1. Introdução: a tecnologia aponta o suspeito… mas a certeza é real?
O uso de sistemas de reconhecimento por inteligência artificial (IA) tem crescido rapidamente nas investigações criminais, especialmente em:
reconhecimento facial
análise de imagens e vídeos
cruzamento automatizado de dados
identificação de suspeitos em bancos de dados públicos e privados
À primeira vista, a tecnologia transmite uma ideia de precisão absoluta.
Mas, na prática, muitos processos revelam um problema grave: falsos positivos.
Ou seja, a IA “aponta” alguém como suspeito — mas erra.
E quando isso acontece, o risco é alto:
uma pessoa inocente pode ser investigada, denunciada ou até presa com base em uma prova tecnicamente frágil.
A pergunta central é:
provas baseadas em reconhecimento por IA podem ser questionadas?
Sim. E devem — sobretudo quando não há validação técnica e contraditório efetivo.
2. O que são falsos positivos em sistemas de reconhecimento por IA
Falso positivo ocorre quando o sistema identifica erroneamente uma pessoa como autora ou participante de um fato.
Nos sistemas de reconhecimento por IA, isso pode acontecer por diversos fatores:
baixa qualidade da imagem
ângulo inadequado
iluminação precária
banco de dados incompleto ou enviesado
erro estatístico do algoritmo
similaridade física entre pessoas diferentes
O ponto crucial é: IA trabalha com probabilidade, não com certeza absoluta.
Mesmo taxas de acerto consideradas “altas” podem gerar erros graves quando aplicadas ao processo penal.
2.1. Por que isso é especialmente perigoso no processo penal
No processo penal, qualquer dúvida deve favorecer o réu.
Quando uma prova baseada em IA é tratada como verdade incontestável:
o contraditório é enfraquecido
o ônus da prova é invertido, na prática
o investigado passa a “ter que provar que não é ele”
a tecnologia substitui a análise humana crítica
Isso viola princípios fundamentais como:
presunção de inocência
devido processo legal
ampla defesa
contraditório
3. Onde os falsos positivos costumam aparecer
Alguns cenários recorrentes:
reconhecimento facial feito apenas por software, sem validação humana
ausência de perícia técnica independente
relatórios genéricos, sem explicação do método
falta de informação sobre margem de erro
uso de imagens de baixa resolução
comparação com banco de dados desconhecido
ausência de cadeia de custódia digital
Em muitos casos, o processo traz apenas a conclusão do sistema — sem explicar como chegou até ela.
3.1. “Mas a tecnologia não é confiável?”
Tecnologia pode ser útil, mas não é infalível.
IA:
aprende com dados
replica vieses existentes
opera por padrões estatísticos
erra — e erra mais em determinados grupos
Por isso, não pode ser usada como prova absoluta, especialmente quando:
é o principal elemento de acusação
não há outras provas independentes
não houve possibilidade real de contestação técnica
4. O ponto central: prova por IA exige controle, transparência e contraditório
Provas baseadas em IA não são ilegais por si só, mas exigem cuidados rigorosos.
A defesa pode questionar, por exemplo:
qual sistema foi utilizado
qual algoritmo ou software
qual a taxa de erro conhecida
qual o banco de dados usado
se houve auditoria ou validação externa
se o método é aceito cientificamente
se houve perícia independente
Sem essas informações, a prova perde confiabilidade jurídica.
5. Estratégias de impugnação pela defesa
A defesa pode atacar a prova baseada em IA sob diversos fundamentos, como:
ausência de transparência metodológica
violação ao contraditório
falta de perícia técnica adequada
quebra da cadeia de custódia digital
impossibilidade de verificação do erro
dependência exclusiva da prova algorítmica
Em casos mais graves, pode-se sustentar:
📌 nulidade da prova
📌 ilicitude por violação a garantias fundamentais
📌 insuficiência probatória
5.1. Um ponto decisivo: IA não substitui prova judicial válida
Um erro comum é tratar o resultado da IA como se fosse:
confissão
testemunho
prova técnica incontestável
Não é.
IA é, no máximo, elemento informativo — que precisa ser:
confirmado por outras provas
submetido ao contraditório
analisado criticamente pelo juiz
Sem isso, há risco real de condenação injusta.
6. Como demonstrar o risco de erro no caso concreto
A defesa pode demonstrar fragilidade da identificação com argumentos como:
imagens sem nitidez
ausência de semelhança inequívoca
falta de reconhecimento pessoal formal
inexistência de confirmação por testemunhas
divergências físicas ou temporais
impossibilidade de reproduzir o teste do sistema
A lógica é clara: se o erro é possível e não foi afastado, a prova não pode sustentar condenação.
7. Documentos e provas que fortalecem a impugnação
Alguns elementos são essenciais:
relatório técnico do sistema de IA
laudo pericial (ou ausência dele)
informações sobre o software utilizado
dados sobre margem de erro
imagens originais analisadas
registro da cadeia de custódia digital
comparação com outros meios de prova
Quanto menos transparente for o uso da IA, maior o argumento defensivo.
8. Conclusão: tecnologia sem controle pode gerar injustiça — e falsos positivos devem ser combatidos
A inteligência artificial não pode ser tratada como “oráculo da verdade”.
Quando a identificação:
é feita exclusivamente por IA
não permite verificação técnica
ignora margem de erro
não passa pelo contraditório
substitui a análise humana crítica
a defesa tem base sólida para impugnar.
O ponto central é simples e constitucional:
ninguém pode ser investigado, acusado ou condenado com base em um erro algorítmico não questionado.
Falsos positivos existem, são documentados e representam risco real.
E no processo penal, dúvida, erro e opacidade tecnológica não podem pesar contra a liberdade.