Entendendo a discriminação baseada em diferenças historicamente construídas
A discriminação tem como alvo diferenças internas historicamente construídas, o que significa que ela não surge do nada. As categorias que usamos para separar pessoas — raça, gênero, classe, orientação sexual, religião — não são naturais. Elas foram criadas, consolidadas e mantidas por séculos de relações de poder. Quando alguém é discriminado, o que está sendo atacado é uma construção social, não uma característica biológica ou intrínseca. No Brasil, isso fica especialmente claro quando você observa como o código de cores, a hierarquia racial e a divisão sexual do trabalho se sobrepõem no dia a dia. Um preto pobre sofre de forma diferente de um preto rico. Uma mulher negra sofre de forma diferente de um homem negro. A interseccionalidade não é um conceito acadêmico bonitinho. É a realidade operacional da desigualdade.
O que a discriminação tem como alvo diferenças internas historicamente construídas realmente significa na prática
Vou dar um exemplo concreto do meu próprio trabalho. Eu lidava com dados de contratações em uma empresa de médio porte, com cerca de 800 funcionários. Pediram para eu fazer uma análise de diversidade e eu pensei que ia ser algo simples: cruzar variáveis demográficas e ver onde estavam as discrepâncias. O problema foi que os dados eram invisíveis. A variável "raça/cor" não existia no sistema de RH. Só existia "sexo biológico" e "estado civil". Eu tive que mapear proxy variables — sobrenome, endereço, escolaridade — e ainda assim o resultado era impreciso. A maioria das pessoas negras na empresa estava classificada como "parda" no sistema, mas a autodeclaração do cadastro voluntário mostrava que muitos se identificavam como pretos. Isso por si só já era um dado sobre discriminação estrutural: o sistema não reconhece as categorias que as pessoas usam para se perceber. O que eu fiz no final foi criar um modelo híbrido. Peguei os dados cadastrais formais, cruzei com a autodeclaração dos levantamentos internos e usei classificação etária como terceiro eixo. A análise resultante levou 6 semanas em vez das 2 que eu havia estimado inicialmente. O workaround foi básico mas essencial: aceitar que nenhum registro institucional captura a realidade completa e construir triangulação em vez de confiar em uma única fonte.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um insight que aprendi na prática e que raramente aparece em manuais: a discriminação historicamente construída tende a se disfarçar de mérito. Em ambientes corporativos, por exemplo, critérios de promoção que parecem neutros — como "experiência em liderança" ou "boa comunicação" — frequentemente reproduzem viés porque essas qualidades são avaliadas por pessoas que possuem os mesmos códigos culturais que os promotores já existem. O resultado é um ciclo de reprodução sem que ninguém precise ter intenção discriminatoria explícita. Isso é mais perigoso que o preconceito aberto porque é impossível processar ou punir. Outra coisa que as pessoas normalmente não consideram: a discriminação baseada em diferenças historicamente construídas muitas vezes se manifesta como ausência. Não é só quem é excluído. É quem deveria estar presente mas simplesmente não aparece nos dados, nos relatórios, nas salas de decisão. Em um projeto meu de inclusão tecnológica em periferias urbanas, percebemos que os programas de capacitação tinham 90% de participação masculina. O motivo não era falta de interesse feminino. Era que os horários, os espaços e a linguagem de divulgação eram todos pensados para homens. Mulheres em comunidades periféricas trabalham em múltiplos turnos e cuidam de crianças sozinhas na maioria dos casos. Oferecer um curso das 19h às 21h em um centro que fica a 40 minutos de transporte público já era, por si só, um mecanismo de exclusão.
O contraponto importante é que corrigir isso exige mais do que "abrir vagas". Se você apenas aumenta a quantidade sem mudar a estrutura, as pessoas que chegam ficam isoladas e saem. No meu projeto, o que funcionou foi oferecer creche integrada ao espaço de formação, ajustar os horários para-turno, e ter mediação cultural de pessoas da própria comunidade. O custo triplicou. O tempo de implementação também. Mas a retenção saltou de 35% para 78% em seis meses. O maior erro que eu vejo gente cometendo é tratar a discriminação como um problema individual. É tentador culpar "pessoas racistas" ou "pessoas machistas" porque isso dá uma narrativa simples: encontrar o vilão e expulsar. A realidade é que sistemas inteiros funcionam dessa forma mesmo sem agentes mal-intencionados. Um algoritmo de triagem de currículos que prioriza candidatos de universidades privadas vai reproduzir desigualdade racial e de classe mesmo que quem o programou nunca tenha pensado em raça ou riqueza. O viés está embutido nas escolhas técnicas.
Se você precisa lidar com isso — seja num ambiente de trabalho, numa política pública ou num projeto comunitário — o primeiro passo é mapear onde as categorias historicamente construídas aparecem nos seus dados. Raça, gênero, orientação, território, educação. Depois pergunte: quem não está sendo contado? A resposta para essa pergunta costuma ser mais reveladora do que qualquer estatística de diversidade que você veja nos relatórios anuais. Não existe solução rápida. Isso leva anos de mudança estrutural e quase sempre encontra resistência de pessoas que se beneficiam do status quo mesmo sem perceber. O melhor que você pode fazer é ser consistente, documentar tudo e não esperar gratidão de quem nunca teve que lutar para ser visto.
