Algoritmos decidem empregos, crédito e até sentenças sem transparência, aponta estudo

Decisões automatizadas avançam sobre áreas sensíveis

Modelos matemáticos baseados em dados passaram a influenciar decisões em áreas como contratação, concessão de crédito e sistema judicial, segundo análise apresentada no livro Algoritmos de Destruição em Massa, da matemática Cathy O’Neil. A obra descreve como esses sistemas operam em larga escala e afetam diretamente a vida de milhões de pessoas.

Esses modelos utilizam grandes volumes de dados para prever comportamentos e classificar indivíduos, substituindo avaliações humanas em processos que antes envolviam análise direta. O resultado é a automatização de decisões com impacto concreto sobre oportunidades econômicas e sociais.

A adoção desses sistemas amplia a velocidade das decisões, mas também transfere o controle para estruturas que operam com base em critérios pouco visíveis ao público.

Modelos funcionam como “caixas-pretas” sem explicação

Segundo a autora, muitos desses sistemas são opacos, o que significa que suas regras de funcionamento não são acessíveis para quem é avaliado por eles. O usuário recebe apenas o resultado — como aprovação, reprovação ou classificação — sem entender como foi avaliado.

Essa falta de transparência dificulta contestação e revisão de decisões, mesmo quando há indícios de erro ou inconsistência. O modelo produz uma pontuação, e essa pontuação passa a ser tratada como verdade operacional.

O mecanismo cria uma assimetria, em que quem é avaliado não tem acesso aos critérios que determinam sua própria situação.

Dados imperfeitos geram decisões com impacto real

Os modelos dependem de dados históricos e correlações estatísticas, que nem sempre representam a realidade completa dos indivíduos. Em muitos casos, utilizam informações indiretas — como localização ou histórico social — para prever comportamento futuro.

Esse tipo de aproximação pode levar a classificações imprecisas, já que substitui análise direta por padrões generalizados. Mesmo assim, as decisões geradas pelos sistemas são aplicadas de forma concreta.

O efeito prático é que erros estatísticos podem se transformar em consequências reais, como negativa de crédito ou exclusão de processos seletivos.

Sistema penal também utiliza modelos de previsão

A obra cita o uso de algoritmos no sistema judicial para avaliar risco de reincidência, influenciando decisões sobre sentenças e tempo de prisão. Esses modelos consideram variáveis como histórico pessoal e social dos indivíduos.

Embora sejam apresentados como ferramentas de padronização, esses sistemas podem incorporar fatores indiretos que afetam o resultado final. A classificação de risco passa a influenciar decisões institucionais com impacto direto na liberdade dos indivíduos.

O uso desses modelos amplia a presença de decisões automatizadas em áreas tradicionalmente baseadas em julgamento humano.

Escala amplia alcance e efeitos das decisões

Um dos pontos centrais destacados no estudo é a capacidade desses sistemas de operar em larga escala, atingindo simultaneamente milhões de pessoas. Isso diferencia esses modelos de decisões individuais tradicionais.

Quando aplicados em larga escala, os efeitos deixam de ser pontuais e passam a estruturar o funcionamento de setores inteiros, como mercado de trabalho e sistema financeiro.

A repetição dessas decisões cria padrões que se consolidam ao longo do tempo, influenciando acesso a oportunidades e recursos.

Ausência de revisão limita contestação de decisões

A dificuldade de acesso aos critérios dos algoritmos também reduz a possibilidade de revisão das decisões geradas. Em muitos casos, não há mecanismos claros para questionamento ou reavaliação dos resultados.

Isso cria um cenário em que decisões automatizadas são aplicadas sem transparência equivalente à de processos tradicionais, onde há possibilidade de recurso.

O avanço desses sistemas amplia o uso de decisões baseadas em dados, mas também levanta questionamentos sobre controle e responsabilização.