Um estudo do Centro de Estudos de Segurança e Cidadania (CESeC) concluiu que o programa Smart Sampa, que conta com mais de 30 mil câmeras de reconhecimento facial em São Paulo, não reduziu os principais indicadores de criminalidade na capital paulista, apesar de um investimento mensal de cerca de R$ 10 milhões. Lançado em 2024, o sistema prometia transformar a segurança pública da cidade. No entanto, segundo a pesquisa, não houve redução significativa nas taxas de furtos, homicídios ou assaltos, nem aumento na produtividade policial (prisões em flagrante ou por mandado judicial). “Nosso estudo demonstra que as câmeras do programa Smart Sampa não se mostraram efetivas, porque, após mais de um ano de operação, não há qualquer evidência estatística de impacto na redução desses crimes, nem tampouco no aumento de prisões em flagrante ou por mandado judicial”, afirmou Thallita Lima, coordenadora de pesquisa do CESeC. Críticas e alternativas Os pesquisadores destacaram que o alto investimento na tecnologia poderia ser direcionado para políticas com comprovado impacto na redução da violência, como policiamento comunitário, prevenção em territórios vulneráveis, urbanismo social, políticas de juventude e iluminação pública. A prefeitura de São Paulo contestou as conclusões do estudo, afirmando que 2.965 criminosos foram presos em flagrante, 1.558 foragidos da Justiça capturados e 79 pessoas desaparecidas localizadas graças ao sistema. Ainda alegou que o estudo utilizou “comparações inadequadas” e teve “falhas de metodologia”, como comparar a capital com cidades do interior. O CESeC rebateu as alegações, afirmando que os números divulgados pela prefeitura refletem a continuidade da atuação policial, e não um impacto direto do sistema. A instituição explicou que utilizou o método Diferença em Diferenças (DiD), técnica estatística comum em avaliações de políticas públicas, comparando São Paulo com cidades que não implementaram o Smart Sampa. Erros de identificação Outro ponto destacado no estudo foram os erros de identificação nos primeiros meses de 2025. Em alguns casos, um policial militar fardado foi confundido com um foragido, um jardineiro voluntário foi preso injustamente e uma mulher grávida teve parto prematuro após ser equivocadamente identificada pelo sistema.

Segundo a pesquisa, os erros ocorreram devido a falhas nos algoritmos de reconhecimento facial — que tendem a errar mais com pessoas negras — e por bancos de dados desatualizados, com mandados que já deveriam ter sido retirados do sistema.

Com informações: G1, Olhar Digital