Um estudo conduzido por pesquisadores da Universidade Stanford aponta que muitos candidatos a emprego podem estar sendo rejeitados repetidamente pela mesma lógica algorítmica, mesmo ao se inscreverem em diferentes empresas. Essa pesquisa, intitulada "Algorithmic Monocultures in Hiring", é considerada a mais abrangente sobre recrutamento mediado por inteligência artificial, analisando dados de mais de 3,4 milhões de candidatos e cerca de 4 milhões de candidaturas em 156 empresas de 11 setores da economia.

Os dados coletados revelam que todas as candidaturas foram avaliadas por algoritmos de um mesmo fornecedor de tecnologia, o que possibilitou a identificação de um fenômeno descrito pelos autores como "monocultura algorítmica". Este termo, originado da agricultura, refere-se à prática de usar um único tipo de cultivo em grandes áreas, o que, embora possa trazer eficiência, cria vulnerabilidades que se espalham rapidamente.

Rejeição sistêmica e suas implicações

Os pesquisadores também investigaram o fenômeno da "rejeição sistêmica", que ocorre quando um candidato se inscreve em várias vagas e é rejeitado em todas. Esse tipo de experiência, embora já existente, se torna mais frequente quando processos seletivos são influenciados pelos mesmos sistemas. Os dados indicam que cerca de 10% dos candidatos que se inscrevem em quatro vagas são rejeitados em todas elas, e esse padrão se mantém mesmo com um número maior de candidaturas.

Os resultados sugerem que as rejeições não são meramente frutos do acaso, mas sim reflexo de uma lógica de avaliação que se repete entre diferentes empresas. Na maioria dos casos, os algoritmos atuam como filtros iniciais, eliminando candidatos antes mesmo que seus currículos sejam analisados por recrutadores, resultando em uma experiência frustrante e sem feedback para os profissionais.

O impacto da concentração tecnológica

A pesquisa destaca que a concentração do mercado de tecnologia no recrutamento agrava os efeitos da monocultura algorítmica. Muitas empresas utilizam soluções de um número limitado de fornecedores, o que pode amplificar falhas e vieses nos modelos de avaliação. De acordo com os pesquisadores, essa situação merece atenção não apenas do ponto de vista concorrencial, mas também por suas consequências nas oportunidades profissionais.

Além disso, a falta de transparência nos processos seletivos que utilizam inteligência artificial dificulta a identificação de falhas e a compreensão dos impactos desses sistemas sobre diferentes grupos. A ausência de dados disponíveis para análises externas torna o avanço do conhecimento e a fiscalização mais desafiadores, o que pode afetar diretamente o acesso ao emprego e as oportunidades de carreira.