos humanos: o caso Amazon. Justiça do Direito, Passo Fundo, v. 35, n. 3, p. 223-246, set./dez. 2021. Disponível em: https://ojs.upf.br/index.php/rjd/article/view/12259. Acesso em: 01 fev. 2026.

• PATIENT, David (coord.); ESTEVES, Carla Sofia; VAUCLAIR, Christin-Melanie; SCHMITZ, Susana; ROSA, Miriam. Compreender o idadismo no local de trabalho. Lisboa: Fundação Francisco Manuel dos Santos, 2024. Disponível em: https://ffms.pt/sites/default/files/2024-08/Idadismo_4as%20-%20web%20%281%29.pdf. Acesso em: 01 abr. 2026.

• TEPEDINO, Gustavo; SILVA, Rodrigo da Guia (coord.). O Direito Civil na Era da Inteligência Artificial. 1. ed. São Paulo: Revista dos Tribunais, 2020.

• ACIOLY, Luís Henrique. Regulação da Inteligência Artificial: Accountability, Prestação de Contas e Avaliações de Impacto. São Paulo: Tirant Brasil, 2025. Disponível em: https://editorial.tirant.com/br/libro/regulacao-da-inteligencia-artificial-accountability-prestacao-de-contas-e-avaliacoes-de-impacto-luis-henrique-acioly-9788594774996. Acesso em: 10 abr. 2026.