Justiça Preditiva: Os Algoritmos que “Preveem” Crimes Podem Reduzir a Violência ou Apenas Reforçam o Preconceito?

Em um futuro próximo, a polícia não apenas responderá a crimes, mas agirá antes que eles ocorram. Essa é a base da Justiça Preditiva, um campo que utiliza Inteligência Artificial (IA) e machine learning para analisar vastas quantidades de dados históricos e gerar modelos que “preveem” a probabilidade de um crime acontecer em um determinado local ou a chance de um indivíduo cometer reincidência.

A promessa é tentadora: otimizar recursos policiais, reduzir a violência e criar cidades mais seguras. Contudo, essa tecnologia está imersa em uma polêmica profunda e ética. Críticos argumentam que, ao serem treinados com dados históricos enviesados, esses algoritmos não preveem o futuro; eles apenas automatizam e amplificam o preconceito do passado.

O Poder da Previsão: Otimização e Prevenção

Os defensores da Justiça Preditiva apontam para ganhos substanciais na eficiência e na segurança:

• Alocação de Recursos: Algoritmos podem identificar os “hot spots” (pontos quentes) de criminalidade com precisão, permitindo que as forças policiais patrulhem proativamente as áreas de maior risco em tempo real. O objetivo é a dissuasão — a presença policial em um local antes que a infração ocorra.
• Redução da Reincidência: Alguns sistemas são usados no sistema judicial para auxiliar juízes e promotores, estimando o risco de um réu cometer novos crimes ao ser libertado sob fiança ou liberdade condicional. Teoricamente, isso ajuda a tomar decisões mais objetivas sobre a soltura.
• Objetividade (Teórica): O algoritmo, em tese, não se baseia em instinto ou preconceito humano imediato, mas em matemática e estatística, podendo ser usado para mitigar a subjetividade inerente às decisões humanas.

O Problema do Viés: O Perigo da Profecia Autorrealizável

A maior controvérsia na Justiça Preditiva reside nos dados de treinamento (os datasets).

• Dados Enviesados: Os algoritmos são alimentados com o histórico de prisões e patrulhamentos. O problema é que esses dados refletem a realidade social, que já está marcada por vieses raciais e socioeconômicos. Se a polícia historicamente concentrou patrulhas e prisões em bairros pobres (devido ao racismo estrutural), o algoritmo aprenderá que aqueles locais são inerentemente de “alto risco”.
• O Loop de Feedback (A Profecia Autorrealizável): O algoritmo sugere que a polícia patrulhe o Bairro X. A polícia, seguindo a IA, aumenta a vigilância. Com mais vigilância, mais infrações menores são detectadas e mais dados são gerados no Bairro X. O algoritmo é então retreinado com esses novos dados, concluindo que o Bairro X é ainda mais perigoso. Isso cria um ciclo vicioso que concentra a polícia em comunidades marginalizadas.
• Ausência de Transparência (Black Box): Muitos desses sistemas são de propriedade privada e seus códigos são segredos comerciais. Isso impede que defensores públicos ou a sociedade civil entendam por que o algoritmo chegou a uma determinada decisão, tornando a defesa de um indivíduo contra a acusação de “alto risco” quase impossível.

Impacto Social e Ética Cidadã

O uso de IA na justiça não é apenas um problema técnico, mas uma questão de direitos civis:

• Estigmatização Comunitária: Em vez de prever o crime, os sistemas preditivos acabam prevendo onde a polícia irá agir. Isso leva à estigmatização de comunidades inteiras, que passam a ser vistas como criminosas a priori, violando o princípio da presunção de inocência.
• Decisão vs. Assistência: No contexto judicial, o uso de IA para avaliar o risco de reincidência pode influenciar decisões que negam fiança. Para os críticos, o foco deveria ser na intervenção social, educacional e psicológica para reduzir o risco real de reincidência, e não na punição preditiva.

IA como Reflexo, Não como Solução

A Justiça Preditiva possui o potencial teórico de ser uma ferramenta poderosa para a segurança pública, mas apenas se for implementada com uma dose maciça de ceticismo e supervisão.

A tecnologia não é intrinsecamente tendenciosa, mas seus dados e a forma como é aplicada refletem a sociedade que a criou. O desafio não é simplesmente construir um algoritmo melhor, mas sim garantir que a IA seja treinada com dados que corrijam vieses históricos, e não que os eternizem.

A verdadeira justiça não reside na automação da suspeita, mas na transparência, na responsabilidade e no princípio fundamental de que o tratamento de cada cidadão deve ser baseado em seu comportamento presente, e não em uma estatística fria baseada no passado de sua comunidade