IA na avaliação de desempenho: limites e 8 controles

A inteligência artificial pode reduzir o trabalho operacional de reunir metas, registros de reuniões, indicadores e feedbacks. O problema começa quando essa conveniência se transforma, sem aviso, em uma nota de desempenho, uma recomendação de promoção ou um sinal de que alguém deve ser advertido ou desligado.

A fronteira mais segura é clara: a IA pode organizar evidências; não deve assumir silenciosamente a responsabilidade do gestor. Quanto maior o efeito sobre remuneração, carreira, reputação ou continuidade do emprego, mais necessário é manter uma pessoa identificável responsável pela análise, pela justificativa e pela correção de erros.

Essa separação não elimina todo risco jurídico ou organizacional. Ela cria, porém, um ponto de partida prático para RH, gestores, privacidade, tecnologia e jurídico decidirem onde a automação ajuda e onde passa a dirigir decisões sobre pessoas.

O que realmente mudou em 2 de agosto de 2026

Em 2 de agosto de 2026, a Comissão Europeia e autoridades nacionais começaram a fiscalizar novas partes do AI Act. Na mesma data, entraram em aplicação obrigações de transparência para determinados sistemas interativos e conteúdos gerados ou alterados por IA.

O cronograma das regras de alto risco, entretanto, mudou. O Digital Omnibus adiou para 2 de dezembro de 2027 a aplicação das obrigações específicas aos sistemas classificados como de alto risco — entre eles, determinados usos de IA em recrutamento, gestão de trabalhadores, monitoramento e avaliação de desempenho. A mudança foi adotada porque normas técnicas e estruturas de fiscalização ainda estavam em desenvolvimento.

Isso não significa que empresas devam suspender a governança até 2027. Práticas proibidas e obrigações de alfabetização em IA já começaram a ser aplicadas em 2 de fevereiro de 2025. Além disso, normas de proteção de dados, trabalho e não discriminação continuam válidas independentemente do prazo específico do AI Act.

Há ainda uma distinção territorial indispensável: o regulamento europeu não se aplica automaticamente a toda empresa brasileira. Ele pode alcançar fornecedores e organizações de fora da União Europeia quando colocam sistemas no mercado europeu, utilizam sistemas na União ou quando a saída do sistema é usada naquele território. A análise depende da operação concreta, não apenas da localização da matriz.

Organizar informações não é o mesmo que avaliar uma pessoa

O AI Act classifica o risco conforme a finalidade e o uso real do sistema. O rótulo comercial do fornecedor — “assistente”, “copiloto” ou “ferramenta de produtividade” — não determina sozinho a categoria.

Sistemas destinados a monitorar ou avaliar trabalhadores, distribuir tarefas com base em comportamento individual ou influenciar promoção, remuneração e encerramento da relação de trabalho podem ser classificados como de alto risco. A presença formal de um gestor na etapa final não resolve a questão quando notas, rankings, alertas ou recomendações da máquina influenciam materialmente o resultado.

Por outro lado, as orientações europeias apresentam como exemplos de funções preparatórias ou de apoio a consolidação de registros existentes e a revisão de linguagem de avaliações já concluídas por gestores, desde que a IA não altere notas, produza novos julgamentos nem influencie a decisão.

A matriz abaixo é uma recomendação de governança, não uma autorização jurídica universal. Cada uso ainda precisa ser analisado conforme país, dados tratados, contrato de trabalho, finalidade e impacto.

Apoio recomendável, sujeito a controles	Decisão que exige responsável humano	Condição mínima
Reunir metas, registros de 1:1 e entregas já documentadas	Definir a nota final de desempenho	O gestor verifica a origem, a integridade e a relevância dos registros
Resumir textos e atas fornecidos pela organização	Decidir promoção, bônus ou aumento	Nenhuma conclusão nova pode ser tratada como fato sem evidência
Identificar campos vazios, períodos sem registros ou datas conflitantes	Concluir que houve desinteresse, baixa colaboração ou falta de comprometimento	A IA aponta lacunas, mas não interpreta intenção ou personalidade
Calcular indicadores com fórmula previamente aprovada	Definir o peso de cada indicador ou relativizar o contexto	Fórmulas, fontes e exceções precisam ser documentadas
Sugerir perguntas para a conversa de avaliação	Conduzir a conversa e responder às explicações do trabalhador	As perguntas devem ser revisadas e adaptadas pelo gestor
Comparar registros com critérios explícitos e estáveis	Aplicar advertência ou iniciar plano de melhoria	A pessoa responsável deve examinar contexto, proporcionalidade e contraditório
Melhorar a clareza de um feedback já decidido e redigido pelo gestor	Criar acusação, crítica ou justificativa disciplinar	A versão final precisa preservar os fatos e a intenção do responsável
Produzir relatórios agregados sobre o processo	Decidir desligamento ou desativação de conta profissional	A decisão deve ter análise individual, justificativa e canal de revisão

Supervisão humana não pode ser apenas um clique

Manter uma pessoa na última tela não é suficiente. A supervisão precisa ser efetiva: o responsável deve compreender o papel do sistema, reconhecer suas limitações, verificar as evidências e ter autoridade para rejeitar ou interromper seu uso.

O AI Act prevê que sistemas de alto risco sejam desenhados para permitir supervisão humana e reduzir o risco de dependência excessiva dos resultados automatizados. Também determina que as pessoas encarregadas dessa supervisão tenham competência, treinamento e autoridade adequados.

Na prática, uma revisão humana é significativa quando o gestor:

recebe os registros originais, e não apenas a síntese da IA;
dispõe de tempo para verificar omissões e contradições;
pode discordar sem precisar justificar a decisão ao próprio sistema;
conhece os critérios e dados que influenciaram a saída;
registra por que aceitou, ajustou ou rejeitou a recomendação;
responde pessoalmente pelo resultado comunicado ao trabalhador.

Quando o fluxo incentiva a aprovação automática — por exemplo, centenas de avaliações pré-preenchidas com um botão “confirmar” — a responsabilidade continua humana no papel, mas a decisão pode ter se tornado automatizada na prática.

Oito controles antes de usar IA na avaliação de desempenho

1. Inventarie os usos, não apenas as ferramentas

O primeiro passo é descobrir onde a IA já está presente. Recursos automatizados podem estar embutidos em plataformas de RH, sistemas de metas, ferramentas de produtividade, videoconferência, atendimento interno e aplicações contratadas diretamente por gestores.

Para cada uso, registre:

finalidade declarada;
pessoas afetadas;
dados de entrada;
saída produzida;
quem recebe essa saída;
decisão que ela pode influenciar;
fornecedor, modelo e versão;
países em que o resultado será usado.

A classificação deve ser refeita quando uma função originalmente administrativa passa a gerar rankings, recomendações ou alertas sobre pessoas. O NIST organiza a gestão de riscos de IA em quatro funções contínuas — governar, mapear, medir e gerenciar —, reforçando que o contexto de uso precisa ser entendido antes da medição e do controle.

2. Defina finalidade, dados permitidos e inferências proibidas

Não entregue à ferramenta todo dado disponível apenas porque ele pode ser processado. Defina antecipadamente quais informações são necessárias para a finalidade da avaliação e quais devem ficar fora do sistema.

Mensagens privadas, registros médicos, dados biométricos, localização, atividade sindical, informações familiares e características protegidas exigem análise rigorosa. Mesmo dados aparentemente neutros podem funcionar como aproximações de idade, deficiência, gênero, origem ou condição de saúde.

Na União Europeia, o uso de IA para inferir emoções de pessoas no ambiente de trabalho é proibido, salvo a exceção restrita para finalidades médicas ou de segurança. Portanto, ferramentas que prometem identificar entusiasmo, estresse, sinceridade ou engajamento pela voz, pelo rosto ou por outros sinais biométricos não devem ser tratadas como simples recursos de avaliação.

No Brasil, a LGPD exige finalidade, adequação, necessidade, transparência, não discriminação, segurança e prestação de contas. A existência de uma hipótese legal para o tratamento não dispensa o cumprimento desses princípios.

3. Estabeleça uma matriz formal de direitos de decisão

A política interna precisa dizer, por escrito, quem pode:

ativar ou suspender o sistema;
validar os dados de entrada;
consultar os registros originais;
alterar uma saída;
definir a nota;
decidir promoção, remuneração ou medida disciplinar;
responder a uma contestação;
autorizar novas finalidades.

Notas, promoções, advertências, planos de melhoria e desligamentos devem ter um responsável humano nominal. Esse responsável precisa ter competência e autonomia, não apenas acesso técnico ao botão de aprovação.

A matriz também deve impedir que uma pontuação automatizada se torne requisito informal. Se o gestor pode teoricamente discordar, mas é cobrado sempre que diverge, a supervisão pode não ser efetiva.

4. Controle a qualidade e a representatividade das evidências

Uma síntese precisa não corrige um registro incompleto. Antes de usar IA, examine se os dados representam o trabalho efetivamente realizado e se todos os grupos são observados em condições comparáveis.

Alguns problemas recorrentes são:

metas alteradas sem atualização do sistema;
resultados coletivos atribuídos a uma única pessoa;
tarefas invisíveis, como apoio e mentoria, fora dos indicadores;
períodos de afastamento interpretados como baixa produtividade;
maior volume de registros para equipes monitoradas digitalmente;
feedbacks pontuais tratados como padrão permanente;
avaliações anteriores contaminando todos os ciclos seguintes.

O sistema deve mostrar a fonte e o período de cada evidência. Quando não houver informação suficiente, a saída correta é declarar a insuficiência — não preencher a lacuna com uma inferência.

5. Informe trabalhadores e gestores com clareza

A transparência deve ocorrer antes do uso relevante da ferramenta, e não apenas depois de uma decisão desfavorável.

A comunicação precisa explicar:

para que a IA será usada;
quais dados entram no processo;
quais saídas ela produz;
quais decisões podem ser influenciadas;
quem acessa os resultados;
por quanto tempo os registros são mantidos;
como corrigir dados;
como pedir esclarecimento ou revisão;
quem permanece responsável pela decisão.

O AI Act prevê, para sistemas de alto risco usados no trabalho, informação prévia aos trabalhadores afetados e a seus representantes. Também prevê explicações claras e significativas em determinadas decisões individuais baseadas na saída desses sistemas. As datas de aplicação dessas obrigações específicas devem ser verificadas conforme o cronograma atualizado.

6. Crie contestação e revisão por uma pessoa diferente

O canal de contestação não deve devolver o trabalhador à mesma saída automatizada. A revisão precisa permitir:

corrigir dados incompletos ou errados;
apresentar contexto e evidências adicionais;
saber quais critérios foram relevantes;
receber resposta fundamentada;
escalar o caso para outra pessoa;
suspender efeitos graves quando houver dúvida material.

No Brasil, o artigo 20 da LGPD assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses. O controlador deve, quando solicitado, fornecer informações claras e adequadas sobre os critérios e procedimentos utilizados, respeitados os segredos comercial e industrial. A lei atual não afirma expressamente que toda revisão deva ser realizada por uma pessoa natural; por isso, manter uma revisão humana independente é uma recomendação de governança mais protetiva, não uma transcrição literal do artigo.

7. Audite erros, disparidades e resultados reais

A auditoria não deve se limitar à precisão técnica do modelo. É necessário verificar como o sistema altera decisões e oportunidades.

Entre os indicadores úteis estão:

frequência com que gestores aceitam ou rejeitam a saída;
diferenças de nota antes e depois da adoção;
taxas de promoção, bônus, advertência e desligamento;
disparidades entre grupos, equipes, regimes de trabalho e localidades;
volume e resultado das contestações;
erros de associação, omissão e duplicidade;
casos em que faltavam evidências suficientes;
tempo gasto na revisão humana;
mudanças após atualização do modelo.

A Lei nº 9.029/1995 proíbe práticas discriminatórias e limitativas no acesso ou na manutenção da relação de trabalho. Uma ferramenta não transfere essa responsabilidade ao fornecedor nem torna legítimo um resultado discriminatório.

Quando houver disparidade, a organização precisa investigar dados, critérios, pesos, contexto e uso humano. Corrigir apenas o modelo pode não resolver processos de gestão que já eram desiguais.

8. Mantenha registros, controle de mudanças e responsabilidade do fornecedor

A empresa deve conseguir reconstruir uma avaliação: qual versão do sistema foi usada, quais dados entraram, qual saída foi produzida, quem a revisou e por que a decisão final foi tomada.

O contrato com o fornecedor deve tratar de:

finalidade autorizada;
categorias e localização dos dados;
suboperadores;
retenção e exclusão;
segurança e resposta a incidentes;
documentação técnica disponível;
testes de qualidade e vieses;
mudanças de modelo;
suporte a explicações e contestações;
exportação de registros;
suspensão e encerramento do serviço.

Descrições comerciais como “IA responsável” ou “sem vieses” não substituem evidências. A organização que utiliza a ferramenta precisa testar seu comportamento no contexto real, monitorar alterações e impedir que novas funções sejam ativadas sem avaliação.

Um fluxo mais seguro de avaliação com apoio de IA

Um processo controlado pode funcionar assim:

O trabalhador e o gestor registram metas, entregas e contexto ao longo do ciclo.
A IA organiza os registros, identifica datas conflitantes e aponta campos sem evidência.
O gestor consulta os documentos originais, corrige omissões e acrescenta fatos verificáveis.
A IA sugere perguntas, sem atribuir intenção, culpa ou traço de personalidade.
O gestor realiza a avaliação e define sua conclusão, aplicando critérios conhecidos.
A calibração é conduzida por pessoas, com atenção a padrões discrepantes entre equipes.
O trabalhador recebe a justificativa, sabe que houve apoio de IA e pode contestar dados ou conclusões.
A organização audita o ciclo, registra divergências e decide se o uso deve continuar, ser alterado ou suspenso.

Nesse modelo, registros de reuniões 1:1 podem contribuir como evidência, mas a reunião 1:1 não se transforma automaticamente em avaliação de desempenho. Conversas de acompanhamento têm contexto próprio e não devem ser reutilizadas silenciosamente para finalidades disciplinares incompatíveis com aquilo que foi informado.

Checklist de governança para salvar

Antes de iniciar um piloto, confirme:

O uso e a decisão influenciada estão descritos por escrito.
Há uma pessoa responsável pela nota e por seus efeitos.
Os dados são necessários, relevantes e verificáveis.
Características sensíveis e aproximações indevidas foram avaliadas.
A ferramenta não infere emoção, lealdade, personalidade ou intenção.
Trabalhadores e gestores receberam informação compreensível.
É possível consultar as evidências originais.
Existe contestação com revisão humana independente.
Resultados e disparidades serão auditados periodicamente.
Mudanças do fornecedor ou da finalidade exigem nova aprovação.
Logs, versões e justificativas serão preservados pelo período definido.
RH, privacidade e direito do trabalho revisaram o piloto.

Se algum item essencial não puder ser atendido, a decisão prudente é limitar o uso a tarefas administrativas ou suspender a implantação.

A responsabilidade continua sendo da organização

A discussão sobre IA na avaliação de desempenho não se resume a perguntar se o modelo “acerta”. É preciso saber quais dados ele privilegia, que comportamentos induz, quem consegue contestá-lo e quem assume as consequências quando erra.

A automação é mais defensável quando reduz trabalho mecânico sem reduzir direitos. Ela é mais perigosa quando converte registros incompletos em uma aparência de objetividade e distribui decisões graves sem que ninguém consiga explicar de onde vieram.

Use a IA para organizar o processo, não para esconder o responsável. Salve este checklist de governança e leia também o guia sobre registros de reuniões 1:1 antes de conectar essas conversas ao ciclo formal de desempenho.