Fundamentos de dados de RH para IA: qualidade e integração de dados do HRIS

Por Kevin Kim · Atualizado em 11 de outubro de 2026

Os fundamentos de dados de RH são a precisão, a consistência, a conectividade e o amparo legal dos dados dos colaboradores com os quais um sistema de IA aprende ou que ele lê na hora de responder, principalmente os registros do seu HRIS, do sistema de rastreamento de candidatos (ATS) e da folha de pagamento. Um modelo não corrige um registro que diz que um colaborador trabalha em dois departamentos, nem um título de cargo que existe em nove grafias. Ele repete o erro mais rápido e com mais convicção do que qualquer planilha já repetiu.

Este guia é para CHROs, diretores de RH e gerentes de RH que estão prestes a comprar, pilotar ou aprovar uma ferramenta de IA de RH e querem saber o que precisa ser verdade sobre os dados antes disso. Ele fica abaixo dos casos de uso de IA em RH, na camada de dados (Nível 0) do ACE Framework, onde Ingest e Analyze acontecem antes de qualquer coisa ser prevista ou gerada.

Fatos Principais

• O GDPR exige que os dados pessoais sejam "exatos e, quando necessário, atualizados" e determina que sejam tomadas todas as medidas razoáveis para apagar ou retificar sem demora os dados inexatos (Regulation (EU) 2016/679, Article 5(1)(d)).
• Pelo mesmo regulamento, violações dos princípios básicos de tratamento podem gerar multas de até EUR 20 milhões ou 4% do faturamento anual mundial, o que for maior (GDPR, Article 83(5)).
• O EU AI Act classifica como de alto risco, em seu Anexo III, a IA usada para recrutar ou selecionar pessoas, decidir promoções ou desligamentos, distribuir tarefas com base no comportamento individual ou monitorar e avaliar o desempenho (Regulation (EU) 2024/1689, Annex III, point 4).
• Para sistemas de alto risco, a lei exige que os dados de treinamento, validação e teste sejam "relevantes, suficientemente representativos e, na melhor medida possível, isentos de erros e completos" para a finalidade pretendida (AI Act, Article 10).
• O GDPR também dá às pessoas o direito de não ficarem sujeitas a uma decisão baseada exclusivamente em tratamento automatizado que as afete de forma significativa, quando a decisão produz efeitos jurídicos ou igualmente significativos (GDPR, Article 22).

Por que a IA de RH vive ou morre pelos seus dados

Todo caso de uso de IA de RH lê dos mesmos três lugares. Uma ferramenta de triagem lê o ATS. Um modelo de retenção lê o HRIS e busca o histórico salarial na folha de pagamento. Um assistente voltado aos colaboradores lê documentos de políticas, além de alguns campos do HRIS para poder dar a um gestor na Alemanha uma resposta diferente da que dá a um gestor no Brasil.

Então a pergunta não é "a IA é boa?". É "o que a IA está olhando?". Três coisas dão errado quando a resposta é "uma bagunça":

• As previsões tendem para aquilo que os dados superrepresentam. Se dez anos de registros de promoção vêm de um único escritório e de uma única família de cargos, um modelo que prevê "pronto para promoção" aprende os hábitos daquele escritório. Esse é o mecanismo por trás do viés em IA, e ele começa nos dados, não no algoritmo.
• Os assistentes respondem com convicção a partir de fontes desatualizadas. Um assistente de políticas que lê três versões da política de licença parental vai escolher uma. Ninguém vai saber qual.
• As análises se contradizem. Quando o quadro de pessoal (headcount) do financeiro difere do de RH, o primeiro relatório de força de trabalho gerado por IA vira uma discussão sobre números em vez de uma decisão.

A vantagem de tratar isso como uma base, e não como uma faxina, é que o mesmo trabalho compensa com ou sem IA. Relatórios mais limpos, auditorias mais rápidas e menos correções na folha vêm das mesmas correções.

Os cinco problemas de dados que quebram a IA de RH

Você não vai encontrar todos em toda empresa. Vai encontrar pelo menos três na maioria. Eles estão ordenados, grosso modo, pela frequência com que surpreendem as equipes durante um piloto.

Duplicatas e identidade

A identidade é a primeira coisa a corrigir, porque toda junção de dados depende dela. Se um candidato vira colaborador e o registro do ATS nunca é vinculado ao registro do HRIS, você não consegue perguntar se o canal de prospecção prevê a retenção. Recontratações e terceirizados que viram colaboradores costumam ser os culpados, assim como as aquisições, em que duas instâncias de HRIS se fundem e a mesma pessoa aparece nas duas.

Arquitetura de cargos

Títulos de cargo são escritos por pessoas, e pessoas são criativas. Uma arquitetura de cargos (níveis, famílias e um catálogo de funções padronizadas) transforma títulos em dados que um modelo consegue usar. Sem ela, "mostre todos que poderiam assumir uma função de product manager" é um palpite baseado em coincidência de palavras-chave. Recursos de IA baseados em habilidades, marketplaces internos de talentos e análises de equidade salarial pressupõem que essa estrutura exista.

Datas de vigência

Um HRIS que guarda apenas o estado atual diz onde alguém está hoje, mas não como chegou lá. A data de vigência significa que cada mudança carrega a data a partir da qual vale, para que você possa reconstruir qualquer momento passado. Isso importa também para a análise de equidade: se você quer testar se as taxas de promoção diferem entre grupos, precisa das datas reais das promoções reais, não das datas de digitação.

Sistemas isolados e texto livre

A maioria das pilhas de RH cresceu com a adição de ferramentas especializadas, então os dados ficam em muitos lugares. A solução nem sempre é uma plataforma única. É combinar qual sistema é dono de qual campo, para nunca haver dois sistemas editando o mesmo valor. A mesma disciplina vale para o texto livre. Comentários de entrevistas de desligamento e anotações de recrutadores podem alimentar um modelo de análise de texto, mas também trazem detalhes de saúde, situações familiares e opiniões sobre colegas identificados pelo nome. Trate-os como os campos de maior risco do prédio até que se prove o contrário.

Abordagens de integração que funcionam em RH

Você tem quatro maneiras realistas de levar os dados do lugar onde estão até onde a IA pode usá-los. Escolha pelo número de sistemas que tem e pela velocidade com que os dados precisam circular.

Duas regras valem seja qual for a sua escolha.

Defina um sistema de registro para cada campo. O nome legal e o documento de identidade nacional ficam no HRIS. O status da vaga fica no ATS. A remuneração fica na folha, e o HRIS a lê. Se dois sistemas podem alterar um valor, haverá conflito, e conflitos nunca se resolvem sozinhos em silêncio.

Mova o mínimo. Um assistente que responde dúvidas sobre licenças não precisa do histórico salarial. Buscar apenas os campos que um caso de uso exige deixa a IA mais simples, reduz a exposição a vazamentos e encurta a sua avaliação de privacidade. O GDPR faz disso um princípio: os dados pessoais devem ser "adequados, pertinentes e limitados ao que é necessário" para a finalidade (GDPR, Article 5(1)(c)).

Se o seu plano envolve um assistente baseado em recuperação que lê políticas e registros, a questão da integração também se torna uma questão de conteúdo: quais documentos estão vigentes e quem aposenta os antigos. A mecânica está descrita em geração aumentada por recuperação.

Noções básicas de privacidade dos dados dos colaboradores

Os dados dos colaboradores estão entre os mais sensíveis que uma empresa guarda, e a IA cria novas formas de usá-los indevidamente. Esta é uma orientação para gestores, não aconselhamento jurídico, e o seu jurídico deve confirmar o que se aplica em cada país onde você emprega pessoas.

Conheça os princípios. Os princípios centrais do GDPR valem para todo conjunto de dados de RH que ele abrange: licitude, limitação da finalidade, minimização de dados, exatidão, limitação da conservação e segurança. Os dois que mais pesam para a IA são a exatidão (o dever, do Article 5(1)(d), de retificar rapidamente dados errados) e a limitação da conservação, segundo a qual os dados devem ser mantidos de forma identificável por no máximo o tempo necessário (Article 5(1)(e)). Um modelo treinado com registros que você deveria ter apagado é um problema que você criou de propósito.

Trate com cuidado as categorias especiais. O GDPR restringe o tratamento de dados que revelem origem racial ou étnica, opiniões políticas, convicções religiosas ou filiação sindical, além de dados genéticos, dados biométricos usados para identificar uma pessoa e dados sobre saúde ou vida sexual (Article 9(1)). Os sistemas de RH coletam parte disso por motivos legítimos, como licenças médicas ou relatórios de diversidade. Mantenha isso fora das entradas da IA, a menos que você tenha decidido incluir de propósito e documentado o porquê.

Lembre que regras trabalhistas nacionais podem se somar ao GDPR. O Article 88 permite que os Estados-membros estabeleçam regras mais específicas, por lei ou por convenção coletiva, para o tratamento de dados dos trabalhadores no contexto laboral, incluindo recrutamento, execução do contrato de trabalho e planejamento e organização do trabalho (Article 88). Na prática, uma implantação que é aceitável em um país pode exigir o envolvimento do conselho de trabalhadores ou avisos adicionais em outro.

Faça a avaliação de impacto antes do piloto. Quando o tratamento, especialmente com novas tecnologias, tende a resultar em alto risco para os direitos e as liberdades das pessoas, o GDPR exige uma avaliação antes de o tratamento começar (Article 35). Pontuar ou classificar colaboradores com uma ferramenta nova é um caso típico.

Mantenha uma pessoa nas decisões significativas. O Article 22 dá às pessoas o direito de não ficarem sujeitas a uma decisão baseada exclusivamente em tratamento automatizado com efeitos jurídicos ou igualmente significativos (Article 22). A resposta prática é um revisor de verdade, capaz de mudar o resultado, que é a ideia por trás do human-in-the-loop (pessoa no circuito).

Considere os deveres de dados do AI Act se você atua na UE. A IA relacionada ao emprego é classificada como de alto risco no Annex III, e o Article 10 define expectativas de governança sobre os dados usados para treinar, validar e testar esses sistemas. Elas incluem documentar de onde os dados vieram e por que foram coletados, como foram limpos e rotulados, e examiná-los em busca de vieses com probabilidade de prejudicar os direitos das pessoas (AI Act, Article 10). Suas obrigações dependem de você construir o sistema ou implantar o de um fornecedor, então pergunte aos fornecedores que documentação eles podem entregar.

Fora da UE, o desenho é parecido. No Reino Unido, o Information Commissioner's Office publica orientações para empregadores sobre a guarda de registros de empregados e o monitoramento de trabalhadores (ICO employment information). As regras dos EUA são uma colcha de retalhos por estado e por caso de uso, então verifique onde estão os seus colaboradores e candidatos.

Para a visão organizacional de como esses controles se encaixam, veja governança de IA. O AI Risk Management Framework voluntário do NIST, lançado como versão 1.0 em janeiro de 2023, é uma estrutura útil para a conversa sobre riscos, organizada em quatro funções: Govern, Map, Measure e Manage.

Um checklist de prontidão de dados para IA de RH

Use-o antes de aprovar um piloto. Para cada linha, marque Pronto, Parcial ou Não pronto. Duas ou mais respostas "Não pronto" nas seis primeiras linhas significam corrigir os dados primeiro e pilotar depois.

As linhas de identidade, data de vigência e representatividade são as que mais pesam para qualquer coisa que pontue, classifique ou monitore pessoas. Um piloto pequeno e de baixo risco, como um assistente de perguntas e respostas sobre políticas, pode começar com as demais linhas parcialmente atendidas.

Uma sequência que funciona

Você não precisa de um programa de dados de dois anos antes de começar. Uma sequência que mantém o ritmo:

1. Escolha primeiro um caso de uso. Escolha-o com os critérios de priorização de casos de uso de IA e liste apenas os campos de que esse caso precisa. Um assistente de política de licenças precisa de documentos e de alguns campos de perfil. Um modelo de risco de saída precisa de anos de histórico limpo.
2. Faça o perfilamento dos dados para esse caso de uso. Conte duplicatas, campos em branco e variações de título só nesses campos. Números em uma única página movem a liderança mais rápido do que uma reclamação genérica sobre dados.
3. Corrija na origem, não depois. Limpar uma cópia no warehouse enquanto o HRIS continua produzindo registros ruins significa limpar de novo no próximo trimestre. Adicione validação aos formulários, torne campos obrigatórios e abandone o texto livre onde uma lista de opções resolver.
4. Corrija o processo que cria os defeitos. Os registros duplicados costumam vir de uma passagem de bastão, como da aceitação da proposta para o onboarding. A bagunça de títulos vem de deixar os gestores criarem funções. Coloque uma barreira nesses pontos.
5. Atribua a responsabilidade pelos dados. Uma pessoa de operações de RH é dona de cada conjunto de dados importante, com um relatório mensal de qualidade para a liderança de RH.
6. Pilote, meça, amplie. Rode o piloto na fatia limpa. Passe ao próximo caso de uso quando os dados do primeiro estiverem estáveis.

A mesma disciplina vale para agentes de IA que executam ações, e não apenas respondem perguntas. Um agente que atualiza registros ou encaminha candidatos é tão seguro quanto os dados que lê e as permissões que tem, ponto tratado em agentes de IA para RH.

Erros comuns

• Comprar a ferramenta primeiro e descobrir os problemas de dados no piloto. Os fornecedores fazem demonstrações com dados de exemplo organizados. A sua primeira semana em produção não vai se parecer com a demonstração.
• Limpar uma vez só. Sem um responsável e uma verificação mensal, a qualidade se deteriora em um ano, conforme novas contratações, reorganizações e mudanças de sistema se acumulam.
• Tratar o consentimento como cura para tudo. Os colaboradores muitas vezes não conseguem recusar livremente quando o empregador pede, então o consentimento pode ser uma base frágil para o tratamento no ambiente de trabalho. Pergunte ao jurídico qual base legal serve para cada uso.
• Enviar tudo para a IA. Mais campos parecem mais seguros para a equipe que constrói a integração. São mais arriscados para as pessoas a quem os dados pertencem.
• Ignorar a explicabilidade. Se um fornecedor não consegue dizer quais dados levaram a uma pontuação, você não consegue corrigir os dados quando a pontuação está errada. IA explicável é tanto um requisito de dados quanto de modelo.