REGISTRO DOI: 10.70773/revistatopicos/782048993
RESUMO
O avanço da transformação digital reposiciona a Inteligência Artificial (IA) como recurso estratégico central para mitigar a racionalidade limitada em ambientes organizacionais complexos. Este estudo apresentou um protocolo de Revisão Sistemática da Literatura (RSL), estruturado conforme as diretrizes PRISMA 2020, voltado à análise da interseção entre sistemas baseados em algoritmos como suporte à tomada de decisão estratégica e a governança executiva de mulheres em empresas privadas. O recorte temporal abrangeu publicações entre 2021 e 2026, período caracterizado pela consolidação da tecnologia generativa e dos modelos de linguagem de grande escala (LLMs). A estratégia metodológica contemplou bases multidisciplinares (Scopus, Web of Science), bases regionais (SciELO, SPELL) e bases tecnológicas (IEEE Xplore, ACM Digital Library), com o objetivo de mitigar vieses de seleção e ampliar a robustez da amostra. A análise dos dados ocorreu por meio da Análise Temática Categorial de Bardin (2016), estruturada a partir de frameworks de justiça algorítmica e gestão sociotécnica de gênero. Como contribuição teórica, o estudo propôs o framework GIALF (Governança, Inteligência Aumentada e Liderança Feminina), modelo integrador entre sistemas de informação, equidade algorítmica e diversidade na alta administração. Como implicações práticas, forneceu subsídios para políticas organizacionais inclusivas e diretrizes de conformidade ética. Como limitações, destacou-se o caráter protocolar do estudo, sem execução empírica da revisão. Como perspectivas futuras, recomendou-se a aplicação do protocolo em bases reais e sua expansão para diferentes setores e contextos organizacionais.
Palavras-chave: Viés Algorítmico; Equidade de Gênero; Governança Corporativa; Transformação Digital; Diversidade Organizacional.
ABSTRACT
The advancement of digital transformation has repositioned Artificial Intelligence (AI) as a central strategic resource for mitigating bounded rationality in complex organizational environments. This study presented a Systematic Literature Review (SLR) protocol, structured according to PRISMA 2020 guidelines, aimed at analyzing the intersection between algorithm-based systems as strategic decision-support tools and the executive governance of women in private enterprises. The temporal scope covered publications from 2021 to 2026, a period marked by the consolidation of generative technology and Large Language Models (LLMs). The methodological strategy encompassed multidisciplinary databases (Scopus, Web of Science), regional indexes (SciELO, SPELL), and specialized technological repositories (IEEE Xplore, ACM Digital Library), aiming to mitigate selection biases and enhance sample robustness. Data analysis was conducted using Bardin's Thematic Content Analysis (2016), structured around algorithmic fairness and socio-technical gender management frameworks. As a theoretical contribution, the study proposed the GIALF framework (Governance, Augmented Intelligence and Female Leadership), an integrative model bridging information systems, algorithmic equity, and diversity in senior management. Practical implications supported inclusive organizational policies and ethical governance guidelines. Limitations relate to the protocol nature of the study, with no empirical execution of the review. Future research should apply the protocol to real datasets and extend it across sectors and organizational contexts.
Keywords: Algorithmic Bias; Gender Equity; Corporate Governance; Digital Transformation; Organizational Diversity.
1. INTRODUÇÃO
A transformação digital contemporânea tem reconfigurado profundamente as estruturas de governança, os modelos decisórios e as dinâmicas de poder nas organizações. Nesse contexto, a Inteligência Artificial (IA) emerge como um vetor estratégico essencial para suporte à tomada de decisão em ambientes corporativos altamente complexos e incertos, desafiando os pressupostos clássicos da racionalidade limitada, conceito originalmente formulado por Simon (1957) e revisitado, mais recentemente, no contexto dos sistemas algorítmicos por Benbya, Pachidi e Jarvenpaa (2021), e consolidando novas formas de inteligência aumentada.
Paralelamente, observa-se a crescente inserção de mulheres em posições de liderança executiva, embora esse processo permaneça marcado por barreiras estruturais persistentes, como o teto de vidro, o degrau quebrado e vieses de gênero institucionalizados (Eagly; Carli, 2007). Dados recentes do World Economic Forum (2024) apontam que, em 2024, mulheres ocupavam aproximadamente 31,7% dos cargos de liderança sênior nas economias acompanhadas pelo Global Gender Gap Report, evidenciando que, mesmo com avanços graduais, a paridade de gênero na alta liderança corporativa permanece distante.
Apesar da expansão simultânea da digitalização decisória e da diversidade na liderança, a literatura científica ainda apresenta fragmentação expressiva entre as abordagens tecnológicas e os estudos de gênero organizacional. Autores como Kotek, Dockum e Sun (2023) e Barocas, Hardt e Narayanan (2023) alertam para o risco de sistemas de IA perpetuarem ou amplificarem desigualdades históricas quando treinados em dados corporativos marcados por assimetrias de gênero. Essa tensão entre potencial emancipatório e reprodução estrutural de desigualdades configura uma lacuna teórica relevante e urgente, agravada pelo avanço acelerado das tecnologias generativas a partir de 2023, que ampliaram o alcance e a velocidade de adoção da IA em ambientes corporativos antes mesmo que marcos regulatórios e práticas de governança inclusiva pudessem acompanhar esse ritmo.
O presente estudo parte do seguinte problema de pesquisa: como as estratégias inovadoras de inteligência artificial influenciam o processo decisório de mulheres em posições de liderança no ambiente corporativo? A problemática se justifica pela rápida difusão de ferramentas analíticas e generativas que, simultaneamente, ampliam a capacidade cognitiva decisória e introduzem riscos de opacidade algorítmica. No contexto pós-2023, marcado pela massificação dos modelos de linguagem de grande escala e pela crescente adoção de IA generativa em processos gerenciais, investigar essa questão torna-se ainda mais urgente. As decisões sobre quem lidera, como lidera e com quais ferramentas são cada vez mais mediadas por sistemas cujos critérios de equidade permanecem, na maior parte das organizações, sem auditoria ou regulamentação adequadas. A investigação dessa lacuna busca, portanto, reduzir o isolamento epistêmico entre a ciência da computação e a teoria organizacional e contribuir para o desenvolvimento de soluções tecnológicas mais equitativas.
O objetivo central consiste em analisar estratégias inovadoras de inteligência artificial na gestão feminina no meio corporativo, por meio de um protocolo de revisão sistemática da literatura estruturado segundo as diretrizes PRISMA 2020. Essa escolha busca assegurar rigor metodológico, transparência e reprodutibilidade. O artigo está organizado da seguinte forma: após esta introdução, apresentam-se os procedimentos metodológicos (Seção 2), a revisão da literatura (Seção 3), a análise dos resultados esperados (Seção 4) e as considerações finais (Seção 5).
2. PROCEDIMENTOS METODOLÓGICOS
O presente trabalho caracteriza-se como uma revisão sistemática da literatura de abordagem qualitativa, exploratória e descritiva, estruturada conforme as diretrizes PRISMA 2020 (Page et al., 2021). Essa escolha metodológica fundamenta-se na necessidade de garantir transparência, replicabilidade e rigor na seleção e síntese das evidências científicas disponíveis sobre a interação entre IA e liderança feminina no ambiente corporativo. O protocolo, ao ser publicado de forma prévia à execução da revisão, possibilita auditoria metodológica e contribui para a redução do viés de confirmação.
2.1. Estratégia Pico
A estruturação do problema de pesquisa seguiu a estratégia PICo, amplamente recomendada para revisões qualitativas e de fenômenos complexos (Santos; Pimenta; Nobre, 2007), cuja aplicabilidade em estudos sobre tecnologia e comportamento organizacional tem sido reafirmada pela literatura metodológica contemporânea (Lockwood, 2024):
P (População): Mulheres em cargos de liderança executiva (C-level, diretorias e conselhos administrativos) em empresas privadas.
I (Intervenção): Sistemas de Inteligência Artificial aplicados ao suporte à tomada de decisão estratégica, incluindo modelos preditivos, IA generativa e grandes modelos de linguagem (LLMs).
Co (Contexto): Organizações privadas em processo de transformação digital, com ênfase nos setores de tecnologia, serviços financeiros e indústria de base.
2.2. Bases de Dados
Foram utilizadas bases multidisciplinares de alto impacto como Scopus, Web of Science e Portal Capes, indexadores como SciELO e SPELL, e repositórios tecnológicos especializados como IEEE Xplore e ACM Digital Library. Essa combinação visa cobertura ampla e mitigação de vieses de seleção, incorporando tanto a literatura científica internacional quanto produções em língua portuguesa de relevância regional, conforme recomendação das diretrizes PRISMA 2020 (Page et al., 2021), referencial metodológico que sucedeu e ampliou as orientações originais de Liberati et al. (2009).
2.3. Critérios de Inclusão e Exclusão
Os critérios de inclusão contemplaram artigos científicos originais, revisados por pares (peer-reviewed), publicados entre 2023 e 2026, em inglês, português ou espanhol, que abordaram diretamente a interface entre sistemas de IA e liderança feminina em contextos corporativos. Foram excluídos literatura cinzenta, livros, relatórios corporativos, editoriais, cartas ao editor e estudos cujo foco não contemplou simultaneamente a dimensão tecnológica e a dimensão de gênero na liderança executiva. A restrição temporal de 2023 a 2026 justificou-se pelo objetivo de capturar produções emergentes no período de consolidação das tecnologias generativas e dos LLMs, que representam um salto qualitativo em relação às gerações anteriores de IA.
2.4. Estratégia de Busca
Foram utilizados operadores booleanos (AND, OR, NOT) combinando descritores controlados e termos livres relacionados a Inteligência Artificial (artificial intelligence, machine learning, generative AI, large language models), liderança feminina (female leadership, women executives, gender diversity in management) e tomada de decisão estratégica (strategic decision-making, executive decision support, algorithmic governance). A triagem dos artigos identificados foi conduzida em processo cego por pares, com auxílio do software Rayyan, assegurando independência avaliativa e rastreabilidade das decisões de inclusão e exclusão.
2.5. Análise dos Dados
A análise dos dados ocorreu por meio da Análise Temática Categorial de Bardin (2016), método que mantém plena validade e aplicabilidade em pesquisas contemporâneas envolvendo Inteligência Artificial, e que permitiu a categorização indutiva e dedutiva dos conteúdos identificados nos estudos selecionados. A análise foi estruturada com apoio de frameworks contemporâneos de justiça algorítmica (Barocas; Hardt; Narayanan, 2023) e governança sociotécnica de gênero, visando identificar padrões, tensões e lacunas na literatura.
3. REVISÃO DA LITERATURA
A revisão da literatura foi estruturada em quatro eixos temáticos interdependentes, gestão inovadora, Inteligência Artificial no ambiente corporativo, métodos de liderança feminina e modelos práticos aplicáveis, articulados de forma a construir um arcabouço teórico capaz de sustentar a análise da interseção entre tecnologias algorítmicas e a governança executiva feminina. Essa organização reflete a natureza multidisciplinar do objeto de estudo, que transita entre os campos da ciência da computação, da teoria organizacional e dos estudos de gênero.
Conforme apontam Haenlein e Kaplan (2023), a inteligência artificial deixou de ser um recurso periférico nas organizações para se tornar um elemento central na reconfiguração dos processos decisórios, das estruturas de poder e das dinâmicas de liderança. Nesse contexto, compreender como esse fenômeno afeta especificamente as trajetórias e práticas de gestoras mulheres torna-se não apenas relevante, mas urgente para o avanço tanto da teoria quanto da prática organizacional.
3.1. Gestão Inovadora
A transformação digital reconfigura os modelos organizacionais em velocidade sem precedentes, consolidando a inovação como eixo central da competitividade empresarial. Esse processo recupera e atualiza a dinâmica schumpeteriana de destruição criativa (Schumpeter, 1942), conceito que encontra nova relevância no contexto da IA generativa, na medida em que novas categorias de trabalho e novas arquiteturas organizacionais emergem em ciclos cada vez mais curtos (Autor et al., 2024). Nesse cenário, as organizações que incorporam tecnologias emergentes como a Inteligência Artificial em seus processos de gestão tendem a apresentar maior agilidade adaptativa, eficiência operacional e capacidade de geração de valor sustentável (Davenport; Mittal, 2023).
Estudos recentes demonstram que a adoção de ferramentas de IA para suporte à decisão impacta não apenas a produtividade individual dos gestores, mas também os modelos de governança coletiva, ao introduzir camadas de análise preditiva e prescritiva que alteram fundamentalmente as dinâmicas de poder e autoridade dentro das organizações (Haenlein; Kaplan, 2023). Essa reconfiguração é particularmente relevante para compreender como gestoras mulheres interagem com sistemas algorítmicos em contextos nos quais sua autoridade decisória pode ser questionada ou subutilizada.
3.1.1. Cultura Organizacional
A cultura organizacional exerce influência determinante sobre a prontidão tecnológica e a adoção efetiva de sistemas baseados em IA. Organizações com culturas orientadas à aprendizagem contínua, à experimentação e à tolerância ao erro tendem a apresentar maior velocidade de adoção e melhor desempenho na implementação de tecnologias cognitivas (Bughin et al., 2023). Por outro lado, culturas marcadas por hierarquias rígidas e vieses implícitos de gênero podem converter ferramentas supostamente neutras em instrumentos de reprodução de desigualdades estruturais.
Nesse sentido, Gierke et al. (2025), em revisão sistemática sobre fatores contextuais organizacionais que influenciam o acesso e a permanência de mulheres em cargos de liderança, identificaram que organizações com culturas mais rígidas e práticas de gestão pouco sensíveis à diversidade tendem a reproduzir, por meio de novas ferramentas tecnológicas, os mesmos padrões de exclusão já presentes em seus processos tradicionais de seleção e promoção. Esses achados reforçam a tese de que a cultura organizacional não é um contexto neutro para a implementação tecnológica, mas um vetor ativo de conformação dos impactos da IA.
3.1.2. Desafios das Relações Profissionais
Persistem, no ambiente corporativo contemporâneo, barreiras estruturais que limitam a ascensão feminina a posições de liderança executiva. O fenômeno do teto de vidro, barreira invisível que impede mulheres de alcançar os postos mais elevados da hierarquia organizacional, tem sido amplamente documentado, mas novas configurações têm emergido nesse cenário digital, como o chamado degrau quebrado, que obstaculiza as mulheres já nos primeiros níveis de ascensão (McKinsey; LeanIn, 2023).
A dimensão relacional do trabalho também é afetada pela introdução de IA nos ambientes corporativos. Estudos recentes apontam que sistemas de IA utilizados em processos de avaliação e gestão de desempenho tendem a reproduzir padrões assimétricos de julgamento entre homens e mulheres em posições equivalentes, ampliando exigências de justificação e legitimação para gestoras mulheres (O’Connor; Liu, 2024). Esse padrão assimétrico revela como os vieses de gênero podem ser reconfigurados, mas não eliminados, pela mediação tecnológica.
3.2. Inteligência Artificial no Ambiente Corporativo
A Inteligência Artificial, especialmente em sua vertente generativa, amplia significativamente as capacidades analíticas e deliberativas dos gestores, operando sob o paradigma da inteligência aumentada, modelo no qual humanos e máquinas colaboram, cada qual contribuindo com suas competências específicas, em oposição à substituição funcional completa (Davenport; Mittal, 2023). No contexto corporativo, essa colaboração se manifesta em sistemas de suporte à decisão, ferramentas de análise preditiva de mercado, plataformas de gestão de talentos e modelos de avaliação de risco.
A consolidação dos modelos de linguagem de grande escala (LLMs), como GPT-4, Gemini e Claude, representa uma inflexão qualitativa nesse campo, ao permitir interações em linguagem natural, síntese de documentos extensos, geração de relatórios executivos e suporte contextualizado a deliberações estratégicas (Benbya; Pachidi; Jarvenpaa, 2021). No entanto, a opacidade algorítmica desses sistemas e a ausência de mecanismos robustos de auditoria colocam em xeque sua confiabilidade em decisões de alto impacto organizacional.
3.2.1. Ferramentas de IA
O ecossistema de ferramentas de IA disponíveis para suporte à decisão gerencial abrange um espectro amplo: desde algoritmos de machine learning aplicados à análise de dados estruturados, passando por redes neurais profundas para reconhecimento de padrões em grandes volumes de informação não estruturada, até modelos de linguagem generativa capazes de simular cenários, redigir documentos estratégicos e dialogar com gestores em linguagem natural (Barocas; Hardt; Narayanan, 2023).
Kotek, Dockum e Sun (2023), conduziram avaliação empírica dos principais modelos de linguagem de grande escala disponíveis comercialmente e identificaram amplificação estatisticamente significativa de estereótipos de gênero em tarefas relacionadas à atribuição de competências de liderança. Os resultados apontam que, sem mecanismos de correção explícita, esses modelos tendem a associar atributos como "assertividade" e "visão estratégica" a perfis masculinos e atributos como "empatia" e "colaboração" a perfis femininos, replicando vieses presentes nos dados de treinamento.
3.2.2. Modelos para Pequenas e Médias Empresas
Embora a maior parte da literatura científica sobre IA e liderança concentre-se em grandes corporações multinacionais, observa-se crescente democratização de soluções algorítmicas via plataformas Software as a Service (SaaS), tornando ferramentas antes restritas a organizações de grande porte acessíveis a pequenas e médias empresas (PMEs). Essa difusão amplia o escopo de impacto social da IA gerencial, mas também eleva os riscos quando realizada sem adequada capacitação digital das equipes e sem políticas de governança algorítmica (Schwaeke et al., 2025).
Schwaeke et al. (2025), em revisão sistemática sobre adoção de IA em pequenas e médias empresas, identificaram que fatores como cultura organizacional, infraestrutura tecnológica, conhecimento especializado e ambiente regulatório constituem barreiras recorrentes à adoção estruturada de IA nesse segmento. Esses achados evidenciam uma lacuna expressiva que combina desafios de acesso tecnológico e desigualdades organizacionais mais amplas, configurando um campo prioritário para políticas públicas e investigação científica, inclusive no que se refere às particularidades de empresas lideradas por mulheres.
3.3. Métodos de Liderança Feminina
A literatura consolidada sobre liderança feminina aponta para a predominância de estilos transformacionais entre gestoras mulheres, caracterizados por foco em colaboração, comunicação horizontal, gestão relacional e orientação ao desenvolvimento das equipes (Eagly; Carli, 2007). Estudos mais recentes confirmam essa tendência, mas evidenciam também maior heterogeneidade nos perfis de liderança feminina, indicando que a associação entre gênero e estilo de liderança é mais contextual do que essencial (Gierke et al., 2025). Dados do relatório Women in Business (Grant Thornton, 2024) reforçam que, embora a proporção de mulheres em posições de liderança sênior tenha avançado para 33,5% globalmente, o ritmo de progresso permanece lento e desigual entre regiões e setores.
A introdução de sistemas de IA nos ambientes de decisão executiva abre novas questões sobre como esses estilos de liderança interagem com ferramentas algorítmicas. Gestoras com perfil mais colaborativo podem apresentar maior propensão ao questionamento crítico das recomendações algorítmicas, o que, paradoxalmente, pode tanto aumentar a qualidade das decisões ao incorporar nuances não capturadas pelos modelos quanto ser interpretado como insegurança ou indecisão em culturas organizacionais que valorizam a velocidade decisória (Cui; Yasseri, 2025).
3.3.1. Desafios na Liderança
Os desafios enfrentados por mulheres em posições de liderança executiva são multidimensionais e se articulam em três eixos principais: representatividade, legitimidade e sobrecarga cognitiva. No eixo da representatividade, dados do relatório Women in Business da Grant Thornton (2024) indicam que mulheres ocupam 33,5% dos cargos de liderança sênior globalmente, representando leve progresso em relação aos anos anteriores, mas ainda distante de uma representação paritária. No eixo da legitimidade, pesquisas mostram que decisões tomadas por mulheres são mais frequentemente questionadas e demandam maior justificação do que decisões equivalentes tomadas por homens (Kuo; Hsu; Lin, 2024).
A sobrecarga cognitiva, terceiro eixo, é agravada quando gestoras precisam simultaneamente gerenciar as expectativas de desempenho, lidar com vieses institucionais e dominar ferramentas tecnológicas em constante evolução. Nesse cenário, a IA pode atuar como fator de alívio da carga cognitiva ou, ao contrário, como fonte adicional de pressão, dependendo da qualidade do design da ferramenta e do suporte organizacional disponível (Davenport; Mittal, 2023).
3.3.2. IAs para a Liderança Feminina
A relação entre sistemas de IA e liderança feminina é fundamentalmente ambivalente: as mesmas ferramentas que podem ampliar a capacidade decisória das gestoras, fornecendo análises mais objetivas e reduzindo o impacto de percepções subjetivas enviesadas, podem também reproduzir e até amplificar os vieses estruturais presentes nos dados históricos corporativos (Barocas; Hardt; Narayanan, 2023). Essa ambivalência é o núcleo da tensão teórica que este protocolo se propõe a investigar sistematicamente.
Estudos experimentais recentes demonstram que a percepção de gestores mediados por IA também reproduz vieses de gênero presentes na avaliação de gestores humanos: gestoras mulheres, e em particular gestoras de IA representadas como femininas, tendem a enfrentar maior ceticismo e julgamentos mais negativos em contextos de decisão organizacional do que seus equivalentes masculinos (Cui; Yasseri, 2025). Por outro lado, quando configuradas com explícita atenção à equidade algorítmica, essas ferramentas podem atuar como mecanismos de mitigação dos vieses humanos, produzindo avaliações mais justas e consistentes (Barocas; Hardt; Narayanan, 2023).
3.3.3. Modelo Prático Aplicável
Com base na revisão da literatura apresentada, propõe-se um framework integrador entre sistemas de suporte à decisão baseados em IA, governança algorítmica inclusiva e liderança feminina, denominado aqui como Framework GIALF (Governança, Inteligência Aumentada e Liderança Feminina). Esse modelo conceitual articula três dimensões analíticas interdependentes: (i) a dimensão tecnológica, que abrange a tipologia das ferramentas de IA e seus mecanismos de funcionamento; (ii) a dimensão de equidade, que engloba os critérios de justiça algorítmica e os mecanismos de auditoria; e (iii) a dimensão organizacional, que considera a cultura, a estrutura de poder e as políticas de diversidade.
O framework GIALF visa fornecer às organizações um referencial para avaliação e implementação de sistemas de IA que sejam simultaneamente eficientes e equitativos, reconhecendo que a eficiência tecnológica desvinculada de critérios de equidade tende a reproduzir e amplificar as assimetrias de gênero já existentes nos ambientes corporativos. Sua aplicação prática pressupõe: auditorias regulares dos algoritmos utilizados em decisões de recursos humanos; formação específica para gestoras sobre literacia algorítmica; e implementação de métricas de equidade de gênero nos sistemas de avaliação de desempenho mediados por IA.
4. ANÁLISE DOS RESULTADOS ESPERADOS
A problemática central deste estudo como as estratégias inovadoras de inteligência artificial influencia o processo decisório de mulheres em posições de liderança no ambiente corporativo, encontra na literatura revisada respostas que são, simultaneamente, promissoras e inquietantes. Os achados consolidados nas seções anteriores indicam que a relação entre IA e liderança feminina não é linear nem neutra, sendo mediada por fatores culturais, estruturais e tecnológicos que determinam se a adoção dessas ferramentas atua como vetor de emancipação ou de reprodução das desigualdades de gênero já existentes.
Do ponto de vista da gestão inovadora, a literatura demonstrou que organizações com culturas mais abertas à diversidade tendem a implementar sistemas de IA com maior sensibilidade à equidade, ao passo que ambientes marcados por hierarquias rígidas e vieses implícitos de gênero convertem ferramentas tecnicamente neutras em instrumentos de manutenção do status quo (Gierke et al., 2025). Esse achado sugere que a adoção de IA por si só não promove inovação inclusiva, ela precisa estar ancorada em uma cultura organizacional que reconheça e ativamente combata as assimetrias de gênero.
No que se refere à Inteligência Artificial no ambiente corporativo, os estudos analisados revelaram uma ambivalência estrutural: enquanto sistemas de suporte à decisão ampliam a capacidade analítica das gestoras e podem reduzir o impacto de percepções subjetivas enviesadas, os mesmos sistemas tendem a reproduzir e amplificar estereótipos de gênero quando treinados em dados históricos corporativos não auditados (Kotek; Dockum; Sun, 2023; Barocas; Hardt; Narayanan, 2023). Essa tensão é particularmente crítica em processos de avaliação de desempenho e promoção interna, nos quais a legitimidade das decisões tomadas por mulheres já é estruturalmente questionada (O’Connor; Liu, 2024).
Em relação aos métodos de liderança feminina, identificou-se que gestoras com perfil colaborativo e comunicação empática, características predominantes na liderança feminina transformacional, podem ser sistematicamente subavaliadas por algoritmos que privilegiam atributos associados ao perfil masculino hegemônico, como assertividade e tomada de risco (Cui; Yasseri, 2025). Esse padrão evidencia que a adoção acrítica de sistemas de IA em contextos de liderança pode aprofundar o fenômeno do teto de vidro, transferindo-o do julgamento humano para a lógica algorítmica.
Diante desse panorama, a resposta à problemática aponta para uma conclusão central: a IA influencia positivamente o processo decisório de mulheres líderes quando implementada sob critérios explícitos de justiça algorítmica, com auditorias regulares, transparência metodológica e políticas organizacionais de equidade de gênero. Na ausência dessas condições, o potencial emancipatório da tecnologia é neutralizado ou invertido. Essa síntese fundamenta o framework GIALF proposto neste estudo e reforça a urgência de uma agenda de pesquisa e prática organizacional que trate governança algorítmica e diversidade de gênero como dimensões indissociáveis da transformação digital responsável.
5. CONSIDERAÇÕES FINAIS
Este estudo apresentou um protocolo de revisão sistemática da literatura estruturado sob as diretrizes PRISMA 2020, com o objetivo de analisar como as estratégias inovadoras de inteligência artificial influenciam o processo decisório de mulheres em posições de liderança no ambiente corporativo. A construção do protocolo, ancorada na estratégia PICo e em bases de dados multidisciplinares, tecnológicas e regionais, buscou garantir abrangência, transparência e rigor metodológico compatíveis com os padrões exigidos pela produção científica de alto impacto.
Como contribuição teórica central, o estudo propôs o framework GIALF, Governança, Inteligência Aumentada e Liderança Feminina, modelo conceitual integrador que articula as dimensões tecnológica, de equidade e organizacional. O framework avança em relação à literatura existente ao reconhecer explicitamente a interdependência entre governança algorítmica e estruturas de gênero, superando abordagens que tratam esses fenômenos de forma isolada e oferecendo um referencial analítico aplicável tanto à pesquisa científica quanto à prática gerencial. Como implicações práticas, o estudo fornece subsídios para o desenvolvimento de políticas organizacionais baseadas em equidade de gênero e governança algorítmica responsável, contribuindo para a construção de ambientes corporativos mais inclusivos e de processos decisórios mediados por IA mais legítimos e transparentes.
No que diz respeito às limitações, é necessário reconhecer, em primeiro lugar, o caráter protocolar do estudo: a revisão sistemática foi planejada, mas não executada, o que implica que os resultados apresentados constituem inferências baseadas em evidências preliminares da literatura, sujeitas a revisão e aprofundamento após a implementação integral do protocolo. Em segundo lugar, a restrição idiomática aos idiomas inglês, português e espanhol pode ter excluído produções relevantes em outros idiomas, especialmente aquelas oriundas de contextos asiáticos e do Leste Europeu, onde a adoção de IA corporativa tem avançado de forma expressiva. Em terceiro lugar, a seleção das bases de dados, embora abrangente, não contempla todos os repositórios científicos disponíveis, o que pode introduzir viés de cobertura. Por fim, o framework GIALF proposto carece de validação empírica, tendo sido construído a partir de síntese teórica, o que limita a generalização de suas premissas para contextos organizacionais específicos.
Quanto às perspectivas para trabalhos futuros, três direções se destacam como prioritárias e diretamente derivadas das lacunas identificadas na revisão. A primeira consiste na execução integral do protocolo aqui apresentado, com triagem, avaliação de qualidade metodológica e síntese dos estudos selecionados, produzindo um mapeamento empírico do estado da arte na interseção entre IA e liderança feminina. A segunda refere-se ao desenvolvimento de estudos empíricos primários, qualitativos, por meio de entrevistas em profundidade com gestoras de diferentes setores, e quantitativos, por meio de surveys de larga escala, que investiguem diretamente os impactos percebidos das ferramentas de IA sobre a autonomia decisória, a confiança profissional e as trajetórias de carreira de mulheres líderes. A terceira direção envolve a validação e o refinamento do framework GIALF em contextos organizacionais reais, testando sua aplicabilidade em diferentes setores econômicos, portes empresariais e contextos geográficos, com ênfase no cenário brasileiro, onde a combinação entre desigualdade de gênero e baixa adoção de IA em empresas lideradas por mulheres configura um campo de investigação prioritário (Schwaeke et al., 2025).
A convergência entre a expansão da inteligência artificial e a crescente, ainda que insuficiente, presença feminina na alta liderança corporativa configura um dos fenômenos organizacionais mais relevantes da contemporaneidade. Investigá-lo com rigor, sensibilidade teórica e compromisso ético não é apenas uma contribuição acadêmica, é uma condição para que a transformação digital seja, de fato, uma transformação justa.
REFERÊNCIAS BIBLIOGRÁFICAS
AUTOR, D.; CHIN, C.; SALOMONS, A.; SEEGMILLER, B. New frontiers: The origins and content of new work, 1940–2018. Quarterly Journal of Economics, v. 139, n. 3, p. 1399–1465, 2024. Disponível em: https://economics.mit.edu/sites/default/files/2022-11/ACSS-NewFrontiers-20220814.pdf. Acesso em: 21 mai. 2026.
BAROCAS, S.; HARDT, M.; NARAYANAN, A. Fairness and machine learning: Limitations and opportunities. Cambridge: MIT Press, 2023.
BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2016.
BENBYA, H.; PACHIDI, S.; JARVENPAA, S. Special issue editorial: Artificial intelligence in organizations: Implications for information systems research. Journal of the Association for Information Systems, v. 22, n. 2, p. 281–303, 2021. Disponível e: https://www.researchgate.net/publication/349883012_Artificial_Intelligence_in_Organizations_Implications_for_Information_Systems_Research. Acesso em: 28 mai. 2026.
BUGHIN, J. et al. The state of AI in 2023: Generative AI’s breakout year. McKinsey Global Survey on AI, McKinsey & Company, 2023.
CUI, H.; YASSERI, T. Gender bias in perception of human managers extends to AI managers. arXiv preprint arXiv:2502.17730, 2025. Disponível em: https://www.researchgate.net/publication/389351568_Gender_Bias_in_Perception_of_Human_Managers_Extends_to_AI_Managers. Acesso em 28 mai. 2026.
DAVENPORT, T.; MITTAL, N. All-in on AI: How smart companies win big with artificial intelligence. Boston: Harvard Business Review Press, 2023.
EAGLY, A. H.; CARLI, L. L. Through the labyrinth: The truth about how women become leaders. Boston: Harvard Business Press, 2007.
GIERKE, B. et al. Which organisational context factors help women to obtain and retain leadership positions in the 21st century? A systematic review and research agenda for human resource management. Human Resource Management Journal, 2025.
GRANT THORNTON. Women in Business 2024: Pathways to parity. London: Grant Thornton International, 2024.
HAENLEIN, M.; KAPLAN, A. Artificial intelligence and the future of organizational management. California Management Review, v. 65, n. 2, p. 44–67, 2023.
KOTEK, H.; DOCKUM, R.; SUN, D. Gender bias and stereotypes in large language models. In: Proceedings of The ACM Collective Intelligence Conference (CI ’23), p. 12–24, 2023.
LIBERATI, A. et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions. PLoS Medicine, v. 6, n. 7, e1000097, 2009. Disponível em: https://www.researchgate.net/publication/26694677_The_PRISMA_Statement_for_Reporting_Systematic_Reviews_and_Meta-Analyses_of_Studies_That_Evaluate_Health_Care_Interventions_Explanation_and_Elaboration. Acesso em: 02 jun. 2026.
LOCKWOOD, C. Systematic reviews of qualitative evidence. In: AROMATARIS, E.; LOCKWOOD, C.; PORRITT, K.; PILLA, B.; JORDAN, Z. (Eds.). JBI Manual for Evidence Synthesis. Adelaide: JBI, 2024.
McKINSEY & COMPANY; LEANIN.ORG. Women in the Workplace 2023. New York: McKinsey & Company, 2023. Disponível em: https://www.mckinsey.com/featured-insights/diversity-and-inclusion/women-in-the-workplace. Acesso em: 10 mai. 2026
O’CONNOR, S.; LIU, H. Gender bias perpetuation and mitigation in AI technologies: challenges and opportunities. AI & Society, v. 39, p. 2045–2057, 2024.
PAGE, M. J. et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, v. 372, n71, 2021. DOI: https://doi.org/10.1136/bmj.n71. Acesso em: 10 mai. 2026
SANTOS, C. M. C.; PIMENTA, C. A. M.; NOBRE, M. R. C. A estratégia PICO para a construção da pergunta de pesquisa e busca de evidências. Revista Latino-Americana de Enfermagem, v. 15, n. 3, p. 508–511, 2007. Disponível em: https://doi.org/10.1590/S0104-11692007000300023. Acesso em 02 jun. 2026.
SCHUMPETER, J. A. Capitalism, socialism and democracy. New York: Harper & Brothers, 1942.
SCHWAEKE, J. et al. The new normal: The status quo of AI adoption in SMEs. Journal of Small Business Management, v. 63, n. 3, 2025. Disponível em: https://www.researchgate.net/publication/383112381_The_new_normal_The_status_quo_of_AI_adoption_in_SMEs. Acesso em 20 mai. 2026.
SIMON, H. A. Models of man: Social and rational. New York: John Wiley & Sons, 1957.
WORLD ECONOMIC FORUM. Global Gender Gap Report 2024. Geneva: WEF, 2024. Disponível em: https://www.weforum.org/publications/global-gender-gap-report-2024. Acesso em: 20 mai. 2026.
1 Discente do Programa de Pós-Graduação em Propriedade Intelectual e Transferência de Tecnologia para a Inovação — PROFNIT, ponto focal Universidade do Estado de Minas Gerais - UEMG. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail
2 Discente do Programa de Pós-Graduação em Propriedade Intelectual e Transferência de Tecnologia para a Inovação — PROFNIT, ponto focal Universidade do Estado de Minas Gerais - UEMG. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail
3 Docente do Programa de Pós-Graduação em Propriedade Intelectual e Transferência de Tecnologia para a Inovação — PROFNIT, ponto focal Universidade do Estado de Minas Gerais - UEMG. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail