Supervisão humana na IA de RH: quais decisões devem continuar humanas

Por Kevin Kim · Atualizado em 11 de outubro de 2026

Supervisão humana na IA de RH significa uma pessoa identificada, com autoridade, informação e tempo para questionar o resultado de uma IA e mudar o desfecho antes que ele afete um colaborador ou candidato. Ter alguém que clica em "aprovar" não conta. Reguladores e pesquisadores já disseram isso, e a pesquisa sobre como as pessoas realmente se comportam diante de recomendações de IA explica o motivo.

Esta página é para diretores de RH, gestores de pessoas e líderes de compliance que estão decidindo onde a IA pode recomendar, onde pode agir e onde um ser humano precisa assumir a decisão. Ela cobre quais decisões de RH pertencem a qual nível, o que a lei entende por envolvimento "significativo", como desenhar uma revisão que não seja teatro e o que documentar. Ela complementa IA em RH para a visão mais ampla e o conceito de human-in-the-loop (pessoa no circuito) para o padrão em si. Isto é informação geral, não aconselhamento jurídico.

Fatos Principais

• Pelo Article 22 do GDPR, uma pessoa tem o direito de não ficar sujeita a uma decisão baseada exclusivamente em tratamento automatizado que produza efeitos jurídicos ou a afete significativamente de modo semelhante (GDPR Article 22).
• Os reguladores europeus de proteção de dados disseram que o envolvimento humano só conta se a supervisão for "significativa, e não apenas um gesto simbólico" e feita por alguém "que tenha autoridade e competência para mudar a decisão" (Article 29 Working Party, WP251).
• O EU AI Act classifica como de alto risco as ferramentas de IA para emprego e gestão de trabalhadores, como softwares de triagem de currículos, com obrigações que se aplicam a partir de 2 de dezembro de 2027 (European Commission).
• Em um estudo da University of Washington com 528 pessoas triando candidatos com recomendações simuladas de IA, as escolhas dos participantes seguiram cerca de 90% das vezes as indicações de uma IA com viés severo (University of Washington, November 2025).
• Uma revisão de fatores humanos muito citada constatou que o viés de automação ocorre tanto em novatos quanto em especialistas e "não pode ser evitado por treinamento ou instruções" (Parasuraman and Manzey, Human Factors, 2010).

O que a lei realmente exige

Dois instrumentos fazem a maior parte do trabalho para as equipes de RH que contratam ou gerenciam pessoas na Europa, e um terceiro marco ajuda em todos os outros lugares.

Article 22 do GDPR

O Article 22(1) dá às pessoas o direito de não ficarem sujeitas a uma decisão baseada exclusivamente em tratamento automatizado, incluindo a definição de perfis, que produza efeitos jurídicos ou as afete significativamente de modo semelhante. Existem exceções quando a decisão é necessária para um contrato, autorizada por lei com salvaguardas ou baseada em consentimento explícito. Mesmo assim, nos casos de contrato e consentimento, o controlador deve adotar salvaguardas adequadas, no mínimo o direito de obter intervenção humana, de manifestar o seu ponto de vista e de contestar a decisão (GDPR Article 22).

As diretrizes dos reguladores são diretas sobre o truque que todos se sentem tentados a usar. Um controlador não pode escapar do Article 22 fabricando um envolvimento humano. Alguém que aplica rotineiramente perfis gerados automaticamente, sem nenhuma influência real sobre o resultado, mantém a decisão como "exclusivamente automatizada". As diretrizes também citam "práticas de recrutamento eletrônico sem qualquer intervenção humana" como exemplo típico de decisão que afeta alguém de forma significativa (WP251).

Depois, há a questão de até onde vai o "exclusivamente". No caso SCHUFA, o Tribunal de Justiça da UE decidiu em 7 de dezembro de 2023 que a pontuação de probabilidade automatizada de uma agência de crédito contava como decisão individual automatizada quando o terceiro que a recebe "se baseia fortemente" nessa pontuação para decidir sobre um contrato com a pessoa (CJEU, C-634/21). O caso tratava de crédito, não de emprego. Mas a lógica se transfere: se um recrutador quase sempre segue uma nota de triagem, a nota pode ser a decisão em essência, e a etapa humana não protege você.

O EU AI Act

A lei trata a IA usada em emprego e gestão de trabalhadores como de alto risco, citando o software de triagem de currículos como exemplo. Após a emenda do Digital Omnibus, as obrigações para esses sistemas se aplicam a partir de 2 de dezembro de 2027, e a Comissão lista "medidas adequadas de supervisão humana" entre os requisitos, com os implantadores assegurando a supervisão e o monitoramento humanos (European Commission). A emenda entrou em vigor em 27 de julho de 2026 (Lewis Silkin).

Dois artigos importam mais para o RH:

• O Article 14 diz que os sistemas de alto risco devem ser projetados para que as pessoas possam supervisioná-los de forma efetiva. As pessoas designadas para a supervisão devem ter condições de entender as capacidades e os limites do sistema, de manter a consciência da "possível tendência de confiar automaticamente ou em excesso no resultado (viés de automação)", de interpretar corretamente os resultados e de decidir não usar o sistema ou "desconsiderar, substituir ou reverter o resultado" (AI Act Article 14).
• O Article 26 impõe deveres ao empregador como implantador. Você deve atribuir a supervisão a pessoas com "a competência, o treinamento e a autoridade necessários", manter os logs gerados automaticamente pelo sistema por pelo menos seis meses, salvo disposição legal em contrário, e informar os representantes dos trabalhadores e os trabalhadores afetados antes de usar um sistema de alto risco (AI Act Article 26).

O Article 86 acrescenta o direito a "explicações claras e significativas sobre o papel do sistema de IA no procedimento de tomada de decisão" para pessoas afetadas por decisões baseadas em resultados de alto risco do Annex III (AI Act Article 86). Esse é um motivo prático para manter registros do que a IA contribuiu. Mais sobre isso adiante.

Fora da UE

Em outros lugares, as regras são uma colcha de retalhos, e várias leis estaduais dos EUA sobre decisões automatizadas foram alteradas ou adiadas, então verifique cada lugar onde você contrata. O AI Risk Management Framework do NIST, lançado em 26 de janeiro de 2023, é um marco voluntário dos EUA que você pode usar como esqueleto de governança em qualquer jurisdição (NIST). E a lei contra a discriminação no emprego se aplica com ou sem software envolvido. O monitoramento em nível de grupo, como a comparação dos quatro quintos em 29 CFR 1607.4, é uma primeira verificação padrão para qualquer ferramenta de seleção.

Por que "uma pessoa revisa" muitas vezes não basta

Os testes jurídicos pressupõem um ser humano capaz de discordar de verdade da máquina. A pesquisa sugere que isso é mais difícil do que parece.

Uma revisão de 2010 na Human Factors constatou que o viés de automação leva as pessoas a cometer tanto erros de omissão (deixar passar algo que a ferramenta não sinalizou) quanto erros de comissão (seguir um conselho errado). Ele ocorre em novatos e em especialistas, e "não pode ser evitado por treinamento ou instruções" (Parasuraman and Manzey). Um curso de uma hora sobre os limites da IA não é um controle.

As evidências específicas de contratação apontam na mesma direção. No estudo da University of Washington, 528 participantes triaram candidatos para 16 vagas com recomendações simuladas de IA. Sem IA ou com uma IA neutra, escolheram candidatos brancos e não brancos em taxas iguais. Com uma IA moderadamente enviesada, espelharam o grupo que ela favorecia e, com uma IA severamente enviesada, seguiram as indicações dela cerca de 90% das vezes (University of Washington). As recomendações eram simuladas, então isso mostra como as pessoas reagem a uma sugestão enviesada, não como qualquer produto real se comporta. Ainda assim, é um alerta direto: um revisor que vê primeiro a escolha da IA tende a confirmá-la.

O que significa que supervisão é um problema de desenho, não de pessoal. Você não resolve pedindo aos revisores que tenham cuidado.

Uma tabela de níveis de decisão

Não existe uma lista jurídica única de quais decisões de RH devem continuar humanas, e a resposta depende da jurisdição. Os níveis abaixo são uma forma prática de aplicar os testes jurídicos acima: quanto mais uma decisão afeta o sustento, os direitos ou a dignidade de alguém, mais uma pessoa deve assumi-la. Trate isto como uma política inicial para o seu jurídico ajustar, não como uma declaração do que qualquer lei exige.

Dois princípios sustentam a tabela. Primeiro, quanto mais perto a decisão está de encerrar, negar ou reduzir algo para uma pessoa, menos a IA deve poder fazer sem que um ser humano leia os motivos. Segundo, decisões "exclusivamente" automatizadas não são só as que rodam sem uma pessoa. Incluem aquelas em que uma pessoa segue o resultado de forma habitual. Se você não consegue mostrar que um revisor chega a discordar, pode ter um problema com o Article 22 mesmo que haja um humano nominalmente no circuito.

Exemplos reais por função

• Recrutamento. Um sistema de rastreamento de candidatos ranqueia automaticamente 800 candidatos a uma vaga de suporte. Um recrutador lê os 40 primeiros. Os candidatos abaixo desse corte são, na prática, reprovados pelo algoritmo. A correção é revisar toda semana uma amostra aleatória da pilha não lida e exigir que uma pessoa veja o motivo declarado antes de qualquer reprovação eliminatória. Veja triagem de currículos com IA.
• Desempenho e promoção. Uma ferramenta resume as anotações de um gestor e os dados de projetos e sugere um sinalizador de "pronto para promoção". O gestor trata o sinalizador como a resposta. A boa prática é fazer o gestor escrever primeiro a própria avaliação e depois compará-la com a da ferramenta, para que a máquina não ancore o julgamento. Mais sobre isso em IA na gestão de desempenho.
• Remuneração. Um modelo recomenda aumentos dentro de um orçamento. Um gestor que aprova 40 recomendações em dez minutos não está revisando. Limite o tamanho do lote, mostre primeiro o raciocínio dos valores fora da curva e peça ao RH que verifique separadamente os padrões em nível de grupo.

Como montar uma supervisão que não seja aprovar no automático

1. Liste toda decisão de RH assistida por IA. Inclua as discretas: rankings, sinalizadores, lembretes, notas redigidas. Você não consegue classificar o que não encontrou. Um pequeno inventário muitas vezes revela ferramentas que gestores adotaram sem avisar ninguém.
2. Atribua cada decisão a um nível e a um responsável identificado. Use a tabela acima como modelo. O responsável é um papel com autoridade real, não "a equipe de RH".
3. Dê autoridade aos revisores. O Article 14 e o Article 26 giram em torno da capacidade de desconsiderar, substituir ou reverter o resultado e da atribuição da supervisão a pessoas com competência e autoridade (Article 14, Article 26). Se contrariar a ferramenta exige três aprovações e um pedido de desculpas, ninguém vai fazer isso.
4. Dê informação aos revisores. Mostre os dados de entrada, o motivo do resultado e a confiança, quando o sistema fornece uma. Uma nota solta convida à deferência. É aqui que a IA explicável mostra o seu valor.
5. Dê tempo aos revisores. Defina tamanhos de lote razoáveis. Se as metas de produtividade tornam impossível uma revisão real, você desenhou um carimbo automático.
6. Mude a ordem do trabalho nas decisões de alto risco. Quando for viável, peça à pessoa a própria avaliação antes de mostrar a da IA. Isso reduz a ancoragem na sugestão da máquina.
7. Acompanhe as taxas de substituição e a profundidade da revisão. Se os revisores concordam com a IA 99% das vezes, pergunte se estão concordando ou apenas clicando. Uma taxa de substituição próxima de zero é um sinal de alerta, não uma métrica de sucesso (veja medir a IA em RH para saber como acompanhá-la junto com outras métricas de equidade). Compare as taxas de substituição entre revisores e entre grupos de candidatos ou colaboradores.
8. Dê às pessoas um caminho até um humano. Para qualquer coisa significativa, informe que há IA envolvida, permita que peçam a uma pessoa que reveja o caso e deixe que apresentem a sua versão. Isso espelha as salvaguardas do Article 22(3) e o direito à explicação do Article 86.
9. Reclassifique quando algo mudar. Uma nova versão do modelo, uma nova fonte de dados ou um novo uso de uma nota antiga pode mover uma decisão para outro nível.

O monitoramento da própria ferramenta também cabe aqui. Veja viés na contratação com IA para saber como testar os resultados por grupo.

O que documentar

Os registros são a forma de provar que a supervisão aconteceu, e é o que um regulador, um auditor ou o advogado de um colaborador vai pedir. As diretrizes dos reguladores dizem que um controlador deve identificar e registrar o grau de envolvimento humano no processo de decisão e em que etapa ele ocorre (WP251). Um mínimo viável:

• A decisão, o seu nível e o seu responsável.
• O que a IA produziu, qual versão o produziu e o que o revisor viu.
• A decisão do revisor, o seu raciocínio se substituiu o resultado e o tempo que levou.
• Qualquer contato da pessoa afetada, como um pedido de revisão humana ou de explicação, e o desfecho.
• Logs mantidos pelo período que a sua lei exige. Para sistemas de alto risco na UE, os implantadores mantêm os logs gerados automaticamente por pelo menos seis meses, salvo disposição legal em contrário (Article 26).

Uma trilha de auditoria de IA estruturada torna isso muito mais fácil do que reconstruir os fatos a partir de e-mails.

Erros comuns

• Contar um clique como supervisão. Se o revisor não pode mudar o resultado, ou nunca o faz, os reguladores podem tratar a decisão como automatizada.
• Esconder o motivo. Revisores que veem apenas uma nota cedem a ela.
• Sobrecarregar os revisores. Uma fila de 200 itens por dia garante aprovação por padrão.
• Tratar o treinamento como a solução. A pesquisa diz que a conscientização por si só não elimina o viés de automação, então construa estrutura, não apenas um curso.
• Usar a taxa de substituição como métrica de desempenho contra os revisores. Se as pessoas são penalizadas por discordar da ferramenta, vão parar de discordar.
• Ignorar a pilha que ninguém abre. As reprovações que ninguém lê são onde erros e viés se escondem.