Do piloto ao comitê de decisão: como criar governança para agentes de IA no RH sem automatizar a responsabilidade
Se um agente de IA recomenda uma decisão sobre uma pessoa, quem responde por ela?
O RH Tech do CONARH 2026 mostrou uma inteligência artificial que já não se resume a responder perguntas: ela aparece como uma camada de agentes que pesquisa, resume, organiza dados, redige materiais, acompanha fluxos e recomenda caminhos. A pergunta sobre quais processos de RH podem usar IA já tem respostas espalhadas pelo mercado. A seguinte é mais difícil: mesmo num arranjo híbrido entre pessoas e sistemas, a responsabilidade por uma decisão certa ou equivocada continua humana.
Na leitura da ABRH Brasil, o papel do RH diante disso começa antes de escalar qualquer solução, e passa por trocar a pergunta. Não apenas o que este agente consegue executar, mas qual decisão ele influencia, qual risco ele cria, quem supervisiona e como a organização aprende quando algo falha.
Da automação à influência sobre decisões de pessoas
Entre automatizar uma tarefa e delegar uma decisão há uma distância em que a responsabilidade se perde. Um agente pode apoiar a triagem de dúvidas, organizar um banco de currículos, consolidar feedbacks ou preparar a primeira versão de um relatório. Isso não significa que deva decidir sozinho quem avança em um processo seletivo, quem recebe uma promoção, como uma avaliação de desempenho será interpretada ou qual pessoa será desligada. Nada disso exige demonizar a tecnologia. Exige desenhar limites proporcionais ao impacto da decisão sobre pessoas, carreiras e relações de trabalho.
Quanto maior o efeito sobre a vida de alguém, maior a supervisão exigida. Apoio operacional, pesquisa, organização e consolidação de informações, rascunhos, respostas repetitivas, pede controle leve. Contratação, desenvolvimento, avaliação, remuneração, mobilidade e desligamento pedem outro patamar.
O que significa governar um agente de IA no RH
Governança costuma chegar como camada burocrática acrescentada depois do piloto, quando deveria nascer junto com o caso de uso.
Na prática, isso significa responder a algumas perguntas antes do lançamento: que problema o agente resolve, quem é o dono do processo, quais dados o alimentam, que grupo de pessoas é afetado, que recomendação ele produz e que decisões ele não pode tomar. Some-se a isso definir qual revisão humana é obrigatória, como registrar exceções e de que forma uma pessoa afetada pode pedir reavaliação.
O NIST organiza seu framework de gestão de riscos de IA, de uso voluntário, em quatro funções: mapear, medir, gerenciar e governar, esta última atravessando as outras três, em vez de encerrá-las. O documento está em revisão. A ISO/IEC 42001, de 2023, foi a primeira norma internacional de sistema de gestão de IA. Os dois partem do mesmo princípio: IA é objeto de gestão, com ciclo definido e responsáveis nomeados.
Um estudo da OCDE ouviu mais de 6 mil empresas em seis países europeus, no Japão e nos Estados Unidos, sem nenhum país latino-americano na amostra. Ferramentas de gestão algorítmica já são de uso comum nesses mercados, e os gestores percebem melhora na qualidade das próprias decisões e na satisfação com o trabalho. Ao mesmo tempo, relatam preocupações de confiança: responsabilização pouco clara, dificuldade de acompanhar a lógica da ferramenta e proteção inadequada da saúde dos trabalhadores.
Responsabilidade humana não pode ser decorativa
A convergência que apareceu no CONARH, agentes executam, pessoas decidem, só se sustenta se a segunda parte da frase tiver consequência prática.
E o estudo da OCDE sugere que nem sempre tem. Os dois achados convivem no mesmo levantamento: o gestor confia na recomendação e, ao mesmo tempo, não consegue seguir o raciocínio que a produziu. É um arranjo em que a revisão humana tende a virar formalidade.
O humano no processo tem poder real de decisão ou só assina embaixo?
A diferença não está no organograma, e sim em quatro condições práticas: contexto para saber o que está em jogo, competência para entender o que a ferramenta fez, autonomia real para questionar a recomendação, pedir evidências, discordar e corrigir a rota sem pagar preço político, e tempo, uma revisão espremida entre duas reuniões tem pouco a examinar.
Faltando qualquer uma dessas condições, a organização mantém a aparência de supervisão e perde a substância. O agente passa a decidir de fato, e a assinatura serve apenas para espalhar o risco.
Dois extremos devem ser evitados. O primeiro é o discurso de que a IA decidirá por nós, que entrega a responsabilidade antes mesmo de discuti-la. O segundo é o gesto simbólico de manter alguém apenas para confirmar o que a ferramenta sugeriu.
Transparência, dados e vieses
Antes de escalar, há riscos a enxergar, e o primeiro começa nos dados. Registros históricos carregam o passado da organização: se a empresa contratou, promoveu e avaliou de determinado jeito por anos, é esse padrão que o agente reproduz. Uma recomendação de aparência objetiva pode se apoiar em critérios que ninguém examinou.
O segundo risco está do outro lado. Quem é afetado por uma decisão muitas vezes não tem como saber que houve tecnologia envolvida, nem de que maneira ela pesou no resultado.
A agenda prática tem seis frentes: conhecer a origem e a qualidade dos dados, documentar os critérios de configuração, manter rastreabilidade das recomendações, testar periodicamente vieses, qualidade e impacto, comunicar com clareza que há IA envolvida e abrir canal para contestação.
A LGPD é a referência para o tratamento de dados pessoais nesse percurso. A lei assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, incluídas as que definem perfil pessoal e profissional, e obriga o controlador a informar com clareza os critérios utilizados. A aplicação do dispositivo a sistemas de IA segue em discussão regulatória, e a leitura jurídica de cada caso cabe a quem tem competência para isso.
Um modelo de governança proporcional ao risco
Tudo isso cabe em um modelo de três faixas, calibrado pelo impacto.
Usos de baixo impacto, que não tocam decisões sobre pessoas, pedem monitoramento básico, revisão por amostragem e um dono de processo definido. Quando o agente passa a apoiar decisões, sobe o patamar: revisão humana obrigatória antes que a recomendação produza efeito, auditoria periódica e registro tanto das vezes em que ela foi seguida quanto daquelas em que não foi.
A faixa de alto impacto exige mais: análise multidisciplinar antes do lançamento, critérios explícitos sobre o que não pode ser delegado e um mecanismo formal de recurso para quem foi afetado pela decisão.
Há um custo a reconhecer. Governança mal calibrada trava adoção, transforma comitê em gargalo e consome tempo de áreas no limite, e organizações menores dificilmente sustentam três instâncias de controle. Daí a proporcionalidade importar: aplicar à triagem de dúvidas o mesmo rigor de um desligamento não protege ninguém e desgasta a ideia de governança.
Inovação que sustenta confiança
Agentes de IA podem liberar tempo para o trabalho que depende de julgamento. O que eles não fazem é transferir a responsabilidade por aquilo que recomendam. A diferença entre organizações talvez esteja menos em quantos agentes elas operam e mais em saber quando, como e sob quais responsabilidades usá-los.
Um RH maduro trata a adoção de IA como oportunidade para fortalecer critérios, participação, confiança e qualidade das decisões. Esse trabalho raramente cabe numa área só: pede uma instância que decida em conjunto, com RH, Jurídico, Tecnologia, DPO e gestores de negócio na mesma mesa, com mandato para dizer não a um caso de uso. Nem toda empresa precisa de comitê formal, precisa, no mínimo, de um lugar combinado onde essas decisões sejam tomadas e de alguém com autoridade para interromper um projeto.
Os aprendizados do CONARH são um bom ponto de partida. Reunir essas áreas para revisar os casos de uso em andamento, e estabelecer uma governança que acompanhe a velocidade da inovação, é a conversa que vem depois da demonstração.
