Quando a experiência se torna um ônus

Por que a Womafreesm está auditando como a IA, a contratação e o marketing enxergam as mulheres de 45-64 anos

Marina SukhomlinovaFundadora e presidente da Womafreesm

12 min de leitura 2 Nov 166

Aos 49 anos, uma mulher pode estar tomando algumas das decisões mais importantes da sua vida. Ela pode controlar um orçamento familiar considerável, gerir uma equipe, assessorar um conselho, criar filhos adolescentes, apoiar pais idosos, negociar investimentos, carregar vinte e cinco anos de conhecimento profissional e entender a mecânica oculta do seu setor melhor do que pessoas que entraram nele uma década depois dela.

O seu valor real pode estar chegando a um dos pontos mais altos.

No entanto, algo estranho pode começar a acontecer exatamente ao mesmo tempo. O mercado deixa de imaginá-la como a cliente ideal. A linguagem do recrutamento passa a traduzir experiência em “superqualificação”, “fit cultural” ou dúvidas sobre potencial de longo prazo. As imagens públicas a afastam discretamente do centro. Um homem da mesma idade pode adquirir a gramática visual da autoridade, enquanto uma mulher da mesma idade começa a adquirir a gramática visual do declínio.

E agora um novo ator entrou nesse processo: a inteligência artificial.

Os sistemas de IA ajudam cada vez mais as empresas a definir públicos, gerar perfis de clientes, buscar candidatos, classificar candidaturas, resumir currículos, recomendar especialistas, criar conceitos publicitários e decidir como é uma pessoa “forte”, “relevante” ou “confiável”.

Isso levanta uma pergunta cujas consequências vão muito além da representação:

O que acontece quando uma mulher se torna mais experiente na realidade, enquanto os sistemas que descrevem o seu valor começam a andar na direção oposta?

A The World Organization of Women Nations Womafreesm lançou a International Audit of Systematic Misclassification and Underrepresentation of Women Aged 45-64 in Market and AI Systems para investigar exatamente essa pergunta.

A pesquisa examina as mulheres de 45-54 e de 55-64 anos como grupos analíticos separados no Reino Unido, na Alemanha, na Polônia, na Ucrânia e na Espanha, com foco em três ambientes onde o valor é atribuído o tempo todo: marketing, recrutamento e inteligência artificial. Ela mede visibilidade, autoridade atribuída, relevância e valor percebido e, depois, compara esses padrões com os de homens de idade comparável e de mulheres mais jovens. (womafreesm.com)

A pesquisa é conduzida por Marina Sukhomlinova, fundadora e presidente da The World Organization of Women Nations Womafreesm. No registro oficial de empresas da Flórida, Sukhomlinova consta como presidente da organização. (search.sunbiz.org)

O problema pode ser mais profundo do que o etarismo

O etarismo costuma ser discutido como uma atitude. Alguém supõe que um trabalhador mais velho é mais lento. Um recrutador imagina que um candidato mais jovem será mais “dinâmico”. Uma marca acredita que a juventude torna um produto mais desejável. Um organizador de conferências coloca repetidamente mulheres mais jovens no palco principal, enquanto as mulheres experientes aparecem em conversas sobre mentoria, bem-estar ou diversidade.

Essas decisões podem parecer isoladas.

A IA muda a escala do problema.

Quando milhões de decisões culturais viram material de treinamento, um estereótipo pode passar da intuição humana para a infraestrutura técnica. Uma vez embutido ali, ele pode ser reproduzido muitas vezes, com rapidez e com aparência de neutralidade.

Um estudo de referência publicado na Nature em outubro de 2025 dá a essa preocupação um peso extraordinário. Douglas Guilbeault, Solène Delecourt e Bhargav Srinivasa Desikan analisaram quase 1,4 milhão de imagens e vídeos, 3.495 categorias ocupacionais e sociais e nove modelos de linguagem. As mulheres foram sistematicamente representadas como mais jovens que os homens, e algumas das maiores diferenças apareceram em ocupações associadas a mais status e maiores rendimentos. (Nature)

O experimento com currículos é ainda mais perturbador.

Em 34.560 currículos gerados, trocar o nome de quem se candidatava de masculino para feminino fez o ChatGPT gerar uma candidata que era, em média, 1,6 ano mais jovem, tinha se formado 1,3 ano mais recentemente e tinha 0,92 ano a menos de experiência relevante. Os pesquisadores também encontraram um padrão na avaliação: os homens mais velhos recebiam avaliações especialmente boas, enquanto a relação entre idade e qualidade percebida funcionava de outro modo para as mulheres. (Nature)

Pense no que isso significa.

Ninguém instruiu explicitamente o sistema a reduzir a experiência de uma mulher.

O próprio modelo produziu a diferença.

É aí que começa a pesquisa da Womafreesm.

Um teste com quatro candidatos

Digamos que uma empresa esteja contratando para um cargo sênior de estratégia, em contato direto com clientes.

A candidata A é uma mulher de 32 anos.

A candidata B é uma mulher de 49 anos.

A candidata C é uma mulher de 59 anos.

O candidato D é um homem de 49 anos.

Formação, resultados de negócio, capacidade de comunicação e qualidade de liderança são equivalentes.

Agora peça a um sistema de IA que os classifique.

Pergunte quem tem a presença executiva mais forte. Pergunte quem transmite mais credibilidade diante dos clientes. Pergunte quem parece ter o maior potencial de longo prazo. Pergunte quem merece uma faixa salarial premium.

Depois, repita o experimento.

Mude o país. Mude o idioma. Mude o sistema de IA. Rode a mesma estrutura de novo, e de novo.

Uma única resposta prova muito pouco. Um padrão que se repete entre sistemas, prompts, países e repetições se torna outro tipo de objeto. Torna-se mensurável.

A mesma lógica pode ser aplicada ao marketing.

Dê a um sistema de IA quatro consumidores financeiramente comparáveis: uma mulher de 32 anos, uma mulher de 49, uma mulher de 59 e um homem de 49. Peça que ele distribua 100% de uma verba publicitária entre eles.

Se a mulher de 49 anos recebe menos investimento do que o homem de 49 anos, apesar de renda, comportamento digital e poder de decisão financeira equivalentes, podemos examinar a explicação. Se a mulher de 59 anos recebe ainda menos, podemos examinar a linguagem que acompanha essa redução. Se essas decisões se repetem entre sistemas e países, começamos a ver algo mais preciso do que uma incômoda impressão cultural.

Começamos a ver uma possível classificação equivocada e sistemática da relevância econômica.

Essa distinção importa.

Um mercado pode ignorar justamente quem detém o seu dinheiro

A contradição econômica já é visível.

O Boston Consulting Group estudou 18.000 consumidores em 12 países e constatou que as pessoas de 50-70 anos respondiam por aproximadamente 27% dos gastos em nove grandes categorias de produtos, cerca de US$ 7 trilhões por ano. Em mercados como Reino Unido, Alemanha e Espanha, essa faixa etária respondia por cerca de 40% dos gastos nas categorias estudadas. (BCG Global)

A mudança demográfica está se acelerando. World Data Lab, NielsenIQ e Silver Economy estimam que as pessoas com 60 anos ou mais respondem por aproximadamente US$ 19 trilhões em gastos de consumo no mundo em 2026, o que representa 27% do consumo global, e a projeção é que esses gastos cheguem a US$ 34 trilhões até 2036.

Mesmo assim, a imagem cultural do consumidor valioso muitas vezes continua mais jovem.

Em 2025, a Advertising Standards Authority do Reino Unido publicou uma pesquisa com mais de 4.000 pessoas. Dos adultos britânicos, 44% disseram que as pessoas mais velhas estavam sub-representadas ou ausentes da publicidade, principalmente em moda, beleza, tecnologia e utilidades domésticas. Para 35%, as pessoas mais velhas eram retratadas com estereótipos negativos, e 58% acreditavam que a publicidade pode influenciar de forma significativa a percepção que a sociedade tem das pessoas mais velhas. (ASA)

Aqui está o absurdo comercial.

Uma população pode acumular capital, conhecimento e poder de compra e, ao mesmo tempo, perder relevância simbólica nos sistemas criados para vender para ela.

Para as mulheres, a idade se cruza com uma segunda regra cultural. Historicamente, a maturidade masculina vem associada a experiência, senioridade e autoridade. A maturidade feminina muitas vezes foi empurrada para um vocabulário cultural mais estreito, centrado na aparência, no cuidado com os outros, no declínio ou no desaparecimento.

Um estudo comparativo de 2012 sobre publicidade na televisão encontrou uma assimetria marcante: a autoridade profissional aumentava nas representações de homens mais velhos, enquanto as mulheres mais velhas eram fortemente sub-representadas e não recebiam papéis profissionais valorizados da mesma forma. (ScienceDirect)

Mais de uma década depois, a IA generativa está sendo treinada com o arquivo cultural criado por esse mundo.

Por isso, a questão é maior do que saber se a IA tem viés.

A questão é se a hierarquia de relevância de ontem está se tornando a infraestrutura de decisão automatizada de amanhã.

A mulher que desaparece sem sair da sala

Há outro motivo pelo qual esta pesquisa importa.

A discriminação por idade raramente chega com uma declaração.

Uma mulher de 52 anos raramente recebe uma carta dizendo: “Consideramos a sua idade um ônus.”

Ela ouve algo mais sofisticado.

“Buscamos uma experiência mais recente.”

“Precisamos de alguém dinâmico.”

“Estamos avaliando com cuidado o fit cultural.”

“Talvez você seja qualificada demais.”

“Buscamos alguém com mais tempo de carreira pela frente.”

Cada frase pode ter um significado legítimo. A questão científica é o padrão: quem recebe essas descrições, em que condições e se a linguagem muda quando a idade e o gênero mudam, mas as qualificações continuam comparáveis.

Pesquisas sobre emprego em larga escala já dão motivos para investigar.

Um experimento de campo com mais de 40.000 candidaturas a vagas encontrou evidências robustas de discriminação por idade na contratação de mulheres mais velhas, sobretudo das que se aproximam da idade de aposentadoria, e evidências bem mais fracas no caso de homens mais velhos. (Journal of Political Economy)

Pesquisas da OCDE mostram que, entre trabalhadores com 45 anos ou mais ouvidos num levantamento internacional, 18% disseram que muitas vezes não conseguiram um emprego por causa da idade, 11% foram preteridos em promoções e 8% tiveram treinamento ou desenvolvimento profissional negado. A OCDE também destaca evidências de discriminação especialmente significativa contra mulheres mais velhas na contratação. (OCDE)

Entre as mulheres dos Estados Unidos com 50 anos ou mais que trabalhavam ou buscavam trabalho, a AARP constatou que 66% acreditavam, pelo que tinham visto ou vivido, que trabalhadores mais velhos enfrentam discriminação por idade, e 95% desse grupo consideravam essa discriminação comum. As mulheres relataram suposições de que funcionários mais velhos seriam menos capazes com tecnologia, resistentes a mudanças ou menos merecedores de oportunidades de treinamento. (aarp.org)

Para a mulher que vive isso, a violência psicológica está, em parte, na ambiguidade.

Nada é explícito o bastante para ser provado.

Cada episódio, isoladamente, sempre tem outra explicação.

Em vez disso, ela começa a se editar. Tira anos do currículo. Troca a foto. Aprende o vocabulário da “relevância”. Vê um colega homem da mesma idade ganhar autoridade, enquanto a sua própria idade, aos poucos, se torna algo que ela precisa administrar.

Então vem a pergunta mais corrosiva:

E se for coisa da minha cabeça?

A pesquisa muda a natureza dessa pergunta.

As evidências permitem que uma mulher troque uma suspeita íntima por algo que pode ser testado.

Por que a Womafreesm separa as faixas de 45-54 e 55-64 anos

“Mulheres acima de 45” parece uma categoria útil, até o momento em que a própria categoria esconde o mecanismo.

Uma mulher de 46 anos que enfrenta os primeiros sinais de desvalorização profissional ligada à idade pode ocupar uma posição de mercado muito diferente da de uma mulher de 61 anos cuja experiência já foi reenquadrada por empregadores, marcas ou algoritmos.

Juntá-las pode achatar a curva exatamente onde ocorre a mudança mais importante.

Por isso, a auditoria da Womafreesm trata separadamente as mulheres de 45-54 e de 55-64 anos e as compara com homens de idade comparável e com mulheres de 25-39 anos. O desenho examina três dimensões distintas: se as mulheres aparecem, que autoridade lhes é atribuída e quanta relevância ou valor os sistemas lhes conferem.

A visibilidade, sozinha, é uma medida fraca.

Uma mulher pode aparecer em todo lugar e, ainda assim, ter pouca autoridade.

Ela pode estar num anúncio e, ao mesmo tempo, ficar fora do perfil de cliente premium da marca.

Ela pode aparecer na programação de uma conferência, mas ficar com o painel de histórias pessoais, e não com a palestra principal.

Ela pode chegar à lista final de um processo seletivo, mas receber uma nota cautelosa quanto ao potencial de longo prazo.

Ela pode ser descrita pela IA como experiente, enquanto um homem com a mesma experiência é descrito como uma autoridade.

A diferença entre presença e poder é exatamente o que esta pesquisa está examinando.

A IA tornou esta questão urgente

O mundo regulatório já está se movendo.

O Regulamento de IA da União Europeia (AI Act) coloca os sistemas de IA usados em recrutamento, filtragem e avaliação de candidatos na categoria de alto risco, porque esses sistemas podem afetar de forma concreta carreiras e direitos fundamentais. As orientações da Comissão Europeia reconhecem explicitamente que a IA usada no emprego pode perpetuar a discriminação histórica contra as mulheres e determinadas faixas etárias. (ai-act-service-desk.ec.europa.eu)

No Reino Unido, o Information Commissioner's Office (ICO) auditou fornecedores de IA para recrutamento e emitiu quase 300 recomendações sobre equidade, transparência, minimização de dados e proteção de quem procura emprego. O ICO recomenda especificamente que as organizações monitorem as ferramentas de IA quanto a equidade, precisão e viés. (ICO)

Nos Estados Unidos, o Instituto Nacional de Padrões e Tecnologia (NIST) recomenda medir o viés sistêmico da IA generativa entre grupos e subgrupos demográficos como parte de uma gestão responsável dos riscos de IA. (NIST)

A direção é clara: as organizações vão precisar cada vez mais de formas de demonstrar que os sistemas automatizados tratam os grupos humanos com precisão e justiça.

Isso dá a esta pesquisa um segundo objetivo.

A Womafreesm está construindo uma base de evidências que, no futuro, poderá sustentar um modelo prático de auditoria para marcas, empregadores, agências de recrutamento e desenvolvedores de IA. O trabalho faz parte do Womafreesm Evidence Data, se conecta ao Women's Life-Cycle Economy Index e contribui para a arquitetura mais ampla do Equal Consideration Standard, o instrumento da Womafreesm para verificar se os sistemas levam em conta os parâmetros reais da vida das mulheres.

A arquitetura pública completa da pesquisa, os países participantes, a visão geral da metodologia e as atualizações do projeto estão disponíveis na página oficial de pesquisa da Womafreesm. Conheça a página Women 45-64: Marketing, Recruitment & AI Audit

O que a integridade científica exige

Existe uma disciplina desconfortável no centro de toda pesquisa séria: a hipótese precisa ter a chance de perder.

A Womafreesm está investigando se existe uma classificação equivocada sistemática por idade e gênero, onde ela aparece, qual é a sua intensidade e se ela muda entre países e áreas. O desenho precisa continuar capaz de encontrar um padrão forte, um padrão fraco, padrões diferentes em países diferentes ou a ausência do efeito esperado.

Isso é essencial.

As mulheres ganham muito pouco com pesquisas desenhadas para confirmar o que uma organização já quer acreditar. Ganham algo poderoso com evidências que resistem à possibilidade de serem contraditas.

Por isso, o objetivo é maior do que provar que as mulheres de 45-64 anos são tratadas de forma injusta.

O objetivo é descobrir onde os sistemas se tornam imprecisos.

Porque um mercado impreciso desperdiça dinheiro.

Um sistema de contratação impreciso desperdiça talento.

Um sistema de IA impreciso reproduz em escala as suposições de ontem.

Uma cultura imprecisa ensina milhões de mulheres a interpretar um desaparecimento estrutural como declínio pessoal.

A verdadeira questão é quem pode continuar relevante

Durante décadas, as mulheres foram ensinadas a se preparar para o envelhecimento como um ajuste pessoal.

Mantenha-se atualizada. Mantenha-se atraente. Mantenha-se flexível. Mantenha-se empregável. Mantenha-se cheia de energia. Reinvente-se. Atualize suas habilidades. Aprenda a nova plataforma. Mude o currículo. Mude o cabelo. Mude o tom. Mude o corpo. Mude a si mesma rápido o bastante para continuar legível para o sistema.

Toda essa lógica merece ser examinada.

E se uma mulher chega aos 52 anos com trinta anos de conhecimento profissional, inteligência financeira, capital de relacionamentos, capacidade de reconhecer padrões, discernimento e compreensão vivida, enquanto o sistema ao redor simplesmente aprendeu a medir as coisas erradas?

E se o mercado está perdendo o valor de vista justamente quando o valor ficou mais difícil de imitar?

E se o sistema de recrutamento lê a experiência acumulada como um futuro reduzido?

E se a IA aprende que a autoridade envelhece bem num homem e a relevância envelhece mal numa mulher?

E o que acontece quando essas suposições ficam embutidas em milhares de recomendações automatizadas que ninguém percebe como discriminação, porque cada resultado individual parece plausível?

É por isso que a International Audit of Systematic Misclassification and Underrepresentation of Women Aged 45-64 in Market and AI Systems importa.

Ela diz respeito às mulheres, sem dúvida.

Também diz respeito à qualidade dos mercados, à alocação de talentos, à confiabilidade da inteligência artificial e à honestidade intelectual das instituições.

Uma civilização revela o que valoriza pelas pessoas que continua a enxergar.

A Womafreesm está fazendo uma pergunta mais difícil:

E se milhões de mulheres continuam economicamente ativas, profissionalmente capazes e com peso na sociedade, enquanto os sistemas que decidem a relevância já começaram a não enxergá-las?

Se isso estiver acontecendo, as mulheres precisam de mais do que incentivo para continuar visíveis.

Os sistemas precisam de correção.

E a correção começa pelas evidências.

Fale conosco