Sua Empresa

Dados podem melhorar decisões sobre pessoas, mas o uso sem transparência, contexto e revisão humana transforma profissionais em pontuações, amplia a vigilância e reproduz desigualdades.

A promessa do people analytics é atraente: substituir decisões intuitivas por análises baseadas em evidências. Com dados sobre desempenho, movimentação, remuneração, absenteísmo, engajamento e rotatividade, o RH pode identificar padrões, antecipar problemas e direcionar investimentos com maior precisão.

O risco aparece quando a ferramenta deixa de apoiar decisões e passa a comandá-las.

Nesse cenário, pessoas complexas são reduzidas a indicadores. Uma ausência pode ser interpretada como falta de comprometimento. Um período de menor produtividade pode se transformar em sinal de baixo potencial. A pouca participação em reuniões virtuais pode ser lida como desengajamento. E um algoritmo, treinado com decisões anteriores, pode reproduzir desigualdades sob a aparência de neutralidade matemática.

People analytics não desumaniza o RH por utilizar dados. A desumanização ocorre quando os números são tratados como representação completa da realidade e o profissional perde a oportunidade de explicar o contexto, contestar uma conclusão ou participar de uma decisão que afeta sua carreira.

A gestão algorítmica já está nas empresas

O debate ultrapassa os painéis tradicionais de RH. Sistemas tecnológicos já são utilizados para distribuir tarefas, definir escalas, acompanhar jornadas, medir velocidade, analisar comunicações, estabelecer metas, premiar resultados e apontar desempenhos considerados insuficientes.

A Organização Internacional do Trabalho define gestão algorítmica como o uso de sistemas baseados em dados para organizar, distribuir, monitorar, supervisionar e avaliar o trabalho. Essas ferramentas podem utilizar inteligência artificial, mas também podem funcionar por meio de regras automatizadas mais simples.

Uma pesquisa da Organização para a Cooperação e Desenvolvimento Econômico, realizada com mais de 6 mil gestores de nível intermediário em seis países, mostra o alcance desse movimento. Nos Estados Unidos, 90% dos gestores disseram que suas empresas adotavam ao menos uma ferramenta para orientar, monitorar ou avaliar trabalhadores. A média foi de 79% em França, Alemanha, Itália e Espanha e de 40% no Japão.

Nos países europeus pesquisados, 67% das organizações utilizavam ferramentas de monitoramento e 35% empregavam sistemas destinados à avaliação dos profissionais. Nos Estados Unidos, mais de três quartos dos gestores relataram a presença de dez ou mais das 15 modalidades de gestão algorítmica analisadas pela OCDE.

Os recursos considerados no levantamento incluíam acompanhamento do tempo e da velocidade do trabalho, análise do conteúdo ou do tom de conversas, localização, fadiga, estado de alerta, cumprimento de atividades, premiações, sanções e rankings de desempenho.

A tecnologia pode ampliar a velocidade e a quantidade de informações disponíveis para os gestores. O mesmo estudo mostra que empresas percebem melhora na qualidade das decisões. Ao mesmo tempo, quase dois terços dos usuários dessas ferramentas manifestaram pelo menos uma preocupação sobre seu funcionamento.

Entre os principais problemas mencionados estavam a falta de clareza sobre quem responde por uma decisão errada, apontada por 28% dos gestores; a dificuldade de compreender a lógica dos sistemas, citada por 27%; e a proteção inadequada da saúde física e mental dos trabalhadores, também indicada por 27%.

No Brasil, a maturidade ainda é desigual

Uma das pesquisas mais abrangentes sobre práticas de people analytics no Brasil foi conduzida pela PwC com 107 empresas, predominantemente de grande porte. O estudo é de 2015 e, portanto, não retrata a expansão tecnológica mais recente, mas ajuda a mostrar que o desafio de transformar dados em decisões estratégicas já existia antes da atual popularização da inteligência artificial.

Naquele levantamento, apenas 31% das empresas afirmaram que o RH participava ativamente das decisões estratégicas. Embora a maioria acompanhasse indicadores de gestão de pessoas, somente 37% possuíam um painel estruturado de controle. O relatório também apontava lacunas na capacidade analítica das equipes de RH.

O panorama mudou desde então, com o avanço de plataformas de gestão, análise preditiva e IA. Ainda assim, permanece uma questão central: instalar sistemas e produzir painéis não significa que a empresa tenha desenvolvido maturidade para interpretar os dados.

Um indicador pode revelar que determinada área possui maior rotatividade. Ele não explica, sozinho, se a causa está na liderança, na remuneração, no desenho do trabalho, na falta de perspectivas, na localização, na pressão por resultados ou em uma combinação desses fatores.

Da mesma maneira, uma queda de produtividade pode decorrer de falta de treinamento, falhas de sistema, sobrecarga, adoecimento, conflitos familiares ou metas mal formuladas. Quando o dado é separado do contexto, o trabalhador corre o risco de receber a culpa por problemas que pertencem à estrutura organizacional.

Quando medir vira vigiar

O monitoramento costuma ser apresentado como instrumento para aumentar eficiência, segurança e controle. Para os trabalhadores, entretanto, a percepção pode ser diferente.

Uma pesquisa da Associação Americana de Psicologia mostrou que 56% dos profissionais que relataram ser monitorados eletronicamente também disseram sentir tensão ou estresse durante o trabalho. Entre os que se declaravam preocupados com a inteligência artificial, 64% afirmaram experimentar essas sensações.

O monitoramento permanente pode alterar comportamentos. O profissional passa a trabalhar para alimentar o indicador, e não necessariamente para entregar o melhor resultado. Movimenta o mouse para parecer ativo, evita pausas, reduz conversas importantes e prioriza tarefas facilmente mensuráveis.

Nesse tipo de ambiente, o painel aparentemente preciso pode produzir uma visão distorcida. O sistema mede atividade, mas a empresa acredita estar medindo contribuição.

Há funções em que reflexão, escuta, relacionamento, aprendizagem e criatividade ocupam parte relevante da jornada. Esses elementos dificilmente cabem em métricas simples de volume, presença ou velocidade.

Ao privilegiar apenas o que pode ser contado, a organização pode desvalorizar justamente as atividades humanas que sustentam inovação, cooperação e qualidade das decisões.

O algoritmo também herda o passado

Outra promessa frequente é a redução da subjetividade. Como seres humanos possuem vieses, sistemas baseados em dados seriam capazes de produzir avaliações mais imparciais.

Isso pode ocorrer em determinadas aplicações, mas não é automático.

Modelos analíticos são construídos a partir de critérios escolhidos por pessoas e, frequentemente, utilizam dados gerados por decisões anteriores. Quando o histórico contém desigualdades, o sistema pode aprendê-las e reproduzi-las.

Se profissionais de determinado perfil foram promovidos com maior frequência no passado, um modelo de potencial pode interpretar essas características como sinais de sucesso. Candidatos com trajetórias não tradicionais, interrupções na carreira ou experiências menos comuns podem receber pontuações inferiores, mesmo quando possuem competência para a função.

A preocupação aparece na percepção pública. Em pesquisa com mais de 11 mil adultos dos Estados Unidos, o Pew Research Center verificou que 71% se opunham ao uso da IA para tomar a decisão final de contratação. Apenas 7% apoiavam essa prática. Além disso, 66% disseram que não gostariam de se candidatar a uma empresa que utilizasse IA para ajudar a decidir quem contratar.

Os números não provam que toda decisão automatizada seja injusta. Mostram, porém, que candidatos e trabalhadores ainda demonstram baixa confiança quando a tecnologia ocupa o lugar de quem deveria ouvir, explicar e responder pela decisão.

A falsa objetividade das pontuações

A pontuação produz sensação de precisão. Um candidato recebe nota 82, um trabalhador apresenta risco de desligamento de 74% e uma liderança alcança índice de engajamento 6,4.

Esses números podem ser úteis, desde que sejam entendidos como sinais, não como sentenças.

O problema surge quando a escala matemática oculta escolhas subjetivas: quais dados foram utilizados, quanto peso cada variável recebeu, quem definiu o resultado esperado e o que ficou fora do modelo.

Uma avaliação pode considerar pontualidade, número de entregas e participação em reuniões, mas ignorar a complexidade das atividades. Pode premiar quem produz maior volume e penalizar quem resolve casos difíceis, orienta colegas ou evita erros.

Também existe o risco de transformar correlação em julgamento. Um sistema pode identificar que profissionais com determinada característica pedem demissão com maior frequência. Isso não significa que essa característica seja a causa da saída nem que todas as pessoas daquele grupo devam ser tratadas como risco.

Quando a previsão passa a influenciar oportunidades, o algoritmo pode produzir o comportamento que pretendia antecipar. Um profissional classificado com elevada possibilidade de desligamento recebe menos projetos, desenvolvimento e reconhecimento. Sem perspectivas, decide sair.

A previsão torna-se realidade não porque estava correta desde o início, mas porque a organização passou a tratar a pessoa de acordo com ela.

LGPD alcança os dados profissionais

No Brasil, dados utilizados para formar perfis comportamentais de pessoas identificadas ou identificáveis podem ser considerados dados pessoais. A Lei Geral de Proteção de Dados estabelece princípios como finalidade, necessidade, transparência, qualidade, segurança e não discriminação.

A legislação também garante ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base no tratamento automatizado de dados pessoais quando elas afetarem seus interesses, incluindo decisões destinadas a definir seu perfil profissional ou aspectos de sua personalidade. O controlador deve fornecer informações claras sobre os critérios e procedimentos utilizados, preservados os segredos comerciais e industriais.

Na prática, isso exige que o RH saiba responder perguntas básicas: quais informações estão sendo coletadas, para qual finalidade, por quanto tempo serão armazenadas, quem terá acesso e como serão utilizadas.

A mera existência de uma política de privacidade não resolve o problema. O trabalhador precisa compreender se seus e-mails, deslocamentos, conversas, avaliações, dados de saúde, participação em reuniões ou padrões de acesso estão sendo analisados para decisões de carreira.

Transparência não significa divulgar códigos complexos ou fórmulas matemáticas. Significa explicar, em linguagem compreensível, como o sistema influencia a vida profissional.

O risco de o RH terceirizar a responsabilidade

Uma das consequências mais delicadas da gestão baseada em dados é a transferência silenciosa de responsabilidade.

O gestor rejeita um candidato porque “o sistema não recomendou”. A promoção não ocorre porque “a pontuação ficou abaixo da faixa”. A demissão é justificada por um “modelo de risco”. Dessa forma, decisões humanas passam a ser apresentadas como consequências inevitáveis da tecnologia.

Mas o sistema não responde ao trabalhador, não conhece integralmente sua história e não assume as consequências de um erro.

A OCDE identificou justamente a falta de clareza sobre a responsabilidade como a preocupação mais citada por gestores que utilizam ferramentas algorítmicas.

O papel do people analytics deveria ser ampliar a qualidade da pergunta e da investigação, não oferecer uma desculpa para evitar conversas difíceis.

Quando um indicador aponta baixo desempenho, o RH precisa buscar o contexto. Quando um algoritmo sinaliza risco de saída, a liderança deve conversar com a pessoa. Quando um modelo recomenda um candidato, profissionais precisam verificar se os critérios são coerentes com a função.

Revisão humana não pode ser um clique formal para confirmar aquilo que a ferramenta já decidiu. Deve incluir autonomia real para discordar, documentar razões e corrigir erros.

Dados podem humanizar decisões

A crítica ao uso inadequado não significa abandonar o people analytics. Quando empregado com responsabilidade, ele pode reduzir arbitrariedades e revelar problemas antes invisíveis.

Dados podem mostrar desigualdades salariais, identificar áreas com altos índices de afastamento, revelar diferenças em promoções, apontar concentração de sobrecarga e medir se programas de desenvolvimento alcançam públicos diversos.

Também podem permitir que o RH deixe de agir apenas depois de desligamentos, crises e conflitos.

A diferença está na finalidade.

Um sistema utilizado para descobrir onde pessoas estão adoecendo possui uma lógica diferente daquele empregado para intensificar o controle sobre cada minuto. Uma análise voltada à correção de desigualdades difere de uma ferramenta criada apenas para classificar trabalhadores.

A própria OCDE recomenda consulta aos trabalhadores, acompanhamento dos efeitos sobre o bem-estar, avaliações de risco, auditorias, canais de denúncia e definição clara de responsabilidades.

O que separa análise de desumanização

O limite pode ser identificado por algumas perguntas.

O trabalhador sabe quais dados são coletados e consegue contestar uma conclusão? O gestor conhece as limitações do modelo? A empresa mede as condições de trabalho ou apenas o comportamento individual? Os resultados são usados para oferecer apoio ou apenas para punir? Existe auditoria sobre diferenças entre gênero, raça, idade, deficiência e outros grupos? Há pessoas responsáveis pelas decisões finais?

Quando as respostas são negativas, a tecnologia pode tornar o RH mais rápido, mas não necessariamente mais justo.

People analytics desumaniza quando transforma uma pessoa em seu histórico, trata probabilidade como destino, confunde presença com produtividade e substitui a conversa por uma pontuação.

Um RH orientado por evidências não precisa escolher entre dados e humanidade. Precisa reconhecer que dados são recortes da realidade, não a realidade inteira.

A tecnologia pode enxergar padrões que escapam aos gestores. Somente pessoas, porém, podem ouvir explicações, considerar circunstâncias, assumir responsabilidades e reconhecer que duas trajetórias semelhantes nos números podem representar histórias profundamente diferentes.

No fim, a pergunta decisiva não é quanto o RH consegue medir. É o que ele está disposto a compreender antes de decidir.