23 de fevereiro de 2026
Impacto da inteligência artificial nos processos de recrutamento e seleção
Leonardo Guimarães Coelho; Julio Cesar Ruivo Costa
Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.
Este trabalho analisa o impacto da inteligência artificial (IA) nos processos de recrutamento e seleção, investigando percepções, benefícios e riscos. Especificamente, a pesquisa identifica os níveis de confiança na IA em contextos seletivos, avalia a percepção sobre vieses e riscos à diversidade, e examina diferenças de percepção entre candidatos de distintas orientações sexuais, contribuindo para o entendimento da implementação ética e eficaz da tecnologia na gestão de pessoas.
A ascensão da inteligência artificial reconfigura o ambiente de trabalho, especialmente a gestão de pessoas. A aplicação de IA em recrutamento e seleção (R&S) é uma tendência estratégica que promete otimizar a identificação de talentos. Ferramentas que automatizam a triagem de currículos, usam chatbots e empregam algoritmos preditivos são cada vez mais prevalentes em organizações que buscam agilidade e escalabilidade (Fernandes, 2022). Essa transformação digital promete reduzir tempo e custos operacionais e introduzir uma análise de dados que, em tese, torna as decisões mais objetivas.
Apesar dos benefícios, a integração da IA em R&S suscita debates éticos. A principal preocupação, documentada na literatura, é o potencial dos algoritmos para perpetuar e amplificar vieses. Estudos demonstram que sistemas de IA treinados com dados históricos que refletem padrões discriminatórios podem replicar essas tendências, resultando na exclusão de candidatos de grupos minorizados (Vargas e Rech, 2023). Este risco impõe a necessidade de uma governança algorítmica robusta, com transparência, explicabilidade e auditoria para mitigar a discriminação e assegurar a equidade (Davenport, 2018).
O impacto da IA sobre a diversidade e a inclusão é uma dimensão crítica. A promessa de seleção objetiva pode ser subvertida se os modelos de aprendizado de máquina reforçarem padrões hegemônicos, prejudicando a construção de equipes pluralistas. A exclusão de grupos sub-representados, mesmo não intencional, pode consolidar barreiras no mercado de trabalho, contradizendo esforços organizacionais de inclusão (Vargas e Rech, 2023). A reflexão crítica sobre o design, implementação e monitoramento dessas tecnologias é um imperativo para alinhar a inovação aos princípios de justiça social.
A percepção dos candidatos sobre a automação dos processos seletivos é um fator determinante para a aceitação dessas ferramentas. Pesquisas indicam uma visão ambivalente: candidatos reconhecem o potencial da IA para agilizar etapas, mas há resistência à ideia de que a tecnologia substitua integralmente o julgamento humano (Fernandes, 2022; Vargas e Rech, 2023). A interação humana e a avaliação qualitativa são vistas como insubstituíveis. Essa percepção reforça o argumento de que o papel mais eficaz da IA é como ferramenta de apoio, fornecendo insights para subsidiar a decisão final dos profissionais de recursos humanos.
Este estudo adotou uma abordagem metodológica mista, combinando pesquisa bibliográfica e de campo. A primeira etapa foi uma revisão exploratória da literatura, fundamentada em artigos e trabalhos acadêmicos sobre IA em R&S. Conforme Gil (2008), a pesquisa bibliográfica é fundamental para construir um referencial teórico sólido. A seleção do material buscou equilibrar perspectivas sobre os benefícios da tecnologia e os alertas sobre riscos associados à governança, explicabilidade e vieses algorítmicos.
A segunda etapa foi uma pesquisa de campo, com um questionário estruturado de 16 questões. O instrumento foi elaborado com base nos eixos de discussão da literatura, abordando confiança na IA, percepção de justiça, transparência, benefícios, riscos e impacto na diversidade. A formulação das questões foi influenciada por estudos que investigam a percepção dos candidatos frente à automação (Vargas e Rech, 2023; Albuquerque et al., 2022). O questionário foi disseminado digitalmente através de redes como LinkedIn, WhatsApp e Instagram.
A amostra não probabilística foi composta por 114 respondentes válidos. A participação foi voluntária e anônima. O uso de questionários é uma técnica eficaz para obter dados padronizados, aumentando a comparabilidade e a confiabilidade dos resultados (Marconi e Lakatos, 2017). A diversidade da amostra foi buscada, especialmente quanto à orientação sexual, para permitir análises comparativas relevantes aos objetivos da pesquisa.
A análise dos dados foi realizada no Excel, utilizando tabelas dinâmicas para organizar e interpretar as respostas. Esta técnica permitiu a tabulação de frequências e percentuais, além do cruzamento de variáveis-chave, como orientação sexual e percepções sobre a IA. Em estudos exploratório-descritivos, a clareza na organização dos dados é essencial para a extração de insights (Vergara, 2016). O método possibilitou a identificação de padrões e tendências, que foram discutidos e contextualizados à luz do referencial teórico.
O perfil dos 114 respondentes revela uma concentração na faixa etária de 25 a 44 anos (88,6%). Esse perfil sugere que a interação com tecnologias em R&S é mais intensa entre profissionais em fases ativas de carreira. O achado converge com a literatura que aponta a modernização dos processos de recrutamento como estratégia para otimizar tempo e custos, com ferramentas digitais sendo mais adotadas por gerações familiarizadas com o ambiente digital. Estudos indicam que gerações mais jovens aceitam mais facilmente soluções baseadas em IA, desde que percebidas como justas e transparentes (Blumen e Cepellos, 2022).
A percepção de justiça nos processos mediados por IA é um ponto central. Questionados se a IA torna os processos mais justos, a resposta predominante (62,3%) foi “Depende”. Essa condicionalidade é consistente entre os diferentes grupos de orientação sexual, indicando uma desconfiança generalizada na neutralidade da tecnologia. Isso sugere que os participantes reconhecem o potencial da IA para reduzir vieses humanos, mas condicionam essa possibilidade à existência de regras claras, monitoramento e governança. Essa visão alinha-se com a pesquisa de Blumen e Cepellos (2022), que associa a percepção de justiça à transparência e explicabilidade dos sistemas.
Sobre o papel da IA, o estudo investigou se a tecnologia deveria substituir a análise humana. Os resultados foram categóricos: 77 respondentes (67,5%) afirmaram que não, e 36 (31,6%) defenderam uma substituição parcial. Apenas um participante apoiou a substituição total. Essa convergência reforça a percepção da IA como ferramenta de apoio, não como substituto autônomo. A literatura sobre governança algorítmica sustenta essa posição, argumentando que a delegação completa de decisões a sistemas automatizados, sem explicabilidade e possibilidade de recurso, compromete a legitimidade do processo (Atanazio et al., 2021). A supervisão humana é crucial para a aceitação social dessas tecnologias (Garcia e Mendes, 2025).
O impacto da IA na diversidade das contratações revelou que a maioria (56,1%) acredita que o resultado “Depende de como a IA é programada”. Os participantes não veem a tecnologia como intrinsecamente boa ou má, mas como um reflexo de seu design e dos dados de treinamento. A literatura alerta que vieses históricos nos dados podem ser codificados nos algoritmos, exigindo auditorias e métricas de equidade (fairness) para corrigir desvios (Fernandes, 2022). A necessidade de diretrizes de segurança e ética não é eliminada pelos benefícios da automação (Garcia e Mendes, 2025).
A análise cruzada entre familiaridade com IA e percepção sobre seu impacto na diversidade mostra que maior conhecimento técnico não se traduz em otimismo. Indivíduos com conhecimento avançado ou intermediário também expressaram majoritariamente que o impacto depende da programação, demonstrando consciência sobre os riscos de viés. Este padrão corrobora Vargas e Rech (2023), que sugerem que a expertise técnica aumenta a conscientização sobre os perigos, ao mesmo tempo que fortalece a confiança em soluções bem calibradas. A análise por escolaridade mostrou que a educação formal reforça a visão da IA como ferramenta de apoio, com indivíduos de pós-graduação e ensino superior rejeitando a substituição total da análise humana, o que sugere que a capacidade crítica exige maior transparência e supervisão (Timóteo, 2024; Fernandes, 2022).
A dimensão subjetiva da experiência do candidato foi explorada. Observou-se um contraste no conforto ao ser avaliado por IA: respondentes heterossexuais se mostraram divididos (34,6% sim, 30,8% não, 34,6% talvez), enquanto os homossexuais demonstraram desconforto majoritário (44% não, 28% sim, 28% talvez). A disparidade sugere que grupos historicamente suscetíveis à discriminação percebem maior risco em sistemas automatizados. Zenone e Cezar (2022) argumentam que a confiança em IA no recrutamento depende de garantias explícitas de não discriminação. A confiança nas decisões da IA seguiu um padrão semelhante, com a maioria (57,9%) expressando confiança apenas parcial, sentimento mais acentuado entre grupos não heterossexuais. Essa confiança condicional exige a implementação de governança algorítmica e auditorias (Garcia e Mendes, 2025).
A demanda por transparência foi um consenso, com 98 dos 114 participantes (86%) afirmando que as empresas deveriam “sempre” informar o uso de IA. Essa exigência é fundamental para a confiança. Os riscos percebidos reforçam essa preocupação: os mais citados foram “falta de humanização” (80 menções), “vieses algorítmicos” (78 menções) e “falta de transparência” (50 menções). Os dados confirmam as análises de Garcia e Mendes (2025) e dialogam com estudos que mostram que a percepção de risco é amplificada em grupos minoritários (Alexandre e Santos, 2023; Fernandes, 2022). O temor de que algoritmos reproduzam preconceitos estruturais é uma barreira para a aceitação da IA (Pereira e Souza, 2021).
Em contrapartida, os benefícios da IA foram reconhecidos. Os mais citados foram “agilidade no processo” (86 menções), “avaliação baseada em dados” (67 menções) e “redução de custos” (53 menções). Os resultados estão alinhados com a literatura que posiciona a IA como ferramenta para otimizar processos seletivos (Ferreira, 2020; Silva, 2022). Empresas que adotam essas tecnologias relatam ganhos de eficiência (Cabral, 2021). Contudo, é crucial notar que o grupo homossexual apresentou a maior proporção de respondentes que não enxergam “nenhum benefício” (18% do grupo), reforçando que, para grupos vulneráveis, os riscos de discriminação podem ofuscar as vantagens operacionais.
A análise dos dados permite concluir que a percepção sobre a inteligência artificial em recrutamento e seleção é ambivalente. A tecnologia é reconhecida como um instrumento de eficiência, agilidade e objetividade, mas essa visão é contrabalançada por uma desconfiança quanto à justiça, transparência e risco de vieses. A confiança na IA é predominantemente parcial e condicional, sublinhando que a supervisão humana é essencial, especialmente nas etapas decisórias. A rejeição à substituição total do avaliador humano demonstra que qualidades como empatia e julgamento contextual são consideradas insubstituíveis. A legitimidade da IA depende criticamente da explicabilidade de seus critérios e da transparência em seu uso.
O recorte por orientação sexual revelou que grupos minorizados, como respondentes homossexuais, demonstram sensibilidade aguçada aos riscos de discriminação algorítmica, manifestando menor conforto e maior ceticismo. Isso reforça a necessidade de incorporar a diversidade como eixo central no desenvolvimento de soluções de IA para recursos humanos. Para as organizações, a implicação é clara: a adoção da IA deve ser acompanhada por um compromisso com práticas éticas, governança algorítmica e auditorias contínuas para garantir processos justos e inclusivos. Conclui-se que o objetivo foi atingido: demonstrou-se que a percepção sobre o impacto da inteligência artificial em processos de recrutamento e seleção é profundamente ambivalente, condicionada por uma forte demanda por transparência, governança e supervisão humana para mitigar os riscos de vieses, especialmente entre grupos minorizados.
Referências:
Albuquerque, E. L.; Rodrigues, F. M., Matos, G. B.; Xavier, G. S.; Hoelz, J. C. 2022. Inteligência Artificial no Recrutamento e Seleção: A Perspectiva do Departamento de Recursos Humanos sobre seus Prós e Contras. In: Encontro de Gestão e Tecnologia, 2022, São Paulo, SP, Brasil, Anais… p. 1-17.
Alexandre, D. M.; Santos, D. A. 2023. A Mudança na Forma de Contratação Através da Inteligência Artificial. Tese de Bacharel em Administração. Centro Socioeconômico, Universidade Federal de Santa Catarina. Florianópolis, SC, Brasil.
Atanazio, A.,;Silva, L. R. O.; Formigoni, A.; Novais, R. A. B. de. 2021. A Inteligência Artificial transformando o RH do futuro: um estudo de caso sobre a tecnologia e a diversidade no mercado de trabalho. Refas – Revista Fatec Zona Sul, 7(4), 1–16.
Blumen, D.; Cepellos, V. M. 2022; Escola Brasileira de Administração Pública e de Empresas [EBAPE]. 2022.
Cabral, J. A.. A inteligência artificial no departamento de recursos humanos: um estudo de caso sobre a IA no processo de recrutamento e seleção. Revista Eletrônica Ânima Terra, 2021. Disponível em: <http://ric-cps. eastus2. cloudapp. azure. com/handle/123456789/5924> Acesso em: 27 set. 2025.
Davenport, T. H. Artificial intelligence for the real world. Harvard Business Review 96(1): 108-116.
Fernandes, D. L. A. Promoção de Igualdade de Gênero: O uso de Inteligência Artificial em Processos de Recrutamento e Seleção em Empresas Brasileiras. Escola de Administração de Empresas de São Paulo, Fundação Getúlio Vargas, São Paulo, SP, Brasil.
Galvão, Y. S. M.; Câmara, R. T. T. 2023. Problemas Éticos na Utilização de Inteligência Artificial em Processos de Recrutamento e Seleção e a Percepção dos Trabalhadores. Universidade Federal Rural do Semi-Árido, RN, Brasil.
Garcia, M. E. P. T.; Mendes, T. D. O. Transformações no recrutamento e seleção: um estudo sobre a inteligência artificial no processo seletivo. Revista de Gestão e Secretariado, 16(2), 1-20.
Gil, A. C. 2008. Métodos e técnicas de pesquisa social. 6. ed. Atlas, São Paulo, SP, Brasil.
Marconi, M. A.; Lakatos, E. M. 2017. Fundamentos de metodologia científica. 7. ed. Atlas, São Paul, SP, Brasil.
Pereira, M.; Souza, A. C. Discriminação algorítmica e inteligência artificial: desafios éticos nos processos seletivos digitais. Revista Tópicos, 2021. Disponível em: <https://revistatopicos. com. br/artigos/uso-da-inteligência-artificial-no-processo-de-recrutamento-e-seleção-benefícios-e-desafios>. Acesso em: 27 set. 2025.
Silva, M. J. C. O impacto da inteligência artificial na seleção de talentos: oportunidades e desafios no Brasil. Universidade Federal do Rio de Janeiro (UFRJ), 2022. Disponível em: https://pantheon. ufrj. br/bitstream/11422/24539/1/MJD-Silva-min. pdf. Acesso em: 27 set. 2025.
Timóteo. J. F. 2024. Inteligência Artificial nos Processos de Recrutamento e Seleção: Revisão da Literatura. Tese de Bacharel em Administração. Instituto de Ciências Sociais Aplicadas, Universidade Federal de Ouro Preto. Mariana, MG, Brasil.
Vargas, T. B.; Rech, I. A revolução no recrutamento: como a inteligência artificial impacta o processo de seleção de pessoas na organização. Tese de Bacharel em Administração de Empresas. Escola de Negócios, Pontifícia Universidade Católica do Rio Grande do Sul, RS, Brasil.
Vergara, S. C. 2016. Projetos e relatórios de pesquisa em administração. 16. ed. Atlas, São Paulo, SP, Brasil.
Zenone, A. C.; Cezar, B. B. 2020. Incorporação da Diversidade Cultural nas Organizações Através do Processo de Recrutamento e Seleção. In: Simposio de Pesquisa e Ensino em Administração,
Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Digital Business do MBA USP/Esalq
Saiba mais sobre o curso; clique aqui:

