O fato Pesquisadores da Universidade de Princeton e da Universidade de Chicago revelaram, em estudo publicado em julho de 2026, que modelos de linguagem de grande porte (LLMs) são mais propensos que seres humanos a desenvolver vieses em processos seletivos simulados. A pesquisa, reportada pela MIT Technology Review, mostra que a inteligência artificial não se limita a reproduzir estereótipos presentes nos dados de treinamento — ela pode criar novos preconceitos por conta própria, e de forma mais acelerada que pessoas reais.
Contexto O estudo utilizou um jogo de contratação simulado no qual tanto humanos quanto LLMs avaliaram currículos e tomaram decisões de seleção. Enquanto a crença comum era de que sistemas de IA seriam mais objetivos por não carregarem emoções ou experiências pessoais, os resultados mostraram o oposto: os modelos formaram estereótipos sobre candidatos mais rapidamente que os participantes humanos, e passaram a aplicar esses vieses de forma consistente. A descoberta chega em um momento em que empresas de tecnologia correm para desenvolver modelos agentivos capazes de memorizar detalhes minuciosos sobre usuários — o que, segundo os autores, pode fornecer ainda mais municiamento para a formação de preconceitos algorítmicos.
Análise O resultado desafia frontalmente uma das premissas mais difundidas sobre a adoção de IA em recursos humanos: a de que algoritmos são intrinsecamente mais justos que avaliadores humanos. Se máquinas podem não apenas reproduzir vieses existentes, mas gerar novos a partir da experiência, o argumento da objetividade perde força. Para a MIT Technology Review, o fenômeno aponta para a necessidade urgente de novos protocolos de auditoria comportamental para sistemas de IA — não apenas auditoria de dados de treinamento, mas monitoramento contínuo de como os modelos evoluem seus critérios de decisão ao longo do tempo.
O que observar Reguladores na União Europeia e nos Estados Unidos já discutem a inclusão de testes dinâmicos de viés em futuras certificações de IA para contratação. Empresas que utilizam ferramentas de recrutamento baseadas em LLMs devem ficar atentas: a ausência de viés explícito no conjunto de dados de treinamento não é garantia de imparcialidade na prática. O estudo sugere que auditorias pontuais podem ser insuficientes — o monitoramento contínuo do comportamento do modelo será o novo padrão ouro. A pergunta que fica é: se a IA desenvolve vieses mais rápido que humanos, estamos prontos para auditá-la com a mesma velocidade?
Fonte: MIT Technology Review
