Policiamento Preditivo: R$ 300 Mi e o Viés Racial em 2026

São Paulo ampliou o uso de câmeras com reconhecimento facial e análise de comportamento em 2026. O Rio de Janeiro fez o mesmo. Juntas, as duas secretarias de segurança injetaram R$ 300 milhões em projetos-piloto de vigilância preditiva (Secretaria de Segurança Pública de São Paulo, Relatório Anual 2026; Secretaria de Segurança Pública do Rio de Janeiro, Relatório Anual 2026). A promessa é simples: usar visão computacional e modelos estatísticos para antecipar onde — e quando — o crime vai acontecer.

Os números de eficácia existem. O problema é que a tecnologia ainda carrega um passado de vieses e um futuro incerto sobre privacidade.

A matemática da antecipação: o que os dados mostram

O relatório mais citado do ano vem do Urban Institute. A entidade acompanhou 14 cidades americanas que implementaram policiamento preditivo entre 2023 e 2025. A conclusão: redução de até 20% em crimes patrimoniais, como furtos e roubos de veículos (Urban Institute, "Predictive Policing in American Cities: A Three-Year Assessment", 2026). O resultado não é uniforme — algumas cidades viram queda de 5%, outras chegaram perto de 30%.

O mercado acompanha o entusiasmo. O setor de software de segurança pública com IA deve movimentar US$ 12,8 bilhões em 2026 (MarketsandMarkets, "AI in Public Safety Software Market Report", 2026). Empresas como ShotSpotter, Axon e Motorola Solutions dominam o segmento, vendendo desde sensores acústicos de tiros até plataformas que cruzam dados históricos de boletins de ocorrência com imagens em tempo real.

A lógica técnica é direta. Algoritmos de visão computacional processam milhares de horas de vídeo. Identificam padrões: aglomerações em horários incomuns, veículos circulando em zigue-zague, pessoas retornando ao mesmo ponto várias vezes. O sistema cruza isso com o histórico criminal da região e gera um mapa de risco. O policial recebe a informação no tablet antes de sair na ronda.

O lado brasileiro: investimento bilionário e dúvidas locais

No Brasil, o discurso oficial é de modernização. São Paulo e Rio de Janeiro gastaram R$ 300 milhões combinados em 2026 para expandir as redes de câmeras (Secretaria de Segurança Pública de São Paulo, Relatório Anual 2026; Secretaria de Segurança Pública do Rio de Janeiro, Relatório Anual 2026). A justificativa é a mesma das cidades americanas: otimizar o patrulhamento e responder mais rápido.

Mas a aplicação local escancara um problema que os relatórios internacionais já apontam. Os modelos preditivos são treinados com dados históricos de ocorrências. E dados históricos de ocorrências refletem décadas de policiamento enviesado. Se a polícia sempre patrulhou mais um bairro, os registros de crime naquele bairro serão maiores. O algoritmo aprende que ali é "área de risco". O ciclo se retroalimenta.

O AI Now Institute alerta que sistemas preditivos tendem a projetar preconceitos históricos dos dados de treinamento, o que pode reforçar desigualdades no policiamento (AI Now Institute, "Algorithmic Accountability in Public Safety", 2026). O alerta é respaldado por pesquisa. A mesma instituição analisou sistemas preditivos em operação nos EUA e na Europa. Conclusão: 70% deles apresentam viés racial mensurável, reforçando desigualdades históricas no policiamento (AI Now Institute, "Algorithmic Accountability in Public Safety", 2026). No Brasil, o debate é ainda mais sensível. O perfil da população abordada pela polícia já é alvo de críticas constantes de movimentos sociais.

Precisão vs. privacidade: o dilema que ninguém resolveu

Há outro custo silencioso: a vigilância massiva. Câmeras que identificam rostos, placas e comportamentos geram um banco de dados gigantesco sobre cidadãos comuns. A maioria nunca cometeu crime. Ainda assim, seus deslocamentos diários, horários de trabalho e círculos sociais ficam registrados em servidores públicos ou de empresas contratadas.

A legislação brasileira trata o tema de forma fragmentada. A LGPD protege dados pessoais, mas abre exceções para segurança pública. Na prática, o cidadão não sabe o que é filmado, onde é filmado, nem por quanto tempo a imagem fica armazenada. Transparência é a exceção, não a regra.

As empresas do setor tentam responder. A Axon, por exemplo, publica relatórios de impacto ético de suas tecnologias. A IBM reduziu sua atuação em reconhecimento facial após pressão de grupos civis. Mas a autorregulação tem limites. O incentivo econômico é forte: o mercado de US$ 12,8 bilhões (MarketsandMarkets, 2026) cresce a cada ano, e a concorrência premia quem entrega resultados rápidos, não quem levanta questões difíceis.

O futuro da ronda: humano ou algorítmico?

A pergunta central não é se a tecnologia funciona. Em parte, funciona. A redução de 20% em crimes patrimoniais (Urban Institute, 2026) é um dado relevante. A questão é qual modelo de segurança pública queremos construir.

Há um caminho possível. Sistemas preditivos podem ser auditados externamente. Os dados de treinamento podem ser corrigidos para reduzir vieses. As câmeras podem ter políticas claras de retenção de imagens e acesso restrito. A transparência pode virar requisito de contrato, não cortesia.

Mas isso exige vontade política e pressão social. As cidades brasileiras que investiram R$ 300 milhões (Secretaria de Segurança Pública de São Paulo, Relatório Anual 2026; Secretaria de Segurança Pública do Rio de Janeiro, Relatório Anual 2026) precisam responder: quem audita esses algoritmos? Quem garante que um cidadão inocente filmado hoje não será prejudicado amanhã por um erro de classificação?

Conclusão

As câmeras com IA são uma ferramenta poderosa. Reduzem crimes, otimizam recursos e respondem a uma demanda legítima por segurança. Mas os números de eficácia vêm acompanhados de um alerta incômodo: 70% dos sistemas analisados têm viés racial (AI Now Institute, 2026). E o investimento bilionário no Brasil — R$ 300 milhões só em São Paulo e Rio (Secretaria de Segurança Pública de São Paulo, Relatório Anual 2026; Secretaria de Segurança Pública do Rio de Janeiro, Relatório Anual 2026) — exige mais do que entusiasmo tecnológico. Exige controle externo, auditoria independente e um debate público sobre o limite entre proteção e vigilância. Sem isso, o risco é trocar a violência das ruas por uma nova forma de injustiça, silenciosa e algorítmica.