Mulheres e IA: “O desafio não é capacitação, é confiança”

Luana Ozemela, chief sustainability officer e VP de impacto e sustentabilidade no iFood Brasil (Crédito: TBS Estúdio)

As mulheres usam a inteligência artificial 25% menos que os homens. Este dado, da pesquisa “Evidências Globais sobre Lacunas de Gênero e IA Generativa”, conduzida pelo professor associado da Harvard Business School Rembrand Koning e por colegas da Universidade da Califórnia em Berkeley e da Universidade de Stanford, chamou a atenção de Luana Ozemela, chief sustainability officer e VP de impacto e sustentabilidade no iFood Brasil, durante sua visita em um congresso nos Estados Unidos.

Recentemente, a executiva esteve na conferência bianual do Women in Public Policy (Mulheres em Políticas Públicas), da Universidade de Harvard, que ocorreu entre os dias 29 e 30 de abril. O evento, organizado pela professora Iris Bohnet, que estuda a relação entre gênero e tecnologia e trabalho, reuniu acadêmicos e especialistas de organizações internacionais e empresas para discutir temas relacionados à justiça, equidade e meritocracia no trabalho.

As razões que levam mulheres a usar menos a IA não são tão simples quanto falta de preparo ou capacidade técnica. Nesta conversa, Luana Ozemela explica os motivos que justificam este menor uso da ferramenta, as consequências e soluções para mitigar esse gap.

Meio & Mensagem – No congresso Mulheres em Políticas Públicas, da Universidade de Harvard, você entrou em contato com uma discussão sobre o uso da inteligência artificial pelas mulheres. O que foi debatido?

Luana Ozemela – Uma das pesquisas citadas no evento foi um estudo recente da própria Harvard Business School, publicado no ano passado. Eles fizeram uma avaliação sistemática de quase 20 estudos, com análises de diferentes contextos: estudantes, pessoas do mundo corporativo, países diversos. O levantamento mostra que as mulheres tendem a usar cerca de 25% menos IA do que os homens. E o mais interessante é a explicação para isso. No mundo corporativo, a resposta mais óbvia costuma ser: “se não usa, é porque falta capacitação”. Então a solução automática seria treinamento, como se fosse um problema técnico. Mas o estudo mostra que não é esse o problema. O que aparece é o que eles chamam de “fierce ambivalence”, que eu traduzo como um conflito interno profundo. É uma mistura de conflitos relacionados, primeiro, à percepção sobre desempenho: “como as pessoas vão avaliar a minha performance se eu usar IA?” E, segundo, à confiança na tecnologia: “como os meus dados vão ser usados? Será que é seguro mesmo?” E isso é estrutural, moldado pelo ambiente e pela sociedade.

Meio & Mensagem – E por que esse comportamento é comum entre as mulheres?

Luana – Existe uma evidência consistente de que as mulheres tendem a ter um nível de autojulgamento muito maior em relação à própria entrega. A barra é sempre mais alta. Mesmo que o estudo não tenha trazido o recorte racial, tendo a pensar que isso pode ser semelhante ou até mais profundo quando falamos de mulheres negras, porque já existem desafios estruturais anteriores que se conectam agora a essa nova ferramenta. A inteligência artificial acaba sendo percebida como uma maneira “mais fácil” de chegar a um resultado, e isso ativa um julgamento interno: “será que as pessoas vão achar que eu usei ChatGPT e, por isso, vão questionar minha capacidade cognitiva ou minha excelência?”

Esse julgamento é moldado pelas experiências que tivemos na sociedade e pela forma como historicamente mulheres e grupos discriminados foram colocados no mercado de trabalho. Ainda não existe exatamente esse termo na literatura, mas entendo isso como um conflito interno profundo vivido historicamente por grupos discriminados, excluídos e subestimados no mercado de trabalho. Isso é interessantíssimo porque provoca as empresas a pensarem em estratégias estruturais diferentes. Não é simplesmente oferecer capacitação. O desafio passa a ser pensar em outras soluções para promover mais equidade no uso e na implementação de IA entre mulheres e pessoas negras.

M&M – Quais seriam as consequências desse menor uso da IA entre as mulheres?

Luana – Se a IA realmente consegue aumentar a produtividade dos trabalhadores, e a expectativa é que consiga potencialmente em pelo menos 20% ao longo da próxima década, então existe um impacto econômico enorme caso parte da força de trabalho fique para trás. E, se as mulheres representam cerca de 50% da força de trabalho e existe um gap estrutural no uso dessas ferramentas, isso significa que podemos ter uma enorme quantidade de dólares em produtividade perdida. Já sabemos que existe ganho de produtividade com o uso de IA. Então, não faz sentido um grupo inteiro de trabalhadores perder esse potencial devido a questões ligadas à confiança e a uma percepção moldada socialmente de que serão mais julgadas pelas próprias capacidades. Ou seja, se empresas e países não fizerem nada para identificar esses gaps estruturais de gênero e raça, criar soluções, testar incentivos e olhar para isso com essa lente específica, a consequência vai ser perda real de produtividade.

M&M – Quais soluções poderiam mitigar esse problema?

Luana – No tema da confiança na própria capacidade de usar IA, uma coisa que o estudo mostra é que, quando as mulheres já têm um nível de senioridade mais técnico, por exemplo, quando estão em posições de liderança em departamentos de tecnologia, o gap praticamente desaparece. Isso acontece porque essas mulheres já são mais experientes, já tiveram mais exposição à tecnologia ao longo do tempo. Agora, quando falamos de mulheres cuja carreira não é necessariamente em tecnologia, mas que precisam usar IA para potencializar o próprio trabalho, aí sim o gap aparece. Então, o caminho passa muito mais por exposição do que por capacitação. É preciso criar mais oportunidades de exposição e incentivos ao uso, para que exista familiaridade e aumente a confiança na própria capacidade de usar IA. Inclusive, alguns estudos citados mostram que a exposição e o incentivo aumentam a autoconfiança no uso dessas ferramentas. Então, talvez seja o caso de pensar em soluções e políticas corporativas voltadas para isso. No iFood, por exemplo, a gente fez muitos hackathons internos. E foi muito interessante porque vimos muitas mulheres de diferentes áreas participando. O que fizemos foi encorajar as pessoas a pensarem em como a IA poderia melhorar o dia a dia delas, sob uma lógica de resolução de problemas.

Por outro lado, existe a questão da segurança da informação. Acho que o caminho passa por começar com ambientes muito controlados, em que as empresas consigam garantir que aquele ambiente é seguro. Isso também é algo que fazemos bastante. Os modelos de IA operam dentro de ambientes controlados, usando dados protegidos e estratégias de cibersegurança bem definidas. E é importante comunicar isso para toda a empresa, para gerar confiança. Ao mesmo tempo, é preciso desencorajar exposição indevida de dados e reforçar essa mentalidade de proteção da informação, para que isso não se torne um ponto de vulnerabilidade nem para a empresa, e nem para o próprio colaborador. Então, acredito que existem caminhos promissores nesses dois lados: aumentar exposição e confiança no uso, e ao mesmo tempo fortalecer a percepção de segurança. Ainda são soluções que precisam ser testadas, mas acho que podem funcionar muito bem.

M&M – E o que a pesquisa revela sobre os homens neste cenário?

Luana – Um dos resultados apresentados mostra que os homens estão mais preocupados do que as mulheres com o impacto da IA nos salários e com a possibilidade de perderem seus empregos por causa da tecnologia. E isso é muito contraintuitivo, porque justamente o grupo que mais usa IA é também o que demonstra mais receio de ser substituído ou impactado por ela. Acredito que exista uma relação de mão dupla. Talvez o medo de perder o emprego incentive mais o uso da tecnologia. Ou talvez o uso intenso também aumente a percepção sobre os riscos. Pode ser uma dinâmica de reforço mútuo.

M&M – Quais seriam os próximos passos ideais? 

Luana – O mais importante é entender que o grupo que hoje menos usa, as mulheres, talvez não esteja deixando de usar por falta de preocupação, mas porque existe um obstáculo estrutural e psicológico. E essa barreira pode acabar se materializando, mais à frente, em um gap salarial ainda maior. Porque, se a IA impacta diretamente produtividade, então uma adoção mais ampla também significa potencialmente mais produtividade, mais competitividade e melhores ganhos. Então, é muito importante que as mulheres não fiquem para trás nesse processo. Por isso, a gente precisa enfrentar esses conflitos internos com muita ciência e muitos testes. Porque o objetivo é justamente evitar uma trajetória futura de aumento dos gaps salariais.

Tem um outro ponto que, para nós, é prioridade absoluta: garantir mais mulheres em tecnologia. Porque não basta apenas usar IA, é preciso que mulheres estejam desenvolvendo e implementando esses modelos. Já tivemos aprendizados importantes no passado que mostram o impacto da falta de diversidade no desenvolvimento tecnológico. Existem pesquisas, como um estudo da Universidade de Stanford publicado em 2020, sobre como sistemas de reconhecimento de voz tiveram pior desempenho com pessoas negras porque havia poucas pessoas negras envolvidas no treinamento desses modelos. O timbre da voz negra tem especificidades, e os sistemas acabaram não sendo calibrados adequadamente. Então, para nós, no iFood, é uma prioridade que mulheres e pessoas negras estejam produzindo tecnologia. Existe uma agenda muito intencional de representatividade feminina, especialmente na área de tecnologia, justamente porque entendemos o impacto que isso tem na construção dos modelos e no futuro da própria IA.