Inteligência artificial nas investigações criminais: o caso Adérito Lopes como alerta

O caso das agressões sofridas pelo ator Adérito Lopes no Teatro A Barraca completa um ano sem conclusão. O inquérito permanece em segredo de justiça, e os advogados só recentemente tiveram acesso ao processo. Essa lentidão não é exceção no sistema judicial brasileiro ou português. Processos que dependem de análise manual de provas, depoimentos e perícias frequentemente se arrastam por meses ou anos, comprometendo a efetividade da justiça. Em um mundo onde a tecnologia avança rapidamente, cabe perguntar: por que as investigações criminais ainda são tão dependentes de trabalho humano repetitivo?

A inteligência artificial já demonstrou capacidade de processar grandes volumes de dados em frações de segundos, extrair padrões e até mesmo prever desfechos com base em evidências. No entanto, sua adoção em órgãos de investigação e tribunais enfrenta barreiras que vão além do custo. Questões éticas, legais e operacionais tornam a implementação lenta. O caso do ator é um convite para refletir sobre como a IA poderia ter agilizado a coleta e análise de provas, sem violar direitos fundamentais ou o segredo de justiça.

Mais do que apontar falhas, este artigo propõe uma análise técnica e crítica das possibilidades reais de aplicação de IA em investigações criminais, com base em casos reais e no estado da arte da tecnologia. Não se trata de vender soluções milagrosas, mas de entender onde a automação faz sentido e onde ela pode introduzir riscos inaceitáveis.

Contexto técnico e de negócio

Investigações criminais envolvem a análise de múltiplas fontes de evidência: gravações de áudio e vídeo, mensagens de texto, registros telefônicos, documentos financeiros, depoimentos transcritos e laudos periciais. Cada um desses elementos exige interpretação humana especializada. Em casos de grande volume, como os de corrupção ou crimes organizados, a quantidade de dados pode chegar a terabytes. Sem auxílio tecnológico, a triagem e correlação desses dados consomem meses de trabalho de equipes numerosas.

Ferramentas de IA, especialmente as baseadas em aprendizado de máquina e processamento de linguagem natural (PLN), podem automatizar tarefas como transcrição de áudio, extração de entidades nomeadas (pessoas, locais, datas), classificação de documentos e detecção de anomalias em transações. Por exemplo, sistemas de reconhecimento facial podem identificar suspeitos em imagens de câmeras de segurança com precisão superior à humana em condições controladas. Já modelos de PLN podem analisar depoimentos em busca de inconsistências ou padrões de linguagem que indiquem omissão de informações.

Por que isso importa agora

O volume de dados gerados digitalmente cresce exponencialmente. No Brasil, a Lei Geral de Proteção de Dados (LGPD) impõe restrições ao tratamento automatizado de informações pessoais, mas também abre espaço para o uso de IA quando há interesse legítimo e transparência. Em Portugal, o Regulamento Geral de Proteção de Dados (RGPD) segue princípios similares. Ignorar essa tecnologia significa perpetuar filas processuais e aumentar a impunidade. No entanto, a implementação precipitada sem validação ética pode gerar falsas acusações e violar direitos.

Desenvolvimento

A primeira grande oportunidade está na análise de vídeos de vigilância. Sistemas de visão computacional treinados para reconhecer ações violentas ou movimentos suspeitos podem reduzir o tempo de busca em centenas de horas de gravação para minutos. No caso de Adérito Lopes, câmeras internas do teatro poderiam ter sido processadas automaticamente para identificar o agressor e reconstruir a sequência dos eventos, sem depender exclusivamente de testemunhas. A tecnologia existe e é usada em aeroportos e estádios, mas raramente chega a inquéritos de pequena escala.

Outra frente é a análise de mensagens de texto e áudios de WhatsApp. Ferramentas de transcrição automática combinadas com análise semântica podem extrair conversas relevantes, localizar menções a datas e locais, e até identificar ameaças implícitas. Em muitos casos, a polícia ainda faz essa leitura manualmente, o que consome semanas. Com IA, o mesmo trabalho pode ser feito em horas, desde que haja curadoria humana para evitar falsos positivos.

Ferramentas de IA em investigações criminais

Dentre as soluções mais maduras, destacam-se:

• Reconhecimento facial e de objetos: algoritmos como FaceNet e YOLO permitem identificar pessoas e objetos em tempo real, desde que treinados com dados representativos. Em investigações, podem cruzar imagens de suspeitos com bancos de dados oficiais, acelerando a identificação.
• Processamento de linguagem natural (PLN): modelos como BERT e GPT podem resumir depoimentos, extrair entidades e detectar contradições. Quando aplicados a transcrições judiciais, ajudam a criar timelines e mapas de relacionamento entre envolvidos.
• Mineração de dados de redes sociais: ferramentas de scraping e análise de sentimento podem revelar padrões de comportamento, conexões entre pessoas e até prever riscos de reincidência, embora com controvérsias éticas.

Desafios de implementação

Não basta comprar um software pronto e esperar resultados. A qualidade dos dados de treinamento é crítica. Modelos treinados com dados de um país podem falhar em outro devido a diferenças culturais, sotaques ou aspectos legais. Além disso, a LGPD exige que o tratamento automatizado de dados pessoais seja informado ao titular, o que em investigações sigilosas é quase impossível. Há também o risco de viés algorítmico: sistemas que identificam falsamente minorias com mais frequência agravam a desigualdade no sistema de justiça.

Outro ponto é a transparência. Modelos de deep learning são caixas-pretas; juízes e advogados precisam entender como a IA chegou a uma conclusão para contestá-la. Sem explicabilidade, o uso da IA em processos criminais pode ser questionado como violação ao contraditório. Ferramentas como LIME e SHAP ajudam a interpretar predições, mas ainda são pouco adotadas em ferramentas comerciais.

Por fim, o custo de implementação e manutenção é alto. Órgãos públicos com orçamentos enxutos podem ter dificuldade em contratar equipes de cientistas de dados e adquirir infraestrutura de nuvem. Sem investimento contínuo, a tecnologia fica obsoleta rapidamente.

Decisões técnicas ou editoriais

Se eu fosse arquitetar uma solução de IA para acelerar investigações como a do caso Adérito Lopes, priorizaria três eixos. Primeiro, automação de transcrição e indexação de áudio e vídeo, com modelo treinado em português europeu e variedades regionais, usando ASR (automatic speech recognition) open source como Whisper, que tem boa precisão e é auditável. Segundo, um sistema de busca semântica em documentos, permitindo que promotores façam perguntas em linguagem natural e obtenham trechos relevantes. Terceiro, um painel de visualização de redes de relacionamento extraídas de mensagens e ligações.

Em termos editoriais, o artigo não defende o uso irrestrito de IA, mas sim a adoção criteriosa com supervisão humana. Decidi não mencionar ferramentas específicas de fornecedores para evitar viés, mas reconheço que soluções como IBM Watson ou Microsoft Azure Cognitive Services já são usadas em alguns tribunais estrangeiros. A principal decisão aqui é alertar para o gap entre o potencial da tecnologia e a realidade operacional dos órgãos de investigação.

Outra decisão importante foi focar no caso específico como gatilho, e não como prova de que a IA resolveria tudo. A morosidade do caso pode ter causas processuais e políticas que a IA não endereça. Logo, o artigo não faz afirmações causais diretas, apenas levanta hipóteses editoriais para debate.

Riscos, limitações e perguntas em aberto

O principal risco é a violação do segredo de justiça. Sistemas baseados em nuvem pública podem expor dados sensíveis se não forem adequadamente isolados. Soluções on-premise são mais seguras, mas exigem investimento em hardware e equipe de segurança da informação. Além disso, o uso de IA em investigações criminais pode gerar falsas memórias ou conclusões erradas se os modelos forem mal calibrados.

Outra limitação é a falta de regulamentação específica para uso de IA em processos judiciais. Países como Brasil e Portugal ainda não têm legislação clara sobre responsabilidade civil em caso de erro algorítmico. Quem responde se um inocente for preso com base em análise automatizada? O desenvolvedor, o policial ou o juiz? Sem respostas legais, muitos órgãos evitam adotar a tecnologia.

Em aberto, fica a questão da privacidade. A coleta e tratamento de dados de vítimas e testemunhas exigem consentimento ou base legal específica. Em segredo de justiça, essa base pode ser o interesse público, mas a transparência necessária para auditoria contrasta com o sigilo. Não há solução fácil para esse dilema.

Aprendizados práticos

Primeira lição: comece com tarefas de baixo risco e alto volume. Transcrição de audiências e indexação de documentos são áreas onde a IA já erra menos que humanos em revisão. Implementar essas primeiras soluções cria confiança e gera economia de tempo imediata.

Segunda lição: envolva especialistas jurídicos desde o design. Muitos projetos de IA falham porque engenheiros não entendem os requisitos legais, como prazos processuais, regras de admissibilidade de provas e sigilo. Uma equipe multidisciplinar reduz retrabalho.

Terceira lição: invista em explicabilidade. Mesmo que o modelo seja complexo, forneça relatórios que mostrem quais evidências levaram a cada conclusão. Isso permite que advogados contestem e juízes validem, mantendo o devido processo legal.

Conclusão

O caso do ator Adérito Lopes não será resolvido por IA, mas aponta uma oportunidade de repensar como a tecnologia pode apoiar a justiça. A lentidão das investigações não é apenas um problema de recursos humanos; é também um problema de gestão de dados. Ferramentas de IA, quando bem projetadas e regulamentadas, podem reduzir o tempo de análise de evidências de meses para dias, sem comprometer a precisão.

No entanto, o caminho exige cautela. Cada implementação deve ser acompanhada de auditoria independente, treinamento de equipes e respeito às leis de proteção de dados. A inteligência artificial não substitui o julgamento humano, mas pode amplificar a capacidade de encontrar a verdade. Cabe à sociedade exigir que essa tecnologia seja usada com ética e transparência, especialmente quando vidas e liberdades estão em jogo.