Inteligência Artificial na Gestão de Recursos Humanos: Uma revisão sobre impactos organizacionais e psicológicos
DOI:
https://doi.org/10.33448/rsd-v15i4.50948Palavras-chave:
Inteligência Artificial, Gestão de Recursos Humanos, People Analytics, Justiça Organizacional, Contrato Psicológico.Resumo
A incorporação de ferramentas baseadas em Inteligência Artificial (IA) na Gestão de Recursos Humanos tem transformado a forma como organizações recrutam, avaliam e retêm pessoas. Processos historicamente apoiados em julgamento subjetivo passam a contar com sistemas capazes de processar grandes volumes de dados e identificar padrões comportamentais. Este artigo tem como objetivo analisar, por meio de revisão narrativa sistemática, as principais contribuições e desafios da IA na Gestão de Recursos Humanos (GRH), com foco nos efeitos sobre a percepção de justiça organizacional, a confiança institucional e o contrato psicológico. A metodologia envolveu busca nas bases Web of Science, Scopus, PsycINFO e SciELO, com recorte temporal entre 2010 e 2025. Os resultados indicam que, embora a IA amplie a capacidade analítica e melhore indicadores operacionais, sua implementação carrega riscos relevantes: reprodução de vieses históricos, erosão da percepção de justiça procedimental e ruptura do contrato psicológico quando os critérios algorítmicos não são comunicados de forma transparente. Conclui-se que os benefícios organizacionais da IA são reais, mas condicionais à existência de estruturas robustas de governança de dados, diretrizes éticas explícitas e compromisso com a preservação do julgamento humano nas decisões de maior impacto.
Referências
Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: A survey on explainable artificial intelligence (XAI). IEEE Access, 6, 52138–52160. https://doi.org/10.1109/ACCESS.2018.2870052
Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016, maio 23). Machine bias. ProPublica.
https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
Ball, K. (2010). Workplace surveillance: An overview. Labor History, 51(1), 87–106. https://doi.org/10.1080/00236561003654776
Bankins, S., Formosa, P., Griep, Y., & Judge, D. (2022). AI decision-making and the psychological contract: Exploring perceptions of fairness and trustworthiness. Journal of Applied Psychology, 107(2), 265–281. https://doi.org/10.1037/apl0000932
Barocas, S., & Hardt, M. (2017). Fairness in machine learning. NeurIPS Tutorial. https://fairmlbook.org
Bauer, T. N., Truxillo, D. M., Mack, K., & Costa, A. B. (2021). Applicant reactions to artificial intelligence in selection: Antecedents and consequences. In S. Tippins, N. Tippins, & R. Oswald (Eds.), Technology-enhanced assessment of talent (pp. 120–149). Jossey-Bass.
Cheng, M. M., & Hackett, R. D. (2021). A critical review of algorithms in HRM: Definition, theory, and practice. Human Resource Management Review, 31(1), 100698. https://doi.org/10.1016/j.hrmr.2019.100698
Colquitt, J. A. (2001). On the dimensionality of organizational justice: A construct validation of a measure. Journal of Applied Psychology, 86(3), 386–400. https://doi.org/10.1037/0021-9010.86.3.386
Dastin, J. (2018, outubro 10). Amazon scraps secret AI recruiting tool that showed bias against women. Reuters.
https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G
Diab, D. L., Pui, S. Y., Yankelevich, M., & Highhouse, S. (2011). Lay perceptions of selection decision aids in U.S. and non-U.S. samples. International Journal of Selection and Assessment, 19(2), 209–216. https://doi.org/10.1111/j.1468-2389.2011.00548.x
Hmoud, B., & Laszlo, V. (2019). Will artificial intelligence take over human resources recruitment and selection? Network Intelligence Studies, 7(13), 21–30.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2
Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision-making in the context of HR recruitment and HR development. Business Research, 13, 795–848. https://doi.org/10.1007/s40685-020-00134-w
Langer, M., König, C. J., & Papathanasiou, M. (2019). Highly automated job interviews: Acceptance under the influence of stakes. International Journal of Selection and Assessment, 27(3), 217–234. https://doi.org/10.1111/ijsa.12246
Lee, M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society, 5(1), 1–16. https://doi.org/10.1177/2053951718756684
Brasil. (2018). Lei n.º 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Presidência da República, Casa Civil. https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26. https://doi.org/10.1080/09585192.2016.1244699
Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679
Nankervis, A., Connell, J., Cameron, R., & Montague, A. (2024). Artificial intelligence and human resource management in emerging economies: Disruption, adaptation and governance. Asia Pacific Journal of Human Resources, 62(1), e12380. https://doi.org/10.1111/1744-7941.12380
Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447–453. https://doi.org/10.1126/science.aax2342
Raub, M. (2021). Bots, bias and big data: Artificial intelligence, algorithmic bias and disparate impact liability in hiring practices. Arkansas Law Review, 71(2), 529–570.
Risemberg, R. I. C., et al. (2026). A importância da metodologia científica no desenvolvimento de artigos científicos. E-Acadêmica, 7(1), e0171675. https://eacademica.org/eacademica/article/view/675
Rousseau, D. M. (1989). Psychological and implied contracts in organizations. Employee Responsibilities and Rights Journal, 2(2), 121–139. https://doi.org/10.1007/BF01384942
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Selbst, A. D., & Barocas, S. (2018). The intuitive appeal of explainable machines. Fordham Law Review, 87(3), 1085–1139.
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61(4), 15–42. https://doi.org/10.1177/0008125619867910
Torraco, R. J. (2016). Writing integrative literature reviews: Using the past and present to explore the future. Human Resource Development Review, 15(4), 404–428. https://doi.org/10.1177/1534484316671606
Tursunbayeva, A., Pagliari, C., Di Lauro, S., & Antonucci, G. (2022). The ethics of people analytics: Risks, opportunities and recommendations. Personnel Review, 51(3), 900–921. https://doi.org/10.1108/PR-12-2019-0680
van den Heuvel, S., & Bondarouk, T. (2017). The rise (and fall) of HR analytics: A study into the future application, value, structure, and system support. Journal of Organizational Effectiveness: People and Performance, 4(2), 157–178. https://doi.org/10.1108/JOEPP-03-2017-0022
Vargas, R., Yurrebaso, A., & Blasco, J. (2024). Artificial intelligence in human resource management: A systematic literature review. Computers in Human Behavior: Artificial Humans, 2(1), 100052. https://doi.org/10.1016/j.chbah.2024.100052
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Ênio Arcanjo Nascimento Junior
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
