Dois registros, não um
A deficiência é o teste mais afiado para uma afirmação feita ao longo deste manual: que os efeitos da IA não são uniformemente bons nem ruins, e qual deles aparece depende de quem construiu o sistema, quem o implantou, e que recurso existe quando ele falha. Para pessoas com deficiência, os dois registros já são reais e datados, não hipotéticos. Modelos multimodais deram a usuários cegos e de baixa visão uma ferramenta de descrição que não existia três anos atrás. O mesmo reconhecimento de padrões subjacente — inferir coisas sobre uma pessoa a partir da voz, do movimento, ou do comportamento de digitação — também é objeto de uma acusação federal de discriminação, de uma ação coletiva certificada, e de uma investigação do Departamento de Justiça sobre um algoritmo de proteção infantil.
Esta página cobre apenas casos documentados e datados. Ela exclui deliberadamente uma história amplamente divulgada de 2026 sobre bloqueios de contas do Meta ligados a falsos positivos de moderação de conteúdo, já que a reportagem subjacente concluiu que se tratava de uma falha geral de moderação, não específica de deficiência. Veja direitos civis, discriminação e vigilância por IA para o arcabouço jurídico que rege os casos abaixo, e deslocamento trabalhista e econômico para o lugar da contratação automatizada no quadro mais amplo do emprego.
O que de fato está funcionando, e como isso foi validado
O sucesso mais citado é o Be My AI, incorporado ao aplicativo Be My Eyes sobre o GPT-4V da OpenAI e lançado em março de 2023 como o primeiro aplicativo de terceiros construído sobre esse modelo (TechCrunch, 14 de março de 2023). Ele permite que um usuário cego ou de baixa visão fotografe uma cena, um rótulo, ou uma correspondência, e receba uma descrição falada. Em uma implantação, como suplemento de uma linha de suporte dentro das operações da Microsoft, o Be My Eyes e a Microsoft relataram uma taxa de resolução bem-sucedida de 90% e um tempo médio de resolução de aproximadamente quatro minutos, menos da metade do tempo típico de um atendente humano (Be My Eyes). Esse número é reportado pela própria empresa a partir de uma implantação com um parceiro, não auditado de forma independente — o relato de um fornecedor sobre seu próprio produto. A mesma fonte documenta o modo de falha mais consequente da ferramenta, a alucinação confiante: testadores beta descobriram que o Be My AI descrevia objetos que não estavam de fato presentes, com a mesma confiança de descrições precisas. Para um usuário cego agindo com base em uma descrição — lendo o rótulo de um medicamento —, uma alucinação indetectável é um problema de segurança, não um defeito de interface.
A Voiceitt, que constrói reconhecimento de fala ajustado para fala atípica e disártrica, conduziu um piloto com usuários surdos que, segundo relatou, alcançou aproximadamente 8% de taxa de erro de palavras — melhor que 90% de precisão — após cerca de 200 gravações de treinamento por usuário, supostamente superando o reconhecimento de fala convencional para esses falantes mesmo antes da personalização (Hearing Review; PR Newswire). Este é um piloto único validado pela própria empresa, não um ensaio replicado de forma independente, embora um artigo de metodologia revisado por pares descreva separadamente o pipeline de treinamento da Voiceitt (Assistive Technology, 2024, DOI 10.1080/10400435.2024.2328082). O Google Project Relate adota uma abordagem semelhante — reconhecimento e síntese personalizados para a fala de pessoas com ELA, paralisia cerebral, síndrome de Down, Parkinson, AVC, e traumatismo cranioencefálico, exigindo cerca de 500 frases — e entrou em beta fechado em novembro de 2021 (TechCrunch). Nenhum número independente de eficácia para o Project Relate pôde ser confirmado; o que é público descreve a abordagem de treinamento, não um resultado validado.
O padrão é consistente: produtos reais, uso real, números reais — mas números reportados pelas empresas que construíram as ferramentas, não auditados de forma independente. Isso não apaga os ganhos — para um usuário cego, a comparação não é com um padrão-ouro validado, mas com nenhuma descrição — porém significa tratar a evidência como reportada pela empresa, e esperar menos confiabilidade do que a cobertura de lançamento sugere.
Onde a mesma tecnologia se torna um problema de acomodação
O lado do emprego mostra a rapidez com que uma lacuna de acessibilidade se torna uma acusação de discriminação assim que a IA passa de um papel assistivo para um papel de controle de acesso.
Uma candidata surda e indígena, representada pela ACLU, apresentou queixas à Divisão de Direitos Civis do Colorado e à EEOC alegando que a plataforma de entrevistas em vídeo com IA da HireVue — usada pela Intuit — a penalizou porque seu sistema automatizado de reconhecimento de voz e pontuação não estava equipado para avaliar adequadamente seus padrões de fala. Ela havia solicitado legendagem humana como acomodação durante a entrevista pontuada pela IA, teve o pedido negado, e mais tarde foi rejeitada com o retorno de que deveria “praticar a escuta ativa” (HR Dive). Isto é uma acusação, não uma decisão — uma alegação em trâmite por um processo administrativo, sem resultado julgado reportado. Ela ilustra o mecanismo contra o qual a EEOC e o DOJ alertaram em sua orientação de maio de 2022 sobre contratação algorítmica, discutida mais a fundo em direitos civis, discriminação e vigilância por IA: um sistema validado com base em padrões de fala não representativos de candidatos com deficiência pode filtrá-los independentemente da intenção, e um pedido de acomodação pode ser recusado por um processo sem nenhum humano com poder para concedê-lo.
Mobley v. Workday, ajuizada no Distrito Norte da Califórnia em 20 de fevereiro de 2024, é uma versão maior da mesma alegação: uma ação de classe e coletiva alegando que o sistema de triagem de candidatos por IA da Workday produziu impacto desproporcional por raça, idade, e deficiência. Em 16 de maio de 2025, a juíza Rita Lin concedeu certificação condicional à alegação coletiva de discriminação por idade sob a ADEA, e um demandante nomeado — um candidato com asma e histórico de câncer — foi separadamente autorizado a prosseguir com uma alegação sob a ADA ligando suas rejeições ao histórico de licença médica (Holland & Knight; Norton Rose Fulbright). O que essa decisão é e não é importa: ela permite que mais demandantes se juntem e que a fase de descoberta prossiga; não é uma constatação de que o sistema da Workday de fato discriminou. O caso permaneceu em descoberta até meados de 2026, mas a decisão estabelece que um tribunal federal considerou a tese de deficiência concreta o suficiente para sobreviver a uma tentativa de arquivamento — uma barra materialmente mais alta do que uma denúncia protocolada sozinha alcança. Veja qualidade do emprego, não a contagem de empregos sobre como a triagem automatizada também degrada os resultados para candidatos que passam por ela.
Quando o mesmo padrão chega à proteção infantil
O caso documentado mais grave sai completamente da esfera da contratação. O Condado de Allegheny, na Pensilvânia, usa um algoritmo preditivo de pontuação de risco em seu sistema de proteção infantil, agora sob investigação do Departamento de Justiça dos EUA após denúncias de que ele sinalizou incorretamente pais com deficiência como negligentes, contribuindo em alguns casos para a remoção de crianças sem evidência independente de negligência. Esse relato vem do relatório de 2025 do Center for Democracy & Technology e da American Association of People with Disabilities citado abaixo, que descreve a investigação do DOJ como em andamento; nenhum resultado confirmado pôde ser verificado além disso, e deve ser tratado como um assunto em aberto, não uma decisão encerrada. O mecanismo alegado é familiar da literatura de direitos civis de forma mais ampla: um modelo treinado em registros históricos de casos pode codificar as suposições prévias dos assistentes sociais sobre a aptidão de pais com deficiência, e uma pontuação de risco apresentada como objetiva pode fazer um viés antigo parecer um número neutro.
O relato mais abrangente desse padrão entre setores é o relatório conjunto do CDT e da AAPD, Building a Disability-Inclusive AI Ecosystem: A Cross-Disability, Cross-Systems Analysis of Best Practices, publicado em 11 de março de 2025 (CDT; PDF completo). Ele documenta danos a pessoas com deficiência nas áreas de emprego, educação, benefícios públicos, e tecnologia da informação e comunicação, e é a fonte do relato sobre o Condado de Allegheny acima. O CDT levantou um alerta relacionado, mais estreito, anos antes, argumentando que interfaces de contratação construídas sobre análise de movimento do mouse, tempo de digitação, vídeo, ou padrão de voz excluem estruturalmente candidatos com deficiência independentemente da intenção do fornecedor — um relatório geralmente datado de cerca de dezembro de 2020, embora sua data exata não tenha podido ser confirmada de forma independente (CDT, “Algorithm-driven Hiring Tools”).
Lendo os dois registros juntos
Nada disso se resolve em um único veredito sobre “IA e deficiência”, e não deveria. A mesma capacidade — um modelo que infere significado a partir da fala, do movimento, ou de sinais comportamentais que uma pessoa não consegue controlar totalmente — produz um ganho genuíno de acessibilidade quando é opcional, transparente sobre seus limites, e controlada pelo usuário com deficiência, e um risco genuíno de discriminação quando é obrigatória, opaca, e controlada por um guardião que terceirizou o julgamento para uma pontuação. Be My AI, Voiceitt, e Project Relate são ferramentas que uma pessoa com deficiência escolhe e pode deixar de usar. A pontuação da HireVue, a triagem da Workday, e o modelo de risco do Condado de Allegheny são sistemas aplicados a uma pessoa com deficiência por uma instituição, com consequências que ela não pode recusar.
Essa distinção — assistiva versus decisória — prevê danos melhor do que qualquer alegação sobre a sofisticação de um modelo, e ela perpassa direitos civis, discriminação e vigilância por IA: o padrão para um sistema que afeta direitos não é se ele é preciso na média, mas se foi validado para a população que ele filtra, se um candidato pode contestar um erro, e se um humano com autoridade real está presente no ponto de decisão. Todo caso de negação de acomodação ou impacto desproporcional acima remonta ao mesmo elemento ausente — um processo validado, aplicado à população afetada, com um recurso genuíno. Todo ganho de acessibilidade acima remonta ao oposto: uma ferramenta que a pessoa afetada controla, com uma taxa de falha divulgada. Sistemas multimodais mais capazes poderiam estender ainda mais o padrão do Be My AI. Nada descarta isso. Mas nada mostra que isso chegará automaticamente, também: a mesma capacidade é exatamente o que um fornecedor de triagem também adquiriria.