{"id":196618,"date":"2026-07-28T20:02:53","date_gmt":"2026-07-28T18:02:53","guid":{"rendered":"https:\/\/factorialhr.com\/blog\/?p=196618"},"modified":"2026-10-29T18:42:24","modified_gmt":"2026-10-29T16:42:24","slug":"vies-ia-rh","status":"publish","type":"post","link":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/","title":{"rendered":"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o e garantir a \u00e9tica"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">As empresas que ignoram o futuro da <\/span><a href=\"https:\/\/factorialhr.com.br\/blog\/inteligencia-artificial-rh\/\"><span style=\"font-weight: 400;\">IA<\/span><\/a><span style=\"font-weight: 400;\"> est\u00e3o expostas a riscos de conformidade, reputa\u00e7\u00e3o e qualidade nas decis\u00f5es. No RH e no <\/span><a href=\"https:\/\/factorialhr.com.br\/blog\/recursos-humanos-departamento-pessoal\/\"><span style=\"font-weight: 400;\">Departamento Pessoal<\/span><\/a><span style=\"font-weight: 400;\">, a Intelig\u00eancia Artificial permite ganhar escala e efici\u00eancia, mas tamb\u00e9m pode reproduzir e ampliar vieses presentes nos dados que alimentam os algoritmos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Quando isso acontece, o impacto vai al\u00e9m de uma contrata\u00e7\u00e3o equivocada. Decis\u00f5es enviesadas podem comprometer a diversidade, afetar a experi\u00eancia dos colaboradores e aumentar os riscos legais e reputacionais da empresa. Por isso, compreender a \u00e9tica por tr\u00e1s da IA deixou de ser apenas uma quest\u00e3o de responsabilidade corporativa: tornou-se um fator estrat\u00e9gico para uma gest\u00e3o de pessoas mais segura, justa e eficiente.<\/span><\/p>\n<p><b>Neste artigo, voc\u00ea vai descobrir:<\/b><\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">por que algoritmos n\u00e3o s\u00e3o neutros e como funciona o princ\u00edpio <\/span><b>GIGO (Garbage In, Garbage Out)<\/b><span style=\"font-weight: 400;\">;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">onde o vi\u00e9s pode surgir nos processos de recrutamento, avalia\u00e7\u00e3o de desempenho e reten\u00e7\u00e3o;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">quais s\u00e3o os impactos legais, incluindo a LGPD, e os riscos para o employer branding;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">como identificar, reduzir e monitorar vieses com pr\u00e1ticas de governan\u00e7a e supervis\u00e3o humana.<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">\u27a1\ufe0f Est\u00e1 procurando algo espec\u00edfico sobre o tema? Acesse o \u00edndice do artigo no topo da sua tela. \ud83d\ude09<\/span><span style=\"font-weight: 400;\"><br \/>\n<\/span><a href=\"https:\/\/cta-eu1.hubspot.com\/web-interactives\/public\/v1\/track\/redirect?encryptedPayload=AVxigLKvGA9qgIrINoQzsaIZ5ysyv1k%2FZMARt6DmtfhEp7YSp8BqC%2FDcL33TswW3YJkZEHgC8%2Bn8YtT9SMlOfVztyBJmFZnFR10kisT8v7FFBm5EcqLCSq18NN83MYS3nwKRI0DsOVXotUxDeluW0sg3FUinSsda5yk8juHge7VyFwNxk%2FW2luG7zLsHVWYQc5zETL3vyb8%3D&amp;webInteractiveContentId=204388443774&amp;portalId=4960096\" target=\"_blank\" rel=\"noopener\"><br \/>\n<img decoding=\"async\" style=\"height: 100%; width: 100%; object-fit: fill;\" src=\"https:\/\/hubspot-no-cache-eu1-prod.s3.amazonaws.com\/cta\/default\/4960096\/interactive-204388443774.png\" alt=\"Imagem de divulga\u00e7\u00e3o da plataforma da Factorial com intelig\u00eancia artificial para automa\u00e7\u00e3o de recursos humanos, destacando benef\u00edcios como menos trabalho manual, cria\u00e7\u00e3o de an\u00fancio de emprego e resumo de postagens.\" \/><br \/>\n<\/a><\/p>\n<hr \/>\n<h2><span style=\"font-weight: 400;\">O mito da neutralidade: por que a IA do RH pode ser discriminat\u00f3ria?<\/span><\/h2>\n<table>\n<tbody>\n<tr>\n<td><b>\ud83d\udccc O que \u00e9 vi\u00e9s algor\u00edtmico no RH?<\/b><\/p>\n<p><span style=\"font-weight: 400;\">O <\/span><b>vi\u00e9s algor\u00edtmico no RH<\/b><span style=\"font-weight: 400;\"> ocorre quando um sistema de Intelig\u00eancia Artificial replica, automatiza ou amplia preconceitos humanos presentes nos dados hist\u00f3ricos de treinamento. Quando a base de dados reflete desigualdades estruturais passadas, como a contrata\u00e7\u00e3o predominante de um \u00fanico perfil demogr\u00e1fico, o algoritmo passa a descartar talentos diversos automaticamente por padr\u00e3o estat\u00edstico.\u00a0<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><span style=\"font-weight: 400;\">O mito da neutralidade: por que algoritmos n\u00e3o s\u00e3o imparciais<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Muitos gestores acreditam que eliminar a triagem humana tamb\u00e9m elimina o preconceito. Mas isso \u00e9 um mito. A Intelig\u00eancia Artificial n\u00e3o toma decis\u00f5es de forma neutra: ela identifica padr\u00f5es a partir dos dados que recebe. Se esses dados refletem desigualdades hist\u00f3ricas, a IA tende a reproduzi-las em escala.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Entendendo o vi\u00e9s algor\u00edtmico: o princ\u00edpio GIGO<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Existe um conceito cl\u00e1ssico da tecnologia chamado <\/span><b>GIGO (Garbage In, Garbage Out)<\/b><span style=\"font-weight: 400;\">, ou &#8220;lixo entra, lixo sai&#8221;. Em outras palavras, a qualidade das decis\u00f5es depende diretamente da qualidade dos dados utilizados.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Se um algoritmo \u00e9 treinado com o hist\u00f3rico de uma empresa que, durante anos, promoveu predominantemente homens para cargos de lideran\u00e7a, ele pode interpretar esse padr\u00e3o como um indicador de sucesso e favorecer perfis semelhantes nas pr\u00f3ximas sele\u00e7\u00f5es.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">A IA n\u00e3o &#8220;escolhe&#8221; discriminar. Ela apenas aprende padr\u00f5es estat\u00edsticos. Quando os dados de treinamento carregam vieses, o resultado tende a perpetuar essas distor\u00e7\u00f5es.<\/span><\/p>\n<p><b>Dados hist\u00f3ricos enviesados \u2192 Algoritmo \u2192 Decis\u00f5es enviesadas<\/b><\/p>\n<p><span style=\"font-weight: 400;\">Por isso, a qualidade e a representatividade dos dados s\u00e3o fundamentais para reduzir riscos e promover decis\u00f5es mais justas.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">O risco de ampliar desigualdades<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">O maior desafio da IA n\u00e3o \u00e9 criar novos preconceitos, mas ampliar os que j\u00e1 existem. Um vi\u00e9s que antes afetava apenas uma decis\u00e3o individual pode passar a influenciar milhares de processos em poucos segundos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Esse risco tamb\u00e9m aparece em modelos que buscam o chamado <\/span><a href=\"https:\/\/factorialhr.com.br\/blog\/fit-cultural-o-que-e\/\"><b>fit cultural<\/b><\/a><span style=\"font-weight: 400;\">. Quando treinados apenas com perfis que j\u00e1 fazem parte da empresa, esses sistemas tendem a priorizar candidatos semelhantes, reduzindo a diversidade e limitando a inova\u00e7\u00e3o.<\/span><\/p>\n<hr \/>\n<h2><span style=\"font-weight: 400;\">Onde o vi\u00e9s pode surgir nos processos de RH<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Os vieses algor\u00edtmicos nem sempre s\u00e3o evidentes. Muitas vezes, aparecem disfar\u00e7ados de crit\u00e9rios aparentemente t\u00e9cnicos. Por isso, RH e DP precisam identificar esses riscos antes que eles gerem impactos legais ou prejudiquem a experi\u00eancia dos colaboradores.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Recrutamento e sele\u00e7\u00e3o<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A triagem autom\u00e1tica \u00e9 uma das aplica\u00e7\u00f5es mais sens\u00edveis da IA. Quando o algoritmo \u00e9 treinado com o perfil de profissionais contratados no passado, pode acabar reproduzindo os mesmos padr\u00f5es.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por exemplo, se a empresa historicamente contratou pessoas de determinadas universidades ou regi\u00f5es, o sistema pode considerar essas caracter\u00edsticas como indicadores de desempenho e excluir automaticamente candidatos igualmente qualificados de outros contextos.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Gest\u00e3o de desempenho e promo\u00e7\u00f5es<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A IA tamb\u00e9m pode apoiar decis\u00f5es sobre promo\u00e7\u00f5es e planos de sucess\u00e3o. No entanto, crit\u00e9rios mal definidos podem favorecer determinados perfis de lideran\u00e7a.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Feedbacks que valorizam caracter\u00edsticas como &#8220;agressividade&#8221; ou &#8220;autoconfian\u00e7a&#8221;, por exemplo, podem ser interpretados de forma diferente conforme g\u00eanero ou perfil comportamental. Sem supervis\u00e3o, o algoritmo pode reproduzir esses padr\u00f5es e limitar oportunidades para profissionais igualmente preparados.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">People Analytics e reten\u00e7\u00e3o<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Modelos preditivos ajudam a identificar riscos de turnover, mas exigem cuidado na escolha das vari\u00e1veis analisadas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Se fatores como dist\u00e2ncia da resid\u00eancia, contexto familiar ou perfil socioecon\u00f4mico influenciarem as previs\u00f5es, existe o risco de decis\u00f5es discriminat\u00f3rias, como reduzir investimentos no desenvolvimento de determinados colaboradores. O papel da IA deve ser identificar oportunidades de melhoria, e n\u00e3o restringir oportunidades.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Como a Factorial pode ajudar<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Uma gest\u00e3o \u00e9tica da IA depende de transpar\u00eancia e monitoramento cont\u00ednuo.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Com os relat\u00f3rios de <\/span><b><i>People Analytics<\/i><\/b><span style=\"font-weight: 400;\"> da Factorial, o RH consegue acompanhar indicadores de recrutamento, promo\u00e7\u00f5es e desligamentos para identificar poss\u00edveis padr\u00f5es de desigualdade antes que eles se tornem um problema. Assim, a tecnologia apoia decis\u00f5es mais eficientes, mantendo a supervis\u00e3o humana e a conformidade dos processos.<\/span><\/p>\n<p><a href=\"https:\/\/factorialhr.com.br\/solicitar-demonstracao\" target=\"_blank\" rel=\"noopener\"><img decoding=\"async\" class=\"alignnone size-medium wp-image-127168\" src=\"https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/cta-solicitar-demo-br-300x68.png\" alt=\"Bot\u00e3o com o texto solicitar demonstra\u00e7\u00e3o gr\u00e1tis em fundo rosa, chamando a aten\u00e7\u00e3o para uma oferta de teste gratuito.\" width=\"300\" height=\"68\" srcset=\"https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/13170953\/cta-solicitar-demo-br-300x68.png 300w, https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/13170953\/cta-solicitar-demo-br.png 661w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/a><\/p>\n<hr \/>\n<h2><span style=\"font-weight: 400;\">As consequ\u00eancias do vi\u00e9s na IA para empresas e colaboradores<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Quando um algoritmo reproduz vieses, os impactos v\u00e3o al\u00e9m da tecnologia. Decis\u00f5es automatizadas podem comprometer a diversidade, afetar a reputa\u00e7\u00e3o da empresa, aumentar riscos jur\u00eddicos e limitar a capacidade de inova\u00e7\u00e3o.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Os principais impactos incluem:<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Danos \u00e0 reputa\u00e7\u00e3o e perda de talentos<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Construir uma marca empregadora forte leva tempo, mas decis\u00f5es percebidas como discriminat\u00f3rias podem comprometer essa imagem rapidamente. Empresas que utilizam <\/span><b>filtros enviesados<\/b><span style=\"font-weight: 400;\"> ou discriminat\u00f3rios tendem a perder competitividade na atra\u00e7\u00e3o e reten\u00e7\u00e3o de talentos, especialmente entre profissionais que valorizam diversidade e inclus\u00e3o.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Riscos legais e de conformidade<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A responsabilidade pelas decis\u00f5es tomadas com apoio da IA continua sendo da empresa. No Brasil, algoritmos que geram discrimina\u00e7\u00e3o podem contrariar a Constitui\u00e7\u00e3o, a legisla\u00e7\u00e3o trabalhista e a <\/span><a href=\"https:\/\/factorialhr.com.br\/blog\/lgpd-no-rh\/\"><b>LGPD<\/b><\/a><b> (Lei Geral de Prote\u00e7\u00e3o de Dados)<\/b><span style=\"font-weight: 400;\">.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Al\u00e9m disso, a LGPD garante ao titular o direito de solicitar a revis\u00e3o de decis\u00f5es tomadas exclusivamente por meios automatizados. Se a empresa n\u00e3o conseguir justificar os crit\u00e9rios utilizados em processos como recrutamento, promo\u00e7\u00e3o ou desligamento, poder\u00e1 enfrentar questionamentos jur\u00eddicos e san\u00e7\u00f5es.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Menos diversidade e inova\u00e7\u00e3o<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Diversidade tamb\u00e9m \u00e9 uma vantagem competitiva. Segundo o relat\u00f3rio <\/span><b><i>Diversity Wins: How Inclusion Matters<\/i><\/b><span style=\"font-weight: 400;\">, da <\/span><a href=\"https:\/\/www.mckinsey.com\/featured-insights\/diversity-and-inclusion\/diversity-wins-how-inclusion-matters\"><b>McKinsey &amp; Company<\/b><\/a><span style=\"font-weight: 400;\">, empresas com maior diversidade nas equipes executivas t\u00eam <\/span><b>25% mais chances de alcan\u00e7ar rentabilidade acima da m\u00e9dia<\/b><span style=\"font-weight: 400;\">.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Quando a IA apenas reproduz padr\u00f5es hist\u00f3ricos, ela tende a formar equipes com perfis semelhantes, reduzindo a diversidade de perspectivas. No longo prazo, isso pode limitar a inova\u00e7\u00e3o, dificultar a resolu\u00e7\u00e3o de problemas complexos e reduzir a competitividade da organiza\u00e7\u00e3o.<\/span><\/p>\n<p><span style=\"font-weight: 400;\"><\/span><\/p>\n<hr \/>\n<h2><span style=\"font-weight: 400;\">Como mitigar o vi\u00e9s e garantir uma IA \u00e9tica e inclusiva<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Identificar o vi\u00e9s \u00e9 apenas o primeiro passo. O desafio para RH e DP \u00e9 aproveitar os ganhos da Intelig\u00eancia Artificial sem comprometer a equidade e a conformidade. A boa not\u00edcia \u00e9 que o vi\u00e9s <\/span><b>n\u00e3o \u00e9 uma fatalidade<\/b><span style=\"font-weight: 400;\">: ele pode ser reduzido com boas pr\u00e1ticas de governan\u00e7a, monitoramento e supervis\u00e3o humana.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Veja as principais medidas para tornar a IA mais \u00e9tica e confi\u00e1vel.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">1. Governan\u00e7a e auditoria de dados<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A qualidade das decis\u00f5es da IA depende diretamente da qualidade dos dados utilizados em seu treinamento. Por isso, \u00e9 essencial revisar continuamente essas informa\u00e7\u00f5es.<\/span><\/p>\n<p><b>Diversifique os dados de treinamento:<\/b><span style=\"font-weight: 400;\"> antes de implementar um algoritmo, avalie se a base hist\u00f3rica representa diferentes perfis de profissionais. Dados mais diversos ajudam a reduzir a reprodu\u00e7\u00e3o de vieses hist\u00f3ricos.<\/span><\/p>\n<p><b>Realize auditorias peri\u00f3dicas:<\/b><span style=\"font-weight: 400;\"> acompanhe o desempenho da IA com <\/span><b>testes de estresse nos processos<\/b><span style=\"font-weight: 400;\"> para identificar poss\u00edveis distor\u00e7\u00f5es. Se o sistema recomendar, de forma recorrente, apenas homens para <\/span><b>cargos t\u00e9cnicos<\/b><span style=\"font-weight: 400;\">, por exemplo, h\u00e1 um vi\u00e9s operando <\/span><b>no sistema<\/b><span style=\"font-weight: 400;\"> que precisa ser corrigido.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">2. Garanta transpar\u00eancia nas decis\u00f5es<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A IA n\u00e3o deve funcionar como uma &#8220;caixa-preta&#8221;. Sempre que poss\u00edvel, a empresa precisa entender quais crit\u00e9rios influenciaram cada recomenda\u00e7\u00e3o. Se o sistema n\u00e3o consegue explicar por que um candidato foi priorizado em rela\u00e7\u00e3o a outro, fica mais dif\u00edcil validar a decis\u00e3o, corrigir distor\u00e7\u00f5es e atender \u00e0s exig\u00eancias de conformidade.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">3. Promova diversidade nas equipes<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Uma IA mais justa come\u00e7a pelas pessoas que a desenvolvem e utilizam. Equipes multidisciplinares e diversas conseguem identificar vieses que passariam despercebidos em grupos homog\u00eaneos, tornando os sistemas mais representativos e confi\u00e1veis.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">4. Mantenha a supervis\u00e3o humana<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A Intelig\u00eancia Artificial deve apoiar a tomada de decis\u00e3o, n\u00e3o substitu\u00ed-la. Esse \u00e9 o princ\u00edpio do <\/span><b>Human-in-the-Loop<\/b><span style=\"font-weight: 400;\">: a IA analisa dados e apresenta recomenda\u00e7\u00f5es, enquanto a decis\u00e3o final permanece com o profissional de RH. Esse modelo combina efici\u00eancia, contexto e responsabilidade, reduzindo riscos e fortalecendo a governan\u00e7a dos processos.<\/span><\/p>\n<hr \/>\n<h2><span style=\"font-weight: 400;\">O futuro: como usar a IA para promover diversidade e inclus\u00e3o<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Apesar dos riscos, a Intelig\u00eancia Artificial tamb\u00e9m pode ser uma grande aliada da diversidade quando aplicada com crit\u00e9rios claros e supervis\u00e3o humana. O desafio n\u00e3o \u00e9 reduzir o uso da tecnologia, mas garantir que ela seja utilizada de forma \u00e9tica e respons\u00e1vel.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Em vez de reproduzir padr\u00f5es hist\u00f3ricos, a IA pode ser <\/span><b>programada para corrigir<\/b><span style=\"font-weight: 400;\"> distor\u00e7\u00f5es e tornar os processos de RH mais justos e inclusivos.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Como a IA pode reduzir vieses no recrutamento e sele\u00e7\u00e3o<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A IA n\u00e3o elimina preconceitos sozinha, mas pode ajudar a minimizar vieses presentes nas decis\u00f5es humanas quando \u00e9 treinada com dados representativos e monitorada continuamente.<\/span><\/p>\n<p><b>Triagem cega:<\/b><span style=\"font-weight: 400;\"> algoritmos podem ocultar informa\u00e7\u00f5es como nome, idade, g\u00eanero e endere\u00e7o nas etapas iniciais da sele\u00e7\u00e3o. Assim, a avalia\u00e7\u00e3o passa a priorizar compet\u00eancias e experi\u00eancia, reduzindo o <\/span><b>vi\u00e9s de afinidade<\/b><span style=\"font-weight: 400;\">, que leva recrutadores a favorecer candidatos com perfis semelhantes aos seus.<\/span><\/p>\n<p><b>Linguagem mais inclusiva:<\/b><span style=\"font-weight: 400;\"> ferramentas de IA tamb\u00e9m analisam descri\u00e7\u00f5es de vagas para identificar termos que possam afastar determinados grupos de candidatos, ajudando o RH a criar an\u00fancios mais neutros e acess\u00edveis.<\/span><\/p>\n<p><b>Identifica\u00e7\u00e3o de talentos:<\/b><span style=\"font-weight: 400;\"> ao analisar diferentes fontes de dados, a IA pode identificar profissionais com as compet\u00eancias necess\u00e1rias para a fun\u00e7\u00e3o, mesmo que n\u00e3o tenham um curr\u00edculo tradicional ou utilizem palavras-chave diferentes das esperadas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">No futuro, a tend\u00eancia \u00e9 que IA e profissionais de RH atuem de forma complementar: a tecnologia apoia decis\u00f5es com an\u00e1lises baseadas em dados, enquanto as pessoas contribuem com contexto, senso cr\u00edtico e empatia. Essa combina\u00e7\u00e3o fortalece processos mais justos, inclusivos e alinhados aos objetivos da organiza\u00e7\u00e3o.<\/span><a href=\"https:\/\/cta-eu1.hubspot.com\/web-interactives\/public\/v1\/track\/redirect?encryptedPayload=AVxigLKvGA9qgIrINoQzsaIZ5ysyv1k%2FZMARt6DmtfhEp7YSp8BqC%2FDcL33TswW3YJkZEHgC8%2Bn8YtT9SMlOfVztyBJmFZnFR10kisT8v7FFBm5EcqLCSq18NN83MYS3nwKRI0DsOVXotUxDeluW0sg3FUinSsda5yk8juHge7VyFwNxk%2FW2luG7zLsHVWYQc5zETL3vyb8%3D&amp;webInteractiveContentId=204388443774&amp;portalId=4960096\" target=\"_blank\" rel=\"noopener\"><br \/>\n<img decoding=\"async\" style=\"height: 100%; width: 100%; object-fit: fill;\" src=\"https:\/\/hubspot-no-cache-eu1-prod.s3.amazonaws.com\/cta\/default\/4960096\/interactive-204388443774.png\" alt=\"Imagem de divulga\u00e7\u00e3o da plataforma da Factorial com intelig\u00eancia artificial para automa\u00e7\u00e3o de recursos humanos, destacando benef\u00edcios como menos trabalho manual, cria\u00e7\u00e3o de an\u00fancio de emprego e resumo de postagens.\" \/><br \/>\n<\/a><\/p>\n<hr \/>\n<p>&nbsp;<\/p>\n<h2><span style=\"font-weight: 400;\">O que as pessoas tamb\u00e9m perguntam sobre o vi\u00e9s na IA no RH<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Confira as respostas para as d\u00favidas mais comuns sobre o uso da Intelig\u00eancia Artificial na gest\u00e3o de pessoas.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">1. O que \u00e9 vi\u00e9s algor\u00edtmico no RH?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">\u00c9 quando um sistema de IA reproduz ou amplia preconceitos presentes nos dados usados para seu treinamento. Se esses dados refletem desigualdades hist\u00f3ricas, o algoritmo pode favorecer determinados perfis e prejudicar outros durante processos como recrutamento, promo\u00e7\u00e3o ou avalia\u00e7\u00e3o de desempenho.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">2. Se a IA \u00e9 baseada em dados e matem\u00e1tica, como ela pode ser discriminat\u00f3ria?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A IA aprende a partir de dados hist\u00f3ricos. Quando esses dados cont\u00eam vieses, o algoritmo tende a reproduzi-los em suas decis\u00f5es. Por isso, a qualidade e a diversidade das informa\u00e7\u00f5es utilizadas no treinamento s\u00e3o fundamentais.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">3. Em quais processos do RH o vi\u00e9s pode aparecer?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Os riscos s\u00e3o mais comuns em:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><b>Recrutamento e sele\u00e7\u00e3o<\/b><span style=\"font-weight: 400;\">, durante a triagem de curr\u00edculos;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><b>Gest\u00e3o de desempenho<\/b><span style=\"font-weight: 400;\">, ao avaliar compet\u00eancias e potencial;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><b>People Analytics<\/b><span style=\"font-weight: 400;\">, em modelos preditivos de reten\u00e7\u00e3o e turnover.<\/span><\/li>\n<\/ul>\n<h3><span style=\"font-weight: 400;\">4. Quais s\u00e3o os riscos legais do uso de IA no RH?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">A empresa continua respons\u00e1vel pelas decis\u00f5es tomadas com apoio da IA. Algoritmos discriminat\u00f3rios podem gerar questionamentos com base na legisla\u00e7\u00e3o trabalhista e na LGPD, al\u00e9m de comprometer a conformidade e a reputa\u00e7\u00e3o da organiza\u00e7\u00e3o.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">5. Como o vi\u00e9s algor\u00edtmico afeta o Employer Branding?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Processos seletivos percebidos como injustos reduzem a confian\u00e7a dos candidatos e podem afastar profissionais qualificados. No longo prazo, isso impacta a atra\u00e7\u00e3o de talentos, a diversidade e a imagem da empresa.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">6. O que significa Human-in-the-Loop?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">\u00c9 um modelo em que a IA apoia a tomada de decis\u00e3o, mas a palavra final permanece com um profissional. Dessa forma, decis\u00f5es sobre contrata\u00e7\u00e3o, promo\u00e7\u00e3o ou desligamento continuam contando com an\u00e1lise humana e contexto.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">7. Como reduzir o vi\u00e9s da IA no RH?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Boas pr\u00e1ticas incluem:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">utilizar dados de treinamento representativos;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">realizar auditorias peri\u00f3dicas;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">monitorar os resultados dos algoritmos;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">garantir transpar\u00eancia nos crit\u00e9rios utilizados;<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">manter supervis\u00e3o humana nas decis\u00f5es.<\/span><\/li>\n<\/ul>\n<h3><span style=\"font-weight: 400;\">8. A IA pode promover diversidade e inclus\u00e3o?<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Sim. Quando treinada com dados de qualidade e monitorada continuamente, a IA pode reduzir vieses em processos seletivos, apoiar triagens cegas e contribuir para decis\u00f5es mais objetivas e inclusivas.<\/span><\/p>\n<hr \/>\n<h2><b>O futuro do RH \u00e9 tecnol\u00f3gico, mas a decis\u00e3o final continua sendo humana<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">A Intelig\u00eancia Artificial n\u00e3o \u00e9, por si s\u00f3, uma amea\u00e7a \u00e0 diversidade. O que determina seus resultados \u00e9 a qualidade dos dados e a forma como ela \u00e9 utilizada. A tecnologia pode tanto ampliar a inclus\u00e3o quanto reproduzir vieses em larga escala.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por isso, o desafio do RH e do DP vai al\u00e9m de adotar novas ferramentas: \u00e9 garantir governan\u00e7a, transpar\u00eancia e supervis\u00e3o humana em todas as etapas dos processos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Ignorar o vi\u00e9s algor\u00edtmico aumenta os riscos de n\u00e3o conformidade com a LGPD, pode comprometer a experi\u00eancia dos colaboradores e prejudicar a reputa\u00e7\u00e3o da empresa. As organiza\u00e7\u00f5es mais preparadas ser\u00e3o aquelas que combinarem o potencial da IA com decis\u00f5es humanas, \u00e9ticas e baseadas em dados.<\/span><\/p>\n<h3><b>Desenvolva uma gest\u00e3o de pessoas mais \u00e9tica e estrat\u00e9gica<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Promover equidade e conformidade exige visibilidade sobre os indicadores de pessoas. Com a Factorial, voc\u00ea centraliza dados, acompanha m\u00e9tricas de Diversidade &amp; Inclus\u00e3o (D&amp;I) e monitora indicadores como promo\u00e7\u00e3o, reten\u00e7\u00e3o e distribui\u00e7\u00e3o de cargos em um \u00fanico lugar.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\ud83d\udc49 <\/span><b>Agende uma demonstra\u00e7\u00e3o gratuita da Factorial<\/b><span style=\"font-weight: 400;\"> e descubra como usar a tecnologia para tornar a gest\u00e3o de pessoas mais estrat\u00e9gica, transparente e segura.<\/span><\/p>\n<p><a href=\"https:\/\/factorialhr.com.br\/solicitar-demonstracao\" target=\"_blank\" rel=\"noopener\"><img decoding=\"async\" class=\"alignnone size-medium wp-image-127168\" src=\"https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/cta-solicitar-demo-br-300x68.png\" alt=\"Bot\u00e3o com o texto solicitar demonstra\u00e7\u00e3o gr\u00e1tis em fundo rosa, chamando a aten\u00e7\u00e3o para uma oferta de teste gratuito.\" width=\"300\" height=\"68\" srcset=\"https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/13170953\/cta-solicitar-demo-br-300x68.png 300w, https:\/\/factorialhr.com.br\/wp-content\/uploads\/2024\/02\/13170953\/cta-solicitar-demo-br.png 661w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>As empresas que ignoram o futuro da IA est\u00e3o expostas a riscos de conformidade, reputa\u00e7\u00e3o e qualidade nas decis\u00f5es. No RH e no Departamento Pessoal, a Intelig\u00eancia Artificial permite ganhar escala e efici\u00eancia, mas tamb\u00e9m pode reproduzir e ampliar vieses presentes nos dados que alimentam os algoritmos. Quando isso acontece, o impacto vai al\u00e9m de<a href=\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\" class=\"read-more\"> [&#8230;]<\/a><\/p>\n","protected":false},"author":324,"featured_media":206269,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[422],"tags":[],"class_list":["post-196618","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gestao-de-talentos-rh"],"acf":{"topics":"talent-recruitment"},"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.5 (Yoast SEO v21.9.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o algor\u00edtmica<\/title>\n<meta name=\"description\" content=\"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/factorialhr.com.br\/blog\/vies-ia-rh\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o e garantir a \u00e9tica\" \/>\n<meta property=\"og:description\" content=\"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/factorialhr.com.br\/blog\/vies-ia-rh\/\" \/>\n<meta property=\"og:site_name\" content=\"Factorial\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/people\/Factorial\/100064908455810\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-07-28T18:02:53+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-29T16:42:24+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/factorial.com\/wp-content\/uploads\/2026\/07\/29184211\/balanca-justica-rh-dados-certificacao-auditoria-recursos-humanos.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Mariella Figueiredo\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@factorialapp\" \/>\n<meta name=\"twitter:site\" content=\"@factorialapp\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Mariella Figueiredo\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"14 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\"},\"author\":{\"name\":\"Mariella Figueiredo\",\"@id\":\"https:\/\/factorial.com\/blog\/#\/schema\/person\/3b680d9b098c69e773a13b774e725b09\"},\"headline\":\"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o e garantir a \u00e9tica\",\"datePublished\":\"2026-07-28T18:02:53+00:00\",\"dateModified\":\"2026-10-29T16:42:24+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\"},\"wordCount\":2543,\"publisher\":{\"@id\":\"https:\/\/factorial.com\/blog\/#organization\"},\"articleSection\":[\"Gest\u00e3o de Talentos\"],\"inLanguage\":\"en-US\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\",\"url\":\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\",\"name\":\"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o algor\u00edtmica\",\"isPartOf\":{\"@id\":\"https:\/\/factorial.com\/blog\/#website\"},\"datePublished\":\"2026-07-28T18:02:53+00:00\",\"dateModified\":\"2026-10-29T16:42:24+00:00\",\"description\":\"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.\",\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/factorial.com\/blog\/#website\",\"url\":\"https:\/\/factorial.com\/blog\/\",\"name\":\"Factorial\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/factorial.com\/blog\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/factorial.com\/blog\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/factorial.com\/blog\/#organization\",\"name\":\"All-in-one business management software - Factorial\",\"url\":\"https:\/\/factorial.com\/blog\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/factorial.com\/blog\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/factorialhr.pt\/wp-content\/uploads\/2023\/07\/18155144\/factorial-logo.png\",\"contentUrl\":\"https:\/\/factorialhr.pt\/wp-content\/uploads\/2023\/07\/18155144\/factorial-logo.png\",\"width\":946,\"height\":880,\"caption\":\"All-in-one business management software - Factorial\"},\"image\":{\"@id\":\"https:\/\/factorial.com\/blog\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/people\/Factorial\/100064908455810\/\",\"https:\/\/twitter.com\/factorialapp\",\"https:\/\/www.linkedin.com\/company\/factorialhr\",\"https:\/\/www.youtube.com\/@factorialmedia\",\"https:\/\/www.instagram.com\/factorial\/#\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/factorial.com\/blog\/#\/schema\/person\/3b680d9b098c69e773a13b774e725b09\",\"name\":\"Mariella Figueiredo\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/factorial.com\/blog\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/51b16c951fe764bdd25e59b95bf57d33?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/51b16c951fe764bdd25e59b95bf57d33?s=96&d=identicon&r=g\",\"caption\":\"Mariella Figueiredo\"},\"url\":\"https:\/\/factorial.com\/blog\/author\/mariella-figueiredo-externalfactorial-co\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o algor\u00edtmica","description":"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/factorialhr.com.br\/blog\/vies-ia-rh\/","og_locale":"en_US","og_type":"article","og_title":"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o e garantir a \u00e9tica","og_description":"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.","og_url":"https:\/\/factorialhr.com.br\/blog\/vies-ia-rh\/","og_site_name":"Factorial","article_publisher":"https:\/\/www.facebook.com\/people\/Factorial\/100064908455810\/","article_published_time":"2026-07-28T18:02:53+00:00","article_modified_time":"2026-10-29T16:42:24+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/factorial.com\/wp-content\/uploads\/2026\/07\/29184211\/balanca-justica-rh-dados-certificacao-auditoria-recursos-humanos.webp","type":"image\/webp"}],"author":"Mariella Figueiredo","twitter_card":"summary_large_image","twitter_creator":"@factorialapp","twitter_site":"@factorialapp","twitter_misc":{"Written by":"Mariella Figueiredo","Est. reading time":"14 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/#article","isPartOf":{"@id":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/"},"author":{"name":"Mariella Figueiredo","@id":"https:\/\/factorial.com\/blog\/#\/schema\/person\/3b680d9b098c69e773a13b774e725b09"},"headline":"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o e garantir a \u00e9tica","datePublished":"2026-07-28T18:02:53+00:00","dateModified":"2026-10-29T16:42:24+00:00","mainEntityOfPage":{"@id":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/"},"wordCount":2543,"publisher":{"@id":"https:\/\/factorial.com\/blog\/#organization"},"articleSection":["Gest\u00e3o de Talentos"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/","url":"https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/","name":"Vi\u00e9s na IA do RH: como evitar a discrimina\u00e7\u00e3o algor\u00edtmica","isPartOf":{"@id":"https:\/\/factorial.com\/blog\/#website"},"datePublished":"2026-07-28T18:02:53+00:00","dateModified":"2026-10-29T16:42:24+00:00","description":"Entenda o que \u00e9 o vi\u00e9s algor\u00edtmico no RH, os riscos para a LGPD e como aplicar o conceito de Human-in-the-Loop para garantir processos seletivos \u00e9ticos.","inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/factorial.com\/blog\/pt-br\/vies-ia-rh\/"]}]},{"@type":"WebSite","@id":"https:\/\/factorial.com\/blog\/#website","url":"https:\/\/factorial.com\/blog\/","name":"Factorial","description":"","publisher":{"@id":"https:\/\/factorial.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/factorial.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/factorial.com\/blog\/#organization","name":"All-in-one business management software - Factorial","url":"https:\/\/factorial.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/factorial.com\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/factorialhr.pt\/wp-content\/uploads\/2023\/07\/18155144\/factorial-logo.png","contentUrl":"https:\/\/factorialhr.pt\/wp-content\/uploads\/2023\/07\/18155144\/factorial-logo.png","width":946,"height":880,"caption":"All-in-one business management software - Factorial"},"image":{"@id":"https:\/\/factorial.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/people\/Factorial\/100064908455810\/","https:\/\/twitter.com\/factorialapp","https:\/\/www.linkedin.com\/company\/factorialhr","https:\/\/www.youtube.com\/@factorialmedia","https:\/\/www.instagram.com\/factorial\/#"]},{"@type":"Person","@id":"https:\/\/factorial.com\/blog\/#\/schema\/person\/3b680d9b098c69e773a13b774e725b09","name":"Mariella Figueiredo","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/factorial.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/51b16c951fe764bdd25e59b95bf57d33?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/51b16c951fe764bdd25e59b95bf57d33?s=96&d=identicon&r=g","caption":"Mariella Figueiredo"},"url":"https:\/\/factorial.com\/blog\/author\/mariella-figueiredo-externalfactorial-co\/"}]}},"_links":{"self":[{"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/posts\/196618"}],"collection":[{"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/users\/324"}],"replies":[{"embeddable":true,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/comments?post=196618"}],"version-history":[{"count":3,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/posts\/196618\/revisions"}],"predecessor-version":[{"id":205919,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/posts\/196618\/revisions\/205919"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/media\/206269"}],"wp:attachment":[{"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/media?parent=196618"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/categories?post=196618"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/factorial.com\/blog\/wp-json\/wp\/v2\/tags?post=196618"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}