A epistemologia feminista propõe o conceito de “ponto de vista feminista” como uma ferramenta crítica capaz de revelar que a objetividade científica é, na verdade, construída a partir de posições sociais específicas, geralmente masculinas, brancas e ocidentais, que foram naturalizadas como universais.

A crítica feminista à IA não se reduz a um apelo à inclusão de mulheres no campo tecnológico, mas sim à reestruturação profunda das bases epistemológicas e políticas que sustentam a produção. Trata-se de questionar quem define o que é inteligência, quem projeta os sistemas, com quais dados, com quais objetivos e a serviço de quais interesses. É nesse horizonte que se coloca a relevância de um projeto de IA feminista e decolonial, que reconheça os marcadores de gênero, raça, classe e território como elementos estruturantes na concepção, desenvolvimento e aplicação das tecnologias.

Por Mirlene Fátima Simões Wexell Severo

O conceito de modernidade, historicamente constituído nos países latino-americanos como sinônimo de progresso, foi também uma estratégia ideológica de colonização nos séculos XVII e XVIII. A modernidade europeia se apresentou como parâmetro civilizatório, relegando aos trópicos à condição de atraso. Esse paradigma sustentou desigualdades sociais profundas e consolidou o patriarcado como estrutura dominante nas relações de gênero.

A divisão racial do trabalho estabelecida no período colonial na América Latina serviu de modelo extrativista para outros países. Os brancos na estrutura de mando das relações econômicas, concentrando o poder e as tecnologias, e os negros e indígenas como escravos e serviçais. Para as mulheres indígenas e negras deste período colonial, imposições de controle e restrição ao mundo privado foi a regra. Além disso, “al control sobre el sexo y sus recursos y productos es una cuestión ideológica presentada ideológicamente como biológica” (Lugones, 2008), que subverteram as práticas dos povos aqui sediados pela lógica cristã europeia.

A colonialidade está presente nas formas com que nos organizamos, no nosso dia a dia, na educação e na cultura. Quando ela se fez, de forma impositiva e violenta, seus reflexos se esparramaram, nossas histórias de origem ficaram em sombras no passado.

Este colonialismo e sua ligação direta com a ‘modernidade’ assume novas técnicas e ferramentas em tempos atuais, mas seu efeito devastador sobre a diversidade humana e sobre as mulheres, em particular, continua sendo perverso.

A inteligência artificial é o novo modelo de colonização, IAs importadas de diferentes países, em especial dos EUA e da Europa, conduzem setores de serviços, espaços educacionais, atendimentos governamentais e, pouco a pouco, perdemos nossas referências latino-americanas. No Brasil, somente em 2024 se estruturou um Plano Brasileiro de Inteligência Artificial (PBIA), que ainda caminha a passos lentos na reflexão sobre a constituição de IAs genuinamente nacional e públicas.

Somado a este problema de importação de tecnologias que refletem aspectos culturais que não são os nossos, as IAs são parte da criação humana, direcionadas e testadas por humanos. Estes, assim como na divisão racial do extrativismo e da divisão do trabalho nos séculos XVII e XVIII, impõem seu modo de pensar e sua cultura por meio da IA. Racismo, machismo, e outros preconceitos acerca de grupos minoritários são frequentemente denunciados e acontecem de forma recorrente.

Em todas suas esferas, da idealização à prática, as tecnologias de inteligência artificial são métodos testados e aferidos em ambientes científicos. Aliás, na década de 1980 alguns programas internacionais ligados às universidades e laboratórios de desenvolvimento de IAs foram desativados dada a condição irreal que o mercado aferiu à estes grupos, tentando à época insuflar e acelerar a produção de IAs para muito além do que os cientistas tinham a oferecer. Isso aconteceu em grande escala nos EUA, e foi este o primeiro momento internacional conhecido como ‘inverno das IAs’, ou seja, momento de baixa na produção acadêmica internacional e nos investimentos relacionados às IAs. ( Bostrom, 2014)

Por isso que cabe de forma precisa e contundente as críticas feministas à inteligência artificial. Estas emergem especialmente como parte das críticas à noção de uma ciência neutra e objetiva. Argumenta-se que a ciência tradicional excluiu as mulheres do debate epistemológico, mantendo-se um campo dominado por homens brancos europeus e norte-americanos (Harding, 2008; Liboiron, 2021; Tall Bear, 2013; Jansen, 1988; Suchman, 1987; Turkle, 1984).

A epistemologia feminista, conforme delineada por autoras como Sandra Harding (2008), propõe o conceito de “ponto de vista feminista” como uma ferramenta crítica capaz de revelar que a objetividade científica é, na verdade, construída a partir de posições sociais específicas, geralmente masculinas, brancas e ocidentais, que foram naturalizadas como universais.

Inteligência artificial feminista: origens e desafios contemporâneos

A noção de ‘IA feminista’ tem origem no trabalho de Alison Adam (1995), que, ainda nos anos 1990, já defendia a necessidade de o feminismo se engajar na construção da inteligência artificial. Para ela, era preciso desfazer o paradigma racionalista da IA, historicamente baseado na ideia do “masculino como norma” – um conhecimento supostamente institucional e universal, aquilo que Haraway (1988) denominou como o “truque de Deus” de ver tudo de lugar nenhum. Adam levanta questões fundamentais: como levar em consideração gênero, raça e classe no desenho todo de IAs?

Além disso, a autora denuncia os limites das soluções tecnoliberais, que procuram resolver problemas sociais, políticos e culturais complexos por meio de recursos técnicos. Para ela, é necessário discutir o projeto político por trás da IA: para que ela serve e para quem será destinada. Kamran (2025) reforça essa perspectiva, alertando que a questão central não é apenas corrigir desigualdades pontuais, mas enfrentar as estruturas de exclusão.

Com os massivos investimentos internacionais em IA a partir de 2012, a crítica feminista foi retomada com força. Essa crítica, que tem raízes nos trabalhos de Evelyn Fox Keller, Sandra Harding e Donna Haraway, já citadas anteriormente, questiona a noção de objetividade científica. As autoras destacam que todo conhecimento é social e historicamente situado, nascendo das experiências e motivações particulares de quem pesquisa.

Apoiando-se nestas teses mas com o olhar a partir da América Latina, Barranco (2022), Segatto (2012), Lugones (2010), Anzaldúa (2016), Cusicanqui (1990) e Gonzalez (2020), reforçam suas críticas ao sistema econômico e suas ramificações que se interconectam, em grande parte, aos conceitos anti-colonial e descolonial. Tais teses aportaram um novo paradigma acerca dos métodos de estudo e pesquisa científicos.

Toupin (2024) argumenta que os fundamentos para uma IA feminista, conforme delineados por Adam, ainda são frágeis e contraditórios. Para Toupin (2024), é necessário repensar seis dimensões: modelo, design, política, discurso, cultura e ciência. A coleta de dados deve ocorrer de forma colaborativa e em grupos genuinamente feministas, que garantam a representatividade de negras, indígenas, jovens, idosas, árabes e outras.

Para Toupin, a formulação das IAs ainda apresenta mais um problema de grande proporção: o processo de rotulagem e prospecção de dados, muitas vezes conduzido por empresas privadas de forma precária, é tendencioso, mal pago e recheado de vieses. Assim como descreve: “[…] o produtivismo, […] têm resultado no predomínio de uma voz única, dissimulando soluções e induzindo usuários ao erro” (Toupin, 2024).

Nesse sentido, a participação ativa de comunidades de mulheres é essencial. Ainda que muitas não tenham familiaridade com programação ou com a lógica da IA, sua presença reduz os impactos excludentes dos sistemas. Pesquisas internacionais corroboram essa tese (Meinders et al., 2020).

O capital privado, que tem financiado o desenvolvimento de IAs desde a década de 2010 de forma massiva, impulsiona a lógica da lucratividade em detrimento da equidade, acentuando preconceitos estruturais. Essa lógica impacta ainda mais as mulheres latino-americanas, que enfrentam barreiras culturais e de reconhecimento em um cenário em que a maioria das IAs é projetada no Norte Global e utilizada no Sul Global, carregando consigo os preconceitos sistêmicos de gênero, raça e classe.

A crítica feminista alerta que a tecnologia carrega símbolos e condições sociais de seus produtores. Por isso, o caráter masculino é constantemente reproduzido. Atanasoski e Vora (2019) classificam como “tecnoliberal” a ideologia que associa tecnologia à liberdade e a um futuro pós-racial e pós-trabalho. Para elas, o feminismo deve propor uma abordagem descolonizadora, que não apenas corrija efeitos, mas enfrente as causas das desigualdades. E novamente recorremos a Toupin (2024) para  complementar esta afirmação: “O que poderia ser uma inteligência descolonial (artificial) feminista se não for um projeto liberal inclusivo? (…) nossa sofisticação reside no conhecimento descolonial feminista de resistir e reimaginar o mundo.” (Toupin, 2024).

Projetos de IA feminista já existem em diferentes territórios do Sul Global, embora ainda de pequeno alcance. A ampliação da participação de mulheres de diversas classes e origens é imprescindível para superar desigualdades e ampliar o impacto dessas iniciativas. A IA feminista pode ser instrumento de ativismo, mas requer o fortalecimento de movimentos e a criação de redes para promover liberdade e justiça digital.

Críticas estruturais: colonialismo na IA

As IAs estão em todas as esferas: econômica, política, segurança, e têm contribuído para a reprodução de sexismo, racismo, colonialismo e desigualdades econômicas. A posse e o controle de tecnologias sempre foram instrumentos de poder, como evidenciado historicamente, por exemplo, na circulação e controle clerical dos livros na Idade Média, restringindo o conhecimento à elite monárquica da época. Hoje, as IAs replicam preconceitos e operam como ferramentas de controle social.

Consolidando-se como uma tecnologia de dupla face: promove inovação, mas simultaneamente cristaliza hierarquias sociais históricas. Sua inserção não é neutra, e promove manutenção e amplificação de desigualdades. Sistemas algorítmicos de crédito, por exemplo, reproduzem sexismo ao negar empréstimos a mulheres solteiras (Buolamwini, 2018); ferramentas de reconhecimento facial perpetuam racismo ao falhar massivamente com rostos negros (Noble, 2018); e plataformas de trabalho digital reutilizam lógicas coloniais ao explorar mão de obra subalterna no Sul Global (Sassen, 2019).

Governos autoritários utilizam sistemas preditivos para perseguir dissidentes, enquanto corporações monitoram comportamentos para extração maximalista de dados (Zuboff, 2019). O resultado é uma arquitetura de opressão em escala inédita: reforçam assimetrias de gênero, raça e classe, transformando preconceitos em códigos aparentemente irrefutáveis.

Kamran (2025) alerta que as IAs “são financiadas estrategicamente, habilmente desenvolvidas com um propósito e intencionalmente implantadas por governos e corporações sem responsabilidade significativa para com as pessoas que afetam”. Reforçando esta tese, Birhane (2023) considera que fazer IAs éticas e socialmente responsáveis passa por uma mudança profunda, com debate público. Hoje o que tem se colocado como solução ao desenvolvimento de IAs são debates técnicos, e estes ignoram os problemas estruturais mais profundos.

O modelo ocidental-capitalista de IA desconsidera saberes comunitários e se sustenta na exploração do Sul Global. Sassen (2015, 2019) documenta os impactos da extração de trabalho e de recursos minerais necessários ao desenvolvimento dessas tecnologias. Segundo esta autora, o sistema capitalista e neoliberal criou formas de exclusão em países da América Latina, África e Oceania, onde a terra, os recursos naturais e as pessoas são tratados como descartáveis.

Kamran (2025) radicaliza na definição dos modelos e abordagens que uma outra IA, com direcionamento feminista, tem que sustentar. Para esta autora, “uma abordagem feminista de direitos digitais para a IA (…) deve visar à transformação, e não à assimilação”. Sendo assim, soluções técnicas e simples inclusões de termos ou segmentos não ampara toda a diversidade e crítica feminista que é necessária para a inclusão de mulheres no universo das inteligências artificiais.

A proposta de uma IA feminista articula justiça de gênero, direitos digitais, justiça ambiental e justiça trabalhista, ancorando-se na interseccionalidade e na representação plural. Para isso, é essencial apoiar iniciativas feministas que atuem pela regulamentação e transformação dessas tecnologias. Como destaca Kamran (2025) “a inovação tecnológica, sem justiça, apenas aprofunda a desigualdade. (…) Deve se tratar de priorizar o cuidado em vez do controle, a justiça em vez da eficiência e o poder coletivo em vez do monopólio corporativo.”

Princípios para uma IA feminista decolonial

Na lógica de se criar sistemas alternativos às IAs predominantemente desenvolvidas em ambientes privados, Felice (2025) argumenta que a viabilidade se dá em construir IAs com abordagens feministas, que apresentem solução para além do caráter técnico, com processos de construção coletiva dando atenção à transdisciplinaridade e à colaboração.

Romero-Domínguez (2024) ressalta que dados abertos, IA e gênero percorrem trajetórias distintas, raramente convergentes. Por isso, é urgente incluir igualdade de gênero como diretriz pública em tecnologias emergentes. Proposições elaboradas pela Unesco (2024) e pela União Europeia (2025) estão com esses encaminhamentos.

A definição pela atuação feminista desde a concepção das IAs pode mitigar desigualdades mas, para isso, é essencial que os sistemas de aprendizado de máquina sejam projetados para reconhecer diferenças – e não para reforçá-las. Manasi et al. (2022) alertam que 90% dos dados usados no treinamento de IAs foram coletados apenas nos últimos dois anos e carregam viéses na seleção dos dados de entrada. Assim, algoritmos replicam discriminações humanas, reforçando desigualdades.

Segundo a Unesco (2024), apenas 12% dos pesquisadores em IA são mulheres, e elas representam apenas 6% dos desenvolvedores de software, com 13 vezes menos chance de registrar patentes em TIC do que homens. Essa disparidade revela uma polarização territorial e de poder no campo da IA, definida por muitos autores como “colonialismo digital”. Nos EUA se concentram as principais redes desenvolvedoras de IA, que dominam o mercado da América Latina e Caribe. Iniciativas críticas feministas ainda são raras, especialmente no Sul Global.

Nesse sentido, a IA, enquanto campo emergente e profundamente modelado por pressupostos técnicos e epistemológicos da ciência tradicional, herda e reproduz essas assimetrias. Lucy Suchman (1987) e Sherry Turkle (1984) já demonstravam, ainda nas fases iniciais do desenvolvimento da IA, como os modelos de cognição artificial estavam baseados em idealizações masculinas do racionalismo cartesiano, ignorando aspectos relacionais, contextuais e afetivos da inteligência humana. Da mesma forma, autores como Max Liboiron (2021) e Jansen (1988) reforçam que a tecnociência não é neutra, mas profundamente imbricada em regimes de dominação que operam por meio da exclusão, da hierarquização e da normatização de corpos e saberes.

Portanto, a crítica feminista à IA não se reduz a um apelo à inclusão de mulheres no campo tecnológico, mas sim à reestruturação profunda das bases epistemológicas e políticas que sustentam a produção. Trata-se de questionar quem define o que é inteligência, quem projeta os sistemas, com quais dados, com quais objetivos e a serviço de quais interesses. É nesse horizonte que se coloca a relevância de um projeto de IA feminista e decolonial, que reconheça os marcadores de gênero, raça, classe e território como elementos estruturantes na concepção, desenvolvimento e aplicação das tecnologias.

Reimaginar a tecnologia

A IA feminista deve priorizar, assim como referenciado anteriormente e adotado aqui neste artigo (Kamran, 2025; Toupin, 2024), o modelo coletivo, público e feminista em detrimento do controle e aos monopólios privados de desenvolvimento de IAs. Iniciativas como o INCT Caleidoscópio, que objetiva instituir uma incubadora social feminista com foco na formação crítica e tecnológica em inteligência artificial, está descrito neste contexto. 

Mirlene Fátima Simões Wexell Severo é doutora em sociologia pela Unesp e realiza pós-doutorado no Núcleo de Estudos de Gênero Pagu – Unicamp, junto ao INCT Caleidoscópio.

Referências
Adam, A. Artificial knowing: gender and the thinking machine. 1st Edition. Londres: 1998.
Anzaldúa, G. La frontera: La nueva mestiza. Tradução: Carmen Simon. Madrid: Capitán Swing, 2016.
Araujo, D. C. Feminismo e cultura hacker: Intersecções entre política, gênero e tecnologia. Tese de doutorado. Unicamp, 2018. Disponível em: https://repositorio.unicamp.br/acervo/detalhe/996067
Atanasoski, N.; Vora, K. Surrogate humanity: Race, robots, and the politics of technological futures. Duke University Press, 2019. https://doi.org/10.2307/j.ctv1198x3v
Barrancos, D. História dos feminismos na América Latina. Tradução Michelle Strzoda. Rio de Janeiro: Bazar do Tempo, 2022.
Benjamin, R. Race after technology: Abolitionist tools for the new Jim code. London: Polity Press, 2019.
Birhane, A.; Dingemanse, M.et al. “Beyond single-mindedness: A figure-ground reversal for the cognitive sciences”. 10 Jan. 2023. https://doi.org/10.1111/cogs.13230
Bostrom, N. Superintelligence: Paths, dangers, strategies. Oxford University Press, 2014.
Buokamwini, J.; Gebru, T. “Gender shades: intersectional accuracy disparities in commercial gender classification”. Proceedings of machine learning Research, 81:1-15, 2018.
Cusicanqui, S. R. “La Mujer andina en la historia”. Cuadernos de formação, n. 2. Univ. Mayor de San Andrés; THOA, 1990.
Felice, M. C. et al. “Doing the feminist work in AI: Reflections from an AI project in Latin America”. CHI ’25, Yokohama, Japan, April 26–May 01, 2025. https://dl.acm.org/doi/pdf/10.1145/3706598.3713681
Golinski, J. Making natural knowledge: Constructivism and the history of science. University of Chicago Press, 2002.
González, L. Por um feminismo afro-latino-americano: Ensaios, intervenções e diálogos. Rio de Janeiro: Zahar, 2020.
Kamran, H. “Resisting extraction and centring justice in feminist futures for AI”. GenderIT, jun. 2025. https://genderit.org/index.php/feminist-talk/resisting-extraction-and-centring-justice-feminist-futures-ai
Lugones, M. “Colonialidad y género”. Tabula Rasa, Bogotá, No.9: 73-101, jul-dez. 2008.
Lugones, M. “Toward a decolonial feminism”. Hypatia, vol. 25, n. 4, 2010, pp. 742-759.
Manasi, A. et al. “Mirroring the bias: gender and artificial intelligence”. Gender, technology and development, 26:3, 295-305, 2022. DOI: 10.1080/09718524.2022.2128254
Noble, S. U. Algorithms of oppression: How search engines reinforce racism. New York: NYU Press, 2018.
Onuki, J. A perspectiva de gênero em ciência, tecnologia e inovação no Sul Global: uma análise da Fapesp. Resergate: 2022.
Romero-Domínguez, L. R. et al. “Exploring stereotypes, bias, and expectations of women in the open data context”. 12 jun. 2024. DOI: 10.1080/09718524.2024.2354103
Sassen, S. Expulsões: brutalidade e complexidade na economia global. São Paulo: Saraiva, 2015.
Sassen, S. “Predatory formations dressed in Wall Street suits and algorithmic math”. Science, Technology and Society, 2019.
Schiebinger, L. O feminismo mudou a ciência? Trad. Raul Fiker. Bauru: Edusc, 2001.
Scott, J. Gender and the politics of history. Columbia University Press, 1988.
Segato, R. L. “Género y colonialidad: en busca de claves de lectura y un vocabulario estratégico decolonial”. Cadernos CES, n. 18, 2012.
Toupin, S. “Shaping feminist artificial intelligence”. New Media & Society, 26(1), 580–595, 2024. DOI: 10.1177/14614448221150776
Unesco. La Unesco en acción por la igualdad de género. Paris: Unesco, 2024.
Zuboff, S. The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York: PublicAffairs, 2019.