Como IA, câmeras e monitoramento podem acelerar a aprendizagem estatal sem ensinar o crime a se adaptar
Tecnologia na segurança pública não é sobre enxergar mais. É sobre reduzir a previsibilidade explorável e diminuir a diferença de aprendizagem entre Estado e crime. Câmeras, IA e integração de bases só valem se ajudarem o Estado a aprender mais rápido, não a repetir, com mais velocidade, as mesmas respostas previsíveis.
Conceitos-chave deste artigo: tecnologia na segurança pública; previsibilidade explorável; diferença de aprendizagem; aprendizagem estatal; análise agregada; inferência individualizada; transparência adaptativa; governança decisória humano-IA; reconhecimento facial; integração de bases; Countering Adaptive Organized Crime.
No texto anterior, mostramos que o crime organizado não se reduz à ocorrência de rua. Ele funciona como infraestrutura: mercados, logística, proteção, dinheiro, comunicação, medo e decisões humanas se acoplam para sustentar funções mesmo após prisões, apreensões e operações visíveis. Agora precisamos avançar para outra questão: como o Estado pode enxergar essa infraestrutura sem se tornar ainda mais previsível para quem aprende com suas rotinas?
A resposta passa pela tecnologia, mas não pela crença simples na tecnologia. Câmeras, drones, sensores, bancos de dados, sistemas de IA e monitoramento em tempo real podem ampliar a capacidade estatal de observação. Em territórios complexos, isso é necessário. Nenhum gestor, policial ou analista consegue acompanhar, sozinho, todos os fluxos, conexões, deslocamentos, padrões de repetição e sinais fracos que atravessam a segurança pública.
Mas enxergar mais não significa compreender melhor. A segurança pública não sofre apenas por falta de dados. Muitas vezes, sofre porque aprende devagar demais.
Redes criminosas observam operações, horários, zonas de vigilância, disputas entre órgãos, lacunas normativas e padrões de resposta. Testam caminhos, substituem operadores, reduzem exposição, deslocam fluxos e corrigem condutas com rapidez. O Estado, ao contrário, precisa aprender sobre legalidade, hierarquia, registro, controle, responsabilidade pública e coordenação institucional. Essa diferença de aprendizagem é uma das vantagens do crime adaptativo.
A tecnologia só tem valor estratégico quando atua nesse intervalo. Ela deve ajudar o Estado a reduzir a previsibilidade explorável e a encurtar a distância entre perceber, interpretar, decidir e corrigir.
Por que enxergar mais não basta na segurança pública?
Enxergar mais não basta porque a segurança pública exige interpretação, não apenas visibilidade. Uma câmera mostra uma cena. Um banco de dados reúne registros. Um drone amplia o campo de observação. Um sistema de IA identifica correlações. Nada disso, por si só, explica o regime de operação que produz o problema.
A ocorrência aparece como evento. A tecnologia pode registrar esse evento com mais precisão, mais velocidade e maior alcance. Isso ajuda. Mas o crime organizado raramente persiste apenas porque o Estado não viu o evento. Ele persiste porque mercados, logística, proteção, medo, comunicação e decisões humanas continuam funcionando.
A questão decisiva não é apenas onde a câmera está instalada, qual base foi integrada ou que alerta apareceu no painel. A questão é o que a instituição faz com esses sinais. O gestor pergunta se houve deslocamento? O analista compara padrões antes e depois da intervenção? A polícia identifica se a operação atingiu uma função crítica ou apenas uma parte substituível? O órgão revisa sua rotina quando percebe que o crime se adaptou?
Se a resposta for negativa, a tecnologia apenas ilumina a repetição.
A ilusão tecnológica nasce quando o Estado confunde visibilidade com domínio. Esse erro é sedutor porque produz imagens, mapas, painéis, alertas e relatórios. Tudo parece mais preciso. Mas precisão visual não equivale a compreensão estratégica. Um mapa de calor pode mostrar concentração de ocorrências, mas não revela, sozinho, medo comunitário, subnotificação, proteção territorial, deslocamento de mercado ou recomposição de operadores.
A tecnologia mostra mais. A aprendizagem institucional decide se o Estado compreende melhor.
Como a tecnologia diminui a diferença de aprendizagem entre Estado e crime?
A tecnologia diminui a diferença de aprendizagem quando encurta o ciclo entre sinal, interpretação, decisão, ação e correção. Esse é o ganho mais importante.
Em Countering Adaptive Organized Crime, Sergio Senna Pires trata essa diferença de aprendizagem como uma vantagem estrutural do crime adaptativo. Operadores criminosos aprendem com menor custo. Testam, erram, substituem, deslocam, observam e ajustam com menos fricção institucional. O Estado precisa aprender sem abandonar a legalidade, registro, controle e responsabilidade.
A tecnologia entra exatamente nesse espaço. Não para substituir a decisão humana. Não para prometer certeza. Não para transformar correlação em prova. Ela entra para reduzir o tempo de percepção e melhorar a qualidade da interpretação.
No debate sobre tecnologia na segurança pública, essa distinção muda a pergunta. O eixo deixa de ser “qual sistema enxerga mais?” e passa a ser “qual arranjo permite ao Estado aprender melhor com aquilo que vê?”. A resposta não está no equipamento isolado, mas no ciclo institucional que conecta dados, interpretação, decisão, registro, correção e nova leitura do ambiente.
A integração de bases pode diminuir a fragmentação entre órgãos. Uma ocorrência isolada, um veículo recorrente, uma sequência territorial, uma mudança de horário, uma alteração no padrão de denúncias ou uma repetição de eventos podem ganhar sentido quando deixam de circular como registros separados. O Estado aprende melhor quando consegue conectar sinais sem apagar o contexto.
Câmeras e sensores podem ajudar a identificar deslocamentos após operações. Drones podem qualificar a leitura situacional em áreas de risco, fronteiras, desastres e ações delimitadas. Sistemas de IA podem organizar grandes volumes de dados, sugerir padrões e apoiar hipóteses que escapariam à percepção humana direta.
O ganho não está no equipamento. Está no ciclo de aprendizagem que o equipamento alimenta.
Sem esse ciclo, a tecnologia vira estoque de dados. Com esse ciclo, ela pode se tornar uma capacidade estratégica. A diferença é concreta. No primeiro caso, o Estado acumula informação e repete respostas. No segundo, policiais, analistas e gestores comparam expectativas, verificam efeitos, identificam adaptação e ajustam a intervenção.
O desafio não é automatizar a segurança pública. É reduzir o tempo que o Estado leva para perceber, interpretar e corrigir.
Como a tecnologia reduz a previsibilidade explorável?
A tecnologia reduz a previsibilidade explorável quando ajuda o Estado a deixar de repetir padrões operacionais fáceis de antecipar. Previsibilidade explorável não é qualquer previsibilidade. Segurança pública precisa de legalidade, controle institucional, limites normativos e responsabilidade. O que precisa diminuir é a previsibilidade operacional que permite ao crime antecipar onde, quando e como o Estado agirá.
Essa distinção é decisiva. Um Estado democrático não deve agir de forma arbitrária para surpreender adversários. A ação pública precisa permanecer controlável, justificável e compatível com direitos. Mas isso não obriga a instituição a repetir sempre os mesmos horários, os mesmos mapas, os mesmos locais de saturação, as mesmas respostas e os mesmos critérios de presença.
Por isso, a tecnologia na segurança pública não deve aparecer no debate público como uma simples oposição entre inovação e risco. Tecnologia bem integrada pode ampliar variação legítima. Ela permite observar deslocamentos após operações, comparar efeitos entre áreas, identificar repetição de rotas institucionais, mapear zonas de baixa cobertura e perceber quando o crime ajustou sua exposição. O Estado deixa de depender apenas de intuição, pressão política ou rotina herdada.
A integração de bases também reduz a previsibilidade explorável quando impede que cada órgão atue em sua própria bolha. A fragmentação estatal é previsível. Se uma instituição não conversa com outra, o crime pode se mover entre fronteiras administrativas, competências, bases de dados e tempos de resposta. A tecnologia não elimina esse problema, mas pode reduzir o custo da coordenação.
Monitoramento contínuo também ajuda quando funciona como sensor de adaptação. Após uma operação, a pergunta não deve ser apenas quantas pessoas foram presas ou quantos objetos foram apreendidos. É preciso perguntar o que mudou depois: houve deslocamento? A violência migrou? A comunicação criminal ficou menos visível? A população passou a denunciar mais ou menos? A intimidação aumentou? O mercado ilícito perdeu capacidade ou apenas trocou operadores?
Essas respostas não saem automaticamente de uma máquina. Elas exigem interpretação humana, leitura territorial e revisão institucional. Ainda assim, sem tecnologia, muitos desses sinais chegam tarde demais ou aparecem de modo fragmentado.
A boa tecnologia não torna o Estado arbitrário. Ela impede que o Estado seja repetitivo demais diante de adversários que aprendem.
Quando a tecnologia aumenta a previsibilidade do Estado para o crime?
A tecnologia aumenta a previsibilidade do Estado quando acelera padrões que já eram previsíveis. Esse é o risco central. O problema não está em usar câmeras, drones, IA ou integração de bases. O problema está em usar esses recursos para executar, com mais velocidade e aparência técnica, a mesma rotina que o crime já aprendeu a ler.
Patrulhamento orientado sempre pelos mesmos mapas pode criar horários e zonas de pressão previsíveis. Câmeras mal distribuídas podem produzir zonas cegas conhecidas. Fiscalizações automatizadas podem revelar critérios de seleção, limites de cobertura ou padrões de reação. Operações baseadas em alertas repetitivos podem induzir deslocamento para áreas menos observadas.
Nesse cenário, a tecnologia não reduz a incerteza do crime. Reduz a incerteza do adversário sobre o Estado.
Quando atores criminosos percebem que certas áreas recebem resposta rápida, enquanto outras seguem menos observadas, eles ajustam exposição, circulação e formas de comunicação. Ao identificar que a instituição reage sempre ao mesmo tipo de sinal, podem reduzir esse sinal, deslocá-lo ou explorá-lo como distração. Se a vigilância se estabiliza em áreas previsíveis, zonas menos observadas ganham valor.
Não precisamos detalhar métodos para reconhecer o padrão. Redes criminosas adaptativas aprendem com regularidades. Se o Estado cria regularidades demais, ensina sem querer.
A tecnologia também pode aumentar a previsibilidade quando a instituição passa a confiar excessivamente no painel. O que entra no sistema ganha prioridade. O que não entra perde existência institucional. Ocorrências registradas valem mais do que medo silencioso. Alertas automatizados recebem mais atenção do que sinais comunitários ambíguos. Locais com muitos dados atraem mais ação, enquanto áreas subnotificadas permanecem invisíveis.
Esse é um risco conhecido em ambientes complexos: a instituição passa a perseguir aquilo que consegue medir, não necessariamente aquilo que precisa compreender.
A previsibilidade explorável nasce quando a resposta estatal se torna legível demais para quem aprende com ela.
Qual é o erro de usar IA como resposta automática?
O erro de usar IA como resposta automática está em transformar hipótese técnica em decisão prática. Sistemas de IA produzem correlações, classificações, alertas, agrupamentos e inferências probabilísticas. Em segurança pública, esses resultados podem ajudar muito. Mas continuam sendo hipóteses analíticas. Não são prova, sentença, culpa, intenção nem autorização automática para restringir direitos.
Essa distinção fica mais importante quando saímos da análise agregada e entramos na inferência individualizada.
Análise agregada identifica padrões territoriais, temporais, operacionais ou estatísticos sem apontar uma pessoa determinada. Ela pode apoiar alocação de patrulhamento, leitura de manchas criminais, planejamento de fiscalização ou identificação de deslocamentos. Inferência individualizada é outra coisa. Ela produz alerta, escore, classificação ou perfil sobre pessoa identificada ou identificável, com potencial de orientar abordagem, vigilância direcionada, retenção, sanção ou outro ônus concreto.
Quando uma inferência desse tipo limita liberdade, circulação, acesso, permanência ou defesa de uma pessoa, estamos diante de decisão restritiva de direitos. Quando uma inferência orienta abordagem específica, vigilância direcionada, retenção, sanção ou outro ônus concreto imposto pelo Estado, falamos em tratamento estatal desfavorável. Esses termos podem parecer duros, mas ajudam a separar usos administrativos ou agregados de usos que afetam pessoas diretamente.
No campo da tecnologia na segurança pública, essa separação é indispensável. Um sistema que identifica padrões agregados de deslocamento não produz o mesmo tipo de risco que um sistema que classifica uma pessoa como suspeita, perigosa ou prioritária. Tratar tudo como se fosse a mesma coisa gera dois erros: bloqueia usos legítimos de análise e enfraquece o controle justamente onde ele deve ser mais forte.
Reconhecimento facial exige cuidado adicional porque o erro não se distribui de forma neutra. Em usos reais, falsos positivos podem atingir grupos sociais de modo desigual, sobretudo quando bases de treinamento, qualidade das imagens, condições de iluminação, critérios de validação e práticas institucionais já carregam assimetrias anteriores. O problema, portanto, não é apenas estatístico. Um alerta errado pode orientar abordagem, vigilância direcionada ou restrição concreta sobre uma pessoa.
A mesma cautela vale para sistemas que tentam inferir comportamento, intenção, credibilidade, risco individual ou propensão futura. Em contextos sociais complexos, sinais humanos dependem de situação, cultura, medo, pressão, história e ambiguidade. Transformar esses sinais em classificação estável pode criar uma aparência de certeza onde só havia hipótese frágil.
Por isso, preferimos falar em governança decisória humano-IA, não em simples supervisão humana. Supervisão humana pode virar ritual vazio: alguém olha a saída do sistema e confirma. Governança decisória humano-IA exige mais. Pessoas e instituições precisam definir finalidade, base legal, parâmetros, qualidade dos dados, limites de uso, interpretação, decisão, registro, revisão e resposta a incidentes.
A IA deve acelerar a aprendizagem institucional, não automatizar a aparência de certeza.
Por que transparência total pode ser ruim e sigilo total é pior?
Transparência total pode ser ruim quando expõe métodos, critérios, horários, cobertura, capacidades técnicas e fragilidades operacionais que redes criminosas podem explorar. Sigilo total é pior quando impede controle, oculta erros, bloqueia revisão e transforma a tecnologia em uma zona de baixa responsabilidade institucional.
A segurança pública precisa de transparência adaptativa.
Transparência adaptativa significa graduar o nível de explicação, publicidade e controle conforme o contexto de uso, o impacto sobre direitos e o risco operacional. Usos que afetam diretamente pessoas exigem mais explicação, registro, revisão e possibilidade de contestação. Usos agregados, estratégicos ou sensíveis podem exigir proteção maior de métodos e capacidades, mas essa proteção não elimina controle.
O erro seria escolher entre exposição ingênua e opacidade institucional. Expor tudo pode transformar a regulação em mapa para adaptação criminosa. Ocultar tudo pode transformar o sigilo em escudo contra responsabilidade.
A discussão sobre tecnologia na segurança pública exige uma resposta mais madura. Quando a publicidade ampla comprometer operações, investigações, fontes, capacidades ou segurança da sociedade, o Estado pode restringir a exposição pública de certos elementos. Mas essa restrição deve vir acompanhada de registro auditável, controle interno, controle externo qualificado e possibilidade real de responsabilização.
Auditoria sigilosa só faz sentido quando combina independência, competência técnica, dever de confidencialidade, acesso proporcional e capacidade de responsabilizar. Corregedorias, órgãos de controle interno, Ministério Público, Poder Judiciário, tribunais de contas, órgãos de proteção de dados ou entidades técnicas acreditadas podem cumprir papéis distintos, conforme o caso. O essencial é não confundir sigilo com ausência de controle.
Sem isso, o sigilo deixa de proteger a operação e passa a proteger a instituição contra o controle.
A tecnologia em segurança pública precisa de confiança pública, mas confiança não nasce de promessa. Nasce de desenho institucional: finalidade clara, registro, trilha de uso, revisão, limites, correção de erro e responsabilização.
Sigilo operacional não pode virar licença para opacidade. Transparência pública não pode virar manual de adaptação para o crime.
Tecnologia que vê mais e tecnologia que faz o Estado aprender melhor
| Uso tecnológico | Ganho de visibilidade | Ganho de aprendizagem estatal | Risco de previsibilidade explorável | Salvaguarda necessária |
|---|---|---|---|---|
| Câmeras e sensores urbanos | Ampliam observação de áreas e eventos. | Ajudam a detectar deslocamentos, recorrências e zonas de pressão. | Podem criar zonas cegas conhecidas e rotinas de vigilância previsíveis. | Revisão periódica de cobertura, análise de deslocamento e integração com dados territoriais. |
| Drones | Ampliam observação em áreas de risco, fronteiras, desastres e operações específicas. | Permitem leitura situacional rápida e atualização de hipóteses operacionais. | Podem virar recurso episódico, previsível e sem aprendizagem posterior. | Protocolos de emprego, registro, análise pós-ação e integração com planejamento. |
| Integração de bases | Reduz fragmentação informacional. | Acelera a conexão entre eventos, lugares, fluxos e decisões institucionais. | Pode acumular dados sem interpretação e replicar erros entre órgãos. | Governança de dados, qualidade da informação, finalidade definida e controle de acesso. |
| Reconhecimento facial | Pode apoiar a busca de foragidos, desaparecidos e identificação em contextos delimitados. | Melhora respostas quando vinculado a hipóteses específicas e validação humana. | Pode gerar falso positivo, erro diferencial entre grupos demográficos, vigilância massiva e transformação de alerta em decisão automática. | Validação humana, contexto delimitado, auditoria, registro, teste de desempenho e vedação de uso indiscriminado. |
| IA para análise agregada | Identifica padrões territoriais, temporais, operacionais ou administrativos. | Ajuda a perceber mudanças no regime de operação e sinais de recomposição. | Pode confundir padrão agregado com risco individual. | Separação normativa entre análise agregada e inferência individualizada. |
| IA para inferência individualizada | Produz alerta, escore, perfil ou classificação sobre pessoa identificada ou identificável. | Pode apoiar investigação em contexto controlado. | Pode gerar tratamento estatal desfavorável baseado em hipótese frágil ou descontextualizada. | Obrigações reforçadas, revisão humana, indicação de incerteza, contestação e registro auditável. |
Como usar tecnologia sem ensinar o crime a se adaptar melhor?
A tecnologia deve entrar na segurança pública como parte de uma arquitetura de aprendizagem, não como substituto da estratégia. Antes de adotar, ampliar ou defender um sistema tecnológico, algumas perguntas ajudam a evitar tanto o entusiasmo ingênuo quanto a rejeição automática.
A tecnologia reduz a incerteza do Estado ou apenas acelera rotinas antigas?
O sistema ajuda o Estado a aprender mais rápido após cada intervenção?
O uso diminui a previsibilidade explorável ou cria novos padrões legíveis?
A distribuição de câmeras, sensores e operações cria zonas cegas previsíveis?
A decisão final continua situada em autoridade humana competente?
Há registro auditável do uso?
Quem controla o sistema: operador, gestor, fornecedor ou órgão público?
O órgão acompanha sinais de adaptação criminal depois da intervenção?
Essas perguntas deslocam o debate. A questão deixa de ser “usar ou não usar tecnologia” e passa a ser outra: que tipo de aprendizagem institucional esse uso produz?
No fim, tecnologia na segurança pública exige uma leitura menos ingênua da capacidade estatal. Tecnologia útil não é a que promete ver tudo. É a que ajuda o Estado a aprender mais rápido, agir com menos ingenuidade e corrigir antes do adversário.
Perguntas rápidas sobre tecnologia na segurança pública
O que significa dizer que enxergar mais não basta na segurança pública?
Significa que mais dados, câmeras e sistemas de monitoramento não garantem melhor decisão. A tecnologia precisa ajudar o Estado a interpretar padrões, reduzir incerteza, corrigir rotas e aprender mais rápido.
Como a tecnologia pode diminuir a diferença de aprendizagem entre Estado e crime?
A tecnologia diminui essa diferença quando encurta o tempo entre perceber um sinal, interpretar o padrão, decidir, agir e corrigir. Ela ajuda o Estado a aprender com feedback, deslocamentos e recomposições que poderiam passar despercebidos.
Como a tecnologia na segurança pública se relaciona com o crime organizado?
A tecnologia na segurança pública se relaciona com crime organizado porque redes criminosas aprendem com padrões da ação estatal. O uso tecnológico deve reduzir essa vantagem, acelerar a aprendizagem estatal e evitar rotinas previsíveis demais.
O que é previsibilidade explorável?
Previsibilidade explorável é a regularidade da ação estatal que pode ser observada, testada e usada por redes criminosas para ajustar condutas. Ela aparece quando horários, rotinas, zonas de vigilância, critérios de fiscalização e respostas institucionais se tornam legíveis demais.
A tecnologia sempre reduz a previsibilidade explorável?
Não. Tecnologia mal integrada pode aumentar a previsibilidade explorável. Isso ocorre quando câmeras, drones, mapas, fiscalizações e sistemas de IA apenas repetem padrões fixos de atuação, sem revisão, variação e aprendizagem institucional.
Qual é a diferença entre análise agregada e inferência individualizada?
Análise agregada identifica padrões territoriais, temporais, operacionais ou estatísticos sem apontar uma pessoa determinada. Inferência individualizada produz alerta, escore, perfil ou classificação sobre pessoa identificada ou identificável, com potencial impacto sobre direitos.
Qual é o risco do reconhecimento facial na segurança pública?
O reconhecimento facial pode ampliar riscos de falso positivo, vigilância excessiva e erro diferencial entre grupos demográficos. Por isso, alertas desse tipo não devem produzir decisão automática nem tratamento estatal desfavorável sem validação humana, contexto delimitado, auditoria e registro.
O que é governança decisória humano-IA?
Governança decisória humano-IA é o arranjo em que pessoas e instituições definem finalidade, parâmetros, controles, interpretação, decisão, monitoramento e revisão do uso de IA. A IA apoia hipóteses analíticas, mas a responsabilidade permanece humana e institucional.
Como equilibrar transparência e sigilo operacional?
O equilíbrio exige transparência adaptativa. Usos que afetam direitos individuais exigem mais explicação, registro e revisão. Quando a publicidade ampla comprometer operações, métodos ou fontes, o controle deve ocorrer por auditoria sigilosa, órgãos competentes e instâncias independentes de fiscalização.
No próximo artigo, vamos seguir no percurso com a pergunta estratégica: se o crime opera como infraestrutura, aprende com a ação estatal e explora previsibilidades, como construir uma resposta capaz de combinar repressão, inteligência, finanças, controle prisional, tecnologia, regulação e proteção comunitária sem cair na promessa de solução única?
Boa leitura
Sergio Senna Pires