Inteligencia artificial e pessoas trans

A inteligencia artificial nao e neutra. Aprende com dados produzidos por seres humanos, reflete as estruturas sociais nas quais e desenvolvida e amplifica os padroes que encontra nos conjuntos de dados de treinamento. Para as pessoas trans, isso significa se deparar com uma tecnologia que pode ser tanto instrumento de libertacao quanto mecanismo de opressao — frequentemente ao mesmo tempo, na mesma plataforma, no mesmo algoritmo.

Um estudo de 2025 apresentado na ACM Conference on Fairness, Accountability, and Transparency (FAccT) mediu pela primeira vez as atitudes em relacao a IA nas populacoes marginalizadas dos Estados Unidos: as pessoas nao binarias obtiveram a pontuacao mais baixa em positividade em relacao a IA (3,84 em 7), seguidas pelas pessoas transgenero (4,12), contra uma media de 5,12 das pessoas cisgenero [1]. Nao e desconfianca generica. E o efeito cumulativo de experiencias concretas de discriminacao algoritmica.

Essa desconfianca tem bases fundamentadas. Mas a historia da IA e das pessoas trans nao e apenas uma historia de danos.

Os riscos: quando o algoritmo misgendra

Reconhecimento facial e classificacao binaria

A tecnologia de reconhecimento automatico de genero (Automated Gender Recognition, AGR) e talvez o exemplo mais evidente de como a IA pode ser estruturalmente incompativel com as identidades trans. Os sistemas AGR derivam o genero de tracos fisicos — a forma da mandibula, dos zigomas, a presenca ou ausencia de maquiagem — e o reduzem a uma classificacao binaria: masculino ou feminino. Uma investigacao da Quartz de 2019 testou os servicos de reconhecimento facial da Amazon, Microsoft e IBM em fotos de pessoas trans e nao binarias, encontrando taxas de erro significativamente mais altas em comparacao com pessoas cisgenero [5].

O problema nao e um defeito tecnico solucionavel com conjuntos de dados mais diversificados. Como destacou a Access Now em uma campanha conduzida com a All Out e com o apoio da pesquisadora Os Keyes, o proprio objetivo desses sistemas — classificar automaticamente o genero das pessoas a partir do rosto — e incompativel com os direitos fundamentais [2]. Nao se pode “consertar” uma tecnologia que nega a autodeterminacao por definicao. Nao basta adicionar uma terceira categoria: o principio em si de deduzir o genero a partir da aparencia fisica e errado.

E as consequencias nao sao abstratas. Os sistemas AGR sao utilizados na vigilancia publica, nos controles aeroportuarios, na verificacao de identidade para servicos financeiros. Uma pessoa trans que e misgendrada por um sistema automatico no aeroporto pode ser submetida a controles adicionais, interrogatorios e atrasos. Uma pessoa trans que tenta abrir uma conta bancaria com um sistema de verificacao biometrica pode ser bloqueada porque seu rosto nao “corresponde” ao genero indicado nos documentos.

O binarismo nas interfaces e nos dados

O problema vai alem do reconhecimento facial. A maioria dos sistemas informaticos — dos formularios de registro online aos prontuarios eletronicos, dos perfis em redes sociais aos bancos de dados governamentais — e construida sobre uma arquitetura binaria de genero. O campo “sexo” preve duas opcoes: M ou F. As vezes, nenhuma das duas.

Para as pessoas nao binarias, genderqueer ou de genero fluido, essa arquitetura e uma forma de apagamento sistematico. Nao e possivel existir em um banco de dados que nao tem um campo para voce. E quando os sistemas de IA sao treinados com esses dados, aprendem e reforcam o binarismo: geram resultados que nao contemplam a possibilidade de um genero fora de masculino e feminino.

Um estudo de 2025 sobre IA e medicina personalizada, conduzido com grupos focais de pessoas trans, evidenciou como os sistemas de IA em saude tendem a reforcar estereotipos binarios de genero e a marginalizar as identidades trans, com implicacoes concretas na qualidade dos cuidados recebidos [8].

Moderacao de conteudo: a censura invisivel

Se voce cria conteudo online e e uma pessoa trans, provavelmente ja experimentou a remocao automatica de um post, um video, uma historia. Nao porque violasse as regras da plataforma, mas porque um algoritmo classificou seu conteudo como “sexualmente explicito” ou “para adultos”.

Um estudo academico publicado na ACM em 2021 documentou esse fenomeno com dados concretos: as pessoas transgenero estao entre os tres grupos de usuarios de redes sociais que sofrem remocoes de conteudo de forma desproporcional (junto com conservadores politicos e pessoas negras) [4]. Os conteudos trans sao removidos como “conteudo para adultos” apesar de respeitarem as diretrizes da plataforma. Videos educativos sobre identidade de genero, relatos de experiencias de transicao, ate mesmo simples selfies sao classificados como “explicitos” pelos algoritmos de moderacao — enquanto conteudos identicos publicados por pessoas cisgenero passam sem problemas.

A pesquisa conduzida pela UCLA identificou padroes sistematicos: os termos “transgenero” e “nao binario” atraem mais denuncias automaticas do que outros termos [13]. Nao se trata de erros casuais, mas de um vies estrutural nos dados de treinamento dos modelos de moderacao. O GLAAD Social Media Safety Index de 2024 recomendou as plataformas que nao dependam excessivamente da IA para moderacao, sugerindo que os sistemas automaticos sejam usados para sinalizar conteudos a revisores humanos, nao para remove-los automaticamente [3].

Essa censura algoritmica tem efeitos reais: reduz a visibilidade das pessoas trans online, limita o acesso a informacoes e recursos, e contribui para um senso de isolamento digital que se soma ao fisico.

Deepfakes e desinformacao automatizada

A IA generativa introduziu uma nova categoria de riscos. Os deepfakes — videos, imagens e audios gerados artificialmente — podem ser usados para criar conteudos nao consensuais que atingem de forma desproporcional as pessoas ja vulneraveis. As estimativas indicam que cerca de 90% dos deepfakes de cunho sexual envolvem mulheres, e as pessoas trans sao particularmente expostas a essa forma de violencia digital.

Mas o risco nao se limita aos deepfakes pornograficos. A IA generativa pode produzir desinformacao em larga escala: artigos falsos que atribuem declaracoes nunca feitas, estudos cientificos inventados, testemunhos fabricados. Em um contexto no qual a desinformacao sobre pessoas trans ja e um fenomeno difundido — como documentado no artigo sobre os mitos comuns sobre pessoas trans — a automacao torna a producao de conteudos falsos mais rapida, mais barata e mais dificil de identificar.

Uma investigacao do GLAAD tambem evidenciou como os sistemas de IA generativa tendem a representar as pessoas LGBTQ+ de forma estereotipada — jovens, brancas, com cabelos roxos — reproduzindo e amplificando cliches em vez de refletir a real diversidade da comunidade [3].

Algoritmos de contratacao e discriminacao no trabalho

Os sistemas de IA utilizados no recrutamento apresentam outra frente de risco. Um estudo da Universidade de Washington de 2024 demonstrou que os modelos de linguagem de grande escala (LLMs) favorecem nomes associados a pessoas brancas em 85% dos casos e nomes associados a mulheres em apenas 11% dos casos [10]. Muitos sistemas de triagem de curriculos nao reconhecem identidades de genero fora do binario masculino/feminino e podem rebaixar automaticamente candidaturas de pessoas cujos perfis nao se conformam aos padroes historicos de contratacao.

Para as pessoas trans, isso significa enfrentar um nivel adicional de discriminacao: nao apenas o preconceito humano do recrutador, mas tambem o preconceito codificado no algoritmo que filtra os curriculos antes mesmo que um ser humano os veja. Uma pessoa trans que mudou de nome legalmente pode ser penalizada por um sistema que detecta descontinuidades no curriculo. Uma pessoa nao binaria cujo genero nao se enquadra nas categorias previstas pelo software pode ser simplesmente excluida do processo.

As oportunidades: quando a tecnologia abre portas

Telemedicina e acesso aos cuidados

Se os riscos da IA sao reais, as oportunidades tambem o sao. A telemedicina assistida por IA esta mudando o acesso aos cuidados afirmativos de genero, especialmente para quem vive em areas geograficas onde os servicos especializados sao ausentes ou em contextos onde o estigma social torna dificil ir fisicamente a uma clinica.

Um estudo publicado na Nature Scientific Reports em 2025 documentou como a telemedicina expandiu o acesso aos servicos de Gender Expression Care de 24 codigos postais concentrados em uma unica area urbana para 158 codigos postais distribuidos em uma ampla regiao geografica [11]. Os dados tambem mostram uma reducao de 56% das faltas as consultas quando as visitas ocorrem por telemedicina [11] — um dado significativo, considerando que as barreiras logisticas (distancia, transporte, custos) estao entre os principais obstaculos ao acesso aos cuidados para pessoas trans.

Plataformas como QueerDoc oferecem acesso a terapias hormonais afirmativas (testosterona, estradiol, progesterona) por meio de consultas em telemedicina, eliminando a necessidade de viajar ate centros especializados que podem estar a centenas de quilometros de distancia. Para as pessoas trans em contextos rurais ou em regioes com legislacoes restritivas, a telemedicina pode ser literalmente a unica opcao viavel.

Treinamento vocal assistido por IA

A voz e um elemento central da expressao de genero, e o treinamento vocal — o treino para feminilizar ou masculinizar a voz — e um percurso longo e frequentemente custoso quando acompanhado por um fonoaudiologo especializado. A IA esta tornando esse processo mais acessivel.

Apps como Genderfluent utilizam redes neurais para fornecer feedback em tempo real sobre a percepcao de genero da voz, permitindo aos usuarios monitorar seus progressos durante os exercicios [12]. Voice Whiz oferece visualizacao de pitch em tempo real e analise da percepcao de genero por meio de machine learning no dispositivo. TruVox, desenvolvido pela Universidade de Cincinnati, e um app de codigo aberto que combina exercicios vocais com visualizacoes dos componentes da fala [12].

Essas aplicacoes nao substituem o apoio profissional de um fonoaudiologo, mas reduzem a barreira de entrada: sao gratuitas ou de baixo custo, utilizaveis de forma autonoma, disponiveis a qualquer momento. Para quem nao pode custear sessoes regulares com um especialista ou vive em contextos onde esses servicos nao existem, representam um primeiro passo concreto.

Recursos informativos e apoio

Os chatbots baseados em IA podem fornecer informacoes basicas sobre identidade de genero, percursos de transicao, direitos legais e recursos locais. Nao substituem o apoio de profissionais de saude mental ou de associacoes especializadas, mas podem ser um primeiro ponto de contato para quem esta explorando sua identidade e nao sabe a quem recorrer.

Em contextos onde o acesso a informacoes precisas e limitado — por barreiras linguisticas, geograficas ou sociais — um sistema de IA capaz de fornecer respostas baseadas em fontes cientificas, disponivel 24 horas por dia e no proprio idioma, pode fazer uma diferenca concreta. As capacidades de traducao dos modelos de linguagem tornam tambem acessiveis recursos que de outra forma estariam disponiveis apenas em ingles.

Pesquisa e analise de dados

A IA acelera a pesquisa sobre a saude das pessoas trans: analise de grandes conjuntos de dados clinicos, identificacao de padroes nos resultados dos tratamentos, desenvolvimento de protocolos personalizados. As ferramentas de processamento de linguagem natural podem analisar a literatura cientifica para identificar lacunas na pesquisa ou sintetizar evidencias de centenas de estudos.

Isso e particularmente relevante em um campo onde os dados sao historicamente escassos. A pesquisa sobre saude trans sofreu por decadas com amostras pequenas, acompanhamentos curtos e vieses de selecao. A IA nao resolve esses problemas estruturais, mas pode contribuir para extrair o maximo valor dos dados disponiveis e identificar prioridades para pesquisas futuras.

O problema de fundo: quem projeta, quem decide

Na raiz de todos esses problemas esta uma questao de representatividade. Quem projeta os sistemas de IA? Quem decide quais categorias de genero incluir em um banco de dados? Quem rotula os dados de treinamento? Quem define o que conta como “conteudo explicito”?

A resposta, na maioria dos casos, e: pessoas cisgenero, em contextos academicos e empresariais onde as pessoas trans sao sub-representadas. Um estudo de 2024 publicado na revista AI and Ethics analisou como o “hype” da IA impacta a comunidade LGBTQ+, evidenciando uma desconexao fundamental entre quem desenvolve a tecnologia e quem sofre as consequencias [7].

O catalogo de boas praticas para o desenvolvimento de solucoes AGR inclusivas, publicado em 2024 pelo ACM SIGAPP, propoe diretrizes concretas: eliminar a classificacao binaria obrigatoria, permitir a autoidentificacao de genero, incluir pessoas trans e nao binarias nas equipes de desenvolvimento e nos processos de teste [9]. Mas trata-se de recomendacoes, nao de obrigacoes. E na ausencia de regulamentacao, a adocao permanece voluntaria.

O relatorio da Forbidden Colours de 2024 sobre o impacto da IA nas pessoas LGBTIQ+ propos um quadro normativo europeu que leve em conta as especificidades das comunidades marginalizadas, sublinhando como o AI Act europeu — apesar de representar um avanco na regulamentacao — nao aborda explicitamente os riscos para as pessoas LGBTQ+ [14].

O que pode ser feito

Nao existe uma solucao unica, mas existem principios claros.

Primeiro: proibir as tecnologias intrinsecamente danosas. O reconhecimento automatico de genero baseado em tracos fisicos nao pode ser “melhorado” para se tornar inclusivo. Seu principio de funcionamento — deduzir o genero da aparencia — e incompativel com a autodeterminacao [2]. Deve ser proibido, nao corrigido.

Segundo: incluir as pessoas trans no design. Nao como sujeitos de estudo, mas como designers, desenvolvedoras, testadoras. O estudo sobre IA e medicina personalizada de 2025 mostrou que os grupos focais com pessoas trans produzem intuicoes e solucoes que as equipes de desenvolvimento cisgenero simplesmente nao percebem [8].

Terceiro: regulamentar a moderacao algoritmica. As plataformas devem ser transparentes sobre os criterios de seus algoritmos de moderacao, submete-los a auditorias independentes e garantir mecanismos de apelacao eficazes quando conteudos sao removidos erroneamente [3].

Quarto: investir nas oportunidades. A telemedicina, os apps de treinamento vocal, os recursos informativos baseados em IA tem um potencial enorme para melhorar a vida das pessoas trans. Mas esse potencial so se realiza se essas tecnologias forem desenvolvidas com as pessoas trans, nao para as pessoas trans.

Quinto: proteger os dados sensiveis. A identidade de genero, o estado de transicao, os dados de saude relativos a cuidados afirmativos sao informacoes particularmente sensiveis — como aprofundado no artigo sobre privacidade e identidade de genero. Os sistemas de IA que tratam esses dados devem ser sujeitos a padroes de protecao reforcados.

Um futuro a construir

A inteligencia artificial nao e nem aliada nem inimiga das pessoas trans. E um instrumento que amplifica o que encontra: se encontra dados distorcidos, produz resultados distorcidos; se encontra dados representativos, produz resultados mais equitativos. A diferenca e feita pelas escolhas humanas — quem coleta os dados, quem projeta os modelos, quem decide como sao utilizados.

As pessoas trans tem razao em serem ceticas. Os dados do estudo FAccT 2025 refletem experiencias concretas de discriminacao algoritmica, nao um preconceito abstrato [1]. Mas o ceticismo nao deve se traduzir em renuncia: as oportunidades oferecidas pela IA — acesso a cuidados, ferramentas de expressao, recursos informativos — sao demasiado importantes para serem deixadas exclusivamente nas maos de quem nunca precisou enfrentar um sistema que nao reconhece sua identidade.

O futuro da IA para as pessoas trans depende de uma coisa so: a participacao. Participar do design, da regulamentacao, da pesquisa, da critica. Nao como excecao a ser gerida, mas como perspectiva indispensavel para construir tecnologias que funcionem para todos.