Este trabalho analisa o fenômeno do enviesamento algorítmico na inteligência artificial (IA), destacando como algoritmos, projetados para decisões imparciais, podem reproduzir e amplificar preconceitos presentes nos dados de treinamento. A pesquisa aborda os fundamentos da IA, incluindo seus paradigmas de aprendizado (supervisionado, não supervisionado, por reforço, por transferência e Deep Learning), suas aplicações em nosso dia a dia, desde consultas ao clima pela manhã até a recomendação de um filme a noite, e os impactos práticos de algoritmos enviesados em áreas como recrutamento e justiça criminal. Por meio de casos reais e hipotéticos, demonstra-se como a perpetuação de vieses marginaliza grupos minoritários e reforça desigualdades sociais. Com base em uma revisão da literatura e estudos de caso, o artigo propõe medidas para mitigar esses problemas, como sistemas “human-in-the-loop” e maior representatividade nos dados de treinamento, conforme técnicas sugeridas por Munro e Rajkomar et al. Os resultados confirmam a hipótese inicial e reforçam a importância de estratégias éticas e inclusivas no desenvolvimento e aplicação da IA.