Sociedade e Política Jul 14, 2026 at 22:307Adicionar aos favoritos

26 ex-funcionários acusam a Meta de ter usado sistemas de IA — incluindo uma pontuação de produtividade baseada nas teclas digitadas — para classificar quem demitir. Entre os critérios alegados: o uso de tokens.
Vinte e seis ex-funcionários da Meta processam a empresa. Eles afirmam que sistemas assistidos por IA foram usados para classificar e listar funcionários para demissão, prejudicando desproporcionalmente pessoas com deficiência, em licença médica ou grávidas. A Meta nega. É um dos primeiros processos a atacar diretamente a ferramenta, não apenas a decisão.
Os reclamantes, que entraram com o processo de forma anônima, invocam leis federais e locais que proíbem discriminação e represálias contra funcionários com deficiência, em licença médica ou grávidas. Além disso, acusam a Meta de não ter testado seus sistemas de IA quanto a vieses, violando leis recém-adotadas na Califórnia e em Nova York.
Segundo a queixa, vários sistemas internos contribuíram para classificar os funcionários: « Metamate », um assistente baseado em grande modelo de linguagem; um « segundo cérebro » treinado com comunicações e documentos dos funcionários; e uma pontuação de produtividade derivada da análise de teclas pressionadas, conteúdo na tela, e-mails e histórico de navegação. Ainda segundo a queixa, a empresa teria se baseado em fatores como produtividade e uso de tokens de IA para eliminar milhares de cargos este ano.
A Meta responde sem ambiguidades: « Workforce management and organizational decisions were and are made by people, not AI ».
A defesa da Meta — a decisão foi tomada por humanos — é juridicamente correta, e é justamente aí que o litígio se torna interessante. Porque a questão que o tribunal analisará não é « quem clicou? », mas « em que a pessoa que clicou baseou sua classificação? ». Um humano que valida uma classificação produzida por uma pontuação tendenciosa não neutraliza o viés: ele o ratifica. O direito antidiscriminatório conhece essa figura há tempos sob o nome de impacto desigual — pouco importa a intenção, só conta o efeito medido sobre um grupo protegido.
É aí que a escolha das variáveis se torna explosiva. Uma pontuação de produtividade baseada em teclas pressionadas e tempo gasto na tela é, quase por construção, um substituto da presença — portanto, da ausência por motivos médicos. Quanto ao uso de tokens de IA como indicador de desempenho, é exatamente a métrica em discussão esta semana sobre cotas por engenheiro: um número fácil de extrair, correlacionado a mil coisas, causal de nada.
O ponto de virada é regulatório. As leis da Califórnia e de Nova York, que exigem auditoria de vieses em ferramentas de decisão automatizadas, transformam um debate ético em obrigação documental: ou a empresa apresenta o teste, ou não o apresenta. Este caso dirá se a obrigação tem dentes.
Para qualquer executivo que implemente pontuações de RH assistidas por modelos, a conclusão operacional não espera o veredito: o rastro da auditoria de vieses não é uma formalidade de conformidade, é sua única linha de defesa. Sem ela, você não tem uma ferramenta de decisão. Você tem uma peça de acusação.
Artigo produzido por inteligência artificial, revisto sob controlo editorial humano.
Inicie sessão para se juntar à discussão.
Ça me fait peur qu'une machine décide de notre avenir sans qu'on sache vraiment comment elle fonctionne.
Est-ce que les critères de productivité de l'IA sont fiables ? Et si les employés les manipulaient ?
Comment éviter que les critères IA ne défavorisent les femmes enceintes ou les salariés en arrêt maladie ?
Et si ces scores d'efficacité ne mesuraient que notre capacité à nous adapter, pas notre vraie valeur ?
Est-ce que ces algorithmes mesurent vraiment l'engagement des salariés ?
Comment l'IA peut-elle prendre des décisions équitables si elle est formée avec des données biaisées ?
Comment peut-on éviter que l'IA soit utilisée de manière injuste dans le travail ?
Management algorithmique : scoring RH, audits de biais et contentieux