Nesta reta final das campanhas eleitorais, o Tribunal Regional Eleitoral do Distrito Federal recebeu os planos de governo dos candidatos ao Palácio do Buriti. Como exige a lei, todos apresentaram suas propostas para segurança pública — área que, no DF, envolve desde o policiamento ostensivo até sistemas de videomonitoramento, reconhecimento facial e integração de bases de dados. Depois de ler as promessas divulgadas pela imprensa, fiquei com uma pulga atrás da orelha: onde está a discussão sobre os riscos de privacidade dessas iniciativas?
Não sou especialista em políticas públicas, mas trabalho há mais de quinze anos com arquitetura de sistemas distribuídos e inteligência artificial aplicada. Sei que, por trás de qualquer "centro de comando e controle" ou "plataforma inteligente de segurança", existe um ecossistema de coleta, armazenamento e processamento de dados pessoais — muitas vezes sem que o cidadão comum saiba como esses dados serão usados, por quanto tempo serão retidos e quem terá acesso a eles. Em produtos digitais que desenvolvemos no setor privado, a privacy by design já é um princípio básico; nas políticas públicas, infelizmente, ela ainda é tratada como um detalhe.
O que os planos dizem (e o que escondem)
A cobertura do iG listou as principais propostas dos candidatos ao governo do DF. Tem desde "ampliação do efetivo policial" até "implantação de câmeras com inteligência artificial". Alguns mencionam a criação de um "banco de dados unificado de ocorrências". Outros prometem sistemas de monitoramento veicular e reconhecimento facial em estações do metrô. Soa moderno, mas, para quem entende de engenharia de software, cada uma dessas promessas levanta questões técnicas delicadas.
Um banco de dados unificado, por exemplo, exige integração entre corporações (Polícia Civil, Polícia Militar, Detran, Administrações Regionais). Isso significa acordos de compartilhamento de dados, APIs, governança de informações sensíveis e controles de acesso granulares. Na prática, muitos desses projetos esbarram em silos organizacionais e falta de padronização de metadados. Pior: quando a integração é mal feita, vazamentos podem expor dados de cidadãos que nunca cometeram crime — apenas foram parar em uma base por estarem no local errado na hora errada.
Reconhecimento facial: o cavalo de Troia da vigilância
O reconhecimento facial em espaços públicos é um dos temas mais controversos. Em 2021, o Tribunal de Justiça do DF chegou a suspender o uso da tecnologia em estações de metrô após ações do Ministério Público. O argumento era que faltava regulamentação específica e que a tecnologia apresentava viés racial, identificando erroneamente pessoas negras com mais frequência.
Do ponto de vista de produto, um sistema de reconhecimento facial não é apenas um algoritmo de visão computacional. Ele envolve banco de imagens — muitas vezes sem consentimento —, mecanismos de detecção em tempo real e, não raro, a integração com bancos de dados de órgãos de segurança que contêm informações sigilosas. Cada vez que uma câmera captura um rosto, aquele dado pessoal (imagem facial) está sendo processado. Se o sistema não é auditável, se não há logs claros de quem acessou aquela imagem, se não há política de retenção definida, estamos construindo um panóptico digital às avessas.
Privacidade em produto: lições que a gestão pública precisa aprender
Quando projetamos um produto digital, especialmente se ele lida com dados sensíveis, seguimos princípios como minimização de dados (coletar só o necessário), finalidade explícita (informar ao usuário para que os dados serão usados) e segurança por padrão. Por que as políticas públicas de segurança deveriam ser diferentes?
O desenvolvimento de sistemas de segurança pública precisa, na minha visão, passar por um processo semelhante ao que chamamos de threat modeling. Antes de escrever uma linha de código, identificamos ameaças: vazamento de dados, uso indevido por maus atores internos, deriva de finalidade (usar a base de reconhecimento facial para perseguição política, por exemplo). A Lei Geral de Proteção de Dados (LGPD) já estabelece a obrigatoriedade de avaliação de impacto à proteção de dados para operações de alto risco — e vigilância em massa certamente se enquadra.
O que me preocupa é que nenhum dos planos de governo que li menciona explicitamente a LGPD, nem propõe mecanismos de transparência como painéis públicos de auditoria, conselhos independentes de privacidade ou relatórios periódicos de impacto. É como se a segurança pública e a privacidade fossem objetivos antagônicos — e não precisam ser.
Transparência algorítmica: o gargalo que ninguém quer encarar
Outro ponto cego é o uso de inteligência artificial para predição de crimes. Alguns candidatos sugerem "policiamento preditivo baseado em dados". Esse tipo de sistema usa algoritmos para mapear áreas de maior incidência criminal e direcionar o patrulhamento. Na teoria, otimiza recursos. Na prática, estudos mostram que esses algoritmos podem perpetuar vieses históricos de policiamento, concentrando vigilância em comunidades já marginalizadas.
Para um engenheiro de software, a questão não é o uso da IA em si, mas a falta de auditoria externa e a ausência de explicações sobre quais variáveis são consideradas. Um modelo preditivo que usa como entrada apenas boletins de ocorrência passados vai inevitavelmente refletir o viés de onde a polícia já atuou mais, criando um ciclo vicioso. Sem transparência algorítmica — ou seja, sem que a sociedade possa entender e contestar as decisões do algoritmo —, a tecnologia vira uma caixa-preta de vigilância seletiva.
Implicações práticas para o cidadão e para o mercado de tecnologia
Para quem trabalha com produtos digitais, como é o meu caso, o cenário atual do DF oferece uma oportunidade (e um risco) profissional. As prefeituras e governos estaduais estão cada vez mais contratando startups e empresas de tecnologia para desenvolver essas plataformas. Já participei de licitações em que o edital pedia "solução de videomonitoramento com IA", mas não especificava requisitos de privacidade, LGPD ou auditoria de algoritmos.
Isso é um alerta tanto para os fornecedores quanto para os gestores públicos. Um produto que viola a privacidade pode gerar multas milionárias (a LGPD prevê sanções de até 2% do faturamento), além de danos reputacionais irreversíveis. Mais importante: para o cidadão, a perda de privacidade é concreta e imediata — desde a sensação de estar sempre sendo observado até o risco real de ter seus dados usados em um processo judicial sem o devido contraditório.
Três perguntas que todo eleitor deveria fazer ao candidato
Com base na minha experiência, elaborei três perguntas técnicas que podem ajudar a distinguir propostas sérias de promessas vazias:
- O plano de governo inclui uma avaliação de impacto à proteção de dados (DPIA) prévia? Se o candidato não souber o que é isso, desconfie. Na prática, contratar uma consultoria independente para fazer a DPIA antes de implantar qualquer sistema de vigilância é o mínimo.
- Como será garantido o direito à explicação? O cidadão que for alvo de uma abordagem policial baseada em algoritmos tem direito a saber quais dados foram usados e como a decisão foi tomada. A proposta prevê mecanismos para isso?
- Há previsão de auditoria externa e periódica dos modelos de IA? Não basta contratar uma empresa que desenvolve o software; é essencial que um terceiro independente audite os algoritmos para verificar vieses e conformidade com a LGPD.
Riscos, limitações e o que aprendi na prática
Não quero dar a impressão de que sou contra o uso de tecnologia na segurança pública. Pelo contrário: acredito que sistemas bem projetados podem salvar vidas e reduzir a criminalidade. Mas já vi projetos naufragarem por causa de subestimação dos desafios de privacidade. Lembro de um caso real: um estado brasileiro implementou um sistema de reconhecimento de placas veiculares e, meses depois, descobriu-se que funcionários estavam usando a base para perseguir ex-parceiros. Faltava controle de acesso e logs de auditoria.
Outra limitação: a maioria dos sistemas de vigilância em larga escala depende de redes de telecomunicações e data centers. No DF, a infraestrutura é razoável, mas a resiliência desses sistemas a ataques cibernéticos é uma preocupação constante. Um ataque DDoS a um centro de comando pode cegar a polícia justamente no momento de uma crise. Segurança da informação e privacidade andam juntas: se os dados são mal protegidos, qualquer promessa de segurança pública cai por terra.
O que o Distrito Federal pode aprender com outras capitais
A cidade de São Paulo, por exemplo, já enfrentou debates acalorados sobre o uso de reconhecimento facial no metrô e acabou recuando após decisões judiciais. Londres, por outro lado, usa milhares de câmeras, mas com um código de prática e supervisão de um comissário de vigilância independente. No Brasil, a cultura de transparência algorítmica ainda engatinha.
Se os candidatos ao GDF quisessem realmente inovar, poderiam propor um "selo de privacidade" para sistemas de segurança — inspirado em certificações como SOC 2 ou ISO 27001, mas adaptado à realidade dos órgãos públicos. Isso criaria um padrão mínimo exigível nas licitações e daria ao cidadão a confiança de que seus dados não serão usados de forma abusiva.
Minha perspectiva: tecnologia a serviço da cidadania, não do controle
Como engenheiro de software, sempre defendi que a tecnologia deve ampliar direitos, não restringi-los. Projetar um sistema de segurança pública sem considerar privacidade é como construir uma ponte sem calcular a carga máxima: mais cedo ou mais tarde, ela desaba. As eleições de 2026 são uma oportunidade para o eleitor do DF exigir que as propostas de segurança venham acompanhadas de garantias concretas de proteção de dados.
No fundo, a pergunta central não é "qual candidato tem o plano de segurança mais tecnológico?", mas sim "qual candidato tem o plano de segurança que respeita minha privacidade e meus direitos fundamentais?". Se a resposta não incluir privacy by design, governança de dados e transparência algorítmica, a promessa pode ser mais perigosa do que a ausência dela.
Fica o alerta para os colegas desenvolvedores e gestores de produto: vamos participar desse debate, levar nossa expertise para as discussões públicas e cobrar que as plataformas que construímos — sejam para o setor privado ou para o Estado — sigam os mesmos padrões éticos que prezamos no nosso dia a dia. Afinal, privacidade não é um detalhe de implementação; é um direito fundamental.