Marcos Cesar Rodrigues Alves

ACADEMIA DE POLÍCIA MILITAR DE MINAS GERAIS
CENTRO DE PESQUISA E PÓS-GRADUAÇÃO
Marcos César Rodrigues Alves
A ADOÇÃO DA INTELIGÊNCIA ARTIFICIAL COMO ESTRATÉGIA

PARA POTENCIALIZAR AS ATIVIDADES DE INTELIGÊNCIA DE
SEGURANÇA PÚBLICA NO AUXÍLIO AO EMPREGO OPERACIONAL
DA POLÍCIA MILITAR DE MINAS GERAIS
Belo Horizonte
2020
Marcos César Rodrigues Alves
A ADOÇÃO DA INTELIGÊNCIA ARTIFICIAL COMO ESTRATÉGIA

PARA POTENCIALIZAR AS ATIVIDADES DE INTELIGÊNCIA DE
SEGURANÇA PÚBLICA NO AUXÍLIO AO EMPREGO OPERACIONAL
DA POLÍCIA MILITAR DE MINAS GERAIS
Monografia apresentada à Academia de Polícia

Militar, como requisito parcial para aprovação no
Curso de Especialização em Segurança Pública
(CESP/2020) e obtenção do título de Especialista
em Segurança Pública.
Orientador: Coronel PM QOR Hélio Hiroshi

Hamada.
Belo Horizonte
2020
A474a Alves, Rodrigues
A adoção da inteligência artificial como estratégia para
potencializar as atividades de inteligência de Segurança
Pública no auxílio ao emprego operacional da Polícia Militar
de Minas Gerais / Marcos César Rodrigues Alves. Belo
Horizonte, 2020.
220 f.: il. e anexos
Inclui bibliografias: f. 200-205.

Monografia (Especialização em Segurança Pública) –
Academia de Polícia Militar de Minas Gerais, Centro de
Pesquisa e Pós-Graduação.
Orientação: Hélio Hiroshi Hamada.
1. Inteligência de Segurança Pública. 2. Predição

do crime. 3. Inteligência Artificial. 4. Programa Minas
Segura. I. Hamada, Hélio Hiroshi (orient.). II. Academia de
Polícia Militar de Minas Gerais. III. Centro
de Pesquisa e Pós- Graduação. IV. Título.
CDU – 355.40:004.8(815.1)
Ficha catalográfica elaborada pela Biblioteca da Academia de Polícia Militar de Minas Gerais
Rita Lucia de Almeida Costa CRB6/1730
Dedico esta pesquisa ao Deus Vivo, o criador
dos céus e da terra. Não há nada, nem
ninguém que se compare à sua grandeza e
sabedoria.
AGRADECIMENTOS
Ao Senhor Jesus Cristo, pelas ministrações de graça e paz que transformam

as limitações humanas em obstáculos transponíveis.
À minha esposa, Karina Rotchely Rezende Alves, e aos meus filhos, Ana
Clara Rezende Alves e Tiago César Rezende Alves, pela compreensão racional e
amorosa sobre o sacrifício do convívio sagrado familiar em prol de um êxito que se
materializa em conhecimento.
Ao senhor Coronel PM QOR Hélio Hiroshi Hamada, doutor e mestre em
Educação, pelas orientações singulares, profissionais e de qualidade, que
apontaram caminhos certos ao êxito para a conclusão da presente pesquisa.
Ao senhor Coronel PM Júlio César Gomes Meneguite, pelas colaborações
diretas com ensinamentos e por dar acesso para que a pesquisa fosse realizada na
Diretoria de Inteligência da PMMG.
Ao senhor Coronel PM Cláudio Márcio Pogianelo, pelos auxílios e pronta
disponibilidade em apoiar os levantamentos realizados na Diretoria de Tecnologia e
Sistemas e Centro de Tecnologia e Sistemas da PMMG.
Ao senhor Coronel PM Alexandre Magno de Oliveira, pela colaboração com
seu tempo e informações indispensáveis para a conclusão da presente pesquisa.
Ao professor doutor Fernando Hadad Zaidan, pelos ensinamentos e atenção
especial que dispensou em responder questionamentos que lhe foram apresentados
em buscas por referenciais sobre um conhecimento sólido do tema pesquisado.
Aos oficiais do Centro de Tecnologia e Sistemas da PMMG, por toda a
colaboração incondicional prestada para o cumprimento dos objetivos propostos na
pesquisa.
Ao grande amigo e irmão 2º Sgt PM Renato Pires Moreira, pelo tempo e
ensinamentos que dispensou nas longas conversas que resultaram na compreensão
clara de aspectos fundamentais sobre o tema da presente pesquisa.
À Polícia Militar de Minas Gerais, por proporcionar uma experiência singular
de pesquisa em uma área pouco explorada na segurança pública no Brasil.
RESUMO
A presente pesquisa foi aplicada a fim de realizar um estudo analítico sobre a

utilização inteligência artificial (IA) como estratégia para potencializar a atividade de
inteligência de segurança pública no auxílio ao emprego operacional da Polícia
Militar de Minas Gerais (PMMG) dentro do eixo “Polícia 4.0”, do “Programa Minas
Segura” – 2ª Edição. Por se tratar de uma pesquisa descritiva e exploratória, de
natureza qualitativa, foram aplicados questionários que propiciaram coletas de
dados capazes de subsidiar uma análise real do fenômeno estudado. Foram
aplicados questionários a gestores dos níveis estratégico e tático da PMMG. Durante
o mapeamento do uso de inteligência artificial na PMMG, foram coletados dados
sobre um projeto visionário com uso de IA na Nona Região da PMMG. Também
houve a contribuição de dados da Secretária da Segurança Pública e Defesa Social
do Estado do Ceará e do Instituto CTEM+, ambos atuais desenvolvedores de
aplicações com IA em soluções para a segurança pública. A fim de conhecer quais
Polícias Militares estão utilizando ou desenvolvendo aplicação de IA, também foi
aplicado um questionário a todas Polícias Militares do país. Diante dos dados
coletados e pesquisas bibliográficas que apresentaram a visão contemporânea das
aplicações da IA na segurança pública, foi possível concluir na pesquisa que a IA
pode oferecer soluções para potencializar a atividade de inteligência de segurança
pública no auxílio ao emprego operacional da PMMG. Contudo, também se conclui
que não existem soluções tecnológicas com aplicação imediata, pois todas elas
carecem de algum tipo de modelagem para atender aos objetivos da Instituição.
Palavras-Chave: Inteligência Artificial. Inteligência de Segurança Pública. Emprego

Operacional. Programa Minas Segura. Predição do Crime.
ABSTRACT
This research was applied to carry out an analytical study on the use of Artificial
Intelligence as a strategy to enhance the activity of Public Security Intelligence in
assisting the operational employment of the Military Police of Minas Gerais (PMMG)
within the Police 4.0 axis of the Minas Safe Program - 2nd Edition. As it is a
descriptive and exploratory research, of a qualitative nature, questionnaires were
applied that provided data collections capable of supporting a real analysis of the
studied phenomenon. Questionnaires were administered to managers at the strategic
and tactical levels of the PMMG. During the mapping of the use of Artificial
Intelligence in the PMMG, data were collected on a visionary project using AI in the
Ninth Region of the PMMG. There was also the contribution of data from the
Secretary of Public Security and Social Defense of the State of Ceará and from the
CTEM + Institute, both current developers of applications with Artificial Intelligence in
solutions for public security. In order to find out which Military Police are using or
developing AI application, a questionnaire was also applied to all Military Police in the
country. Given the data collected and bibliographic research that presented the
contemporary view of the applications of AI in Public Security, it was possible to
conclude in the research that Artificial Intelligence can offer solutions to enhance the
Public Security Intelligence Activity in assisting PMMG's operational employment.
However, it is also concluded that there are no technological solutions with
immediate application, as they all need some type of modeling to meet the objectives
of the Institution.
Keywords: Artificial Intelligence. Public Security Intelligence. Operational

Employment. Minas Segura Program. Crime Prediction.
LISTA DE ABREVIATURAS E SIGLAS
AC Estado do Acre
ADO Assessoria de Desenvolvimento Organizacional
AIE Agência de Inteligência Estratégica
AM Aprendizado de Máquina
APM Academia de Polícia Militar
AR Autoregressive
ARIMA Autoregressive Integrated Moving Avarege
AT SIDS Assessoria Técnica do Sistema Integrado de Defesa Social
BI Business Intelligence
CAD Controle de Atendimento e Despacho
CE Estado do Ceará
CEGESP Curso de Especialização em Gestão Estratégica de Segurança
Pública
CESP Curso de Especialização em Segurança Pública
CIAD Centro Integrado de Atendimento e Despacho
CINDS Centro Integrado de Informações de Defesa Social
CINDS Coordenadoria do Centro Integrado de Informações de Defesa
Social
COPOM Centro de Operações Policiais Militares
CPE Comando de Policiamento Especializado
CPM Corregedoria da Policia Militar
CTEM+ Instituto Ciências, Tecnologias, Engenharia, Matemática e mais
CTS Centro de Tecnologia em Sistemas
DL Deep Learning
DInt Diretoria de Inteligência
DOP Diretoria Operacional
DTS Diretoria de Tecnologia e Sistemas
DW Data Warehouse
EMPM Estado Maior da Polícia Militar
ERP Enterprise Resources Planning
GDO Gestão do Desempenho Operacional
GPS General Problem Solver
GPS Global Position System
IA Inteligência Artificial
IAF Índice de Apreensão de Armas de Fogo
IC Inteligência Computacional
IC Interação Comunitária
IDDU Índice de Efetividade no Cumprimento de Demandas Geradas
via Disque Denúncia Unificado
INFOPEN Sistema de Informações Penitenciárias
INFOSEG Sistema de Integração Nacional das Informações de Segurança
Pública e Justiça
IoT Internet of Things
IPCIA Índice de Prevenção aos Crimes e Infrações Ambientais
ISP Inteligência de Segurança Pública
KDD Knowledge Discovery in Databases
MA Moving Avarege
MD Mineração de Dados
ML Machine Learning
MS Estado do Mato Grasso
OLAP On-Line Analytical Processing
OLS Operação Lei Seca
PA Pará
PCC Prevenção Comunitária do Crime
PLN Processamento da Linguagem Natural
PM-2 Segunda Seção do Estado Maior
PM-3 Terceira Seção do Estado Maior
PMDI Plano Mineiro de Desenvolvimento Integrado
PMMG Polícia Militar de Minas Gerais
PPAG Plano Plurianual de Ações de Governo
PROMAP Prospective Crime Mapping
PPMM Polícias Militares
PSC Prevenção Situacional do Crime
RDI Repositório de Dados de Inteligência
REDS Registros de Eventos de Defesa Social
REDE-SIPOM Rede de Inteligência da Polícia Militar
RFID Identificação por Radiofrequência
RNA Rede Neural Artificial
RPM Região de Polícia Militar
SEISPMG Sistema Estadual de Inteligência de Segurança Pública de Minas
Gerais
SGBD Sistema Gerenciador de Banco de Dados
SI Sistemas de Informação
SIDS Sistema Integrado de Defesa Social
SIGPRI Sistema Integrado de Gestão Prisional
SIPOM Sistema de Inteligência da Polícia Militar
SISBIN Sistema Brasileiro de Inteligência
SSPDS-CE Secretaria da Segurança Pública e Defesa Social do Estado do
Ceará
TAV Taxa de Acidentes de Trânsito com Vítimas nas rodovias
estaduais e federais delegadas
TCV Taca de Crimes Violentos
THC Taxa de Homicídios Consumados
TQF Taxa Qualificada de Furtos
TRI Taxa de Reação Imediata
RQV Repressão Qualificada da Violência
UEOp Unidade de Execução Operacional
LISTA DE FIGURAS
Figura 1 – Neurônio biológico e neurônio artificial..................................................... 27

Figura 2 – Processamento de dados em redes neurais artificiais ............................. 30
Figura 3 – Big data e fatores indutores (4 “v”) ........................................................... 33
Figura 4 – Hierarquia entre dado, informação e conhecimento ................................. 38
Figura 5 – Etapas operacionais do KDD ................................................................... 39
Figura 6 – Ser humano como elemento central do processo de KDD....................... 42
Figura 7 – Evolução histórica da IoT ......................................................................... 45
Figura 8 – Crowdsensing e o ecossistema da IoT..................................................... 46
Figura 9 – Design de integração da nuvem com a iot em arquitetura de camadas ... 47
Figura 10 – Questionamentos essenciais para aquisição de dados.......................... 63
Figura 11 – Etapas do processo decisório da PMMG - inseridas ao processo
decisório .................................................................................................................... 84
Figura 12 – Processo do policiamento preditivo ........................................................ 95
Figura 13 – Matriz do “programa minas segura” ....................................................... 99
Figura 14 – “Ciclo de inteligência” ........................................................................... 111
Figura 15 – Ciclo de produção de conhecimento .................................................... 112
Figura 16 – Ciclo de aplicação de ia ....................................................................... 116
Figura 17 – Mapa das dependências de informações entre sistemas informatizados
da PMMG ................................................................................................................ 129
LISTA DE GRÁFICOS
Gráfico 1 – Aprendizagem profunda e quantidade de dados .................................... 58

Gráfico 2 – Desafios encontrados com IA / tecnologias cognitivas obtidos na
pesquisa Cognitive Aware, 2017, da Deloitte ............................................................ 69
Gráfico 3 – Predição de ocorrências policiais na cidade de NATAL/RN ................... 96
Gráfico 4 – Respostas dadas à pergunta nº 1 aplicada às PPMM do Brasil ........... 120
LISTA DE QUADROS
Quadro 1 – Conceitos de inteligência artificial........................................................... 26

Quadro 2 – Correlação entre o modelo de redes neurais naturais e o modelo de rede
neural artificial ........................................................................................................... 29
Quadro 3 – Aplicações das redes neurais artificiais .................................................. 30
Quadro 4 – Três dimensões do big data ................................................................... 32
Quadro 5 – Terminologia para o uso e a análise de dados ....................................... 34
Quadro 6 – O big data e o analytics tradicional ......................................................... 34
Quadro 7 – Componentes da busca por descoberta de conhecimentos em bancos de
dados ........................................................................................................................ 37
Quadro 8 – Classificações das dimensões das aplicações de KDD ......................... 37
Quadro 9 – Classificações dos macro-objetivos das aplicações de KDD ................. 37
Quadro 10 – Atividades de pré-processamento dos dados para mineração de dados
.................................................................................................................................. 40
Quadro 11 – Tarefas de busca de conhecimento na mineração de dados ............... 40
Quadro 12 – Névoa versus nuvem ............................................................................ 48
Quadro 13 – Modelo em camadas para integração de tecnologias em cidades
inteligentes e seguras ............................................................................................... 49
Quadro 14 – Classes de abordagens para aprendizagem ........................................ 51
Quadro 15 – Conceituações sobre aprendizagem .................................................... 52
Quadro 16 – Principais tipos de aprendizagem ......................................................... 52
Quadro 17 – Ciclo da aprendizagem a partir de dados ............................................. 53
Quadro 18 – Modelos e conceitos de aprendizagem no ML ..................................... 54
Quadro 19 – Algoritmos de aprendizagem ................................................................ 56
Quadro 20 – Caracterização de séries temporais por movimento ............................. 61
Quadro 21 – Uso de IA em 50 organizações............................................................. 66
Quadro 22 – Fatores intervenientes do planejamento ............................................... 78
Quadro 23 – Elementos da tomada de decisão ........................................................ 81
Quadro 24 – Etapas do processo decisório .............................................................. 82
Quadro 25 – Processo decisório da PMMG – por fases – etapas – com sugestão de
ferramentas de qualidade e gestão ........................................................................... 84
Quadro 26 – Categorias dos métodos de policiamento preditivo .............................. 88
Quadro 27 – Uso de tecnologias de previsão na aplicação da lei: previsão de crimes
.................................................................................................................................. 89
Quadro 28 – Uso de tecnologias preditivas na aplicação da lei: prevendo infratores89
Quadro 29 – Uso de tecnologias preditivas na aplicação da lei: predição de
identidades de perpetradores .................................................................................... 90
Quadro 30 – Uso de tecnologias preditivas pela aplicação da lei: previsão de vítimas
de crimes ................................................................................................................... 90
Quadro 31 – Classes de técnicas utilizadas no policiamento preditivo ..................... 92
Quadro 32 – Classes das técnicas preditivas............................................................ 92
Quadro 33 – Mitos do policiamento preditivo ............................................................ 94
Quadro 34 – Indicadores da gestão do desempenho operacional ............................ 97
Quadro 35 – Projetos do eixo “4.0” do “Programa Minas Segura” .......................... 100
Quadro 36 – Tecnologias previstas nos projetos do eixo “4.0”................................ 101
Quadro 37 – Projetos do eixo “Polícia 4.0” no “Plano Estratégico 2020-2023” –
PMMG ..................................................................................................................... 102
Quadro 38 – O SIPOM na estrutura organizacional da PMMG ............................... 106
Quadro 39 – Etapas do ciclo de produção do conhecimento .................................. 112
Quadro 40 – Questionário aplicado às PPMM do Brasil ......................................... 119
Quadro 41 – Análise das respostas à questão nº 1 aplicada aos gestores dos níveis
estratégico e tático da PMMG ................................................................................. 125
Quadro 49 – Análise das respostas da questão nº 9 aplicada aos gestores dos níveis
Quadro 59 – Análise da resposta à questão nº 19 aplicada aos gestores dos níveis
Quadro 70 – Análise da resposta à questão nº 1 aplicada à 9ª RPM...................... 166
Quadro 79 – Análise da resposta à questão nº 10 aplicada à 9ª RPM.................... 172
Quadro 87 – Análise da resposta à questão nº 1 aplicada à SSPDS-CE................ 178
Quadro 94 – Análise das respostas às questões nº 8 e 9 ....................................... 183
Quadro 95 – Análise da resposta à questão nº 10 aplicada à SSPDS-CE.............. 184
Quadro 96 – Análise da resposta à questão nº 1 aplicada ao Instituto CTEM+ ...... 185
Quadro 100 – Análise da resposta à questão nº 5 aplicada ao Instituto CTEM+ .... 188
Quadro 105 – Análise da resposta à questão nº 10 aplicada ao Instituto CTEM+ .. 192
SUMÁRIO
1 INTRODUÇÃO ....................................................................................................... 20
2 INTELIGÊNCIA ARTIFICIAL ................................................................................. 25

2.1 Conceito de inteligência artificial .................................................................... 25
2.2 Rede neural artificial ......................................................................................... 28
2.3 Big data .............................................................................................................. 31
2.4 Mineração de dados .......................................................................................... 36
2.5 Internet of Things .............................................................................................. 42
2.6 Machine learning ............................................................................................... 50
2.7 Predição ............................................................................................................. 59
2.7.1 Séries temporais ............................................................................................ 59
2.7.2 Predição com inteligência artificial .............................................................. 62
2.8 Aplicação da inteligência artificial nas organizações .................................... 66
3 EMPREGO OPERACIONAL DA POLÍCIA MILITAR DE MINAS GERAIS ........... 73

3.1 Uso de fatores no planejamento do emprego operacional............................ 78
3.2 Predição do crime ............................................................................................. 85
3.3 Avaliação do emprego operacional ................................................................. 96
3.4 Programa Minas Segura ................................................................................... 99
4 ATIVIDADE DE INTELIGÊNCIA DE SEGURANÇA PÚBLICA ........................... 104

4.1 Sistema de Inteligência da Polícia Militar de Minas Gerais (SIPOM) .......... 106
4.2 Produção de informações e conhecimentos estratégicos .......................... 109
5 METODOLOGIA .................................................................................................. 114
6 RESULTADOS E DISCUSSÕES ......................................................................... 119

6.1 Apresentação da análise e discussão do questionário aplicado às Polícias
Militares do Brasil ................................................................................................. 119
6.2 Apresentação, análise e discussão dos dados obtidos com os
questionários aplicados a gestores dos níveis estratégico e tático da PMMG124
6.2.1 Apresentação, análise e discussão dos resultados da questão nº 1 .............. 124
6.2.2 Apresentação, análise e discussão da questão nº 2 ...................................... 126
6.2.10 Apresentação, análise e discussão da questão nº 10 .................................. 140
6.3 Apresentação, análise e discussão do questionário aplicado à 9ª Região da
Polícia Militar ......................................................................................................... 165
6.4 Apresentação análise e discussão do questionário aplicado à Secretaria de
Segurança Pública e Defesa Social do Estado do Ceará .................................. 177
6.4.8 Apresentação, análise e discussão das questões nº 8 e nº 9 ........................ 183
6.4.9 Apresentação, análise e discussão da questão nº 10 .................................... 184
6.5 Apresentação, análise e discussão do questionário aplicado ao Instituto
CTEM+ .................................................................................................................... 184
CONSIDERAÇÕES FINAIS .................................................................................... 193
REFERÊNCIAS ....................................................................................................... 200
ANEXO A – Quadros em língua estrangeira traduzidos na pesquisa ............... 206
APÊNDICE A – Roteiro dos questionário aos gestores específicos dos níveis

estratégico e tático da PMMG .............................................................................. 210
APÊNDICE B – Roteiro da pesquisa de campo na Diretoria de Inteligência e
Diretoria de Tecnologia e Sistemas da PMMG.................................................... 212
APÊNDICE C – Questionário aplicado às Polícias Militares do Brasil ............. 213
APÊNDICE D – Questionário aplicado à 9ª Região da Polícia Militar ............... 215
APÊNDICE E – Questionário aplicado à Secretaria da Segurança Pública e
Defesa Social do Estado do Ceará (SSPDS-CE) ................................................. 217
APÊNDICE F – Questionário aplicado ao Instituto CTEM+ ................................ 219
20
1 INTRODUÇÃO
Atualmente, em meio a um cenário de rigorosa contenção dos gastos

públicos, a Polícia Militar de Minas Gerais (PMMG) enfrenta o grande desafio de
manter a efetiva prestação dos serviços de segurança pública nos 853 municípios
mineiros.
Essa situação é agravada pela evasão de recursos humanos que ocorre,
ordinariamente, em todas as Unidades de Execução Operacional (UEOp) da
Instituição. Nesse contexto, tem sido imperioso aos gestores da PMMG a adoção de
estratégias capazes de atenuar as consequências dessa contenção na prestação
dos serviços de policiamento.
Em 2015, o Plano Mineiro de Desenvolvimento Integrado 2016-2027
(PMDI), balizador de todas as ações prioritárias do Estado, trouxe em evidência a
sustentabilidade fiscal como uma dimensão fundamental das linhas de atuação
estratégica na formulação de políticas públicas pelo Estado.
O mesmo documento trouxe objetivos estratégicos e estratégias
prioritárias específicas para segurança pública e defesa social, que acarretam em
diversas ações convergentes pela Polícia Militar. Nesse sentido, em 2017, por meio
da Resolução n° 4.563, a PMMG instituiu procedimentos e orientações para sua
reestruturação administrativa, que foi o ponto de partida para o início de um
processo de rearticulação para potencializar a atividade operacional a partir da
priorização do emprego dos recursos humanos nas atividades-fim da PMMG.
Em 2019, a publicação do novo PMDI 2019-2030, novamente, ressaltou a
necessidade da gestão pública estadual se voltar para a eficiência na prestação dos
serviços em todas as áreas, mas sem perder a tônica da sustentabilidade financeira
do Estado.
No cenário que se apresenta, a reestruturação administrativa e
rearticulação configuram ações primordiais para a sustentabilidade da Instituição,
embora exerçam influência direta na execução do emprego operacional do
policiamento.
Nesse contexto, medidas de contenção dos recursos humanos ou
logísticos carecem de ampla análise, para que as decisões estratégicas não acabem
por inviabilizar o planejamento do emprego operacional, o que impõe uma dicotomia
21
à Instituição: realizar a contenção de gastos públicos e potencializar sua atividade-

-fim.
O planejamento do emprego operacional do policiamento ostensivo é
complexo, por ser construído a partir de análises de diversas variáveis, como as
características socioeconômicas, criminógenas, demandas comunitárias, resultados
de análises criminais, geoprocessamento e informações e conhecimentos
estratégicos de Inteligência de Segurança Pública (ISP). Todas elas agregadas das
diversas peculiaridades de cada comunidade onde as atividades policiais serão
executadas.
Como forma de criar um ambiente de equilíbrio institucional nesse
cenário, no ano de 2019, por meio da Resolução n° 4.826, a Instituição criou e
implementou a segunda edição do “Programa Minas Segura”, que consiste na
potencialização das atividades operacionais por meio da aplicação de diversas
estratégias. Destacam-se no Programa os projetos inovadores que visam
potencializar o planejamento e o emprego dos recursos institucionais no
policiamento ostensivo, a partir de soluções tecnológicas que propiciem mais
efetividade das ações policiais.
O Programa foi construído em quatro eixos, dentre os quais está o
“Polícia 4.0”, que faz referência à quarta Revolução Industrial e consiste em uma
estratégia de utilização de tecnologias e digitalização da PMMG com a finalidade de
“[...] criar processos mais rápidos, autônomos e eficientes, capazes de otimizar os
recursos disponíveis”. (MINAS GERAIS, 2019a, p. 19).
Os projetos instituídos como estratégias desse eixo foram consolidados
no Plano Estratégico da PMMG para os anos de 2020 a 2023. Assim, essas
estratégias são o caminho institucional que será percorrido nos próximos anos para
potencializar a forma como alguns processos são executados e geridos no emprego
operacional. Dentre essas estratégias, estão algumas implementações de soluções
tecnológicas inovadoras na atividade de ISP, como o uso de sistemas com
inteligência artificial (IA).
Como elemento indissociável do planejamento do emprego operacional, a
Instituição destaca, em sua Diretriz Geral do Emprego Operacional (DGEOp), a
relevância da atividade de ISP em um significado singular de assessoramento no
processo decisório da gestão operacional.
22
Nesse contexto, a presente pesquisa tem como tema a adoção da IA

como estratégia para potencializar as atividades de inteligência de segurança
pública dentro do eixo “Polícia 4.0” do “Programa Minas Segura”, 2ª edição, com
foco institucional em analisar a implantação da IA para auxiliar no emprego
operacional.
No campo da segurança pública, a gestão hodierna tem como
característica técnica a cientificidade, proveniente do exaustivo trabalho de análise
de dados, desde a formulação de estratégias em nível federal até o planejamento do
emprego do policiamento nas menores frações das unidades policiais.
Em constante evolução, essa Instituição tem aprimorado suas
ferramentas de gestão e buscado potencializar a execução do policiamento por meio
da difusão e criação de meios de acesso a dados de diversos sistemas do governo
estadual, que possibilitam uma execução operacional lógica e em conformidade com
sua finalidade legal.
Contudo, é necessário que os anseios da PMMG quanto ao
aperfeiçoamento do seu emprego operacional sejam colhidos e analisados, a fim de
se verificar a compatibilidade, a possibilidade de adequação e a aplicabilidade da IA
como resposta a esses anseios.
Dentro desse tema, com base em todo o exposto, esta pesquisa se
propõe a buscar resposta à seguinte pergunta: como a utilização da IA pode
potencializar a atividade de inteligência de segurança pública no auxílio ao emprego
operacional da PMMG?
A hipótese que se propõe como solução desse problema assenta-se na
assertiva que a IA pode oferecer soluções para potencializar a atividade de
inteligência de segurança pública no auxílio ao emprego operacional da PMMG.
Tem-se como objetivo geral desta pesquisa, realizar um estudo analítico
sobre a utilização da IA como estratégia para potencializar a atividade de inteligência
de segurança pública no auxílio ao emprego operacional da PMMG.
Nesse sentido, apresentam-se como objetivos específicos:
a) identificar a necessidade de produção de informações estratégicas e

operacionais de segurança pública para os gestores da Corporação;
23
b) mapear a utilização de IA na Corporação e aplicação na inteligência de

segurança pública;
c) identificar benefícios da implantação de novas soluções tecnológicas
baseadas em IA na segurança pública;
d) identificar soluções que possam subsidiar ações dos profissionais do
Sistema de Inteligência da Polícia Militar (SIPOM);
e) avaliar a estrutura do SIPOM para recepcionar as soluções
tecnológicas que utilizam a IA.
Ante o exposto, o contexto atual do tema deste trabalho por si só

expressa sua relevância institucional. Isso porque está contido em projetos
institucionais ainda não executados, o que desde o início se mostra ser de grande
relevância à contestação da hipótese, simultânea ao alcance dos objetivos
propostos nesta pesquisa.
Para uma compreensão gradual e lógica dos conceitos envoltos ao tema,
a pesquisa foi desenvolvida em sete seções, incluindo esta Introdução.
Na segunda seção, apresenta-se o conceito e as aplicações
contemporâneas de IA em referenciais teóricos que subsidiam o relacionamento
com as demais variáveis em estudo.
Na terceira seção, descreve-se o conceito e a metodologia institucionais
do emprego operacional da PMMG. A seção também explorou a complexidade
científica que permeia o planejamento desse emprego, por meio da racionalidade da
aplicação das variáveis determinantes, condicionantes e componentes. Nessa seção
também é analisado o eixo “Polícia 4.0”, do “Programa Minas Segura”, 2ª edição,
fazendo-se a correlação dos projetos desse eixo com o Plano Estratégico 2020-
2023.
Na quarta seção, aborda-se o conceito de inteligência de segurança
pública e sua aplicação na PMMG, por meio do SIPOM. Essa seção também é
dedicada a descrever o método utilizado na inteligência para a produção de
informações e conhecimentos estratégicos destinados à assessoria na tomada de
decisões.
Na quinta seção, descreve-se a metodologia científica escolhida para a
pesquisa, bem como as técnicas utilizadas para as coletas dos dados.
24
Na sexta seção, apresentam-se os resultados da aplicação da técnica de

coleta de dados, em específico, os questionários aplicados ao longo da pesquisa.
Na sétima seção, apresentam-se as Considerações Finais da pesquisa e
sugestões. Em seguida, encerra-se a pesquisa com as Referências e os Apêndices.
25
2 INTELIGÊNCIA ARTIFICIAL
Na presente seção, será apresentado o conceito de IA, bem como suas

aplicações contemporâneas em referenciais teóricos que subsidiarão o
relacionamento com as demais variáveis em estudo.
2.1 Conceito de inteligência artificial
Para se alcançar êxito na obtenção do conhecimento sobre o uso da IA

pela PMMG, é imprescindível que, de início, seja identificado o conceito
contemporâneo desse área. Isso possibilitará nortear as análises que decorrerão
das possibilidades de aplicação na PMMG.
Considerado um dos campos mais recentes em ciências e engenharia, a
IA tem sido estudada e aperfeiçoada desde a década de 1940. Embora tenha mais
de meio século de estudos a respeito, suas soluções e possibilidades de aplicação
na vida cotidiana de uma pessoa comum, ou nas rotinas de uma empresa pública ou
privada, ainda são pouco conhecidas. Isso não se dá apenas por ser um campo
recente, mas também por possuir diversos subcampos que induzem pessoas leigas
a interpretações equivocadas sobre o conceito de IA.
Para Russel e Norvig (2013), a IA parte de um subcampo geral, que
consiste em aprendizagem e percepção, e deriva para variadas tarefas específicas,
o que a torna um campo universal relevante para qualquer tarefa intelectual.
A fim de apresentar a IA de forma inteligível, conforme se vê no Quadro 1,
Russel e Norvig (2013) destacam oito conceitos de IA, definidos em duas
dimensões: a primeira relacionada aos processos de pensamento e raciocínio, e a
outra ao comportamento. Nessa apresentação, os autores estruturam uma forma de
medir o sucesso de um sistema de IA em termos de fidelidade ao desempenho
humano, comparando-o a um conceito ideal de inteligência, denominado
racionalidade. Dessa forma, um sistema é considerado racional se faz a coisa certa
com base nos dados que ele possui (RUSSEL; NORVIG, 2013).
26
Quadro 1 – Conceitos de Inteligência Artificial
Fonte: RUSSEL; NORVIG, 2013, p. 24.
Diante desses conceitos iniciais, Russel e Norvig (2013) afirmam que o

campo da IA vai além da tentativa de compreender como se forma um raciocínio
inteligente, mas busca construir entidades inteligentes.
Nesse ponto, percebe-se a complexidade do estudo da IA, pois une a
capacidade lógica de reprodução da capacidade neural à sua materialização em
sistemas computacionais, logo, há variáveis interdependentes de aperfeiçoamento
ilimitado.
A primeira pesquisa que propôs um modelo de neurônio artificial foi
desenvolvida por Warren McCulloch1 e Walter Pitts2, em 1943. Esses dois
pesquisadores propuseram um modelo de neurônios artificiais, no qual “[...] cada
neurônio se caracteriza por estar ‘ligado’ ou ‘desligado’, com a troca para ‘ligado’
ocorrendo em resposta à estimulação por um número suficiente de neurônios
vizinhos” (RUSSEL; NORVIG, 2013, p. 41).
Em síntese, a referida pesquisa mostrou que qualquer função computável
podia ser calculada por certa rede de neurônios conectados, e que todos os
conectivos lógicos podiam ser implementados por estruturas de redes simples. Os
1
Warren McCulloch foi um neurofisiologista americano e cibernético, conhecido por seu trabalho
sobre a base para certas teorias do cérebro e sua contribuição para o movimento da cibernética.
Disponível em: https://pt.qwe.wiki/wiki/Warren_Sturgis_McCulloch. Acesso em: 16 jun. 2020.
2
Walter Pitts foi um lógico que trabalhou no campo da neurociência computacional. Com Warren
McCulloch, criou modelos computacionais baseados em algoritmos matemáticos chamados “lógica
limiar”, que dividem o inquérito em duas abordagens distintas, uma focada em processos biológicos
do cérebro e outra focada na aplicação de redes neurais para a IA. Disponível em:
https://pt.qwe.wiki/wiki/Walter_Pitts. Acesso em: 16 jun. 2020.
27
dois pesquisadores ainda foram além e também sugeriram que redes definidas
adequadamente seriam capazes de aprender.
Outro ponto crucial no desenvolvimento da IA está na capacidade de
armazenamento e acesso aos dados, que no caso da mente humana estão no
cérebro. Segundo Russel e Norvig (2013), o cérebro humano possui muito mais
capacidade de armazenamento e interconexões do que um computador pessoal de
última geração, apesar de os maiores supercomputadores apresentarem uma
capacidade similar à do cérebro.
Nesse sentido, a capacidade de processamento, armazenamento e a
aplicação de algoritmos que simulam o neurônio possibilitam a criação das
entidades inteligentes descritas por Russel e Norvig (2013).
Conforme apresentado por Kapoor (2019) na Figura 1, o neurônio artificial
é inspirado no funcionamento de neurônios biológicos, e consiste em algumas
entradas conectadas capazes de gerar uma saída.
Figura 1 – Neurônio biológico e neurônio artificial
Fonte: KAPOOR, 2019, p. 152.
De igual forma, a construção dos algoritmos na IA volta-se à forma lógica

da construção do pensamento humano estudado no campo da neurociência e
filosofia, o que torna a IA concebível. Russel e Norvig (2013, p. 55) destacam que
isso é possível “[...] considerando que, em alguns aspectos, a mente é semelhante a
uma máquina que opera sobre o conhecimento codificado em alguma linguagem
interna, e que o pensamento pode ser usado para escolher as ações que deverão
ser executadas”.
Diante de tantos conceitos e definições sobre o que é a IA ao longo das
décadas, em uma análise sobre o seu uso na atualidade e suas prospecções,
28
Kaplan e Haenlein (2019, p. 17, tradução nossa) definem a IA como a “[...]

capacidade do sistema de interpretar dados externos corretamente, aprender com
esses dados e usar esses aprendizados para atingir objetivos e tarefas específicos
através de adaptação”3. Esta é a definição de IA que é adotada no desenvolvimento
desta pesquisa.
Como visto, e em conformidade com o conceito de Kaplan e Haenlein, um
sistema de IA possui um algoritmo programado para interpretar dados externos
corretamente e aprender com eles. Esse processo é denominado machine learning
(ML), traduzido, “aprendizagem de máquina”.
Considerado como a base do desenvolvimento da IA, faz-se necessário
compreender como se dá a criação e uso dos neurônios artificiais e a capacidade
das suas aplicações em redes, denominadas Redes Neurais Artificiais (RNA).
2.2 Rede neural artificial
A partir da abordagem realizada na seção anterior, é notório que a IA

pode ser conceituada de forma simples na sua finalidade de produzir uma
sistematização que simule a inteligência humana. Porém, é complexa quando se
analisa as inúmeras possibilidades de aplicação.
Ao absorver o conceito definido por Kaplan e Haenlein (2019) e a
complexidade da capacidade de armazenamento e interconexões apontadas por
Russel e Norvig (2013), fica evidente que a complexidade da IA está vinculada à
aplicação que se pretende executar. Isso porque, assim como no cérebro humano,
algumas tarefas exigem pouco raciocínio, enquanto outras podem exigir muito
esforço e, inclusive, aprendizagem, para que se obtenha êxito.
Nesse sentido, o desenvolvimento de um sistema de IA pode possuir
algoritmos mais simples ou de extrema complexidade, de acordo com as
interconexões que se traduzem em camadas de raciocínios baseados nas entradas
de dados e os resultados desse raciocínio que, em seguida, se vincularão a um novo
raciocínio lógico. É a partir desse ponto que a IA abrange o conceito de RNA,
simulando as redes neurais humanas e, consequentemente, tem seus horizontes de
3
“[...] system’s ability to interpret external data correctly, to learn from such data, and to use those
learnings to achieve specific goals and tasks through flexible adaptation.” (KAPLAN; HAENLEIN,
2019, p. 17).
29
aplicação ampliados na mesma proporção da sua complexidade de

desenvolvimento.
Uma Rede Neural Artificial (RNA) é uma técnica computacional que constrói
um modelo matemático inspirado em um sistema neural biológico
simplificado, com capacidade de aprendizado, generalização, associação e
abstração. As RNAs tentam aprender padrões diretamente a partir dos
dados através de um processo de repetidas apresentações dos dados à
rede, ou seja, por experiência. Dessa forma, uma RNA procura por
relacionamentos, constrói modelos automaticamente, e os corrige de modo
a diminuir seu próprio erro. (GOLDSCHMIDT; PASSOS, 2005, p. 18).
Em síntese, o desenvolvimento das RNA é baseado em modelos

matemáticos. Esses modelos têm capacidade de adquirir, armazenar e utilizar
conhecimento experimental e buscam simular computacionalmente habilidades
humanas, tais como, aprendizado, generalização, associação e abstração
(GOLDSCHMIDT; PASSOS, 2005).
O Quadro 2 apresenta, de forma resumida, a relação entre as
características e os comportamentos das RNA com os elementos naturais do
raciocínio humano.
Quadro 2 – Correlação entre o modelo de redes neurais naturais e o modelo de

rede neural artificial
Fonte: GOLDSCHMIDT; PASSOS, 2005, p. 175.
A Figura 2, apresentada por Goldschmidt e Passos (2005), demonstra, de

forma gráfica e simples, como o conceito de rede neural é interligado nos modelos
matemáticos de camadas por meio de suas entradas e saídas de dados. Os círculos
representam os neurônios, as linhas representam os pesos das conexões, a camada
que recebe os dados é chamada “camada de entrada” e a que mostra o resultado é
“camada de saída” (GOLDSCHMIDT; PASSOS, 2005). A camada em que ocorre o
30
processamento interno da rede é chamada de “camada escondida”. De acordo com

a complexidade do sistema, a RNA pode possuir várias camadas escondidas.
Figura 2 – Processamento de dados em redes neurais artificiais
Fonte: GOLDSCHMIDT; PASSOS (2005, p. 176).
Em cada conexão de saída, há um peso sináptico, ou seja, uma

programação que determina a conexão desse neurônio artificial ao próximo neurônio
que receberá o resultado desse primeiro cálculo matemático (GOLDSCHMIDT;
PASSOS, 2005).
Diante da compreensão do conceito das RNA, é inequívoco que se trata
de uma sistematização do processo de tratamento de dados indispensável à
simulação da inteligência humana. Dessa forma, para cada finalidade que se coloca
o desenvolvimento de um sistema de IA, têm-se complexidades distintas na
construção dos modelos matemáticos que possibilitarão a simulação do raciocínio
lógico e inteligente.
No Quadro 3, vemos algumas das aplicações das RNA elencadas por
Goldschmidt e Passos (2005).
Quadro 3 – Aplicações das redes neurais artificiais

(continua)
Algumas aplicações das redes neurais artificiais
Reconhecimento de padrões;
classificação de padrões;
correção de padrões;
previsão de séries temporais;
31
Algumas aplicações das redes neurais artificiais

suporte à decisão;
mineração de dados
etc.
Fonte: Elaborado pelo autor com base em GOLDSCHMIDT; PASSOS, 2005.
Nesse ponto, mais uma vez, verifica-se que um sistema de IA pode ser
desenvolvido para diversas aplicações capazes de realizar tarefas de maneira
autônoma, ou mesmo a apresentação de insights decorrentes da capacidade
inumana de análise de dados na produção do conhecimento.
2.3 Big data
A entrada, ou seja, a obtenção dos dados que serão interpretados é um

dos campos elementares da IA.
Nesse sentido, a capacidade de processar, interpretar os dados é ponto
crucial, principalmente no atual momento de desenvolvimento tecnológico, que
acarreta na gigantesca produção de dados, humanamente impossíveis de serem
interpretados em tempo hábil para uma tomada de decisão, como expõe Kapoor
(2019):
ML, um subconjunto de inteligência artificial, visa criar programas de

computador com a capacidade de aprender e melhorar automaticamente a
partir da experiência sem ser explicitamente programado. Nesta era de big
data, com os dados sendo gerados a uma velocidade inacreditável, não é
humanamente possível percorrer todos os dados e entendê-los
manualmente. De acordo com uma estimativa da Cisco, empresa líder no
campo de TI e redes, a IoT gerará 400 zettabytes de dados por ano até
2018. Isso sugere que precisamos procurar meios automáticos de entender
esses enormes dados, e é aí que ML entra. (KAPOOR, 2019, p. 95,
4
tradução nossa).
4
“ML, a subset of artificial intelligence, aims to build computer programs with an ability to
automatically learn and improve from experience without being explicitly programmed. In this age of
big data, with data being generated at break-neck speed, it isn't humanly possible to go through all
of the data and understand it manually. According to an estimate by Cisco, a leading company in the
field of IT and networking, IoT will generate 400 zettabytes of data a year by 2018. This suggests
that we need to look into automatic means of understanding this enormous data, and this is where
ML comes in.” (KAPOOR, 2019, p. 95).
32
Neste ponto, verificam-se dois conceitos fundamentais para o

desenvolvimento da interpretação de dados e aprendizagem em sistemas de IA na
atualidade, big data e Internet of Things (IoT)5.
Em síntese, o big data consiste na ampla produção e análise de grandes
quantidades de dados em curto espaço de tempo. Contudo, embora seja certamente
uma das mais populares expressões surgidas nos últimos anos para referenciar o
massivo crescimento da quantidade de dados ao redor do mundo (GOLDSCHMIDT,
BEZERRA; PASSOS, 2015), é importante compreender que esse termo também
compreende as técnicas destinadas ao tratamento, integração e análise dos dados.
A literatura majoritária apresenta três dimensões básicas de
caracterização do conceito de big data e suas técnicas, denominada três “V”, as
quais são descritas no Quadro 4.
Quadro 4 – Três dimensões do big data

Três dimensões do big data – três “V”
Dimensão Conceito
V1 – Volume Tratamento e análise de grandes volumes de dados.
V2 – Velocidade Condições para que novas análises de dados possam ser executadas com
agilidade mediante a coleta constante de novas informações.
V3 – Variedade Tratamento de dados procedentes de diversas fontes também é essencial,
uma vez que, em geral, as informações de diferentes origens se
apresentam em diferentes formatos.
Fonte: Elaborado pelo autor com base em GOLDSCHMIDT; BEZERRA; PASSOS, 2015, p. 330.
Já na Figura 3, Rodrigues (2018) apresenta o big data sob a ótica de

quatro dimensões, por ele denominadas de fatores indutores.
5
A IoT não será abordada nesta seção, o que será feito logo em seguida, para que não haja prejuízo
na compreensão lógica do big data na IA.
33
Figura 3 – Big data e fatores indutores (4 “V”)
Fonte: RODRIGUES, 2018, p. 23.
Em síntese, o termo big data, embora seja genérico para dados que não
podem ser contidos em repositórios usuais, devido à alta fluidez, tem como fatores
diferenciadores dos métodos tradicionais de análises de dados, denominados
analytics tradicional, a abrangência de dados não estruturados, ou seja, dados que
não se encontram em padrões formatados em colunas e linhas (DAVENPORT,
2017).
Embora o grande volume de dados seja o que mais impressiona e, ao
mesmo tempo, o que exige grande empreendimento para capturá-lo, armazená-lo e
manipulá-lo, o mais importante está em usa análise para convertê-lo em
conhecimento, inovação e valor (DAVENPORT, 2017).
Nesse sentido, em uma ótica empresarial, Davenport (2017) expõe que
big data se traduz em uma era que se estabelece com a ampla abrangência de
conceitos anteriores sobre o uso e a análise dos dados, como se vê representado na
Quadro 5.
34
Quadro 5 – Terminologia para o Uso e a Análise de Dados

Termo Período Significado específico
Suporte à decisão 1970-1985 Uso da análise de dados para dar suporte
à tomada de decisões.
Suporte aos executivos 1980-1990 Foco na análise de dados para dar suporte
ao processo decisório dos altos executivos.
Processamento analítico on-line 1990-2000 Software para análise de dados
(OLAP) multidimensionais.
Business intelligence 1989-2005 Ferramentas para dar suporte a decisões
orientadas por dados, com ênfase em
relatórios.
Analytics tradicional 2005-2010 Foco em análises estatísticas e
matemáticas para a tomada de decisões.
Big data 2010-atualmente Foco em um grande volume de dados não
estruturados e em rápido movimento
Fonte: DAVENPORT, 2017, p. 5.
As diferenças entre o big data e o analytics tradicional tornam-se

expressivas não apenas no volume, variedade e velocidade, mas na forma
revolucionária como essa fluidez de dados está sendo tratada com o foco na tomada
de decisões. Como se viu nos Quadros 4 e 5, os dados possuem uma finalidade,
subsidiar a decisão mais acertada no menor tempo possível.
Quadro 6 – O big data e o analytics tradicional

Big data Analytics tradicional
Tipo de dados Formatos não estruturados Dados formatados em linhas e
colunas
Volume de dados 100 terabytes a petabytes Dezenas de terabytes ou
menos
Fluxo de dados Fluxo constante de dados Pool estático de dados
Métodos de análise Aprendizado de máquina Baseados em hipóteses
Objetivo principal Produtos baseados em dados Suporte ao processo decisório

interno
Fonte: DAVENPORT, 2017, p. 4.
Conforme abordado na seção anterior, a IA carece de acesso a dados

para promover os insights de um ente inteligente, ou seja, simular a inteligência
humana. Nesse ponto, identifica-se uma dicotomia entre a IA e o big data, na
medida em que a necessidade de estruturação e análise de grandes volumes de
dados sobrepõe a capacidade humana por fatores biológicos naturais, essa
incapacidade também é superada a partir de aplicações da IA, que, por fim,
posicionam os dados em uma estrutura analítica.
35
Embora as ferramentas de análises de big data não sejam tão diferentes

das utilizadas no passado, quanto às finalidades que se perpetuam, o diferencial da
IA está na substituição do analista de dados pelos algoritmos de ML, que geram
modelos com rapidez para explicar e prever as relações entre os dados em fluxo
contínuo (DAVENPORT, 2017).
Davenport (2017) aponta que, por motivos óbvios decorrentes dos
vultosos cálculos realizados em camadas de RNA, os insights dessas análises, os
resultados, podem não expressar com clareza como se chegou a eles, o que é
considerado uma desvantagem para o autor.
Outro fator importante está no uso do big data para tomadas de decisões
que possuem dados de fluxo contínuo, pois, nesses casos, não se tem amostragens,
como na analytics tradicional, mas, sim o monitoramento em tempo real de dados
que vão interferir de imediato na tomada de decisões. Nesse ponto, o fluxo contínuo
de big data sugere que as organizações precisam pensar em novas formas de tomar
decisões usando esse recurso (DAVENPORT, 2017, p. 17).
Isso não acarreta apenas a implementação de novas tecnologias, mas a
forma como uma instituição enxerga e analisa os dados que subsidiam as ações que
vão gerar seu produto e fortalecer seu negócio, o que pode ser uma barreira, pois se
sabe que muitos seres humanos ainda tendem a empregar processos decisórios
irracionais (DAVENPORT, 2017).
Big data é uma realidade em variados seguimentos da sociedade e as
análises se proliferam nas organizações (DAVENPORT, 2017). As instituições que
se propõem a aderir a esse modelo de análise certamente depararão com o fato de
não possuirem tempo ou mão de obra suficiente para apresentar esses resultados
aos tomadores de decisão, o que faz sobressair a necessidade de implementação
de aplicações de IA para essa finalidade.
Consideradas suas características, para alguns segmentos, o big data
não é uma opção, mas um caminho de sobrevivência diante da competitividade
existente no mercado. Logo, deixar de usar uma grande quantidade de dados
externos nas decisões estratégicas pode ser considerado um exemplo de
negligência estratégica.
No ambiente do poder público, a qualidade e abrangência de dados
variados são o alicerce para a proposição de políticas públicas em qualquer área de
36
um governo. Ainda que não sejam utilizados como base de ações estratégicas por
uma instituição, a disponibilidade de acesso a dados relevantes proporciona, no
mínimo, um conhecimento real sobre um problema ou situação, e pode potencializar
o desenvolvimento de diversas atividades, em conformidade com o princípio mais
fomentado na administração pública moderna, a eficiência.
Como se vê, o processo de tomada de decisões sempre foi baseado em
dados. Dessa forma, as soluções tecnológicas que estabeleceram o conceito de big
data acabam por favorecer o enriquecimento da tomada de decisão, se no mesmo
sentido forem aplicadas soluções destinadas a coletar, processar e gerar um
conhecimento em aproveitamento desse grande volume de dados.
2.4 Mineração de dados
Esta seção aborda como a IA auxilia de forma lógica a concepção do

valor que cada dado pode inferir à tomada de decisão, especificamente na
mineração de dados.
Conforme é apresentado por Goldschmidt e Passos (2005), a
necessidade de analisar dados, diante dos conceitos já conhecidos de volume e
variedade, fez surgir uma nova área denominada “Descoberta de conhecimento em
bases de dados” (Knowledge Discovery in Databases – KDD).
O termo KDD foi formalizado em 1989 em referência ao amplo conceito de

procurar conhecimento a partir de bases de dados. Uma das definições
mais populares foi proposta em 1996 por um grupo de pesquisadores
(Fayyad et al., 1996a): “KDD é um processo, de várias etapas, não trivial,
interativo e iterativo, para identificação de padrões compreensíveis, válidos,
novos e potencialmente úteis a partir de grandes conjuntos de dados”.
(GOLDSCHMIDT; PASSOS, 2005, p. 3).
Antes de se dedicar a aplicar o KDD, é imprescindível compreender que

as aplicações de busca de descoberta de dados são formadas por três tipos de
componentes: o problema em que será aplicado o processo de KDD, os recursos
disponíveis para a solução do problema e os resultados obtidos a partir da aplicação
dos recursos disponíveis em busca da solução do problema (GOLDSCHMIDT;
PASSOS, 2005). O Quadro 7 apresenta a composição desses componentes:
37
Quadro 7 – Componentes da Busca por Descoberta de Conhecimentos em Bancos

de Dados
Componente Composição
Problema a ser submetido ao processo de 1 - Conjunto de dados; 2 - especialista do domínio da

KDD aplicação; 3 - objetivos da aplicação.
Recursos disponíveis para solução do 1 - Especialista em KDD; 2 - ferramentas de KDD; 3 -

problema plataforma computacional disponível.
Resultados obtidos a partir da aplicação 1 - Modelos de conhecimento descobertos ao longo

dos recursos no problema da aplicação de KDD; 2 - histórico das ações.
As aplicações de KDD, em geral, são iniciadas com um exame da base

de dados para definição dos objetivos do processo de descoberta (GOLDSCHMIDT;
PASSOS, 2005). A partir dos objetivos, as aplicações de KDD podem ser
classificadas em duas dimensões, de acordo com as ações que serão
desenvolvidas, como se vê no Quadro 8:
Quadro 8 – Classificações das dimensões das aplicações de KDD

Classificação por dimensão Conceito
Nesse caso, o especialista da área em que se deseja
realizar o processo de KDD apresenta alguma hipótese
Validação de hipóteses postuladas
que deve ser comprovada ou refutada, mediante a
análise dos dados.
Nesse caso, enquadra-se a busca efetiva por

Descoberta de conhecimento conhecimentos a partir da abstração dos dados
existentes.
O Quadro 9 apresenta que a aplicação de KDD também pode ser

classificada de acordo com o macro-objetivo pretendido.
Quadro 9 – Classificações dos macro-objetivos das aplicações de KDD

(continua)
Classificação por macro-objetivo Conceito
Nesse caso, busca-se um modelo de conhecimento que
permita, a partir de um histórico de casos anteriores,
Predição
prever os valores de determinados atributos em novas
situações.
38
Classificação por macro-objetivo Conceito

Nesse caso, busca-se por um modelo que descreva, de
Descrição forma compreensível pelo homem, o conhecimento
existente em um conjunto de dados.
Fonte: Elaborado pelo autor com base em GOLDSCHMIDT; PASSOS, 2005, p. 16.
Esse processo de descoberta parte do conceito básico da hierarquia entre

o dado e o conhecimento, conforme se vê na Figura 4.
Figura 4 – Hierarquia entre dado, informação e conhecimento
Fonte: Elaborado pelo autor com base em GOLDSCHMIDT; Passos, 2005.
A partir desse conceito de hierarquia, são formuladas várias etapas

operacionais, conforme se apresenta na Figura 5, que caracterizam o processo de
descoberta do conhecimento, desde o pré-processamento até o pós-processamento:
39
Figura 5 – Etapas operacionais do KDD
Situada no centro do processo, a mineração de dados é considerada a

principal etapa na descoberta, por estar voltada exclusivamente à busca efetiva de
conhecimentos novos e úteis a partir dos dados (GOLDSCHMIDT; PASSOS, 2005).
Tão importante quanto assimilar a relevância da mineração de dados
nesse processo, é compreender como a aplicação de algoritmos sobre os dados
pode resultar em conhecimento. Esta é a parte do processo em que a incapacidade
humana é superada por meio das RNA.
Há diversos modelos de redes neurais que podem ser utilizados na
mineração de dados, de acordo com o problema e a representação adotada para os
dados. Dessa forma, o modelo de RNA varia de acordo com a camada de entrada,
que em regra recebe dados pré-processados de um banco de dados
(GOLDSCHMIDT; PASSOS, 2005). Contudo, dentro conceito de big data, visto na
seção anterior, o uso da IA também é indispensável na fase de pré-processamento,
devido à vasta disponibilidade de dados estruturados e, principalmente, os não
estruturados.
Na etapa de pré-processamento, são elencadas algumas atividades
indispensáveis no tratamento de preparação dos dados para aplicação dos
algoritmos de mineração de dados, descritas no Quadro 10:
40
Quadro 10 – Atividades de pré-processamento dos dados para mineração de dados

Atividade Função
Identificar quais informações, dentre as bases de
Seleção de dados/redução de dados dados existentes, devem ser efetivamente
consideradas durante o processo de KDD.
Abrange qualquer tratamento realizado sobre os

dados selecionados de forma a assegurar a qualidade
Limpeza dos dados
(completude, veracidade e integridade) dos fatos por
eles representados.
Codificar os dados para ficarem numa forma que

possam ser usados como entrada dos algoritmos de
mineração de dados. A codificação pode ser: numérica
Codificação dos dados – categórica, que transforma valores reais em
categorias ou intervalos; ou categórica – numérica,
que representa numericamente valores de atributos
categóricos.
Conseguir mais informação que possa ser agregada

aos registros existentes, enriquecendo os dados, para
que estes forneçam mais informações para o processo
Enriquecimento dos dados de descoberta de conhecimento. Podem ser
realizadas pesquisas para complementação dos
dados, consultas a bases de dados externas, entre
outras técnicas.
Após o pré-processamento, os dados serão submetidos à aplicação dos

algoritmos de RNA, que foram definidos de acordo com a tarefa de busca de
conhecimento que melhor se apresenta à resolução do problema ou objetivo, como
as tarefas/atividades que se vê no Quadro 11.
Quadro 11 – Tarefas de busca de conhecimento na mineração de dados

(continua)
Atividade Função
Abrange a busca por itens que frequentemente
Descoberta de associação ocorram de forma simultânea em transações do banco
de dados.
Consiste em descobrir uma função que mapeie um

conjunto de registros em um conjunto de rótulos
categóricos predefinidos, denominados classes. Uma
Classificação
vez descoberta, tal função pode ser aplicada a novos
registros de forma a prever a classe em que tais
registros se enquadram.
Compreende a busca por uma função que mapeie os

Regressão registros de um banco de dados em valores reais.
Essa tarefa é similar à tarefa de classificação, sendo
41
Atividade Função
restrita apenas a atributos numéricos.
Utilizada para separar os registros de uma base de

dados em subconjuntos ou clusters, de tal forma que
os elementos de um cluster compartilhem de
propriedades comuns que os distingam de elementos
em outros clusters. O objetivo nessa tarefa é
Clusterização maximizar similaridade intracluster e minimizar
similaridade intercluster. Diferente da tarefa de
classificação, que tem rótulos predefinidos, a
clusterização precisa automaticamente identificar os
grupos de dados aos quais o usuário deverá atribuir
rótulos.
Essa tarefa, muito comum em KDD, consiste em

Sumarização procurar identificar e indicar características comuns
entre conjuntos de dados.
Essa tarefa consiste em procurar identificar registros

Detecção de desvios do banco de dados cujas características não atendam
aos padrões considerados normais no contexto.
É uma extensão da tarefa de descoberta de

associações em que são buscados itens frequentes
Descoberta de sequências
considerando-se várias transações ocorridas ao longo
de um período.
É indispensável que o processo de KDD seja compreendido como um

método amplo que deve ser aplicado com base em objetivos, finalidades e
expectativas. A partir disso, os especialistas em KDD poderão definir quais padrões
devem ser abstraídos dos dados para se obter o êxito desejado. (GOLDSCHMIDT;
PASSOS, 2005).
O analista possui papel de extrema importância no processo, pois atuará
para decidir qual a estratégia a ser adotada diante de cada cenário, de acordo sua
experiência anterior, seus conhecimentos e sua intuição para interpretar e combinar
subjetivamente os fatos (GOLDSCHMIDT; PASSOS, 2005).
Como se vê na Figura 6, embora a análise do grande volume de dados
seja realizada por computadores, o ser humano está presente em todo o processo,
fazendo uso das informações que são absorvidas dos dados, antes mesmo do
conhecimento final estar pronto.
42
Figura 6 – Ser humano como elemento central do processo de

KDD
Fonte: GOLDSCHMIDT; PASSOS, 2005, p. 22.
Segundo Goldschmidt e Passos (2005, p. 22), a formação de

especialistas em KDD constitui-se em uma tarefa árdua, longa e exaustiva, pois,
além de uma fundamentação teórica sobre a área, requer a participação destes em
inúmeras experiências práticas reais.
O processo de descoberta do conhecimento pode ser autônomo, sem a
participação direta do ser humano, de acordo com a aplicação de RNA que se
utiliza. Contudo, em sistemas menos inteligentes, a interação humana ocorrerá em
diversos momentos.
Ao analisar o processo de aplicação de KDD, verifica-se que, embora seja
complexo, a tomada de decisão pela predição ou descrição obtida no conhecimento
torna-se extremamente mais técnica e provável à contribuição para o êxito da
implementação de estratégias pelo tomador de decisões.
2.5 Internet of Things
Nesta seção, abordaremos uma área que tem multiplicado

exponencialmente a produção de dados analisáveis em todo mundo, a IoT.
43
A IoT, traduzida como “Internet das Coisas”, consiste na conectividade

entre dispositivos em geral capazes de produzir dados, desde smartphones a
veículos automotores.
Ashton (2009) traz a reflexão que, com computadores que saibam tudo o
que há para saber sobre as coisas – usando dados coletados sem a nossa ajuda –,
poderíamos rastrear e contar tudo, além de reduzir muito o desperdício, a perda e o
custo. Essa pode considerada a finalidade que se pretende para a IoT.
Sobre a dimensão desse novo conceito de conectividade tecnológica,
Davenport (2017) expõe que o número de dispositivos conectados em rede
ultrapassou a população mundial de seres humanos em 2011. Estima-se que 50
bilhões de sensores geradores de dados serão conectados à internet até 2025.
Kapoor (2019) afirma que a capacidade atual da IoT e sua posição no
contexto da universalidade do big data tornam a IA uma solução hábil para análise
desses dados:
Se a IA é a nova eletricidade, os dados são o novo carvão, e IoT a nova

mina de carvão. A IoT gera uma enorme quantidade de dados; Atualmente,
90% dos dados gerados nem são capturados e, dos 10% capturados, a
maioria depende do tempo e perde seu valor em milissegundos. O
monitoramento manual desses dados continuamente é complicado e caro.
Isso requer uma maneira inteligente de analisar e obter informações sobre
esses dados; as ferramentas e os modelos de IA nos fornecem uma
maneira de fazer exatamente isso com a mínima intervenção humana.
6
(KAPOOR, 2019, p. 43, tradução nossa) .
Conforme expõem McEwen e Cassimally (2014), a IoT sugere que, em

vez de ter um pequeno número de dispositivos de computação muito poderosos na
vida de uma pessoa, como laptop, tablet, telefone, music player, pode-se ter um
grande número de dispositivos menos poderoso, como guarda-chuvas, pulseiras,
espelhos, geladeiras, sapatos. Dessa forma, esses dispositivos atuariam como
sensores de entrada, que coletam informações sobre pessoas, ambientes e objetos
e as transformam em dados em condições de serem transportados pela internet
para serem novamente processadas a qualquer hora e lugar.
6
“If AI is the new electricity, data is the new coal, and IoT the new coal-mine. IoT generates an
enormous amount of data; presently, 90% of the data generated isn't even captured, and out of the
10% that is captured, most is time-dependent and loses its value within milliseconds. Manually
monitoring this data continuously is both cumbersome and expensive. This necessitates a way to
intelligently analyze and gain insight from this data; the tools and models of AI provide us with a way
to do exactly this with minimum human intervention.” (KAPOOR, 2019, p. 43).
44
Nesse sentido, Hamada e Nassif (2018) ressaltam que a integração

desses dispositivos dentro do conceito de big data tem possibilitado o
desenvolvimento de outro conceito atual, denominado “cidades inteligentes” (Smart
Cities), em que várias tecnologias são empregadas, a fim de fazer com que a
sociedade esteja cada vez mais conectada em rede. Conforme expõe Hamada e
Nassif (2018, p. 191), a aplicação desse conceito contribui sobremaneira “[...] para
que o poder público possa detectar problemas em tempo real e na produção de
informações que caminhem para a solução de dificuldades identificadas pelos
cidadãos, incluindo a segurança pública”.
McEwen e Cassimally (2014) apontam que um grande fator favorável a
essa expansão das tecnologias de conectividade é a queda constante do preço da
computação a níveis acessíveis. Além disso, a riqueza de plataformas com recursos
de programação e depuração, que servem de propulsores à inclusão de dispositivos
de processamento de computação em equipamentos de uso em geral.
Como exemplo de IoT aplicado à segurança pública, Hamada e Nassif
(2018) apresentam uma série de possibilidades em que dispositivos de coleta de
dados podem ser integrados:
IoT aplicado no contexto urbano de segurança pública pode integrar

diversos dispositivos de coleta de dados, tais como, câmeras de radares de
velocidade para busca de placas específicas de carros; GPS de patrulhas
móveis para rápido acionamento em decorrência da proximidade do alvo;
localização das Estações Rádio Base (ERB) por onde passa um dispositivo
que está sendo monitorado; câmeras de vigilância do poder público; CFTV
de ambientes com grande movimentação de público, tais como, shopping
centers, rodoviárias, estações de metrô, ou mesmo câmeras de vigilância
residenciais com focos nas ruas. Tais câmeras poderiam ser integradas
eventualmente ao grande sistema de monitoramento nas situações de
perseguição ou busca naquele ambiente de abrangência. (HAMADA;
NASSIF, 2018, p. 199).
Contudo, Hamada e Nassif (2018) também ressaltam que, além dos

problemas correlatos ao processamento e armazenamento dos dados coletados,
ainda é necessário a aplicação de IA a partir de algoritmos que identificam os
padrões contidos nos dados, como linguagem natural, imagens, texto, entre outros.
Nesse sentido, verifica-se que a evolução da conectividade das coisas
está voltada às informações que elas podem fornecer em fluxo contínuo, e não na
sua simples identificação de tempo e espaço.
45
Nesse mesmo entendimento, Buyya e Dastjerdi (2016) afirmam que a

identificação por radiofrequência (RFID) costumava ser a tecnologia dominante por
trás do desenvolvimento da IoT, mas tem sido substituída em decorrência de novas
conquistas tecnológicas e de características e requisitos exclusivos da IoT, como
escalabilidade, suporte à heterogeneidade, total integração e processamento de
consultas em tempo real, como se vê na Figura 7:
Figura 7 – Evolução histórica da IoT
Fonte: FACCIONI FILHO, 2016, p. 13.
A evolução desse conceito também sugere, além da conectividade, a

união de todos dispositivos presentes em um espaço, independente da sua
tecnologia. Esse conceito, denominado Crowdsensing, proporciona, além da gestão
das informações, a aplicação de medidas para resolver problemas (LOPES, 2018).
Nesse sentido, a IoT constrói um ecossistema complexo em soluções emergentes
baseadas em nuvem, neblina e instalações de computação móvel, como se vê
apresentado na Figura 8.
46
Figura 8 – Crowdsensing e o ecossistema da IoT
Fonte: Elaborado pelo autor com base em LOPES, 2018, p. 6.
Na IoT, o grande volume de dados em lote ou fluxo contínuo, oriundos

dos dispositivos e sensores, acaba por gerar o problema da capacidade de
processamento. Como solução, tem-se, então, a quebra de paradigmas do
armazenamento e processamento locais, por meio da computação em nuvem.
Atualmente, modelos de pagamento conforme o uso, adotados por todas os
provedores de nuvens, reduziram o preço da computação, armazenamento e análise
de dados, o que tem facilitado o processo de criação de aplicativos de IoT (BUYYA;
DASTJERDI, 2016).
O uso dos aplicativos de IoT nos serviços em nuvem pode suprir as
demandas de armazenamento e computação disponíveis para escalabilidade e
processamento intensivo em computação (BUYYA; DASTJERDI, 2016).
Buyya e Dastjerdi (2016) afirmam que a maioria das abordagens de
designs atuais para a integração da nuvem com a IoT é baseada em uma arquitetura
de três camadas.
47
Figura 9 – Design de integração da nuvem com a IoT em

arquitetura de camadas
Camada superior
Aplicativos diferentes e protocolos de alto nível
Camada intermediária
Provedor de nuvem
Camada da inferior
Dispositivos de IoT
Fonte: Elaborado pelo autor com base em BUYYA; DASTJERDI, 2016, p. 14.
Contudo, esse escalonamento do processamento pode limitar a

praticidade e a utilização total da computação em nuvem, devido às perdas
decorrentes da latência do atraso de ponta a ponta (BUYYA; DASTJERDI, 2016).
Esse problema de latência engloba a capacidade de processamento em
tempo real e o aumento do poder computacional dos dispositivos de borda, como
roteadores, comutadores e pontos de acesso. Para solução desse problema, tem
sido aprimorado o conceito de Edge Computing, traduzido como computação de
borda (BUYYA; DASTJERDI, 2016).
Esse conceito consiste em criar uma camada de processamento mais
próximo do usuário final, em vez de concentrá-lo nos aplicativos dos servidores.
Dessa forma, é criada uma computação em nuvem próxima do dispositivo, a Edge
Cloud, traduzido, “Nuvem de Borda”. A computação realizada nessa arquitetura é
denominada Fog Computing, traduzido como “Computação em Névoa”.
Em comparação com o processamento em nuvem, essa arquitetura
possibilita diminuir atrasos na rede, economizar custos de processamento ou
armazenamento, realizar agregação de dados e evitar problemas sensíveis (BUYYA;
DASTJERDI, 2016), como se vê no Quadro 12.
48
Quadro 12 – Névoa versus nuvem

Característica Névoa (Fog) Nuvem (Cloud)
Tempo de resposta Baixo Alto
Disponibilidade Baixo Alto
Nível de segurança Médio a difícil Fácil e médio
Foco no serviço Dispositivos Edge Serviços centrais de rede /

empresa
Custo para cada dispositivo Baixo Alto
Arquitetura dominante Distribuído Central / distribuído
Principal gerador de conteúdo - Dispositivos inteligentes – Humanos – dispositivos finais
consumidor Humanos e dispositivos
7
Fonte: Elaborado pelo autor com base em BUYYA; DASTJERDI, 2016, p. 14, tradução nossa .
Como se vê, o aumento exponencial da produção de dados de

dispositivos inteligentes alavanca a modernização da capacidade computacional de
processamento. Essas novas arquiteturas podem ser modeladas de acordo com a
necessidade de aplicação que se pretende na disponibilidade dos dados, seja para
alimentar outros sistemas, seja para um fim exclusivo na produção de conhecimento.
São estas as características atuais de conectividade que estão tornando
possível o desenvolvimento de conceitos como o smart cities, com a finalidade de
proporcionar um ambiente mais moderno e com serviços púbicos de melhor
qualidade, por meio da máxima conectividade possível de dispositivos inteligentes,
ou seja, aqueles com capacidade de processamento e transmissão de dados, em
áreas urbanas.
Nesse sentido, em um exemplo de aplicação da IoT específica à
segurança pública no conceito das cidades inteligentes, Hamada e Nassif (2018)
apresentam um modelo integrado de tecnologias que pode ser utilizado desde a
coleta, processamento e análise dos dados até o seu aproveitamento pelo usuário
final, na tomada de decisões na prevenção e combate a crimes, de acordo com a
natureza do delito ou atividade que se pretende intervir. O Quadro 13 apresenta
esse modelo de aplicação.
7
O texto original está contido no Anexo A.
49
Quadro 13 – Modelo em camadas para integração de tecnologias em cidades

inteligentes e seguras
Crimes Preservação da ordem

Terrorismo Crime cibernético
tecnologias pública
Locais de incidências Grupos ativistas de guerras Locais de manifestações

de crimes; grupos cibernéticas; sites alvos; populares; jogos de
terroristas identificados chats de arranjos; agenda de futebol; eventos de massa
ataques
Analytics
Inteligência
artificial Correlação de eventos; identificação de padrões.
Armazenamento de dados filtrados pela coleta múltipla de big data – disponíveis

para várias instâncias de governo e segurança pública
Disponibilização de outras bases de dados: base de dados biométricas contendo
Nuvem digitais, rosto e dados de criminosos, índices de criminalidade por região, histórico de
crimes.
Aplicação de primeiro filtro para palavras-chave

Aplicação de primeiro filtro para tipo de imagem (rosto, paisagem, armas)
Big data Aplicação de primeiro filtro para localização (coordenadas geográficas)
Coleta de dados variados:

GPS; ERB; Media social (Facebook, Twitter, Instagram); câmeras de vigilância
IoT pública; câmeras de vigilância privada (shopping centers, rodoviárias, estações de
metrô); câmeras de vigilância privada (câmeras residências com foco nas ruas)
Fonte: HAMADA; NASSIF, 2018, p. 203.
Assim, a adoção de estratégias de aproveitamento da IoT e big data,

ainda que feitos fora de um sistema com IA, pode apresentar resultados
extremamente favoráveis à diversidade de dados na tomada de decisões. Contudo,
o uso da IA, por meio da machine learnig, conforme visto na Figura 6, pode resultar
na produção de conhecimentos humanamente impossíveis de serem produzidos,
dadas as diversas entradas do ecossistema de IoT e as diversas camadas de
processamento que englobam milhares de conexões sinápticas em seus algoritmos.
50
2.6 Machine learning
Conforme já tratado nas seções anteriores, a IA vale-se de bases de

dados para que seus algoritmos, simuladores da inteligência humana, sejam efetivos
no processo de interpretação de dados externos e ainda possam aprender com eles.
Esse processo, denominado machine learning (ML), é uma técnica para
ajustar automaticamente os modelos aos dados e aprender treinando modelos com
dados (DAVENPORT, 2018). Nesse sentido, Rodrigues (2018) afirma que, diante de
um grande volume de dados e da ausência de uma especificação completa ou
abrangente sobre o conjunto de situações que descreve um problema, resolvê-lo via
programação convencional pode ser altamente complexo.
Isso se dá, porque, na programação convencional, a cada vez que houver
uma evolução do problema será necessário atualizar as linhas de códigos da
programação, para que este apresente uma saída equivalente a essa evolução
(RODRIGUES, 2018).
A aprendizagem de máquina propõe-se a resolver esse problema, com
base na construção de um sistema fundamentado em modelos de processamento
de dados com algoritmos capazes de identificar padrões e produzir novos modelos a
partir dos resultados desse processo. Logo, pode se ter um sistema completamente
autônomo. Contudo, não se trata de tarefa simples a aplicação e construção de
algoritmos e RNA para ML.
Segundo Davenport (2018), a ML emprega mais de uma centena de
algoritmos possíveis conhecidos, mas, além do algoritmo usado, outra dimensão-
-chave da ML é como os modelos de aprendizagem aprendem. Este é o ponto em
que a representação adequada do agente inteligente, descrito por Russel e Norvig
(2013), será a base para prosseguir no desenvolvimento da aprendizagem.
Essas representações dão-se desde a construção de sentenças lógicas
proposicionais e de primeira ordem para os componentes de um agente lógico,
perpassando as redes bayesianas8 para os componentes inferenciais de um agente
de decisão teórica, até os sistemas com arquitetura em árvore de decisões
(RUSSEL; NORVIG, 2013).
8
As redes bayesianas são grafos que representam relações de probabilidade condicional, ou seja,
como que a ocorrência de certas variáveis depende do estado de outra.
51
Nesse sentido, no Quadro 14, Rodrigues (2018) apresenta algumas

classes de abordagens para aprendizagem a partir da visão e respectivos
fundamentos elencados.
Quadro 14 – Classes de Abordagens para Aprendizagem

52
A fim de tornar claro o que se pretende ao programar uma máquina para

aprender, Rodrigues (2018) elenca quatro conceituações sobre aprendizagem,
conforme Quadro 15.
Quadro 15 – Conceituações sobre aprendizagem

Autor Conceituação
Aprendizagem indica mudanças no sistema, que sejam adaptações no

Hebert Simon sentido de permitir a este sistema fazer a mesma tarefa ou tarefas da
forma mais eficientemente e mais eficazmente na próxima vez.
Aprendizagem é fazer mudanças úteis no funcionamento de nossa

Marvin Minsky
mente.
Aprendizagem é construir ou modificar representações do que está

R. Michalski
sendo vivenciado.
Um programa é dito aprender de uma experiência E, com respeito a

alguma classe de tarefas T e uma medida de desempenho P, se seu
Tom Mitchell
desempenho nas tarefas T, quando medido por P, melhora com a
experiência E.
Fonte: Elaborado pelo autor com base em RODRIGUES, 2018, p. 50.
No Quadro 16, Russel e Norvig (2013) conceituam a aprendizagem em

quatro tipos principais.
Quadro 16 – Principais tipos de aprendizagem

(continua)
Tipo Conceito
Em que o agente inteligente aprende padrões na entrada,
embora não seja fornecido nenhum feedback explícito. A
Aprendizagem não supervisionada tarefa mais comum de aprendizagem não supervisionada é o
agrupamento.
Em que o agente inteligente observa alguns exemplos de

pares de entrada e saída, e aprende uma função que faz o
Aprendizagem supervisionada mapeamento da entrada para a saída. Nesse, alguns dados
são rotulados na saída.
Em que são dados alguns poucos exemplos rotulados e

deve-se fazer o que puder de uma grande coleção de
Aprendizagem semisupervisionada
exemplos não rotulados.
Aprendizagem por reforço Em que o agente aprende a partir de uma série de reforços
53
Tipo Conceito
— recompensas ou punições.
Fonte: Elaborado pelo autor com base em RUSSEL; NORVIG, 2013.
No Quadro 17, Rodrigues (2018) apresenta a aprendizagem como um ciclo

com três atividades características.
Quadro 17 – Ciclo da aprendizagem a partir de dados

Atividade Conceito
Especificar problema 1 - Descrição das componentes da tarefa T, executada por uma
função-alvo desconhecida F;
2 - especificação do ambiente e condições das experiências E
responsáveis pela geração e coleta das amostras da função-alvo e
eventuais evoluções temporais.
Especificar conhecimento 1 - Identificação do conhecimento a priori: importantes para a

solução do problema, como estruturas, padrões, aleatoriedade e
probabilidades das amostras e de suas classes de pertinência;
2 - definição da base de representação: como modelos gráficos,
redes neurais, máquinas de suporte vetorial, polinômios sob
regressão, entre outras;
3 - definição do paradigma de aprendizagem: aprendizagem
supervisionada, não supervisionada, semi supervisionada ou de
reforço;
4 - definição da modalidade da execução da tarefa, da
aprendizagem e operação: especificar como devem ser usadas as
atividades, tempo real ou diferido.
Especificar aprendizagem 1 - Definição de modelos, algoritmos e técnicas que tenham grande

potencial em gerar hipóteses apropriadas para a execução da
tarefa ou solução do problema;
2 - definição de metodologias e critério de avaliação do
desempenho das hipóteses geradas pelas bases representacionais
dos algoritmos. Quanto melhor for o índice de desempenho de um
algoritmo, melhor a aprendizagem e a qualidade dos resultados;
3 - definição dos processos de coleta e preparação das amostras,
zelando pela qualidade a ser utilizada na aprendizagem.
Fonte: Elaborado pelo autor com base em RODRIGUES, 2018.
Russel e Norvig (2013) afirmam que qualquer componente de um agente

inteligente pode ser melhorado, por meio da aprendizagem dos dados. Segundo os
autores, as melhorias e as técnicas usadas para construir esses dados dependem
de quatro fatores principais:
a) que componente deve ser melhorado;

b) o conhecimento prévio que o agente já tem;
c) qual representação é usada para os dados e para o componente;
54
d) qual retorno de dados está disponível para a aprendizagem.
Nesse sentido, Rodrigues (2018) afirma que um algoritmo de

aprendizagem é a conjunção consistente de:
a) premissas sobre os dados;

b) conjuntos de amostras;
c) uma estrutura funcional ou uma arquitetura matemática ou lógica,
geradora de uma base representacional de hipóteses, formando um
espaço de hipóteses;
d) uma métrica de desempenho para avaliação de hipóteses sob a
dinâmica de um mecanismo de otimização;
e) uma metodologia para identificar e selecionar as melhores hipóteses
que, apresentando o melhor desempenho de aproximação de uma
função, possam ser o modelo de execução da tarefa.
O Quadro 18 apresenta os tipos de aprendizagem e seus respectivos

conceitos no ML:
Quadro 18 – Modelos e conceitos de aprendizagem no ML

(continua)
Modelo de Aprendizagem Conceito
É interpretada como uma estrutura de representação de um espaço
de classes de hipóteses (lineares ou não lineares) definidas por
Regressão funções matemáticas, voltadas à modelagem da relação entre
variáveis independentes (regressores) de entrada e os valores de
saída (resposta), minificando o papel de uma função desconhecida.
Selecionar melhores hipóteses, por meio apenas do valor extraído

Regularização de conjuntos limitados de amostras, com a expectativa de que façam
boas aproximações diante de novas situações reais, tem sido um
objetivo comum desejado nos algoritmos de aprendizagem.
Tem como inspiração a capacidade demonstrada por humanos de

identificar se dois exemplares são idênticos ou similares, por meio
Baseado em exemplares
de comparações feitas sob alguma medida de similaridade. Definida
essa medida, mesmo de modo simplista, tem-se os elementos
básicos para uma aprendizagem baseada em exemplos.
Semisupervisionada Tem como característica particular a combinação das aprendizagens

supervisionada e não supervisionada.
Árvores de decisão
Cada nó dispõe de uma função local de decisão que condiciona
55
Modelo de Aprendizagem Conceito

outras tomadas de decisão e, em uma reação em cadeia, segue
adiante, tendo como resultado final a geração de funções locais nas
ramificações denominadas de folhas.
Aprende a partir de um conjunto de amostras e usando do

Reforço conhecimento específico indireto que esse conjunto envolve sobre a
função-alvo e, por consequência, da correspondente tarefa em
aprendizagem.
O desempenho de tais algoritmos depende de como o conhecimento

a priori, as observações (amostras) e as metas da tarefa são
Aprendizagem bayesiana
representadas. As premissas assumidas quando associadas a uma
base representacional ou modelo de solução empregada, acaba por
influenciar muito a qualidade dos resultados.
Reunião ou classificação de elementos que sejam similares,

Agrupamentos
colocando-os num mesmo grupo e separando aqueles dissimilares,
colocando-os em grupos diferentes.
Tem como objetivo encontrar relações de interesse que não estejam

Regras de associação diretamente explícitas. Havendo relações escondidas, estas são
expressas como uma coleção de regras de associação entre
conjuntos de itens mais frequentes.
Baseada em valores de atributos e no conhecimento, a priori, que se

Máquinas de supervetorial tem de algumas classificações conhecidas, em que as amostras dos
objetos são bem comportadas e localizadas em duas regiões bem
separadas do espaço de atributos.
Não apresentam flexibilidade suficiente para desempenhar bem fora

Redes neurais do contexto em que ocorreu o seu desenvolvimento original. Tem
características interessantes que as tornam ímpares e o
sustentáculo do estado da arte em algoritmos de aprendizagem.
Qualificador atrelado mais à complexidade das arquiteturas dos

algoritmos de aprendizagem, que tem demonstrado resultados
Aprendizagem profunda
surpreendentes em problemas de: visão por computador,
(Deep Learning)
reconhecimento de voz, áudio e linguagem natural, controle
automático e navegação de veículos, filtragem de redes sociais,
tradução automática, entre outros.
Ensembles Tem como objetivo descobrir uma maneira eficiente de proceder

decisões conjuntas. Tem se mostrado ser mais do que um algoritmo,
se tornando quase que uma metodologia de combinar algoritmos.
Fonte: Elaborado pelo autor com base em RODRIGUES, 2018.
A seguir, o Quadro 19 apresenta os tipos de representações do

conhecimento dos dados e os algoritmos de aprendizagem equivalentes no ML,
catalogadas por Rodrigues (2018):
56
Quadro 19 – Algoritmos de aprendizagem

Representação do conhecimento Algoritmo
Fonte: Elaborado pelo autor com base em RODRIGUES, 2018, p. 195.
Para Rodrigues (2018), a grande dificuldade da abordagem por algoritmos

de aprendizagem está na ausência de amostras que representem todos os
comportamentos possíveis e que completem todo o conhecimento necessário para a
solução do problema.
57
Embora seja uma técnica que exija extrema especialidade, diante das
complexidades de lógica que englobam todo o processo de aprendizagem,
Davenport (2018) expõe que, em uma pesquisa que desenvolveu, por meio da
empresa de consultoria norte-americana Delloite’s Strategic and Analytics Pratices,
em 2017, com 250 gerentes de empresas que já estavam perseguindo a IA, 58% já
estavam empregando aprendizado de máquina em seus negócios.
Segundo Davenport (2018), a organização que se põe a implementar
soluções de ML deve ter como óbvio que dados bons e abundantes é uma condição
prévia para a implantação eficaz de tecnologias cognitivas.
Nesse ponto, mais uma vez, a qualidade dos dados é tida como
componente mais importante na fase inicial do processo de aprendizagem. A coleta
e o preparo de amostras estão sujeitos ao requisito fundamental de ter quantidade e
qualidade suficientes para caracterizar bem o fenômeno ou a função pretendida
(RODRIGUES, 2018). Para Davenport (2018), a qualidade significa que os dados
devem ser limpos, consistentes e bem integrados em toda a organização.
Segundo Rodrigues (2018), a visão norteadora que tem elevado as
potencialidades da aprendizagem profunda está embasada em três aspectos: 1)
mais fontes de dados; 2) mais amostras, arquiteturas maiores e mais complexas; e
3) mais processamento, como se apresenta no Gráfico 1.
58
Gráfico 1 – Aprendizagem profunda e quantidade de dados
Ao partir para a aprendizagem profunda – Deep Learning (DL) –, a

necessidade de disponibilidade de dados de alta qualidade e volume aumenta, pois
utiliza modelos de redes neurais com muitos níveis e milhares de recursos que
exigem processamento computacional mais rápido (DAVENPORT, 2018). Na
pesquisa desenvolvida pela Deloitte, 34% das empresas estavam usando
tecnologias de DL (DAVENPORT, 2018).
Para Rodrigues (2018), esses aspectos influenciam a forma de
aprofundar um algoritmo existente ou levam a conceber novos algoritmos, ou seja,
acabam por desencadear novos desenvolvimentos baseados em cálculos e fórmulas
matemáticas elementares desse campo científico.
Segundo Davenport (2018), os modelos de aprendizado de máquina são
baseados em estatísticas; dessa maneira, compreender essas estruturas de dados e
como tomar decisões a partir delas, ajuda quem deseja trabalhar com IA. Segundo
Goldschmidt, Bezerra e Passos (2015), a Estatística, com a área de aprendizado de
máquina, é considerada ancestral da área de KDD.
Goldschmidt, Bezerra e Passos (2015) afirma que seleção de dados e
amostragem, pré-processamento, transformação dos dados e avaliação de padrões
59
extraídos são apenas alguns exemplos de métodos há muito tempo utilizados em

Estatística e que são aplicados durante o processo de KDD.
Ao final desta seção, verifica-se que a ML concentra os conceitos todos
os conceitos e aplicações cabíveis à IA. Essa peculiaridade implica a necessidade
de amplo conhecimento sobre o processo de tomada de decisão racional e sua
influência na aprendizagem. Caso contrário, a abordagem inadequada ou pouco
abrangente do problema que se propõe a solucionar acarretará soluções inócuas.
Nesse sentido, a escolha da técnica adequada poderá conduzir a soluções efetivas
capazes de produzir os conhecimentos e até mesmo as predições tão almejadas na
IA.
2.7 Predição
Esta seção aborda a predição de valores futuros na IA. Inicialmente,

buscar-se-á compreender como essa área da Estatística é desenvolvida a partir das
análises de séries temporais.
2.7.1 Séries temporais
Para Agrawal, Gans e Goldfarb (2018), a predição é um insumo

fundamental que está em toda parte, nas empresas e vidas pessoais. Muitas vezes,
as predições estão escondidas como informações na tomada de decisão, logo,
melhor predição significa melhor informação, que se traduz em melhor tomada de
decisão (AGRAWAL; GANS; GOLDFARB, 2018).
Segundo Goldschmidt, Bezerra e Passos (2015), o conhecimento que se
infere a partir dos dados possui um componente estatístico fundamental, que é o
grau de certeza com o qual se espera que esse conhecimento descreva ou faça
predições sobre os dados. Nesse sentido, a Estatística é capaz de fornecer um
modelo para a quantificação da incerteza resultante, quando se tenta inferir padrões
a partir de uma amostra de um conjunto de dados.
Agrawal, Gans e Goldfarb (2018) simplificam a predição como o processo
de preenchimento de informações ausentes, com base nos dados que se possui
para gerar informações que não se têm, com uso de uma técnica estatística
60
denominada “regressão”. Nesse sentido, para gerar informações sobre o futuro, o

processo de predição necessariamente precisa gerar informações sobre o passado
e o presente.
Segundo Souza e Camargo (2004), a previsão de uma série temporal é o
estabelecimento dos valores futuros da série, em que a previsão é uma estimativa
quantitativa ou um conjunto de estimativas acerca da verossimilhança de eventos
futuros, baseados na informação atual e passada.
O fundamento das técnicas de predição está na alocação do dado ao
tempo, com suas diversas características, para que se tenha uma base temporal que
apresente o dado no passado e no presente. Essa alocação cria uma série temporal
e, a partir desse ponto, os modelos estatísticos dessa natureza passam a ser a base
fundamental dentro da ciência probabilística na predição.
Para Box et al. (2016), a elaboração de modelos que permitam cálculos
exatos do comportamento futuro é possível até mesmo para problemas com muitos
fatores desconhecidos.
Segundo Morettin e Toloi (2006), o método de previsão mais utilizado é o
de Box e Jenkins, também conhecido como modelo Autoregressive Integrated
Moving Avarege (ARIMA), traduzido como “Modelo Autorregressivo Integrado de
Médias Móveis”. Sua grande utilização dá-se devido a ser eficiente para captar o
comportamento da correlação seriada ou autocorrelação entre valores de séries
temporais, por meio da interação do modelo Autorregressivo (AR) e o Modelo de
Médias Móveis (MA).
Conforme expõe Souza e Camargo (2004), a previsão desenvolvida no
ARIMA ocorre a partir da compreensão do modelo que gerou a série temporal, por
meio do processo iterativo de identificação, estimação e checagem do diagnóstico.
Logo, a partir da compreensão do modelo que gerou a série temporal, pode-se,
então, utilizá-lo para prever valores futuros das variáveis observadas (SOUZA;
CAMARGO, 2004).
Realizar predições com análises de dados com correlação e
autocorrelação não é tarefa simples, conforme afirmam Morettin e Toloi (2006, p.
106): “[...] uma desvantagem da técnica de Box e Jenkins é que sua utilização
requer experiência e algum conhecimento além do uso automático de um pacote de
computador”.
61
Além da complexidade da modelação de uma fórmula de previsão,

também há que se considerar que “[...] nenhum fenômeno é totalmente
determinístico, porque fatores desconhecidos podem ocorrer, como uma velocidade
variável do vento que pode lançar um míssil ligeiramente para fora do seu curso”
(BOX et al., 2016, p. 6, tradução nossa)9.
Nesse sentido, a caracterização da série temporal é o passo inicial na
tentativa de construção de um modelo de previsão, de acordo com a classificação
dos seus movimentos, conforme apresentado por Goldschmidt e Passos (2005),
como se vê no Quadro 20:
Quadro 20 – Caracterização de séries temporais por movimento

Movimento da série temporal Conceito
Indicam a direção geral na qual o gráfico da série
Movimentos de tendência temporal se move ao longo do tempo.
Referem-se às oscilações de uma curva, que podem

ou não ser periódicas. Isso significa que os ciclos não
Movimentos cíclicos precisam necessariamente seguir padrões exatos
após intervalos de tempos iguais.
São movimentos que ocorrem devido a eventos que

se repetem de tempos em tempos. Em geral, são
padrões muito similares que ocorrem em
Movimentos sazonais determinadas épocas ou períodos. Por exemplo,
aumento nas vendas de brinquedos nas semanas que
antecedem ao Dia das Crianças.
Esses movimentos são influenciados por eventos que

ocorrem de forma aleatória. Por exemplo, chuvas
Movimentos irregulares ou randômicos
intensas ou calor muito forte que influenciam na
produção agrícola.
Fonte: Elaborado pelo autor com base em GOLDSCHMIDT; PASSOS, 2005, p. 85.
Mesmo sendo complexa, a identificação de modelos tem sido o caminho

científico mais utilizado para obtenção de previsões confiáveis, principalmente em
sistemas e processos relacionados às Ciências Agrárias, Exatas, Engenharias,
Econômicas. Um dos fatores preponderantes é a multidisciplinaridade de técnicas
que são inseridas na análise das variáveis, pois, quanto maior for a série e a análise
dos seus vetores multivariados, melhores são as chances de um ajuste satisfatório
da modelagem matemática (BANDURA et al., 2019).
9
“[...] no phenomenon is totally deterministic, however, because unknown factors can occur such as a
variable wind velocity that can throw a missile slightly off course.” (BOX et al., 2016, p. 6).
62
Por fim, em síntese, a predição necessariamente pressupõe um processo

de regressão e, logo, o diferencial nas assertivas das previsões está vinculado à
gama de dados e de técnicas utilizadas nesse processo, o que humanamente pode
ser impossível sem o auxílio de ferramentas computacionais, das quais se destacam
as soluções de IA, conforme afirmam Agrawal, Gans e Goldfarb (2018, p. 59): “[...]
melhores dados, modelos e computadores são a essência do progresso na
predição”.
2.7.2 Predição com inteligência artificial
Como foi dito na seção anterior, sistemas computacionais auxiliam nas

análises de séries temporais, para a identificação de modelos de previsão que se
apresentam complexos e multidisciplinares.
A complexidade da análise também se estende aos sistemas
computacionais destinados a essa finalidade, pois, conforme a gama de variáveis é
aumentada, também é elevado o nível de conhecimento necessário para
correlacioná-las:
Para muitos problemas nos negócios, economia, engenharia e aspectos

físicos e ambientais ciências, dados de séries temporais podem estar
disponíveis em várias variáveis de interesse relacionado. A análise
informativa e eficaz é muitas vezes possível considerando séries individuais
como componentes de uma série temporal multivariada ou vetorial e
10
analisando a série em conjunto. (BOX, et al., 2016, p. 4, tradução nossa).
Contudo, conforme afirmam Agrawal, Gans e Goldfarb (2018, p. 81), “A

atual geração de tecnologia IA é chamada de ‘aprendizado de máquina’ por um
motivo. As máquinas aprendem com os dados”. Logo, podem aprender a prever com
o uso das RNA, já abordadas na subseção 2.2.
Diante da necessidade e do custo dos dados para que as máquinas
preditivas operem, Agrawal, Gans e Goldfarb (2018) apresentam questionamentos
essenciais para a tomada de decisões sobre a aquisição de dados:
10
For many problems in business, economics, engineering, and physical and environmental sciences,
time series data may be available on several related variables of interest. A more informative and
effective analysis is often possible by considering individual series as components of a multivariate
or vector time series and analyzing the series jointly. (BOX et al, 2016, p. 4)
63
Figura 10 – Questionamentos essenciais para aquisição de dados
Fonte: Elaborado pelo autor com base em AGRAWAL; GANS; GOLDFARB, 2018, p. 85.
Segundo Agrawal, Gans e Goldfarb (2018), quanto maior forem os

volumes de tipos, objetos e frequência, maior será o benefício, mas também o custo.
Portanto, para os autores, antes de decidir pela estratégia de aquisição de dados, é
preciso saber minuciosamente o que se deseja prever, ou seja, qual o problema está
como alvo de solução.
Embora o custo seja fator determinante na tomada de decisões sobre
implementação de tecnologias, o equilíbrio entre custo e benefício deve ser
extremamente explorado, pois melhores predições levam a melhores resultados.
A tendência natural de mercado é que o custo da predição caia
paulatinamente com os surgimentos de novas ferramentas decorrentes de
algoritmos mais inteligentes; à medida que o custo da predição cai, é possível
descobrir seu uso para uma gama notavelmente ampla de atividades adicionais
(AGRAWAL; GANS; GOLDFARB, 2018).
Segundo Agrawal, Gans e Goldfarb (2018), somente as pessoas são
capazes de fornecerem julgamentos, devido a capacidade natural de expressarem
as recompensas relativas de tomar atitudes diferentes, ou seja, somente os seres
humanos possuem a capacidade de ponderar os resultados de uma decisão. Este é
um ponto claro de divergência entre o valor que é inserido no processo humano de
decisão e o processo automatizado:
O ponto mais amplo das decisões é que os objetivos raramente têm apenas
uma dimensão. Os humanos têm, explícita e implicitamente, o próprio
conhecimento de por que estão fazendo algo, o que lhes confere pesos que
são tanto idiossincráticos quanto subjetivos. Enquanto uma máquina prevê
o que é provável que aconteça, os seres humanos ainda decidirão qual
ação tomar com base em sua compreensão do objetivo. (AGRAWAL;
GANS; GOLDFARB, 2018, p. 154).
64
Nesse sentido, Agrawal, Gans e Goldfarb (2018) consideram que, à

medida que a IA assumir a predição das decisões, os seres humanos mais se
concentrarão no papel de julgamento. Para os autores: “Isso permitirá uma interface
interativa entre predição de máquina e avaliação humana, da mesma forma que
você faz consultas alternativas ao interagir com uma planilha ou banco de dados”
(AGRAWAL; GANS; GOLDFARB, 2018, p. 142).
Nesse ponto, o raciocínio de Agrawal, Gans e Goldfarb (2018) é
convergente à solução do problema proposto na teoria da racionalidade limitada, na
qual Simon (1996) compreende que o desenvolvimento de tecnologias proporcionam
soluções de racionalidade aos tomadores de decisão à medida que estes se tornam
mais claramente cientes das consequências remotas de suas prescrições.
Para Davenport (2018), após encontrar um bom modelo de regressão
preditivo, pode-se usá-lo em um novo conjunto de dados para prever um resultado
desconhecido, como a probabilidade de um paciente desenvolver diabetes devido a
certos níveis de entrada de variáveis.
Agrawal, Gans e Goldfarb (2018) afirmam que a predição é o resultado do
aprendizado de máquina e, consequentemente, a precisão da predição melhora com
o aprendizado; logo, a alta precisão de predições permite que as máquinas
executem tarefas que até então estavam associadas à inteligência humana, como a
identificação de objetos. Nesse sentido, para Davenport (2018), quanto ao requisito
quantidade de dados para aprender, os modelos de DL são muito bons em tarefas
como reconhecimento de imagem e voz, além de se aproximarem ou superarem
capacidades humanas em algumas áreas.
Na solução da racionalidade limitada, para Russel e Norvig (2013), a
estruturação de redes de decisão significa que podem ser desenvolvidos sistemas
que recomendem decisões ótimas, refletindo as preferências do usuário e as
evidências disponíveis.
Nesse sentido, ao exemplo dado por Davenport (2018), Russel e Norvig
(2013) exemplificam a possibilidade de se criar um modelo causal aplicado a
sintomas possíveis de doenças vinculados a tratamentos e resultados. Segundo os
autores, não é tarefa simples, pois muitos conhecimentos serão colhidos da
literatura e dos especialistas da respectiva área. Contudo, ao final, com base na
frequência, o modelo combinará bem com as descrições gráficas informais
65
apresentadas em textos da literatura. É possível, inclusive, que em algum momento

seja necessário simplificar a lógica do sistema, removendo variáveis que não estão
envolvidas em decisões de tratamento, ou dividindo, reunindo variáveis para
corresponder às intuições do especialista.
Nesse ponto, Russel e Norvig (2013) destacam a importância da análise
de sensibilidade na verificação se a melhor decisão é sensível a pequenas
mudanças nas probabilidades e utilidades atribuídas pela variação sistemática
desses parâmetros. Portanto, se pequenas mudanças levam a decisões
significativamente diferentes, talvez compense gastar mais recursos para reunir
dados melhores. Porém, se todas as variações levarem à mesma decisão, o usuário
terá mais confiança em que essa é a decisão correta.
Segundo Russel e Norvig (2013), a análise de sensibilidade é
particularmente importante porque uma das principais críticas às abordagens
probabilísticas para sistemas especialistas se refere à grande dificuldade para
avaliar as probabilidades numéricas exigidas. Com frequência, a análise de
sensibilidade revela que muitos números precisam ser especificados apenas de
forma muito aproximada.
Em se tratando de um sistema inteligente, estruturado com RNA, análises
pouco abrangentes podem acarretar em falhas numéricas que vão fazer a máquina
aprender um modelo errado; logo, todas derivações das suas saídas
consequentemente apresentaram resultado falho, sem valor preditivo, tamanho será
o grau de incerteza.
Por fim, ao assimilar a necessidade de dados e o seu processamento
inteligente, percebe-se como a IA, por meio da ML, está intrínseca nesse processo
de predição, que se encontra no campo da descoberta de conhecimentos. Logo, o
objetivo da obtenção do conhecimento é a propulsão inicial do processo de predição
e, consequentemente, da tomada de decisão no uso do produto final do processo.
66
2.8 Aplicação da inteligência artificial nas organizações
Davenport (2018, p. 197, tradução nossa) afirma que: “Uma empresa sem
recursos de IA é tola como uma empresa sem presença na Internet ou que insiste
em usar apenas processos de negócios analógicos em papel”11.
Para Marr e Ward (2019, p. 22, tradução nossa), “[...] IA é a tecnologia
mais poderosa disponível para a humanidade hoje e o maior erro que alguém pode
cometer é ignorá-lo”12.
Partindo dessas afirmações, pode-se inferir o quanto a IA tem se tornado
essencial nas organizações.
A fim de compreender a finalidade da aplicação da IA nas organizações,
esta subseção aborda as considerações realizadas em pesquisas desenvolvidas por
Davenport (2018) e Marr e Ward (2019).
Marr e Ward (2019) apresentam análises sobre cinquenta casos de
aplicação da IA para solucionar problemas nas organizações, conforme apresentado
no Quadro 21:
Quadro 21 – Uso de IA em 50 organizações

(continua)
Organização Finalidade da Aplicação de IA
Alibaba Impulsionar o varejo e business-to-business do futuro
Alphabet e Google Maximizar o potencial de inteligência artificial
Amazon Impulsionar o desempenho empresarial
Apple Integrar IA aos produtos e proteger a privacidade do usuário
Baidu Pesquisar motores e carros autônomos
Facebook Melhorar os serviços de mídia social
IBM Criar computação cognitiva de relacionamento entre máquinas com
humanos
JD.com Automatizar o varejo
Microsoft Inserir a IA como parte da estrutura de vida cotidiana
Tencent Impulsionar o WeChat e a saúde
Burberry Vender luxo
Coca-Cola Permanecer no topo do mercado de refrigerantes
Domino's Servir centenas de milhares de pizzas todos os dias
Kimberly-Clark Fazer senso de dados do cliente
McDonald's Automatizar processos
Samsung Automatizar a casa e local de trabalho
Starbucks Vender milhões de cafés todos os dias
Stitch Fix Combinar o poder de inteligência artificial e os humanos para influenciar
o varejo de moda
11
“A company with no AI capabilities is as foolish as a company with no internet presence, or one that
insists on using only analog, paper-based business processes.” (DAVENPORT, 2018, p. 197).
12
“[...] AI is the most powerful technology available to mankind today and the biggest mistake anyone
can make is to ignore it.” (MARR; WARD, 2019, p. 22).
67
Organização Finalidade da Aplicação de IA

Unilever Agilizar o recrutamento e onboarding
Walmart Manter as prateleiras empilhadas e clientes felizes
The Walt Disney Tornar mágicas as recordações
Company
Instagram Enfrentar o bullying online
LinkedIn Resolver a crise de habilidades
Netflix Oferecer uma melhor experiência de TV
Press Association Cobrir notícias locais
Spotify Encontrar novas músicas que você vai adorar
Telefonica Conectar o desconectado
Twitter Lutar contra notícias falsas e spam
Verizon Avaliar a qualidade do serviço
Viacom Transmitir vídeos mais rapidamente e melhorar a experiência do cliente
American Express Detectar fraudes e melhorar a experiência do cliente
Elsevier Melhorar as decisões médicas e pesquisas científicas
Entrupy Combater produtos falsificados
Experian Tornar as hipotecas mais simples
Harley-Davidson Aumentar as vendas
Hopper Viajar por menos
Infervision Detectar câncer e AVC
Mastercard Reduzir as não autorizações de compras em transações legítimas
Salesforce Ajudar as empresas a compreenderem seus clientes
Uber Fazer tudo no negócio
BMW Construir e dirigir os carros de amanhã
GE Construir a internet da energia
John Deere Reduzir poluição na agricultura
KONE Mover milhões de pessoas todos os dias
Daimler AG Criar eficiência na produção de veículos e transporte de passageiros.
NASA Explorar o espaço e mundos distantes
Shell Enfrentar a transição de energia para fontes mais limpas
Siemens Construir a internet de trens
Tesla Construir carros inteligentes
Volvo Construir os carros mais seguros do mundo
Fonte: Elaborado pelo autor com base em MARR; WARD, 2019.
Como se vê no Quadro 21, grandes empresas de variados segmentos

têm colocado um sentido na aplicação da IA nos seus negócios.
Marr e Ward (2019) afirmam que, durante as pesquisas, foi identificado
que muitas empresas chegaram a reinventar e transformar modelos de negócios e
até setores inteiros a partir da aplicação da IA. Por isso, para eles, ficou latente a
importância das empresas desenvolverem uma estratégia de IA e dados, caso
contrário pode-se perder o potencial que as aplicações têm a oferecer, tanto para
identificar oportunidades, quanto superar desafios.
Outros dois aspectos importantes identificados por Marr e Ward (2019)
nas empresas são a falta de compreensão da IA e de talentos para o uso dessa
tecnologia. São aspectos de relevância crucial, pois, segundo os autores, é pouco
68
provável que uma organização prospere na quarta revolução industrial se sua

diretoria não entende o que é IA e o que ela pode fazer a favor do seu negócio.
Essas identificações de Marr e Ward (2019) revelam que as predições de
Peter Drucker13 estavam corretas, mesmo tendo sido elaboradas há mais de vinte
anos. Para Drucker (2000), essa revolução traz mudanças profundas na economia,
mercados, setores, políticas empresariais e, consequentemente, na forma como se
faz a gestão das organizações.
Segundo Mata et al. (2018) a revolução da informação e tecnologia,
denominada 4.0, impõe mudanças na estrutura das empresas:
Frente uma real Revolução Industrial tecnológica as empresas estão tendo

que se adequar há uma transformação em seus processos estruturais e
profissionais. Levando o nome de Indústria 4.0 o impacto dessa revolução
vai além da simples digitalização, passando por uma forma cada vez mais
complexa de inovação baseada na combinação de várias tecnologias que
exigirão das empresas uma nova forma de gerir os seus negócios e
processos, introduzindo novos produtos, ajustando as ações de marketing e
de distribuição. (MATA et al., 2018, p. 17).
Segundo Davenport (2018), algumas empresas tiveram projetos falhos

porque tanto as tecnologias, quanto as organizações não estavam prontas. Por isso,
é elementar que as empresas experimentem a tecnologia e criem experiências
suficientes para usá-las efetivamente. Segundo ele, as empresas de sucesso serão
aquelas que realizarão uma boa combinação entre seus problemas de negócios e as
capacidades de IA, com uma visão em longo prazo (DAVENPORT, 2018).
Ainda nessa abordagem sobre as dificuldades impostas na gestão,
Davenport (2018) relata que na pesquisa desenvolvida por meio da Delloite’s
Strategic and Analytics Pratices, dois em cada cinco gestores afirmaram que as
tecnologias e as pessoas para operá-las são caras, e um terço dos entrevistados
relatou que encontrou dificuldades para recrutar talentos para essa área, bem como
classificou as tecnologias como “imaturas”. O Gráfico 2 apresenta os resultados
dessa pesquisa quanto aos desafios encontrados pelos gestores na implementação
de IA:
13
Peter Ferdinand Drucker foi um escritor, professor e consultor administrativo de origem austríaca,
considerado como o pai da administração moderna.
69
Gráfico 2 – Desafios encontrados com IA / tecnologias cognitivas obtidos na

Pesquisa Cognitive Aware, 2017, da Deloitte
Fonte: Elaborado pelo autor com base em DAVENPORT, 2018, p. 150.
Para Marr e Ward (2019), a falta de talentos de IA está conduzindo as

empresas à terceirização dos seus projetos, por meio de empresas de consultoria
especializadas. Contudo, salientam que, independe dessa solução mais prática, é
importante que as empresas impulsionem suas habilidades internas e capacidades
na IA (MARR; WARD, 2019). De acordo com os autores, a “[...] IA se tornará um
fator tão importante de competição que simplesmente terceirizá-lo pode deixar as
empresas vulneráveis em longo prazo.” (MARR; WARD, 2019, p. 283, tradução
nossa)14.
A sugestão de Marr e Ward (2019) é que, inicialmente, as empresas
adotem um modelo de gestão voltado ao desenvolvimento interno de habilidades
essenciais e, posteriormente, tragam experiências externas para aumentarem suas
capacidades.
Outro aspecto relevante e comum identificado por Davenport (2018) e
Marr e Ward (2019) foi a essencialidade da disponibilidade de dados. Nesse sentido,
Marr e Ward (2019, p. 283, tradução nossa) afirmam que “[...]dados são a matéria-
14
“AI will become such an important factor of competition that simply outsourcing it can leave
companies vulnerable in the long run.” (MARR; WARD, 2019, p. 283).
70
prima da IA. Melhores dados significam melhores algoritmos de IA”.15 Para eles, as
empresas que têm os melhores dados se sobrepõem aos concorrentes.
Davenport (2018, p. 161, tradução nossa), por sua vez, afirma que “[...] é
importante enfrentar a questão dos bons dados antes de embarcar em uma iniciativa
ambiciosa envolvendo IA”16. Foram identificadas várias organizações cujos
executivos de TI relutavam em implementar soluções de IA, porque seus dados não
estavam à altura da tarefa que se desejava executar (DAVENPORT, 2018).
Nesse contexto, é essencial que as empresas identifiquem e estabeleçam
estratégias de acesso aos dados considerados indispensáveis para seus negócios.
Segundo Davenport (2018), as empresas geralmente têm muitas fontes diferentes
de dados importantes, seja pela variedade de negócios, seja pelas filiais
independentes, com bancos de dados estruturados e desenvolvidos com tecnologias
distintas. Para o autor, a solução para esse problema é investir da gestão dos
dados, porém, segundo ele, muitas empresas desistem diante da complexidade das
soluções.
Outro ponto fundamental identificado por Davenport (2018) é a qualidade
dos dados. Segundo o autor, muitas empresas possuem problemas substanciais na
qualidade dos dados, seja pela sua estrutura ou pela ausência de tecnologia
suficiente para corrigi-los no momento da inserção no sistema pelos funcionários.
O outro ponto relevante e comum entre os autores é a necessidade de
conciliar a segurança dos dados à ética no uso da IA.
Segundo Marr e Ward (2019), a implementação de soluções de IA requer
tecnologia moderna em termos de armazenamento e poder de processamento. Para
eles, as empresas precisam enfrentar os desafios éticos e compreender que o uso
de IA com dados do mundo real podem apresentar os preconceitos praticados por
humanos (MARR; WARD, 2019).
Nesse sentido, Davenport (2018) salienta que a IA é capaz de descobrir
uma quantidade substancial de informações pessoais detalhadas e esse tem sido
um dos motivos para aumentar a privacidade e segurança de dados. Segundo o
autor, as máquinas podem aprender a ler e compreender grandes quantidades de
15
“[...] data is the raw material for AI. Better data means better AI algorithms.” (MARR; WARD, 2019,
p. 283).
16
“However, it’s important to face up to the issue of good data before embarking on an ambitious
initiative involving AI.” (DAVENPORT, 2018, p. 161).
71
detalhes, como o que se compra, assiste etc. Isso pode ser um diferencial de
competitividade empresarial, mas muitas pessoas desejam que as informações
permaneçam em âmbito privado. A exposição desses dados pode ocorrer pela
manipulação dos dados, ou pelo acesso e coleta indesejados. Por isso, a IA também
é dedicada à segurança cibernética.
Essa é uma área de debate que tem se tornado comum, principalmente
quanto ao conceito de conectividade ilimitada de instituições governamentais a
dispositivos privados, como ocorre na aplicação do conceito de smart cities.
Outra temática de discussão é a possibilidade de construção de
algoritmos que apresentem resultados preconceituosos. O principal questionamento
é: como uma máquina pode aprender sozinha sem gerar padrões preconceituosos?
Afinal, as técnicas de ML e DL preparam a máquina para um aprendizado
automatizado.
Para Davenport (2018), tópicos como esse ressaltam o quanto é
importante que as organizações saibam quais tecnologias devem adquirir para
atingir seus objetivos com IA e ainda como essas tecnologias devem ser adotadas e
implementadas:
Além da escolha de tecnologias, as empresas precisam decidir se desejam

construir ou comprar os recursos de tecnologia, usar software proprietário
ou de código aberto, usar um ferramentas de um único fornecedor ou
empregar “o melhor da categoria”, seja para usar uma ampla “Plataforma”
ou aplicativos únicos e assim por diante. (DAVENPORT, 2018, p. 152,
17
tradução nossa).
Conforme se vê, esta seção corrobora a tônica da ilimitada aplicação da

IA na sociedade. Não há um padrão de como utilizar a IA nas organizações, mas sim
princípios elementares determinantes do sucesso, e que devem ser considerados
por aqueles que pretendem aplicar soluções cognitivas nos seus negócios.
Outra certeza que se apresenta são as implicações profundas que a
aplicação de IA gera para as organizações, de maneira que não há certeza de como
elas funcionarão aliando homens e máquinas (DAVENPORT, 2018).
17
Beyond the choice of technologies, companies need to decide whether to build or buy the
technology capabilities, whether to use proprietary or open source software, whether to use a single
vendor’s tools or employ “best of breed,” whether to use a broad “platform” or single applications,
and so on. (DAVENPORT, 2018, p. 152)
72
Por fim, destaca-se a conclusão de Marr e Ward: “IA tem o potencial de

tornar nosso mundo um lugar melhor, mas, para chegar lá, precisamos tomar as
decisões certas e enfrentar alguns grandes desafios e obstáculos.” (MARR; WARD,
2019, p. 286, tradução nossa)18.
18
“AI has the potential to make our world a better place, but to get there we need to make the right
decisions and address some big challenges and obstacles.” (MARR; WARD, 2019, p. 286).
73
3 EMPREGO OPERACIONAL DA POLÍCIA MILITAR DE MINAS GERAIS
Nos termos da Constituição Federal do Brasil, no campo da segurança

pública, recai sobre as Polícias Militares a responsabilidade de realizarem as
atividades de policiamento ostensivo e manutenção da ordem pública 19. Embora
expresso em apenas um parágrafo da Carta Magna, o cumprimento desse dever
constitucional é de extrema complexidade, já que perpassa desde a manutenção da
sustentabilidade administrativa dessas instituições militares até a efetividade dos
serviços prestados, pois não estão à margem dos princípios 20 constitucionais da
administração pública.
Embora a inclusão das Ciências Policiais no rol das ciências estudadas
no Brasil seja um marco recente, a PMMG vem se modelando na prestação de
serviços ao Estado e às comunidades mineiras desde o início da sua trajetória
bicentenária.
Como afirma Cotta (2004), por suas características geopolíticas e
econômicas, desde o início do século XVIII, instituíram-se corpos militares que se
especializaram no controle social e na preservação da tranquilidade e do sossego
público em Minas Gerais, o que ficou expressamente registrado no século XIX, com
a institucionalização do Corpo Policial da Província de Minas Gerais, no ano de
1835:
Ao se institucionalizar o Corpo Policial da Província de Minas Gerais, em

1835 (herdeiro das práticas do Regimento Regular de Cavalaria de Minas,
de 1775, sendo este surgido a partir das Companhias dos Dragões de El
Rei, de 1719) o seu regulamento trazia a seguinte determinação: “Esta
Força será empregada em auxiliar às Justiças, e manter a Polícia, boa
Ordem, e segurança pública, assim na Capital da Província, e seus
subúrbios, como nas Comarcas por Destacamentos”. (COTTA, 2004, p. 26).
Passados duzentos anos da criação do Regimento de Cavalaria, em 18

de julho de 1975, o Governador do Estado de Minas Gerais sancionou a Lei nº
6.624, que instituiu a Organização Básica da PMMG. Naquele ato, a Instituição
19
Parágrafo 5º, do Art. 144, da Constituição da República Federativa do Brasil de 1988, que atribui às
polícias militares a polícia ostensiva e a preservação da ordem pública. Disponível em:
http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso em: 13 jun. 2020.
20
Caput do Art. 137, da Constituição da República Federativa do Brasil de 1988, que estabelece os
princípios da legalidade, impessoalidade, moralidade, publicidade e eficiência à administração
pública. Disponível em: http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso
em: 13 jun. 2020.
74
adquiriu um formato de estrutura organizacional que, embora tenha sofrido

modelagens necessárias nas últimas décadas, tem se mantido ao longo desse
período.
Integrante do poder público estadual e possuidora de responsabilidade
administrativa sobre custeio, dotações consignadas no orçamento do Estado,
contratação e administração do seu pessoal, aquisição de material e atos de
planejamentos decorrentes da sua finalidade precípua constitucional, como se vê na
Lei nº 6.624, a PMMG, assim como na origem da sua criação, tem buscado adequar
sua prestação de serviços aos cenários de evolução e busca de modernização da
sociedade mineira.
Nesse sentido, abstraídas as rotinas de provisão e manutenção da sua
estrutura Institucional, apresenta-se, então, o motivo de ser da PMMG: o fazer
policiamento ostensivo.
Ao analisar a história da Instituição, é evidente que assim como na sua
criação, seus métodos e estratégias de prestação de serviços sempre foram
contextualizados ao momento histórico em que o país e o Estado viviam. Logo, a
Instituição tem em sua história o registro de muitas formas de prestações de serviços
ao longo da sua existência.
Dentre as mudanças nas estratégias de prestação de serviços, verifica-se
significativa alteração nos últimos cinquenta anos. Período este em que a Instituição
teve suas características de exército estadual diminuídas em avanço ao conceito de
órgão prestador de serviços destinados ao controle da criminalidade e atendimento
aos anseios das comunidades mineiras.
Conforme é apresentado por Souza (2003), esse processo evolutivo pode
ser percebido nesse período com o início da valorização da cientificidade no
estabelecimento de padrões operacionais:
O estabelecimento de padrões operacionais (suporte operacional e sistema

operacional) foi o principal instrumento utilizado por Mota (1973:37),
Comandante-Geral da PMMG no período de 25 de Maio de 1973 a 18 de
Março de 1975, para demonstrar e manifestar a intenção política e
estratégica da PMMG em melhorar a sua capacidade de prestação de
serviços. O suporte operacional, por um lado, observou como fonte de
sustentação a pesquisa de operações, o sistema de informações e o
sistema de comunicações. O sistema operacional, por outro lado,
contemplou o conjunto de medidas profissionais necessárias ao
cumprimento da missão da PMMG. (SOUZA, 2003, p.188).
75
O estabelecimento do estado democrático de direito instituído na

Constituição da República Federativa do Brasil de 1988, foi fator impulsionador do
modelo de policiamento que se construiu nesse período. Nesse ponto, por ser órgão
participante da persecução criminal, novos padrões de conduta tiveram que ser
adequados às novas garantias e direitos individuais. Aquele momento, denominado
como período da grande reforma policial, segundo Espírito Santo e Meireles (2003),
trouxe, dentre outras contribuições, o reforço da cientificidade na análise dos
problemas de segurança pública:
O crime é mais um problema social que um problema policial. Entretanto,

quaisquer que sejam as causas e efeitos, o policiamento ostensivo
executado com inteligência e oportunidade, sob a égide do princípio da
ocupação dos espaços vazios de segurança, é um dos pilares do ambiente
de segurança. Esse policiamento, destinado a proteger e socorrer com
oportunidade e objetividade deve ser suplementado com atuação específica
em locais de maior risco, hoje denominados “pontos quentes”, e ações de
inteligência policial. (ESPIRITO SANTO; MEIRELES, 2003, p. 225).
Como expõe Souza (2003), a partir dessa reforma, na visão institucional,

as polícias militares passaram a ser vistas sob uma nova perspectiva no contexto
social:
Vista sob a perspectiva democrática, a polícia representa, então, uma

dimensão central da ação política local, o que nos leva a refletir se o
exercício das atividades policiais estaria ou não centrada apenas em
aspectos técnicos. O conjunto dos estudos apresentados demonstra, ao
contrário, que a forma de atuação das organizações policiais reforça e
integra a convicção de cidadania, pois uma sociedade livre e democrática
não pode prescindir da ordem necessária a sua qualidade de vida. Essa
parece ser a grande expectativa da sociedade em relação às polícias. A
democracia é, assim, dependente da qualidade de suas polícias, bem como
do apego que seus integrantes têm por seus fundamentos. A ênfase
renovada na prevenção do crime caminha par e passo com a comunidade e
visa à reparação da degradação urbana, promovendo a justiça social.
(SOUZA, 2003, p. 62).
Dentre suas peculiaridades, o estado de Minas Gerais possui o maior

número de municípios do Brasil, maior malha viária do país e segundo maior colégio
eleitoral. Três características, em tese, suficientes para tornarem o cumprimento da
sua missão constitucional algo desafiador. Ainda há fatores diversos que aumentam
o grau de dificuldade de obtenção de êxito na missão constitucional, como o fato de
76
estar situado em posição estratégica no território nacional, sendo rota de interesse

comercial, eixo de mobilidade no território nacional e, consequentemente, local
atrativo para práticas criminosas, como o tráfico internacional de drogas ilícitas, entre
outras.
Para êxito no cumprimento da sua missão constitucional, a PMMG adota
diretrizes que possibilitam aos seus gestores, em seus diversos níveis de execução
operacional, a administração dos recursos institucionais em conformidade com as
características de cada região do Estado.
O normativo institucional que atualmente estabelece o alinhamento das
ações de emprego operacional utilizado pela PMMG é a Diretriz Geral para Emprego
Operacional (DGEOp), com última publicação em 29 de agosto de 2019. Desde sua
introdução, a Instituição expressa de forma clara a finalidade precípua das ações de
emprego operacional e a importância do seu posicionamento no seio social:
Ressalta-se ainda, que a DGEOp tem a finalidade de modernizar e

consolidar as diretrizes gerais para o emprego operacional no âmbito da
Polícia Militar de Minas Gerais, de forma que possa servir como referencial
para o alinhamento contínuo das ações operacionais em todos os níveis da
Corporação, principalmente considerando o enfoque primário de execução
da atividade da polícia ostensiva e de preservação da ordem pública,
assegurando aos poderes constituídos a ambiência necessária ao exercício
da democracia e viabilidade do estado democrático de direito, como uma
das instituições garantidoras do bem estar da sociedade mineira.(MINAS
GERAIS, 2019b, p. 8).
Em seu conteúdo, as seções 6 e 7 da DGEOp sobressaem ao interesse

desta pesquisa, pois normatizam a metodologia do planejamento operacional e seu
emprego propriamente dito.
Quanto à metodologia de emprego operacional, a PMMG adota como
premissa um modelo baseado na necessidade elementar da compreensão do
fenômeno da criminalidade para um emprego operacional eficiente. Por isso, na sua
seção 6, a DGEOp expõe a importância da abordagem sociológica do fenômeno da
violência, bem como teorias e métodos práticos de identificação, análise e resolução
de problemas.
Ainda na seção 6, a Instituição ressalta a necessidade do planejamento
prévio do emprego operacional e estabelece fatores intervenientes básicos que
devem ser considerados no planejamento:
77
a) fatores determinantes: tipicidade; gravidade e incidência de ocorrências

policiais militares, presumíveis ou existentes;
b) fatores componentes: custos; espaços a serem cobertos; mobilidade;
possibilidade de contato direto, objetivando o conhecimento do local de
atuação e relacionamento; autonomia; facilidade de supervisão e
coordenação; flexibilidade; proteção ao PM;
c) fatores condicionantes: local de atuação; características físicas e
psicossociais; clima; dia da semana; horário; disponibilidade de recursos.
(MINAS GERAIS, 2019b, p. 42).
Considerados os fatores determinantes, componentes e condicionantes,

verifica-se que o emprego operacional e seu consequente êxito estão relacionados
diretamente às informações que o gestor possui no momento do seu planejamento:
Essas informações serão a base para a racionalização do emprego de

recursos humanos e materiais no policiamento são fundamentais para a
eficiência e eficácia das atividades, e deve ter por base informações
gerenciais de segurança pública, como: zonas quentes de criminalidade;
dias e horários com maior incidência criminal, vias e trechos rodoviários com
maior índice de infrações e acidentes de trânsito; locais com maior
incidência de crimes e infrações ambientais; locais com maior concentração
demográfica; dentre outras.(MINAS GERAIS, 2019b, p. 43).
Na seção 7, embora a maior parte seja dedicada à definição do modelo

hierarquizado de emprego operacional e o aproveitamento da inteligência de
segurança pública, o tema do planejamento é retomado, dessa vez como primeira
fase da aplicação do emprego operacional.
Nessa seção, a DGEOp envolve o SIPOM no planejamento do emprego
operacional, como fonte de informações aos gestores da Corporação, estabelece o
policiamento orientado pela ISP e objetiva a sua expectativa no aproveitamento das
informações oriundas das análises de inteligência:
O Policiamento Orientado pela ISP exige que o ambiente criminal seja, de

fato, interpretado pela Inteligência e que os gestores sejam plenamente
assessorados e tenham habilidades para identificar estratégias para reduzir
a criminalidade e a violência. Observa-se que a Inteligência, dado a sua
abrangência, pode potencializar os serviços da polícia, otimizando a sua
atuação operacional, com economia de meios e redução da prática da
polícia reativa. (MINAS GERAIS, 2019b, p. 56).
A DGEOp divide a fase do planejamento operacional em dois momentos,

o diagnóstico e a definição de estratégias operacionais. Embora o segundo
momento dê abertura à discricionariedade do gestor quanto à escolha dos recursos
78
operacionais e forma de emprego, o momento do diagnóstico se mantém rígido pois

se trata da base elementar para o planejamento, o acesso às informações
gerenciais:
Na fase de diagnóstico, o gestor operacional deve buscar levantar as

informações necessárias para conhecer o território de responsabilidade,
bem como as características socioeconômicas, criminógenos e as
demandas comunitárias. Devem ser utilizadas as técnicas de análise
criminal, geoprocessamento, as informações originadas no SIPOM, as
informações do disque-denúncia e as demandas comunitárias levantadas
via redes de proteção, CONSEP e as informações coletadas pela percepção
dos policiais militares atuantes na área, bem como consulta aos
especialistas. (MINAS GERAIS, 2019b, p. 58).
Ao encerrar essa breve análise das seções 6 e 7 da DGEOp, verifica-se

que o planejamento é estabelecido como a parte imprescindível do emprego
operacional. Nesse sentido, embora a metodologia de emprego operacional seja
clara, o êxito da cientificidade no emprego operacional e a maior probabilidade do
alcance dos objetivos institucionais no cumprimento da missão constitucional
decorrem do acesso e processamento da gama de informações indispensáveis ao
planejamento.
3.1 Uso de fatores no planejamento do emprego operacional
Como visto na seção anterior, a PMMG estabeleceu que todo

planejamento para emprego operacional deve considerar os fatores intervenientes
básicos determinantes, componentes e condicionantes (MINAS GERAIS, 2019b).
Nesse sentido, esta seção aborda a relevância desses fatores para o
cumprimento da missão constitucional do policiamento ostensivo prestado PMMG.
Embora seja aparentemente uma orientação institucional simples,
estabelecida em poucas linhas da DGEOp, esses fatores, descritos no Quadro 22,
possuem extrema relevância para o exercício da missão constitucional:
Quadro 22 – Fatores intervenientes do planejamento

(continua)
Fator Variáveis
1 - tipicidade;
Determinante 2 - gravidade e incidência de ocorrências policiais militares, presumíveis
ou existentes.
79
Fator Variáveis
1 - custos;
2 - espaços a serem cobertos;
3 - mobilidade;
4 - possibilidade de contato direto, objetivando o conhecimento do local
Componente
de atuação e relacionamento;
5 - autonomia;
6 - facilidade de supervisão e coordenação;
7 - flexibilidade;
8 - proteção ao PM.
1 - local de atuação;
2 - características físicas e psicossociais;
Condicionante 3 - clima;
4 - dia da semana;
5 - horário;
6 - disponibilidade de recursos.
Fonte: Elaborado pelo autor com base em MINAS GERAIS, 2019b, p. 42.
Como se vê no Quadro 22, os três fatores são traduzidos em dezesseis

variáveis, o que torna o planejamento do emprego operacional algo complexo para o
gestor que se colocar a analisá-las de forma individualizada.
Ao analisar a literatura a respeito, verifica-se que esses fatores foram
introduzidos no planejamento do emprego do policiamento na década de 1980, por
meio do “Manual Básico de Policiamento Ostensivo”, o qual foi produzido e impresso
pela Inspetoria Geral de Polícia do Ministério do Exército (BRASIL, 1987). Esse
documento foi uma diretriz para a atividade de polícia ostensiva em todo território
nacional, motivo esse que permite encontrar esse conceito em outros normativos de
outras instituições policiais militares.
Especificamente na PMMG, a aplicação desses fatores foi consolidada ao
passar dos anos, por meio das diretrizes institucionais destinadas a regulamentar o
planejamento do emprego operacional.
Porém, o tirocínio gerado pela experiência proporciona que essas
variáveis sejam submetidas às apreciações e soluções prévias no planejamento de
maneira instantânea. Contudo, há que se questionar até que ponto esse tirocínio
proporciona eficácia ou erro na resposta dada a cada variável? Ou, seria possível
resolver as variáveis com opções já parametrizadas? E ainda, será que o valor de
uma variável pode condicionar o valor de outra, que, por sua vez, influenciará uma
terceira?
80
Esse é o ponto-chave da relevância desses fatores. Por si só eles

conduzem o gestor da PMMG a uma conduta científica no planejamento do emprego
operacional.
Como visto na seção anterior, a PMMG estabeleceu outros elementos
fundamentais para o planejamento, dentre os quais, sobressai-se a ISP, pois é um
dos meios que o gestor possui para dar um valor efetivo para cada uma dessas
variáveis.
Ao buscar na literatura, verifica-se que o estabelecimento do paradigma
mais cientificidade e menos tirocínio é algo que intriga gestores que buscam maior
eficácia nas suas ações.
Foi nesse sentido que Herbert Alexander Simon21 pesquisou o processo
de tomada de decisão, com a finalidade de compreender como elas são formadas
pelo raciocínio humano.
Simon (1955) afirma que o homem age como um ser econômico, ou seja,
seu comportamento é baseado na relação econômica que estabelece entre os
fatores que lhe são apresentados. Dessa forma, a racionalidade humana passa a ser
entendida como uma racionalidade econômica, que é ponderada pelos fatores
externos que sobrepõem seu poder de ação. Para Simon (1955), devido aos limites
psicológicos, o esforço da racionalidade humana pode, na melhor das hipóteses, ser
uma aproximação grosseira e simplificada da racionalidade global. Assim, Simon
chegou à conclusão que a racionalidade humana é limitada.
Ao trazer sua teoria para o mundo das organizações, Simon (1996) afirma
que, em detrimento de seus próprios interesses, membros de uma organização
adotam a postura de buscar atingir os objetivos organizacionais, porém o seu
modelo econômico de tomada de decisões pode, em algum momento, sobrepor a
conduta normativa racional. Nesse sentido, as organizações devem compreender
esse modelo econômico e os limites de processamento de informações no seu
ambiente (SIMON, 1996).
Segundo Simon (1996), a IA é uma das soluções capazes de
aprimorarem o processo de tomada de decisões:
21
Herbert Alexander Simon foi um economista estadunidense, pesquisador nos campos de Psicologia
Cognitiva, Informática, Administração Pública, Sociologia Econômica e Filosofia.
81
A pesquisa operacional e a inteligência artificial aprimoraram o

procedimento de racionalidade dos atores econômicos, ajudando-os a tomar
melhores decisões. Com uma escala maior, os mercados e as organizações
são esquemas sociais que facilitam o comportamento coordenado, ao
mesmo tempo conservando o crítico recurso da capacidade humana de lidar
com a complexidade e grandes massas de informações. (SIMON, 1996, p.
63).
Nesse sentido, Simon (1996) propõe que o diferencial das decisões

geradas na IA está no fato de elas não sofrerem influências externas. Logo, o
processo combinatório de variáveis não será estabelecido em um modelo
econômico, e as decisões serão mais racionais.
Ao abordar o tema, Chiavenato (2008) também aponta a racionalidade
como um atributo da decisão dos gestores, inclusive no planejamento:
A decisão envolve uma opção. Para a pessoa seguir um curso de ação, ela
deve abandonar outros cursos que surjam como alternativas. Há sempre um
processo de seleção, isto é, de escolha de alternativas. O processo de
seleção pode ser uma ação reflexa condicionada (como digitar as teclas do
computador) ou produto de raciocínio, planejamento ou projeção para o
futuro. Todo curso de ação é orientado no sentido de um objetivo a ser
alcançado e segue uma racionalidade. O tomador de decisão escolhe uma
alternativa entre outras: se ele escolhe os meios apropriados para alcançar
um determinado objetivo, sua decisão é racional. (CHIAVENATO, 2008, p.
56).
Chiavenato (2008) define seis elementos básicos do processo de decisão,

conforme se vê no Quadro 23:
Quadro 23 – Elementos da tomada de decisão

Elemento Conceito
Tomador de decisão É a pessoa que faz uma escolha ou opção entre várias
alternativas futuras de ação.
Objetivos São os objetivos que o tomador de decisão pretende
alcançar com suas ações.
Preferências São os critérios que o tomador de decisão usa para fazer
sua escolha.
Estratégia É o curso de ação que o tomador de decisão escolhe para
atingir seus objetivos. O curso de ação é o caminho
escolhido e depende dos recursos de que pode dispor.
Situação São os aspectos do ambiente que envolve o tomador de
decisão, alguns deles fora do seu controle, conhecimento
ou compreensão e que afetam sua escolha.
Resultado É a consequência ou resultante de uma dada estratégia.
Fonte: Elaborado pelo autor com base em CHIAVENATO, 2008, p. 55.
82
Já o processo decisório é definido em sete etapas por Chiavenato (2008),

como se vê no Quadro 24:
Quadro 24 – Etapas do processo decisório

Etapas do processo decisório
1. Percepção da situação que envolve algum problema.
2. Análise e definição do problema.
3. Definição dos objetivos.
4. Procura de alternativas de solução ou de cursos de ação.
5. Escolha (seleção) da alternativa mais adequada ao alcance dos
objetivos.
6. Avaliação e comparação das alternativas.
7. Implementação da alternativa escolhida.
Fonte: Elaborado pelo autor com base em CHIAVENATO, 2008, p. 56.
Assim como Chiavenato (2008), Robbins (2009) também afirma que a

tomada de decisão ocorre em reação a um problema que surge da discrepância
entre o estado atual das coisas e o estado desejável. Para ele, um fator crucial está
no fato de que algumas identificações de problemas dependem da percepção dos
gestores. Assim, o que pode ser um problema para um gestor, pode não ser algo
relevante para outro (ROBBINS, 2009).
Nesse sentido, Robbins (2009) considera que a tomada de decisão
individual possui extrema relevância no processo decisório; portanto, é uma parte
importante no comportamento organizacional. No entanto, a forma como as pessoas
tomam as decisões e a qualidade de suas escolhas finais dependem muito de suas
percepções, o que remete essa abordagem à teoria da racionalidade limitada de
Herbert Simon.
Diante dessa exposição da literatura, verifica-se que a determinação do
uso desses fatores intervenientes no planejamento do emprego operacional não se
traduz na criação de uma metodologia aleatória, mas apresenta um caminho
racional para as decisões intrínsecas no processo de elaboração do plano de
emprego.
Contudo, cada variável possui atributos distintos, pois estão em universos
também distintos, que podem tanto derivar do ambiente interno da Instituição,
quanto do ambiente externo e, consequentemente, fora do seu controle, como a
participação do agente de crime na variável “incidência”.
83
Nesse ponto, verifica-se que a aplicação da análise de variáveis é

extremamente complexa, pois abrange campos da ciência como a sociologia,
quando se trata das teorias do crime.
A simples análise do gestor sobre os valores de uma variável em termos
quantitativos pode acarretar uma compreensão superficial diversa de um diagnóstico
analítico sobre o problema específico daquela variável.
Como solução a esse problema, no processo decisório, Robbins (2009)
afirma que todas as decisões requerem interpretação e avaliação de informações.
Assim, como tratado por Davenport (2018), quando das suas pesquisas
empresariais, Robbins (2009) também ressalta o fato de que dados costumam vir de
diversas fontes e precisam ser selecionados, processados e interpretados, porém é
indispensável que o gestor saiba quais dados são relevantes para uma determinada
decisão. Mais uma vez, a participação e a racionalidade do gestor tornam-se
essenciais, pois a definição dos dados adequados para a decisão é de
responsabilidade de quem toma a decisão (ROBBINS, 2009).
Como estratégia para instruir seus gestores ao uso de ferramentas
dedicadas à tomada de decisão racional, em 2018, a PMMG publicou a “Diretriz de
Processo Decisório”, que estabeleceu fundamentos de tomada de decisão para
otimização do seu desempenho organizacional.
A diretriz apresenta, de forma clara, as etapas de um processo decisório
no modelo Plan, Do, Check, Action (PDCA) e algumas ferramentas para execução
de cada uma delas, como se vê na Figura 11 e no Quadro 25.
84
Figura 11 – Etapas do processo decisório da PMMG - inseridas ao

processo decisório
Fonte: MINAS GERAIS, 2018, p. 50.
Quadro 25 – Processo decisório da PMMG – por fases – etapas – com sugestão de

ferramentas de qualidade e gestão
(continua)
Fases do PDCA Etapas do rocesso

Ferramentas de qualidade e gestão
decisório
Braisntorming, benchmarking, análise de
desempenho de indicadores, análise de relatórios
PLANEJAR (Plan) Identificar problema/ de anomalias, informações de desempenho
oportunidade superior de outras organizações e novas
tecnologias.
Diagrama de Pareto ou Matriz GUT,
Diagnóstico braisntorming, benchmarking, diagrama de
causa e efeito.
Prognóstico: braisntorming, benchmarking,

análise de indicadores, projeção.
Prognóstico /
PLANEJAR (Plan) construção de cenários Cenários: Matriz Estrutural, Matriz de Incerteza,
Matriz de Análise Morfológica e Técnica Delphi.
Geração de alternativas Braisntorming e/ou benchmarking.

Escolha de uma
alternativa Matriz básico e Matriz de decisão.
Elaborar plano de ação/

projeto Técnica 5W2H / Projeto
85
Fases do PDCA Etapas do rocesso

Ferramentas de qualidade e gestão
decisório
Capacitação
EXECUTAR (Do)
Execução das ações
programadas
Coleta dos dados
de execução e
desempenho
Análise do planejado x
AVERIGUAR (Check) executado
Análise do desempenho
AGIR (Action) Padronização/correção ou

Descarte de solução.
Fonte: MINAS GERAIS, 2018, p. 51.
Embora as ferramentas apresentadas na Diretriz sejam aplicáveis para

agregar racionalidade nas análises das variáveis intervenientes no processo
decisório do planejamento do emprego operacional, suas aplicações são complexas.
isso porque possuem metodologia própria que demandará, principalmente, a coleta
de dados e informações de bancos de dados internos e externos, bem como
conhecimentos produzidos pela inteligência de segurança pública, como está
previsto na DGEOp.
Portanto, verifica-se que, mesmo diante desses fatores intervenientes
positivados e o uso de ferramentas e inteligência de segurança pública na produção
do conhecimento sobre cada variável, ainda há probabilidade da interferência da
racionalidade limitada do gestor durante a escolha das alternativas, ou mesmo na
identificação de um problema, seja pela deficiência na aplicação dos métodos
disponíveis, seja pela ausência de dados e informações. Logo, as ferramentas de IA,
conforme proposto por Simon (1996), podem colaborar para produzir decisões sem
influências externas, ou seja, decisões racionais, e suas soluções podem superar a
incapacidade humana de processamento dos dados e informações disponíveis.
3.2 Predição do crime
Como se viu na seção anterior, a intenção de promover escolhas

racionais de alternativas para o emprego operacional é algo objetivado desde longa
86
data na PMMG. Também foi verificado que cada variável dos fatores intervenientes
apresentam outras variáveis com valores distintos que precisam ser apreciados
pelos gestores, para a melhor tomada de decisões no planejamento do emprego
operacional.
Nesta seção, é abordado um paradigma do cumprimento da missão
constitucional de preservação da ordem pública, a predição do crime. A preservação
sugere ações de prevenção para que não ocorra a ruptura dessa ordem e,
consequentemente, recomenda a aplicação de métodos que infiram com precisão,
no mínimo, onde, quando e como essa ruptura pode ocorrer.
Quando se parte desse raciocínio, é nítido que, ao planejar o emprego
operacional, o gestor acaba por se ver em uma tentativa, ainda que intuitiva, de
prever a eclosão de delitos, comumente chamada de predição do crime.
Conforme foi abordado na seção 2, a predição é algo que faz parte da
vida em sociedade, ainda que as pessoas a executem de forma inconsciente.
Também foi visto que há técnicas estatísticas específicas nesse campo que,
inclusive, estão sendo utilizadas para ensinar as máquinas (machine learning) como
fazer previsões por meio da IA.
A predição do crime tem sido alvo de estudos práticos ao redor do mundo,
por meio do desenvolvimento de sistemas inteligentes que analisam dados,
encontram padrões em séries temporais e geram predições.
Na sua seção destinada à metodologia do emprego operacional, a
DGEOp traz, como primeiro tópico, as bases científicas que norteiam a predição do
crime por meio da compreensão sobre o fenômeno delituoso e sua relação com os
fatores do ambiente, grupos sociais e o indivíduo como vítima ou autor.
As teorias sobre a inter-relação entre esses fatores são a base da
predição, por isso são amplamente aproveitadas e discutidas em um processo de
identificação de melhores modelos capazes de prevenir o crime.
Para Benbouzid (2015), as pesquisas realizadas pelos criminologistas
britânicos Ken Pease e Tim Hope tornaram a Inglaterra o berço dos estudos de
prevenção criminal entre as décadas de 1970 e 1980.
Ken Pease, principal pesquisador da Prevenção Situacional do Crime
(PSC), apresentou um modelo de previsão de vitimização repetida, no qual afirma
87
que a perpetuação do crime pode ser interrompida por meio de intervenções nas
inter-relações das variáveis identificadas e quantificadas (BENBOUZID, 2015).
Já Tim Hope, em contraposição a Ken Pease, apresentou um modelo de
Prevenção Comunitária do Crime (PCC), com viés analítico voltado ao problema
sociológico do assunto, embora ambos apresentem pontos em comum:
[...] o PCC considera a organização social de uma cidade em todos os

níveis, tanto como causa e a solução das questões de criminalidade,
enquanto a PSC considera que o ambiente imediato, em suas formas
materiais mais simples, fornece diretamente os meios para a antecipação,
vigilância e prevenção de atos criminosos. Mas a linha divisória entre esses
dois modelos não é simplesmente uma diferença conceitual entre os
modelos PSC e PCC - que na verdade, muitas vezes foi demonstrado que
se sobrepõem de várias maneiras. (BENBOUZID, 2015, n. p., tradução
22
nossa).
Para o desenvolvimento das suas pesquisas, Kean Pease reuniu

especialistas matemáticos e sociólogos em uma equipe denominada “Grupo de
Criminologia Quantitativa” (BENBOUZID, 2015). Como resultado de suas pesquisas,
Kean Pease evidenciou a relação entre vítimas e o ambiente onde ocorre o crime e,
consequentemente, a propagação do crime no tempo espaço como um fenômeno
contagioso.
O ápice do uso dos resultados das pesquisas se deu quando, já na
década de 2000, Kean Pease uniu-se a outro grupo de pesquisadores e criou uma
ferramenta operacional capaz de realizar previsões criminais em tempo e espaço, o
sistema computacional denominado Prospective Crime Mapping (PROMAP),
traduzido como “Mapeamento Prospectivo do Crime” (BENBOUZID, 2015).
O PROMAP vai além de mapeamento de pontos quentes de criminalidade
pontuados no tempo. O sistema também possui um algoritmo que constrói camadas
capazes de projetar as áreas com maior probabilidade de eclosão de delitos, de
acordo com o cálculo de intensidade dos riscos de contágio definidos no modelo
criado nas pesquisas (BENBOUZID, 2015).
22
“[...] CCP considers the social organization of a city at all levels as both the cause and the solution
of criminality issues, while SCP considers that the immediate environment in its simplest material
forms directly affords the means for anticipation, surveillance and prevention of criminal acts. But the
dividing line between these two models is not simply a conceptual difference between the SCP and
CCP models – which in fact have often been shown to overlap in many ways.” (BENBOUZID, 2015,
n. p.).
88
Segundo Benbouzid (2015), enquanto Ken Pease dedicou suas pesquisas

a firmar a teoria da Prevenção Situacional do Crime, com objetivo de produzir uma
ferramenta prática, Tim Hope permaneceu em uma linha de pesquisa sociológica.
Ao final, Tim Hope conseguiu provar que, considerado o número expressivo de
pessoas não vitimadas, o foco das ações de pesquisa deveriam ser voltados para
compreender o que as imunizou do crime, ao contrário da teoria de Ken Pease, que
propôs um padrão de fatores semelhantes entre os vitimados para intervenções
nesse grupo minoritário.
Independentemente do modelo, mais sociológico, de fatores estruturais
da sociedade, ou mais prático, focado na análise de grupos específicos de vitimados
ou não vitimados, verifica-se que a análise de variáveis na prevenção criminal é um
tema científico que não se pode dar ao tirocínio como regra em uma toma de
decisões.
Ao pesquisar o uso de técnicas destinadas à prevenção do crime pelas
agências policiais nos Estados Unidos, Perry (2013 p. 1, tradução nossa) apresentou
o conceito de policiamento com o uso da predição do crime, denominado
“Policiamento Preditivo”, que consiste na “[...] aplicação de técnicas analíticas –
particularmente quantitativas – para identificar alvos prováveis para intervenção
policial e prevenir o crime, ou resolver crimes passados, fazendo de previsões
estatísticas”23.
Na sua avaliação dos métodos utilizados no policiamento preditivo, Perry
(2013) identificou padrões que possibilitou classificá-los em quatro categorias,
conforme se vê no Quadro 26:
Quadro 26 – Categorias dos métodos de policiamento preditivo

(continua)
Categoria Finalidade
1 - Métodos para prever crimes Prever lugar e tempo com maior risco de crime.
2 - Métodos para prever os infratores Identificar os indivíduos em risco de ofender no
futuro.
3 - Métodos para prever a identidade dos Criar perfis que combinam com precisão os
perpetradores prováveis criminosos com crimes passados
específicos.
4 - Métodos para prever vítimas de crimes Identificar grupos ou, em alguns casos, indivíduos
que podem se tornar vítimas do crime. Concentrar-
23
“Predictive policing is the application of analytical techniques—particularly quantitative techniques—
to identify likely targets for police intervention and prevent crime or solve past crimes by making
statistical predictions.” (PERRY, 2013, p. 1).
89
Categoria Finalidade
se em infratores, locais de crime e horários de risco
elevado.
24
Fonte: Elaborado pelo autor com base em PERRY, 2013, p. 8, tradução nossa .
Para cada categoria, Perry apresentou as abordagens e respectivas

complexidades das variadas aplicações realizadas pelas agências policiais, como se
vê nos Quadros 27, 28, 29 e 30.
Quadro 27 – Uso de tecnologias de previsão na aplicação da lei: previsão de crimes

Análise Convencional de Crimes Análise preditiva (grande
Problema (demanda de dados baixa a demanda de dados e alta
moderada e complexidade) complexidade)
Identificar áreas de maior risco.
Identificação avançada de pontos
Usando dados históricos de Mapeamento de crime (hot spot
quentes modelos; análise de
crimes. identificação).
terreno de risco.
Usando uma variedade de
Modelos de regressão básicos Regressão, classificação e
dados (por exemplo, registros
criados em um programa de planilha. modelos de agrupamento.
de chamadas 911, economia).
Contabilizando o risco Suposição de risco aumentado em
aumentado de um crime áreas imediatamente ao redor de um Modelagem quase repetida.
recente. crime recente.
Representar graficamente / mapear a
Determine quando ocorre o
frequência de crimes em uma Métodos de análise espaço
maior risco de crime nas
determinada área por hora / data (ou temporal.
áreas.
específico eventos).
Identificar características Encontrar locais com a maior
Análise de área territorial de
geográficas que aumentam o frequência de crime incidentes e fazer
risco.
risco de crime. inferências.
25
Fonte: Elaborado pelo autor com base em PERRY, 2013, p. 10, tradução nossa) .
Quadro 28 – Uso de tecnologias preditivas na aplicação da lei: prevendo infratores

(continua)
Revisão manual da gangue de

Encontre um alto risco de violência Modelagem quase repetida (em
entrada / relatórios de inteligência
surto entre grupos criminosos. recente violência intergrupal).
criminal.
24
“1 - Methods for predicting crimes: These are approaches used to forecast places and times with an
increased risk of crime. 2 - Methods for predicting offenders: These approaches identify individuals
at risk of offending in the future. 3 - Methods for predicting perpetrators’ identities: These techniques
are used to create profiles that accurately match likely offenders with specific past crimes. 4 -
Methods for predicting victims of crimes: Similar to those methods that focus on offenders, crime
locations, and times of heightened risk, these approaches are used to identify groups or, in some
cases, individuals who are likely to become victims of crime.” (PERRY, 2013, p. 8).
25
90

Regressão e classificação
Identifique pessoas que podem se Instrumentos clínicos que resumir
modelos usando os fatores de
tornarem infratores. os fatores de risco conhecidos.
risco.
Iniciantes e pessoas em
liberdade condicional em
maior risco de reincidência.
Casos de violência doméstica
com um alto risco de
ferimentos ou morte.
Pacientes de saúde mental em
maior risco de futuro
comportamento criminoso ou
violência.
26
Quadro 29 – Uso de tecnologias preditivas na aplicação da lei: predição de

identidades de perpetradores
Identifique suspeitos usando o de Consultas assistidas por

Revisando criminoso
uma vítima história criminal ou computador e análise de
manualmente relatórios de
outra parcial dados (por exemplo, inteligência e outros bases de
inteligência e tirar inferências.
número da placa). dados.
Determine quais crimes são parte Vinculação de crime (use uma
de uma série (ou seja, a maioria tabela para compare os atributos Modelagem estatística para
provavelmente cometido pelo de crimes conhecidos por estarem realizar ligação do crime.
mesmo autor). em uma série com outros crimes).
Ferramentas de perfil geográfico
Encontre o mais provável do Localizar áreas próximas e entre
(para inferir estatisticamente o
perpetrador ponto de ancoragem. crimes em uma série.
mais provável ponto).
Encontre suspeitos usando o
Consultas assistidas por
sensor informações sobre um Solicitações manuais e revisão de
computador e análise de bancos
crime cena (rastreamento GPS, dados do sensor.
de dados de sensores.
leitor de placas).
27
Quadro 30 – Uso de tecnologias preditivas pela aplicação da lei: previsão de vítimas

de crimes
(continua)
Identifique os grupos que

Mapeamento do crime Modelos avançados para
provavelmente serão vítimas de
(identificando pontos críticos do identificar tipos de crime por hot
vários tipos de crimes (populações
tipo de crime). spot; risco análise de terreno.
vulneráveis).
26
27
91

Ferramentas avançadas de
Gráfico ou mapeamento manual
mapeamento de crimes para gerar
Identifique as pessoas diretamente locais de crime mais frequentes e
locais de crime e identificar
afetadas por locais de risco. identificando as pessoas mais
trabalhadores, residentes, e outros
prováveis estar nesses locais.
que frequentam estes locais.
Técnicas avançadas de mineração
Identifique pessoas em risco por Revisão de registros criminais de
de dados usado no local e outro
vitimização (por exemplo, pessoas indivíduos conhecidos por serem
acessível bancos de dados de
envolvidas em crime de alto risco envolvido em crime repetido
crimes para identificar repetições
comportamento). atividade.
criminosos em risco.
Banco de dados assistido por
Revisão manual de doméstico
computador consultas de vários
incidentes de perturbação;
Identifique pessoas em risco de bancos de dados para identificar
pessoas envolvidas em tais
violência doméstica. doméstico e outros distúrbios
incidentes são, por definição, em
envolvendo residentes locais
risco.
quando em outro jurisdições.
28
Como se vê em nas aplicações, todas estão fundamentadas em identificar

uma característica, o que nos remete à necessidade de coletar e analisar dados.
Nesse sentido, Perry (2013) ressalta em sua análise que todas as técnicas de
policiamento preditivo dependem de dados, e o volume e a qualidade desses dados
determinarão a utilidade de qualquer abordagem:
Os conjuntos de dados precisarão ser atualizados periodicamente para

garantir que estejam atualizados para refletirem os efeitos das intervenções.
Analistas e pesquisadores bem treinados são também essenciais para o
policiamento preditivo: mesmo com dados originais, uma falta de análises
fortes pode resultar em resultados menos do que desejáveis. (PERRY,
29
2013, p. 13, tradução nossa) .
Segundo Perry (2013), é essencial que o problema da coleta de dados

seja superado, pois, embora a maioria dos dados de crimes seja coletada pelos
departamentos de polícia no curso normal dos trabalhos, as informações que
descrevem o ambiente podem vir de muitas outras fontes, o que pode ser um grande
obstáculo para construção da base de dados.
Perry (2013) identificou seis principais categorias de técnicas analíticas
utilizadas pelas agências policiais para o policiamento preditivo, sendo elas: a
28
29
“Data sets will need to be updated periodically to ensure that they are current and reflect the effects
of interventions. Well-trained analysts and researchers are also critical to predictive policing: Even
with pristine data, a lack of strong analytics may result in less-than-desirable outcomes.” (PERRY,
2013, p. 13).
92
análise de pontos quentes, métodos de regressão, técnicas de mineração de dados,

métodos de repetição, análise espaço-temporal e análise de área de risco.
Nesse sentido, Perry (2013) classificou essas técnicas em quatro
categorias distintas, apresentadas no Quadro 31:
Quadro 31 – Classes de técnicas utilizadas no policiamento preditivo

Classe Característica
Incluem processos estatísticos padrão, como a maioria das formas de
Técnicas estatísticas
regressão, mineração de dados, análise de série temporal e ajustes de
clássicas
idade.
Não exigem muito em termos de sofisticação computação ou grandes
Métodos simples quantidades de dados. Confiam mais em listas de verificação e índices
do que na análise de grandes conjuntos de dados.
Esses aplicativos incluem métodos novos e inovadores ou métodos que
requerem quantidades consideráveis de dados, além de sofisticadas
Aplicativos complexos
ferramentas de computação. Muitos métodos de mineração de dados
mais recentes.
As técnicas existentes são adaptadas para apoiar o policiamento
Métodos personalizados
preditivo.
30
Em seguida, Perry (2013) identificou que os programas computacionais

usados para a maioria dos métodos estão prontamente disponíveis, porém a
complexidade desses sistemas aumenta os requisitos de treinamento específico.
A partir desse ponto, Perry (2013) relacionou as técnicas utilizadas pelas
agências policiais com as classes dos métodos analíticos:
Quadro 32 – Classes das técnicas preditivas

(continua)
Categoria Analítica e Técnica Classe
Aplicação Principal preditiva
Clássica Simples Complexa Personalizada
Análise de ponto quente Mapeamento X X
30
“• Classical statistical techniques: This class includes standard statistical processes, such as most
forms of regression, data mining, time-series analysis, and seasonality adjustments.
• Simple methods: Simple methods do not require much in the way of sophisticated computing or
large amounts of data. Most heuristic methods, for example, are simple methods – relying more on
checklists and indexes than on the analysis of large data sets.
• Complex applications: These applications include new and innovative methods or methods that
require considerable amounts of data in addition to sophisticated computing tools. Many newer data
mining methods and some near-repeat methods fall into this class.
• Tailored methods: In several cases examined here, existing techniques were adapted to support
predictive policing. For example, classical statistical methods can be used to produce heat maps,
which are simple, color-coded grids depicting the intensity of crime activity in a given area.”
(PERRY, 2013, p. 18).
93
Categoria Analítica e Técnica Classe

Aplicação Principal preditiva
Clássica Simples Complexa Personalizada
(onde, usando dados do de grade
crime só)
Elipses de X
cobertura
Densidade do X
Kernel
Heurística X X
Métodos de regressão Linear X X

(onde, usando um
intervalo de dados) Stepwise X X
Spline X X
Principais X X
indicadores
Mineração de dados Clustering X X

(onde, usando um
intervalo de dados) Classificação X X
Repetição (onde, nos Processo de X

próximos dias, usando ponto auto
só dados do crime) provável
ProMap X
Heurística X
Análise Mapas de X X X
esapaçotemporal calor
(quando, usando crime
e dados temporais) Modelo X
aditivo
Sazonalidade X
Análise de terreno de Preditiva de X X

risco (onde, usando análise
geografia associado ao geoespacial
risco)
Modelagem X X
de terreno de
risco
31
31
94
Ao final de suas pesquisas nas agências de polícia, Perry (2013)

constatou que a técnica de análise de ponto quente é a mais utilizada pelas
agências policiais. Também identificou quatro mitos do policiamento preditivo,
conforme Quadro 33.
Quadro 33 – Mitos do policiamento preditivo

Mito Desmistificando
1 – O computador realmente As previsões feitas por estes tipos de análises são
conhece o futuro. baseadas em extrapolações de dados. Furos nos dados de
entrada serão refletidos por pontos cegos nas saídas.
2 – O computador fará tudo por Mesmo com os pacotes de software mais completos, os
você. humanos terão que:
• encontrar dados relevantes;
• pré-processar os dados para que sejam adequados
para análise, nomeadamente adicionando a
identificação detalhes e abordando quaisquer
exclusões ou vieses sistemáticos de dados;
• projetar e conduzir análises em resposta às
condições de crime em constante mudança;
• revisar e interpretar os resultados dessas análises
para excluir achados errôneos e integrar as
descobertas com o conhecimento contextual além das
capacidades do software;
• analisar as descobertas integradas à luz de outras
demandas e restrições enfrentadas a agência e fazer
recomendações sobre como agir sobre eles;
• agir para explorar as descobertas e avaliar os
impactos dessas ações.
3 – Você precisa de um modelo O software de última geração permite um processamento
poderoso e caro. mais rápido de grandes volumes de dados, mas, para
departamentos menores, com menos atividade, esse
software de ponta não é necessário para analisar dados de
crimes. Existem ferramentas de software livre que
executam muitas das mesmas funções do software caro.
4 – Previsões precisas levam Previsões, por si só, são apenas isso, previsões.
automaticamente a grandes
reduções de crimes.
Fonte: Elaborado pelo autor com base em PERRY, 2013, p. 115.
Ao final das pesquisas, Perry (2013) afirma que o policiamento preditivo

deve ser compreendido como um processo cíclico, que parte da reunião de dados
(Data Collection), fusão dos dados oriundos de bancos distintos (Fusion), análise
dos dados (Analysis), predição do crime (Prediction), operações policiais (Police
Operations), intervenção (Intervention), avaliação (Assessment), respostas a crimes
(Criminal Response) e, por último, a alteração do ambiente favorável ao crime
(Altered Environment), de acordo com a Figura 12:
95
Figura 12 – Processo do policiamento preditivo
Fonte: PERRY, 2013, p. 115.
Por fim, Perry (2013) considera que os métodos preditivos são

ferramentas fortes que permitem que a polícia trabalhe de forma mais proativa com
recursos limitados. Contudo, salienta que atingir reduções reais no crime requer a
implementação de estratégias e ações específicas baseadas nessas previsões.
No intuito de testar um modelo de policiamento preditivo, Junior et al.
(2016) aplicaram o modelo ARIMA de análise de séries temporais às ocorrências
policiais registradas durante setenta semanas na cidade de Natal, a fim de identificar
um padrão preditivo. O resultado, Gráfico 3, embora tenha gerado uma série
preditiva com um pequeno atraso na predição, apresentou um padrão muito próximo
dos fatos observados.
96
Gráfico 3 – Predição de ocorrências policiais na cidade de Natal/RN
Fonte: Araújo Júnior et al. (2016, p. 2).
Portanto, ao concluir esta seção, verifica-se que o paradigma da predição

do crime vivido pelos gestores da PMMG é algo natural da finalidade institucional, a
exemplo das pesquisas realizadas nas agências policias norte-americanas. Contudo,
o fator preponderante no êxito da missão de prevenir o crime está na orientação do
policiamento, mediante o uso adequado das técnicas, métodos e sistemas
computacionais que podem potencializar as previsões para a tomada de decisão no
planejamento do emprego operacional.
3.3 Avaliação do emprego operacional
Nesta seção, será abordado outro aspecto tido como fundamental quanto
ao emprego operacional: a prestação de contas sobre os resultados obtidos das
estratégias implementadas.
Conforme exposto na DGEOp, a prestação de contas da PMMG dá-se
pela Gestão do Desempenho Operacional (GDO), que possui critérios avaliativos
estabelecidos em conformidade com objetivos específicos de melhora de
performance operacional tanto em ações de interação comunitária, quanto na
repressão qualificada.
A GDO é regida de pela Diretriz nº 8002.2, publicada pelo Comando-Geral
da Instituição em janeiro de 2020. Essa edição já é a terceira da metodologia da
GDO, iniciada em 2015.
97
Atualmente, a GDO possui seus critérios avaliativos traduzidos em onze

indicadores, resultantes de fórmulas matemáticas compostas de variáveis como
população, incidência criminal, pessoas presas, armas apreendidas, entre outras,
conforme Quadro 34.
Quadro 34 – Indicadores da Gestão do Desempenho Operacional
Indicador Finalidade Institucional
Taxa de Crimes Violentos (TCV) Verificar o índice de crimes violentos por 100.000 habitantes.
Taxa de Homicídios Consumados Verificar o número de vítimas de homicídios consumados por

(THC) 100 mil habitantes.
Taxa Qualificada de Furtos (TQF) Aferir a taxa qualificada de furtos por 100.000 habitantes.
Índice de Apreensão de Armas Verificar a diminuição das ocorrências com uso de armas de
de Fogo (IAF) fogo em razão das apreensões de armas de fogo.
Taxa de Reação Imediata aos Verificar as atividades de resposta à sociedade, em especial

Crimes Violentos (TRI) aos crimes violentos que mais incomodam a população de
Minas Gerais, por meio de busca constante de prisão dos
autores de tais crimes.
Repressão Qualificada da Verificar a repressão qualificada da violência referente às

Violência (RQV) Operações Policiais específicas, por meio de critérios
quantitativos e qualitativos.
Índice de efetividade no Aferir a efetividade da Polícia Militar de Minas Gerais no

cumprimento de demandas cumprimento de demandas geradas via Disque-Denúncia
geradas via Disque Denúncia Unificado (DDU).
Unificado (IDDU)
Interação Comunitária (IC) Verificar a participação de policiais militares em reuniões

comunitárias ou com entidades diversas, de forma a promover
a integração da Instituição com a comunidade e buscar
subsídios para a solução de problemas afetos à segurança
pública.
Índice de Prevenção aos Crimes Mensurar a quantidade de ações e operações visando à

e Infrações Ambientais (IPCIA) redução dos crimes ambientais no Estado de Minas Gerais.
Taxa de Acidentes de Trânsito Aferir a taxa de acidentes de trânsito com vítimas nas rodovias
com Vítimas nas rodovias estaduais e federais delegadas no Estado de Minas Gerais,
estaduais e federais delegadas em relação à frota de veículos existentes.
(TAV)
Operação Lei Seca (OLS) Aferir a quantidade de operações realizadas conforme critérios
de eficiência e eficácia, com vistas a reduzir as mortes no
trânsito, atuando em uma das principais causas dos acidentes
(embriaguez ao volante), apresentando o esforço da Polícia
Militar em procurar atuar diretamente nessa atividade de
fiscalização.
Fonte: Elaborado de Minas Gerais (2020b).
98
Conforme Minas Gerais (2020b), a partir desses indicadores, é

estabelecida uma meta mensal e anual para cada Região da Polícia Militar (RPM)
até os níveis de Unidade de Execução Operacional (UEOp) e Companhias de
Polícia Militar (Cia PM). Ordinariamente, as metas são estabelecidas utilizando
parâmetros técnicos que equalizam as séries temporais dos resultados obtidos e o
alvo institucional para cada RPM, UEOp e Cia PM.
Embora as metas sejam mensais e anuais, esse modelo de gestão
possibilita aos gestores o monitoramento diário dos indicadores.
Verifica-se que a metodologia de prestação de contas e avaliação do
desempenho operacional aplicada em todas as Unidades de execução operacional
proporciona à Instituição a capacidade de identificar as localidades do Estado que
apresentam maior e menor incidência criminal.
Como foi visto no início da seção 3, a missão de preservar a ordem
pública é extremamente abrangente. Contudo, verifica-se que indicadores de crimes
violentos, especificamente o crime de homicídio, têm sido avaliados pelo Estado
desde o primeiro “Plano Plurianual das Ações Governamentais” (PPAG) e nos
acordos de resultados com a Instituição.
Verifica-se, inclusive, que o controle e diminuição da Taxa de Homicídios
Consumados (THC) por grupos de 100 mil habitantes, monitorada pela ONU, tornou-
-se prioridade a partir de 2003, que passou a ser pauta de reuniões periódicas de
monitoramento na Integração da Gestão em Segurança Pública (IGESP),
semelhantes às reuniões da GDO, que envolviam os órgãos de segurança pública
do Estado e ainda instituições de pesquisa e apoio social.
Nesse sentido, percebe-se que, embora a missão da prevenção criminal
seja ampla, o próprio Estado apresenta à Instituição os crimes de maior impacto na
sociedade, o que por si só, já delimita o problema a ser atacado e solucionado.
Ao relacionar a GDO aos conceitos já vistos nas seções anteriores,
verifica-se que se trata de um modelo de gestão extremamente potente tanto para a
avaliação do desempenho e prestação de contas, quanto para o exercício do
policiamento preditivo, em resposta ao problema dos crimes violentos e homicídios,
tidos, ainda que subjetivamente, como indicadores da eficiência da prestação de
serviços da Instituição perante a sociedade e o Estado.
99
3.4 Programa Minas Segura
Embora seja uma diretriz, a DGEOp faz menção ao “Programa Minas

Segura”, implementado pela Instituição no ano de 2019, baseado nas premissas de
aumentar a sensação de segurança, reduzir o medo do crime, reduzir a
criminalidade e a violência e fomentar a comunicação direta com a população.
Por ser um programa, o “Minas Segura” traduz-se em ações com
conceitos próprios, definidas em eixos compostos por projetos, como se vê na
Figura 13, que apresenta a matriz do Programa.
Figura 13 – Matriz do “Programa Minas Segura”
Fonte: MINAS GERAIS, 2019a, p. 20.

100
Embora todos os eixos do Programa estejam relacionados ao emprego

operacional da PMMG, para fins desta pesquisa é abordado apenas o eixo “Polícia
4.0”.
Minas Gerais (2019a, p. 19) define o eixo “Polícia 4.0” como “[...] uma
estratégia de utilização de um conjunto de tecnologias e digitalização da PMMG para
criar processos mais rápidos, autônomos e eficientes, otimizando os recursos
disponíveis”.
Esse eixo é composto por quatro projetos que exprimem o conceito da
estratégia do uso das tecnologias, seja no aperfeiçoamento de sistemas já
existentes na Instituição, seja na aquisição de novas tecnologias.
Quadro 35 – Projetos do eixo “4.0” do “Programa Minas Segura”

Projeto Objetivo
Criar um mecanismo de vigilância e fiscalização eletrônica
integrada pelas principais vias urbanas municipais de
Minas Gerais e, ao mesmo tempo, potencializar a
fiscalização, monitoramento e ações nas áreas tributárias
de segurança pública, de controle sanitário e operação
Sistemas de inteligência Artificial viária. Permitirá aprimorar os dispositivos de controle do
para Segurança Pública (Divisa sistema viário, coibindo a evasão fiscal, o transporte
Segura) irregular de carga animal e vegetal, bem como dotar o
Estado de ferramenta mais eficiente para redução de
crimes que utilizem veículos como meio ou produto para
sua execução (tráfico de drogas e armas, roubo de cargas,
furto e roubo de veículos, utilização por quadrilhas e
outros).
Aumentar a produtividade e a qualidade do serviço
operacional, estimulando a utilização de novas ferramentas
Sistemas de Otimização Operacional
direcionadas à modernização das práticas operacionais, o
que permite a otimização da forma de fazer policiamento.
Comunicações Operacionais
Proporcionar a instalação de novas centrais telefônicas de
(Digitalização da rede de rádio e
call center com linhas telefônicas digitais que proporcionam
regionalização do serviço de
maior capacidade de tráfego de chamadas, e a
atendimento 190 e despacho de
digitalização da rede de rádio.
viaturas – COPOM Regional)
Identificar e priorizar soluções tecnológicas (inteligência
artificial, mineração de dados, análise de imagem, dentre
Potencializar as atividades de outras), além de desenvolver iniciativas de formação
Inteligência de Segurança Pública continuada aos agentes do sistema de inteligência,
(ISP) propiciando condições para o aperfeiçoamento da gestão
do conhecimento e da informação voltada à prevenção e
combate ao crime.
Fonte: Elaborado pelo autor com base em MINAS GERAIS, 2019a.
O Programa apresenta algumas tecnologias e suas finalidades vinculadas

aos projetos, conforme Quadro 36.
101
Quadro 36 – Tecnologias previstas nos projetos do eixo “4.0”

(continua)
Projeto Tecnologia e aplicação
Equipamento fixo de leitura automática de placas: para monitoramento de faixas
de tráfego.
Sistemas de
Equipamento fixo de identificação por radiofrequência (Radio Frequency
inteligência Artificial
Identification – RFID): para monitoramento de veículos.
para Segurança
Equipamento fixo controlador eletrônico de velocidade: para monitoramento de
Pública (Divisa
faixas de tráfego.
Segura)
Equipamento fixo de pesagem em movimento: para monitoramento de faixas de
tráfego.
Sistemas computacionais com funcionalidades de cadastramento, correlação dos
Sistemas de dados armazenados e monitoramento das placas dos veículos: para a emissão
inteligência Artificial de alertas com base em parâmetros definidos.
para Segurança Portais móveis com capacidade de escanear, por emissão de raios-x ou
Pública (Divisa tecnologia de efeito similar efeito: para identificar pessoas e objetos em veículos
Segura) diversos, incluindo passageiros e carga.
Plataforma de Inteligência Artificial: para análise preditiva.
Aperfeiçoamento do sistema 190 Smart: para tornar mais eficiente a atividade de
coordenação e controle do emprego operacional da Polícia Militar, através da
visualização de todos os recursos operacionais disponíveis que facilitará o
posicionamento tático no terreno. Também está incluído a utilização de
tecnologia de forma embarcada nas viaturas policiais, a partir de um dispositivo
móvel, como um tablet, é possível que os policiais acessem o aplicativo 190
Smart e identifiquem, através de um mapa, a sua localização, as operações que
deverão ser realizadas durante o seu turno e as ocorrências em andamento na
sua área de atuação. O policial poderá também acessar o aplicativo REDS
Mobile que será desenvolvido, como forma de facilitar o acesso REDS e elaborar
o boletim de ocorrência, evitando perda de tempo em deslocamento e
Sistemas de oferecendo um melhor serviço ao cidadão. Com o apoio de uma impressora
Otimização térmica, será possível deixar um comprovante da ocorrência com os envolvidos.
Operacional AIT Eletrônico: para a confecção dos autos de infração de trânsito no mesmo
dispositivo móvel que os demais sistemas. Com a adoção desse sistema, o envio
dos autos para o DETRAN passa a ser por meio digital e elimina o trâmite de
papel existente atualmente.
Utilização de câmeras por policiais (body cam): para resguardar a atuação do
policial militar, confirmar a legalidade da ação e também tornar a atividade
probatória mais eficaz.
Uso integrado da Plataforma de Observação Elevada (POE), da Base Móvel de
Coordenação e Controle (BMCC) e Aeronave Remotamente Pilotada (RPA)
dotadas de sensores (câmeras filmadoras, de visão noturna, com sensor de
calor): impactar positivamente no serviço policial e propiciar a redução da
criminalidade, aumento da sensação de segurança e muitos outros benefícios.
Comunicações A instalação de novas centrais telefônicas de call center e a instalação de linhas
Operacionais telefônicas digitais: proporcionam maior capacidade de tráfego de chamadas.
(Digitalização da Digitalização da rede de rádio: as redes de rádios digitais integradas e
rede de rádio e criptografadas contribuirão para redução da criminalidade, aumento da sensação
regionalização do de segurança para a população a ser atendida, agilidade e rapidez nos
serviço de despachos das viaturas para atendimento das ocorrências, viabilizados pelo
atendimento 190 e aumento da cobertura de rádio favorecendo a execução das atividades de
despacho de coordenação e controle, além de impossibilitar a escuta da rede de rádio por
viaturas – COPOM criminosos devido à criptografia, melhorando a segurança de atuação do policial
Regional) militar.
Aquisição de ferramentas analíticas (inteligência artificial, mineração de dados,
Potencializar as
análise de imagem, dentre outras): as ferramentas permitirão potencializar a
atividades de
atuação do Sistema de Inteligência da Polícia Militar, com melhoria de processos
Inteligência de
e de capacitação, de forma a prevenir, neutralizar e reprimir os atos criminosos.
Segurança Pública
Aquisição ferramenta de análise e busca eletrônica em bancos de dados
(ISP)
estruturados: possibilitará processar grandes volumes de dados com uma
102
Projeto Tecnologia e aplicação

solução capaz de obter resultados em um curto espaço de tempo se torna
fundamental para tais desafios. Nesse sentido, se torna indispensável a
obtenção de soluções de integração e análise de dados que permitem às
instituições terem um amplo acesso e controle da informação gerada, tornando a
análise em Segurança Pública uma tarefa viável e ao alcance dos analistas,
tanto para uma visão operacional quando para uma visão estratégica dos dados,
viabilizando também, o estudo mais profundo do comportamento criminal.
Esses projetos foram consolidados no “Plano Estratégico 2020-2023” da

PMMG, inseridos em ações estratégicas decorrentes de objetivos estratégicos, como
se vê no Quadro 37.
Quadro 37 – Projetos do eixo “Polícia 4.0” no “Plano Estratégico 2020-2023” –

PMMG
(continua)
Projetos do eixo
Objetivo estratégico Iniciativa estratégica Nome do projeto
“Polícia 4.0”
3.2.1 - Projeto Sistemas de
inteligência Artificial (Divisa Segura).
Objeto: desenvolvimento de
plataforma tecnológica, composta por
Sistemas de inteligência
ferramentas capazes de executar
Artificial para Segurança
técnicas e algoritmos de integração,
Pública (Divisa Segura)
qualidade e correlação de dados,
georreferenciamento, reconhecimento
de padrões e visualização de dados,
principalmente do sistema Hélios.
Objetivo nº 3 - Promover a
3.2.2 - Projeto Sistemas de
implementação e o 3.2 - Aperfeiçoar os
Otimização Operacional. Objeto:
aperfeiçoamento de sistemas, aplicativos e
aquisição e desenvolvimento de
tecnologias e sistemas de tecnologias de suporte à
ferramentas tecnológicas para
Sistemas de Otimização suporte às atividades meio atividade-fim
otimizar o serviço operacional, com a
Operacional e fim
utilização dos sistemas 190 Smart,
REDS mobile, BMCC, POE, Aeronave
Remotamente Pilotada (RPA), body
cam e Ait Eletrônico.
3.2.3 - Projeto Regionalização do
Teleatendimento de Emergência
Comunicações
Policial. Objeto: centralização do
Operacionais
teleatendimento 190 e despacho das
(Digitalização da rede
viaturas via COPOM das sedes de
de rádio e
RPM.
regionalização do
11.4.1 - Projeto Digitalização da Rede
serviço de atendimento
Objetivo nº 4 - Prover Rádio. Objeto: implantação de redes
190 e despacho de 11.4 - Consolidar a
suporte logístico de rádios digitais criptografadas,
viaturas – COPOM digitalização da rede
adequado ao cumprimento integradas e com ampliação da
Regional) rádio da PMMG
da missão institucional cobertura em substituição às redes de
rádio analógicas.
Objetivo nº 5 -Modernizar 5.1.2 - Projeto Inteligência na Ponta
5.1 - Integrar sistemas e
o Sistema de Inteligência da Linha. Objeto: compartilhamento
Potencializar as compartilhar
da Polícia Militar (SIPOM), de dados, informações e
atividades de informações, de forma a
com foco na Inteligência conhecimentos de inteligência,
Inteligência de gerar conhecimento
Preditiva aplicada à produzidos no âmbito do SIPOM, com
Segurança Pública (ISP) para o desenvolvimento
atividade finalística da os demais sistemas institucionais de
da atividade operacional
Corporação apoio ao policiamento ostensivo.
103
Projetos do eixo
Objetivo estratégico Iniciativa estratégica Nome do projeto
“Polícia 4.0”
5.1.3 - Projeto Big Data: Rumo à
mineração de dados. Objeto:
aquisição de softwares para a análise
de grandes conjuntos de dados, que
possibilitem maior precisão na
produção de conhecimento de
inteligência de segurança pública.
5.2.3 - Projeto de potencialização do
treinamento em ISP. Objeto:
5.2 - Potencializar as capacitação dos profissionais de
atividades de inteligência para o desenvolvimento
Inteligência de de ações e operações de inteligência,
Segurança Pública (ISP) utilização de técnicas, métodos e
novas tecnologias visando
potencializar as ações de ISP.
Verifica-se no Quadro 37 que, em decorrência das suas naturezas, os

projetos “Comunicações Operacionais (Digitalização da rede de rádio e
regionalização do serviço de atendimento 190 e despacho de viaturas – COPOM
Regional)” e “Potencializar as atividades de Inteligência de Segurança Pública (ISP)”
foram inseridos em objetivos estratégicos e iniciativas estratégicas distintas dos
demais, por estarem mais vinculados à logística ou ao Sistema de Inteligência da
Polícia Militar (SIPOM).
Ao analisar as tecnologias contidas nos projetos e a derivação dos
projetos no Plano Estratégico, verifica-se que não houve alterações de conteúdo,
mas uma setorização dos projetos e consolidação dos seus objetivos.
Por fim, é notório que os projetos são complexos, não apenas por se
basearem em tecnologias modernas, como a IA e big data, mas pelo impacto da
reformulação e potencialização de processos que serão executados durante o
planejamento e a execução do emprego operacional.
104
4 ATIVIDADE DE INTELIGÊNCIA DE SEGURANÇA PÚBLICA
Na seção anterior, a abordagem à diretriz de emprego operacional da

PMMG aflorou a crucial importância das informações como base para o exercício da
gestão operacional da Instituição. Nesse sentido, faz-se necessária melhor
compreensão sobre o que é a atividade de inteligência de segurança pública citada
como fonte de informações no processo de gestão operacional estabelecido na
DGEOp.
A atividade de inteligência de segurança pública é um conceito atual
ramificado da inteligência clássica, específica do campo da segurança pública. Mas,
antes de compreender a ISP, faz-se necessário conceituar o que é considerado
inteligência.
Na década de 1940, o professor norte-americano Sherman Kent32 apud
Gonçalves (2016) definiu a concepção de inteligência como produto (conhecimento
produzido), organização (serviço secreto) e processo (atividade). Essa concepção,
embora sintetizada, expressa a complexidade da definição do termo inteligência.
Em uma concepção mais atual, Cepik (2003) apresenta dois conceitos
fora do âmbito das ciências cognitivas. O primeiro, de forma ampla, define
inteligência como toda informação coletada, organizada ou analisada para atender
às demandas de um tomador de decisões qualquer. Já o segundo, no âmbito da
ciência da informação, define inteligência como a camada específica de agregação e
tratamento analítico em uma pirâmide informacional, formada na base, por dados
brutos e, no vértice, por conhecimentos reflexivos.
Independentemente da existência de várias concepções pelos estudiosos
de inteligência, Gonçalves (2016) ressalta a importância de se compreender que
inteligência não deve ser vista apenas como uma atividade sigilosa de obtenção de
dados, mas como conhecimento processado a partir de matéria bruta com
metodologia própria, com o objetivo de assessorar o processo decisório.
Após essa breve análise sobre o conceito de inteligência, sobressaem
três componentes indissociáveis, o uso de dados como matéria de trabalho, o
32
Sherman Kent foi um professor de história da Universidade de Yale que atuou durante a Segunda
Guerra Mundial e por dezessete anos de serviço na Guerra Fria na Agência Central de Inteligência,
foi pioneiro em muitos dos métodos de análise de inteligência. Ele é frequentemente descrito
como o pai da análise da inteligência. Disponível em: https://en.wikipedia.org/wiki/Sherman_Kent.
Acesso em: 16 jun. 2020.
105
conhecimento como resultado do seu trabalho sobre a matéria e, por fim, o uso
desse conhecimento como base de assessoria na tomada de uma decisão.
É nesse sentido que instituições públicas e privadas têm lançado mão da
inteligência como fonte de assessoria qualificada, a fim de possibilitar uma visão
ampla sobre determinado objeto durante o processo decisório.
A inteligência está na natureza intrínseca da manutenção da soberania e
governabilidade de uma nação, ao ponto que se verifica sua importância por meio
dos sistemas de inteligência criados nos âmbitos federal e estadual, compostos por
diversos seguimentos do poder público.
O Brasil possui o Sistema Brasileiro de Inteligência (SISBIN), instituído
pela Lei nº 9.883, de 07 de dezembro de 1999. Já em nível estadual, em Minas
Gerais, o Sistema Estadual de Inteligência de Segurança Pública de Minas Gerais
(SEISPMG), é estruturado em conformidade com o Decreto-Lei nº 47.797, de 19 de
dezembro de 2019.
A inteligência apresenta distintas categorias, cada uma definida em
conformidade com a finalidade a que se destina. No campo da segurança pública,
tem-se a inteligência de segurança pública, que inclusive integra a nomenclatura do
SEISPMG.
O primeiro conceito dessa categoria foi definido pela Resolução nº 1/2009
da Secretaria Nacional de Segurança Pública, que a definiu como uma atividade:
III - Inteligência de Segurança Pública: é a atividade permanente e

sistemática via ações especializadas que visa identificar, acompanhar e
avaliar ameaças reais ou potenciais sobre a segurança pública e produzir
conhecimentos e informações que subsidiem planejamento e execução de
políticas de Segurança Pública, bem como ações para prevenir, neutralizar
e reprimir atos criminosos de qualquer natureza, de forma integrada e em
subsídio à investigação e à produção de conhecimentos [...] (BRASIL,
2009).
Já o Decreto Estadual nº 46.096/2012 trouxe um conceito para a atividade

de inteligência de segurança pública menos abrangente, pelo fato de não contemplar
em sua definição o termo “subsídio à investigação”, que denota atuação na área
específica do campo da investigação criminal típica de polícia judiciária e que possui
finalidade precípua de alcançar a materialidade sobre um crime:
106
I - atividade de inteligência de segurança pública é o exercício permanente

e sistemático de ações especializadas para a identificação, o
acompanhamento e a avaliação de ameaças reais ou potenciais na esfera
de segurança pública, e para a produção de informações e conhecimentos,
em subsídio ao planejamento de ações para prever, prevenir, neutralizar e
reprimir atos criminosos, de qualquer natureza, atentatórios à ordem pública
[...] (MINAS GERAIS, 2012).
Foi nesse sentido, de manutenção permanente das informações e

conhecimento, que a ISP foi instituída como elemento do emprego operacional.
4.1 Sistema de Inteligência da Polícia Militar de Minas Gerais (SIPOM)
Takeuchi e Nonaka (2008) afirmam que “O conhecimento não pode ser

criado no vácuo, e necessita de um lugar onde a informação receba significado
através da interpretação para tornar-se conhecimento”. Nesse sentido, o SIPOM
está estruturado na PMMG desde o nível estratégico até as frações encarregadas
pela execução operacional, em que exerce importante participação no processo
decisório, com difusão de conhecimentos e compartilhamento de informações
estratégicas.
O Quadro 38 apresenta o SIPOM na estrutura organizacional da
PMMG:
Quadro 38 – O SIPOM na estrutura organizacional da PMMG

(continua)
Nível
Alocação Estrutura
Organizacional
Seção Estratégica de Inteligência Agência de Inteligência
Nível estratégico
do Estado-Maior (EMPM-2) Estratégica (AIE)
Diretoria de Inteligência (DInt) Agência Central (AC)
Região de Polícia Militar (RPM) Agência Regional (AR)
Nível tático
Comando de Policiamento Agência Regional
Especializado (CPE) Especializada (ARE)
Batalhão de Polícia Militar (BPM)
e Companhia Independente de Agência de Área (AA)
Polícia Militar (Cia PM Ind)
Unidades Especializadas Agência Especial (AE)
Companhias de Polícia Militar (Cia Subagências de Inteligência
Nível operacional PM) (SI)
Pelotões de Polícia Militar (Pel PM) Núcleos de Agências (NA)
Constituído pelo Comandante-Geral
e instaladas/coordenadas pela Núcleo Especial de Busca
DINT, em qualquer parte do Estado, (NEB)
para missões especiais, quando a
107
Nível
Alocação Estrutura
Organizacional
situação exigir
Estrutura de Inteligência que pode,
Núcleo Regional de Busca
excepcionalmente, ser constituída e
(NRB)
instalada pelo Comandante da RPM.
Fonte: Elaborado pelo autor com base em MINAS GERAIS, 2019b.
A importância do SIPOM é ressaltada na DGEOp, na qual está expresso

que a ISP visa “[...] antecipar a eclosão de delitos e orientar o planejamento para
emprego de seu efetivo e meios com cientificidade, possibilitando a prevenção e
repressão qualificadas da criminalidade” (MINAS GERAIS, 2019b, p. 55).
Como forma de atribuir um sentido na incorporação dos conceitos que
abrangem a ISP, a DGEOp ainda define a finalidade institucional da atividade de
inteligência de segurança pública:
A Atividade de ISP é a responsável pelo processamento metódico e

sistemático de informações, e trata-se de uma estratégia para
potencializar os serviços da PMMG, possibilitando decisões científicas,
aliada tanto à Polícia Comunitária quanto a Polícia Orientada para
Solução de Problemas. A ISP pode organizar e processar informações
capazes de subsidiar a prevenção e a repressão qualificadas,
maximizando os serviços da polícia, possibilitando gerar economia e
eficiência no emprego dos recursos humanos, logísticos e financeiros; e
o mais importante nesse processo deve ser a satisfação do cidadão por
meio da redução do medo do crime e o aumento da segurança, tanto
subjetiva quanto objetiva. (MINAS GERAIS, 2019b, p. 55).
Após essa análise sobre os conceitos de inteligência e da categoria

específica da ISP, verifica-se que, assim como a fase do diagnóstico no
planejamento do emprego operacional, abordado na seção anterior, ambos tratam
as informações como a matéria-prima que subsidia seus processos e,
consequentemente, a entrega de um produto, seja o plano de emprego eficiente,
seja o conhecimento capaz de assessorar uma tomada de decisão.
A partir desse ponto, compreendida a dimensão da aplicação da atividade
de inteligência desde o âmbito federal ao institucional, verifica-se também a
importância das informações denominadas gerenciais ou estratégicas no processo
decisório. Tal compreensão remete às considerações do comandante e estrategista
108
Carl Van Clausewitz quanto à importância de possuir informações claras e

inequívocas no processo decisório:
Como todas as informações e pressuposições estão sujeitas a dúvidas, e

com o acaso agindo em todos os lugares, o comandante sempre acha que
as coisas não são como ele esperava que fossem. Isto fatalmente
influenciará os seus planos ou, pelo menos, as pressuposições em que eles
se baseiam. Se esta influência for suficientemente poderosa para causar
uma mudança nos seus planos, normalmente ele deverá elaborar outros,
mas para estes as informações necessárias podem não estar
imediatamente disponíveis. (CLAUSEWITZ, 2010, p. 109).
Nesse mesmo entendimento, para Kent (1967), a informação significa

conhecimento e, se não pode ser ampliada a ponto de significar todo o
conhecimento, pelo menos significa um espantoso volume e variedade de
conhecimentos que ainda assim podem ser utilizados.
Nesse sentido, as informações, assim como o conhecimento produzido,
quando enriquecidos de significados compreendidos nas análises dos dados,
externam um valor estratégico no assessoramento à tomada de decisões.
Para Platt (1974, p. 116), “[...] grande parte da produção de informações
é, essencialmente, compilação”. Dessa forma, dependendo do esforço empregado
na obtenção de um vasto número de fatos relacionados com o problema que se põe
à solução, é possível, no mínimo, obter o preenchimento de espaços do
conhecimento que, somados, levarão ao conhecimento final.
Ao abordar a sofisticação tecnológica crescente em rotinas da atividade
de inteligência, Cepik (2003) aponta esse caminho evolucionário como um desafio
às organizações de inteligência:
A utilização crescente de arquiteturas virtuais de trabalho nas organizações

de inteligência coloca novos desafios e possibilidades para a exploração de
ferramentas de processamento, armazenamento, análise, produção,
disseminação e avaliação de inteligência de forma mais segura e ágil.
Obviamente os aspectos de segurança informacional são decisivos nesse
tipo de utilização de redes corporativas interconectadas à internet, mas vale
destacar aqui a multiplicidade de ferramentas e serviços possibilitados pela
digitalização de informações e sua disponibilização em diferentes formatos
e mídias para as diversas organizações e indivíduos ao longo do Ciclo.
(CEPIK, 2003, p. 56).
Para Cepik (2003), somado à desproporção entre a quantidade de dados

brutos coletados e a capacidade das organizações processarem as informações de
109
forma ágil, está o contratempo de algumas precisarem ir direto aos usuários finais
sem passar pela etapa de análise e produção final.
Nesse desafio narrado por Cepik, está a PMMG, visto sua grandiosidade
em capilaridade no espaço territorial do estado e a vasta produção de informações
que agem na transversalidade entre os fatores determinantes, componentes e
condicionantes do emprego operacional.
No encerramento desta seção, fica compreendido que a estrutura e a
finalidade da atividade de ISP é, por sua natureza, indissociável do processo
decisório do planejamento do emprego operacional. Nesse contexto, deve ser
potencializada a fornecer informações de forma hábil aos gestores do processo
decisório.
Contudo, não pode ser vista como simples a intenção de potencializar a
atividade de inteligência de segurança pública, seja por meio de sua reestruturação
com aporte logístico e recursos humanos, seja a partir do emprego de tecnologias
inovadoras. É probo salientar que se trata de uma atividade administrada pelo poder
público, ao qual recai a responsabilidade pelo exercício legal da atividade de
inteligência, bem como pela manutenção da integridade da finalidade público sobre
informações de caráter público e privado que podem transcender à ilegalidade.
4.2 Produção de informações e conhecimentos estratégicos
Conforme apresentado na seção anterior, para Kent (1967), a informação

significa conhecimento. A partir dessa compreensão do valor estratégico das
informações na tomada de decisões, verifica-se que a produção do conhecimento é
o momento crucial que levará ao êxito do assessoramento qualificado.
Interferências são comuns na assimilação dos dados e informações que
levarão ao conhecimento real, como afirma Platt (1974):
Existem, é certo, algumas condições gerais, em parte inevitáveis, que

sabidamente dificultam a atividade mental. Por exemplo, a fadiga física e
mental, pequenas irritações, barulho, preocupação com assuntos
domésticos ou financeiros, depressão, raiva. Não há novidade nisso. (p.
147)
110
Essas interferências prejudiciais já foram abordadas nas seções

anteriores, mas é necessário ressaltá-las novamente para afirmar a importância da
produção do conhecimento com informações com o uso de uma metodologia
específica.
Conforme foi apresentado nas seções anteriores, a inteligência visa à
produção do conhecimento, e a ISP, em sua derivação, busca a produção do
conhecimento útil à área da segurança pública. Na PMMG, em específico, devido à
sua missão constitucional, a ISP visa à produção do conhecimento voltado para
prevenção criminal, como já citada a DGEOp:
[...] a Inteligência de Segurança Pública (ISP) tem por finalidade coletar

e buscar dados, que, após análise e interpretação, são transformados
em informações e conhecimentos estratégicos, táticos e operacionais.
Visa antecipar a eclosão de delitos e orientar o planejamento para
emprego de seu efetivo e meios com cientificidade, possibilitando a
prevenção e repressão qualificadas da criminalidade. (MINAS GERAIS,
2019b, p. 55).
Portanto, torna-se imprescindível compreender como se dá o processo de

produção do conhecimento de inteligência.
Segundo Gonçalves (2016), o processo de produção do conhecimento de
inteligência também é conhecido como “Ciclo da Inteligência”. Segundo ele, não há
um consenso sobre a quantidade de etapas que compõem esse ciclo. Contudo,
expõe que a doutrina brasileira identifica o ciclo de inteligência em três grandes
etapas, denominadas “Orientação”, “Produção de Conhecimento” e “Difusão”, como
se vê na Figura 14.
111
Figura 14 – “Ciclo de Inteligência”
Fonte: GONÇALVES, 2016, p. 99.
Para Gonçalves (2016), a fase de orientação é passo inicial, fase em que

se define a necessidade da informação considerando primordialmente qual usuário
fará uso do produto da inteligência; nesse sentido, salienta ser importante o bom
relacionamento entre quem produz o conhecimento e quem o utiliza. Nesse ponto,
verifica-se que a estratégia da PMMG em estabelecer o SIPOM em toda sua
estrutura organizacional acaba por facilitar esse relacionamento entre os
profissionais de inteligência e os usuários do conhecimento produzido.
Segundo Gonçalves (2016), dentro do “Ciclo de Inteligência” tem-se o
ciclo específico de produção de conhecimento, conforme é apresentado na Figura
15.
112
Figura 15 – Ciclo de produção de conhecimento
Fonte: Elaborado pelo autor com base em GONÇALVES, 2016, p. 99.
Segundo Gonçalves (2016), é durante a execução das etapas do ciclo de

produção de conhecimento, conforme Quadro 39, que os produtores de
conhecimento colocam em uso todas as técnicas necessárias para atingir o
resultado almejado a partir das orientações de lacunas de conhecimento.
Quadro 39 – Etapas do ciclo de produção do conhecimento

Etapa Conceito
Etapa na qual se estabelece os
Planejamento direcionamentos para a coleta ou busca de
dados.
Etapa na qual se realiza a coleta ou busca de
Reunião de dados
dados.
Etapa na qual os dados são analisados e
integrados aos já existentes, para que o
Processamento
analista de inteligência faça a interpretação de
todo o conjunto final de dados.
Etapa na qual o conhecimento é entregue ao
Difusão do conhecimento usuário final como elemento de
assessoramento na tomada de decisão.
Fonte: Elaborado pelo autor com base em GONÇALVES, 2016.
Gonçalves (2016) ressalta que não há limites para a busca, coleta e

análise dos dados na produção do conhecimento de inteligência; contudo, esse
processo deve ser pautado na ética, que por si só imporá os limites que forem
113
oportunos. Também salienta que de nada vale a produção do conhecimento, se este

não for difundido de maneira oportuna.
Portanto, verifica-se que, dentro da ISP, o método de produção do
conhecimento é um elemento científico fundamentado em técnicas específicas de
análise de dados para auxílio na compreensão das variáveis dos fatores
intervenientes ao planejamento do emprego operacional. O uso das técnicas
adequadas de análise dos dados possibilita agregar significado estratégico para as
informações e conhecimentos produzidos para assessoria na tomada de decisão.
114
5 METODOLOGIA
Esta seção é dedicada a apresentar os procedimentos metodológicos

adotados que proporcionaram o desenvolvimento científico da presente pesquisa.
Segundo Prodanov e Freitas (2013), o objetivo de uma pesquisa científica
é a produção do conhecimento que esclarece aspectos envoltos ao problema que se
estuda. Nesse sentido, a escolha do método e das técnicas que se aplicam na
compreensão do problema garante a obtenção de resultados que expressam o
conhecimento produzido na pesquisa.
A pesquisa foi desenvolvida em um problema com variáveis típicas do
ambiente profissional da PMMG e de campos de conhecimentos multidisciplinares.
Por ter sido estabelecida em um tema designado pela própria Instituição, com a
finalidade de aplicação dos seus resultados no seu ambiente corporativo, a presente
pesquisa é classificada como uma pesquisa aplicada.
Diante da ausência de conhecimentos disponíveis para solucionar o
problema prematuramente, para a obtenção um conhecimento confiável, foi aplicado
o método hipotético-dedutivo.
Diante dos seus objetivos específicos dedicados a compreender um
fenômeno pouco estudado sobre a aplicação de conceitos de tecnologias em áreas
institucionais da PMMG, a pesquisa foi classificada como exploratória. Nesse
mesmo sentido, a necessidade elementar de produzir um conhecimento claro sobre
as variáveis desse problema também a classificou como uma pesquisa descritiva.
Por se tratar de uma pesquisa que busca resultados que não são
alcançados mediante a aplicação de procedimentos quantitativos, foi adotada a
metodologia qualitativa na abordagem do problema.
Segundo Gil (2019), a escolha do procedimento de coletas de dados
decorre da hipótese previamente definida. Nesse sentido, consideradas a hipótese,
a abordagem qualitativa e a necessidade de aplicar procedimentos que possam
falseá-la ou corroborá-la, o trabalho científico foi delineado com a realização de
pesquisas bibliográficas, pesquisas documentais, levantamentos e pesquisas de
campo.
Ao longo da pesquisa bibliográfica, especificamente a registrada na seção
2, verificou-se a existência de um referencial teórico multidisciplinar no
115
desenvolvimento e aplicação da IA. Isso se dá devido ao seu conceito e finalidades

precípuas de simular a inteligência humana. Consequentemente, a IA utiliza
métodos oriundos de cálculos matemáticos que visam produzir resultados racionais
diante das mais diversas fontes de dados e variáveis, por meio de algoritmos
computacionais.
Nesse sentido, embora sua aplicação ocorra por meio de computadores,
seu desenvolvimento inicial parte de cálculos e fórmulas complexas matemáticas
que buscam, dentre as probabilidades, o resultado mais adequado ao problema que
é posto. Esse é um diferencial que exige uma mão de obra especializada e
conhecimento multidisciplinar na área que se pretende aplicá-la.
Assim, a complexidade da IA obriga que seu desenvolvimento e
consequente uso sejam extremamente delineados, ou seja, não é viável promover o
desenvolvimento de uma solução baseada em IA sem uma prévia e clara definição
de um problema a solucionar e respectivos objetivos almejados com a sua
aplicação. Dessa forma, as soluções tecnológicas de IA são produtos que partem da
idealização de uma área específica de atuação humana que identificou um problema
ou objetivo. Porém, isso é apenas o elementar na proposição inicial de uma solução
tecnológica com aplicação de IA.
É necessário que seja identificada a área de conhecimento científico que
norteia a apreciação do problema, caso contrário, a IA não se prestará a produzir
uma solução racional, pois poderá ser construída sem o conhecimento real do
melhor método para se calcular e escolher a solução do problema.
Logo, verifica-se que, nesse processo de elaboração de soluções
tecnológicas, a IA é norteada pela área de conhecimento científico sobre o problema
e imerge nesse campo científico. A Figura 16 representa o ciclo de aplicação da IA.
116
Figura 16 – Ciclo de aplicação de IA
Fonte: Elaborada pelo autor.
Conforme foi visto, ainda na seção 2, a IA pode ser desenvolvida para

soluções autônomas, que eliminam as necessidades das intervenções humana na
execução das atividades para as quais ela foi programada, como no caso da
robótica e variadas aplicações com machine learning. Contudo, o maior uso da IA
tem sido dedicado à produção do conhecimento, devido à sua capacidade inumana
de identificar, coletar, analisar dados e apresentar proposições/soluções a um
tomador de decisões.
É nesse ponto que se verificou nas pesquisas bibliográficas a
elementaridade apresentada por Simon (1955; 1996) na divergência de dois
atributos entre a IA e a inteligência humana na tomada de decisões. Enquanto a IA é
racional, ou seja, apresenta um resultado lógico, a racionalidade das decisões
humanas é limitada, seja por incapacidade de acessar a quantidade adequada de
informações em tempo hábil, seja por interferências externas, como a opinião e
sentimentos do tomador de decisões.
Nesse sentido, a solução à racionalidade limitada se apresenta como a
pedra angular do interesse da aplicação da IA. Por isso, sobressai a
imprescindibilidade do objetivo a que se propõe o uso da IA, conforme salientado por
Davenport (2018).
Ao final da seção 3, foi possível verificar quanto o emprego operacional é
dependente de informações para subsidiar a tomada de decisões dos gestores da
Corporação no processo de planejamento.
117
Nas seções 3 e 4, a pesquisa bibliográfica possibilitou verificar como a

racionalidade proposta pelos fatores intervenientes pode ser efetivada por meio da
ISP, que, por sua vez, possui um método de produção do conhecimento similar ao
processo de descoberta de conhecimento em bases de dados, apresentado na
seção 2.
Assim, seguindo o fluxo apresentado na Figura 16, verifica-se que,
conforme foi apresentado na seção 3, o emprego operacional da PMMG é orientado
nas áreas de conhecimentos científicos da Sociologia, Ciências Militares,
Administração, Ciências Exatas, entre outras.
A partir dessa análise, a pesquisa utilizou a aplicação de questionários na
coleta de dados durante o estudo de campo.
Foi aplicado um questionário com questões fechadas às Polícias Militares
de todos os Estados e do Distrito Federal, a fim de conhecer se essas Instituições,
tal como a PMMG, encontram-se interessadas, desenvolvendo ou aplicando IA no
seu emprego operacional.
Já no âmbito da Instituição, foram aplicados questionários com questões
abertas aos gestores com autoridade funcional sobre as áreas institucionais que se
relacionam com as descrições das variáveis do problema abordado, especificamente
as áreas de Emprego Operacional, Inteligência de Segurança Pública,
Desenvolvimento Organizacional e Tecnologia. Nesse sentido, foram elaboradas 29
perguntas baseadas nos objetivos específicos da pesquisa.
Por se tratar de uma abordagem de natureza qualitativa, as perguntas
foram agrupadas em questionários aplicados a gestores dos níveis estratégico e
tático da Instituição, conforme a natureza da área específica na qual cada uma está
abrangida. Dessa forma, os questionários foram aplicados aos chefes da PM2, PM3,
Assessoria de Desenvolvimento Organizacional (ADO), Diretoria Operacional (DOp),
Diretoria de Inteligência (DInt) e Diretoria de Tecnologia e Sistemas (DTS) da
PMMG.
A fim de concluir o mapeamento da utilização de IA e aplicação na
inteligência de segurança pública na Corporação, foi aplicado um questionário com
questões abertas à 9ª RPM, com a finalidade de conhecer como a IA tem sido
desenvolvida e aplicada na ISP e no emprego operacional daquela Unidade.
118
Durante os levantamentos iniciais, foi conhecido que a Secretária da

Segurança Pública e Defesa Pública do Estado do Ceará (SSPDS-CE) possui
aplicações de IA na ISP e no emprego operacional da Polícia Militar daquele Estado.
Nesse sentido, foi aplicado um questionário com questões abertas àquela
Secretaria, com a finalidade de conhecer como a IA tem sido desenvolvida e
aplicada à ISP e ao emprego operacional da Polícia Militar.
Durante os levantamentos iniciais também foi identificado o
desenvolvimento de aplicações de IA na ISP e no emprego operacional policial
militar pelo setor privado, pelo Instituto de Ciências, Tecnologias, Engenharia,
Matemática e mais (CTEM+). A fim de conhecer como a IA tem sido desenvolvida e
aplicada à ISP e ao emprego operacional policial militar, por meio do Sistema
SmartPol, foi aplicado um questionário com questões abertas ao Instituto CTEM+.
A análise dos dados foi realizada a partir da interpretação das respostas e
sua correlação com o referencial teórico que descreveu as variáveis do problema e
sua hipótese.
Uma vez que os objetivos específicos desta pesquisa são exclusivos à
Instituição, as análises das respostas da SSPDS e Instituto CTEM+ possibilitaram a
identificação de padrões sobre a aplicação da IA em todas as instituições
participantes da pesquisa.
119
6 RESULTADOS E DISCUSSÕES
Nesta seção os resultados dos questionários aplicados serão

apresentados e analisados em conformidade com o referencial teórico construído
nas seções 2, 3 e 4.
6.1 Apresentação da análise e discussão do questionário aplicado às Polícias

Militares do Brasil
No período de 2 a 6 de julho de 2020 foi realizada a aplicação de um

questionário às Polícias Militares de todos os Estados e do Distrito Federal, a fim de
conhecer se essas Instituições, tal como a PMMG, encontram-se interessadas,
desenvolvendo ou aplicando IA no seu emprego operacional.
Conforme se vê no Quadro 40, o questionário foi elaborado com seis
perguntas objetivas, na plataforma digital Google Forms33, e disponibilizado pelo
endereço eletrônico https://forms.gle/WXizjyckxE7GUBXV8:
Quadro 40 – Questionário aplicado às PPMM do Brasil

Pergunta Opção de Resposta
1) A Polícia Militar do seu Estado possui alguma solução Possui Não possui
tecnológica baseada em Inteligência Artificial para uso na
atividade operacional?
2) A Polícia Militar do seu Estado possui alguma solução Possui Não possui
tecnológica baseada em Inteligência Artificial para uso na
atividade inteligência de segurança pública?
3) A Polícia Militar do seu Estado tem interesse em Tem interesse Não tem interesse
desenvolver alguma solução tecnológica baseada em
Inteligência Artificial para uso na atividade operacional?
4) A Polícia Militar do seu Estado está desenvolvendo alguma Está desenvolvendo Não está
solução tecnológica baseada em Inteligência Artificial para uso desenvolvendo
na atividade operacional?
5) A Polícia Militar do seu Estado acompanha o mercado de Acompanha Não acompanha
ofertas de soluções de Inteligência Artificial para segurança
pública?
6) A Polícia Militar do seu Estado possui capacidade orgânica Possui capacidade Não possui
para produzir soluções de Inteligência Artificial? capacidade
Fonte: Elaborado pelo autor.
33
Google Forms é um aplicativo de gerenciamento de pesquisas disponibilizado pela empresa
Google LLC.
120
As Polícias Militares dos Estados do Acre (AC), Ceará (CE), Mato Grosso
do Sul (MS) e Pará (PA) não responderam ao questionário. Dessa forma, obteve-se
um universo de 23 participantes.
Ao apurar os resultados da Pergunta nº 1 (A Polícia Militar do seu Estado
possui alguma solução tecnológica baseada em Inteligência Artificial para uso na
atividade operacional?), conforme se vê no Gráfico 4, verificou-se que menos de um
terço das PPMM participantes possuem alguma tecnologia baseada em IA para uso
na atividade operacional.
Gráfico 4 – Respostas dadas à Pergunta nº 1 aplicada às PPMM do

Brasil
Não possui 17
Possui 6
0 5 10 15 20
Quanto aos resultados da Pergunta nº 2 (A Polícia Militar do seu Estado

possui alguma solução tecnológica baseada em Inteligência Artificial para uso na
Atividade Inteligência de Segurança Pública?), verificou-se que, em comparação à
pergunta anterior, uma quantidade ainda menor possui alguma solução tecnológica
baseada em IA para o uso na atividade de ISP, conforme se vê no Gráfico 5.
121

Brasil
Não possui 18
Possui 5
0 5 10 15 20
Nas respostas à Pergunta nº 3 (A Polícia Militar do seu Estado tem

interesse em desenvolver alguma solução tecnológica baseada em Inteligência
Artificial para uso na atividade operacional?), obteve-se o resultado já esperado de
interesse majoritário ou praticamente absoluto das PPMM em desenvolver
tecnologias baseadas em IA para uso na atividade operacional, conforme se vê no
Gráfico 6.

Brasil
Tem interesse 22
Não tem interesse 1
0 5 10 15 20 25
Nas respostas à Pergunta nº 4 (A Polícia Militar do seu Estado está

desenvolvendo alguma solução tecnológica baseada em Inteligência Artificial para
uso na atividade operacional?), foi possível verificar que um pouco mais da metade
122
das PPMM participantes estão desenvolvendo tecnologias baseadas em IA para

uso na atividade operacional, conforme se vê no Gráfico 7.

Brasil
Está desenvolvendo 13
Não está desenvolvendo 10
0 2 4 6 8 10 12 14
Nos resultados da Pergunta nº 5 (A Polícia Militar do seu Estado acompanha

o mercado de ofertas de soluções de Inteligência Artificial para segurança pública?),
verificou-se que, de forma majoritária, as PPMM acompanham o mercado de ofertas
de soluções de IA para uso na segurança pública, conforme se vê no Gráfico 8:

Brasil
Acompanha 19
Não acompanha 4
0 5 10 15 20

123
Por último, nas respostas à Pergunta nº 6 (A Polícia Militar do seu Estado

possui capacidade orgânica para produzir soluções de Inteligência Artificial?), foi
possível verificar que, embora a maioria das PPMM participantes não possua
capacidade orgânica de produzir soluções de IA, em uma representação
percentual, 48% das Instituições afirmaram possuir tal capacidade, conforme se vê
no Gráfico 9.

Brasil
Possui capacidade 11
Não possui capacidade 12
0 5 10 15
Embora não tenha sido uma pesquisa censitária, apenas quatro PPMM
não participaram. Nesse sentido, obteve-se o êxito em colher uma percepção real
sobre o interesse no uso da IA e a capacidade orgânica de produzir soluções
tecnológicas baseadas em IA, os quais são dois aspectos de relevância nesta
pesquisa.
Assim, verifica-se que o interesse da PMMG em fazer uso de soluções
tecnológicas baseadas em IA está em conformidade com a tendência das demais
PPMM do Brasil e das empresas ao redor do mundo, como se viu nas análises de
Marr e Ward (2019) e Davenport (2018), em que se destaca a consideração final
deste último, ao afirmar que enseja em tolice a empresa que não se dedica à
implantação da IA nos seus negócios (DAVENPORT, 2018).
124
6.2 Apresentação, análise e discussão dos dados obtidos com os

questionários aplicados a gestores dos níveis estratégico e tático da
PMMG
A partir da análise do referencial teórico construído nas seções 2, 3 e 4,

que descreveram as variáveis do problema e hipótese da pesquisa, foram
elaboradas 29 perguntas baseadas nos objetivos específicos desta pesquisa. Essas
perguntas foram agrupadas em questionários aplicados a gestores dos níveis
estratégico e tático da Instituição, conforme a natureza da área específica na qual
cada uma está abrangida.
Dessa forma, os questionários foram aplicados aos gestores chefes da
PM2, PM3, Assessoria de Desenvolvimento Organizacional (ADO), Diretoria
Operacional (DOp), Diretoria de Inteligência (DInt) e Diretoria de Tecnologia e
Sistemas (DTS) da PMMG.
Durante a coleta de dados, o pesquisador não obteve êxito no retorno de
um questionário apenas.
Para fins didáticos e de orientação, os participantes da pesquisa foram
identificados como C1, C2, C3, C4 e C5.
Para melhor exposição e compreensão das respostas, estas foram
analisadas preliminarmente e posicionadas em quadros com a exposição dos
trechos mais importantes no campo denominado “Resposta”. A fundamentação dada
pelos participantes para cada resposta está apresentada no campo “Argumentação”,
na mesma estrutura de quadro.
6.2.1 Apresentação, análise e discussão dos resultados da questão nº 1
Ao levar em conta que a PMMG (MINAS GERAIS, 2019a) considera

indispensável a obtenção de soluções de integração e análise de dados, tanto para
a atividade operacional, quanto para uma abordagem estratégica dos dados, e que a
IA tem sido utilizada em ferramentas destinadas à produção de conhecimentos aos
tomadores de decisão, a presente questão visou identificar, preliminarmente, qual a
necessidade institucional de produção de informações estratégicas e operacionais
de segurança pública para os gestores da Corporação.
125
estratégico e tático da PMMG
Questão nº 1 - O que é uma informação estratégica de segurança pública para a PMMG?
Nº Resposta Argumentação
[...] conhecimentos que estão voltados São conhecimentos que estão voltados para a
para a formulação e edição de formulação e edição de estratégias institucionais e
C1 estratégias institucionais e das das decisões a elas associadas à questão de
decisões [...] segurança pública.
[...] informações que possuem São informações que possuem conteúdo capaz de
conteúdo capaz de subsidiar a tomada subsidiar a tomada de decisões estratégicas por
C2
de decisões estratégicas [...] parte do poder decisório no processo decisório,
gerando vantagem competitiva.
[...] conhecimento cuja utilidade e Todo conhecimento cuja utilidade e oportunidade
oportunidade interfiram ou contribuam interfiram ou contribuam diretamente para a
C3
diretamente para a tomada de decisão tomada de decisão estratégica.
estratégica [...]
[...] pode-se inferir que informação [...] O Conceito informação perpassa pela
estratégica é aquela oriunda de concepção de existência de blocos informacionais
acontecimentos e/ou situações de estruturados existentes em bancos de dados da
interesse imediato do decisor Corporação e que seja de interesse do decisor
estratégico ou que sirva de insumo estratégico. Nesse sentido, observa-se que outras
para a elaboração de diretrizes, áreas de resultados que compõem as Seções do
planejamentos, estratégias ou políticas EMPM, além da Inteligência, também possuem
no âmbito da segurança pública [...] informações que são estratégicas no campo da
C4
segurança pública. [...] No que tange à atividade
de Inteligência de Segurança Pública (ISP), pode-
se inferir que informação estratégica é aquela
oriunda de acontecimentos e/ou situações de
interesse imediato do decisor estratégico ou que
sirva de insumo para a elaboração de diretrizes,
planejamentos, estratégias ou políticas no âmbito
da segurança pública
Verifica-se nas respostas que todos os participantes consideram

informação estratégica de segurança pública aquela capaz de subsidiar a tomada de
decisão. Considerando que, segundo Minas Gerais (2019b), é finalidade da ISP
transformar dados em informações estratégicas, é possível inferir que a atividade de
ISP é indissociável do processo decisório; logo, recai sobre essa atividade a
expectativa de assessoramento racional para a tomada de decisão. Nesse sentido,
também é possível inferir que a proposta de Simon (1996), em solucionar o
problema das decisões não racionais por meio da aplicação de IA, mostra-se
conceitualmente aplicável ao processo decisório do emprego operacional.
126
6.2.2 Apresentação, análise e discussão da questão nº 2
Ao considerar que a PMMG (MINAS GERAIS, 2019b) define as

informações estratégicas como resultados de dados analisados e interpretados, a
presente questão visa identificar a necessidade de produção de informações
estratégicas e operacionais de segurança pública para os gestores da Corporação.
Questão nº 2 - Qual a importância dessas informações estratégicas na gestão do nível
estratégico e operacional da PMMG?
C1 [...] são imprescindíveis, pois Elas são imprescindíveis, pois permitem analisar os
permitem analisar os cenários, cenários, futuros óbices e oportunidades e, ainda,
futuros óbices e oportunidades e, contribuir com atividades proativas e preditivas dos
ainda, contribuir com atividades órgãos de segurança pública.
proativas e preditivas [...]
C2 [...] possibilitam mais segurança A importância está na possibilidade do ganho de
na tomada de decisão e performance operacional através da mudança de
consequentemente melhora a comportamentos nas áreas de planejamento e
competitividade institucional. execução operacionais. Essas informações
possibilitam mais segurança na tomada de decisão e
consequentemente melhora a competitividade
institucional.
C3 [...] decisões adequadas para o A importância dessas informações está no
atingimento dos objetivos direcionamento das decisões adequadas para o
institucionais a partir de dados que atingimento dos objetivos institucionais a partir de
possibilitem a predição de dados que possibilitem a predição de cenários.
cenários.
C4 [...] são importantes para subsidiar relação as ameaças oriundas e maximizar as
o processo decisório dos gestores oportunidades, em sua maioria, do ambiente externo.
estratégicos da PMMG, em todas Se agregadas de valor, pode-se interpretá-las como
as áreas de resultados, fato portador de futuro e com isso, amenizar os seus
objetivando preparar a prováveis impactos. No ambiente operacional, o
organização em relação as correto seria o repasse de informações operacionais
ameaças oriundas e maximizar as para que os gestores operacionais possam empregar
oportunidades, em sua maioria, do de forma eficiente os recursos disponibilizados pelo
ambiente externo. [...] o repasse estado. A informação terá valor e agregará as
de informações operacionais para atividades desenvolvidas conforme o posicionamento
que os gestores operacionais dos gestores, ou seja, o gestor que está no nível
possam empregar de forma operacional tende a não dar significado a uma
eficiente os recursos informação estratégica, pois o seu ambiente de gestão
disponibilizados pelo estado. é diferente no que tange ao contexto de sua utilização.
[...]
Verifica-se que os participantes C2, C3 e C4 vincularam a importância das

informações ao processo decisório dos gestores, seja na gestão operacional, seja na
estratégica. Sobressai a importância que foi dada pelos participantes C1, C2 e C4 ao
127
uso dessas informações como subsídio para realização de predições e antecipações

pelos gestores. Essa interpretação dos participantes vai ao encontro de Goldschmidt
e Passos (2005), que apresentam a predição como um dos resultados possíveis
com a aplicação de tecnologias e métodos na área de descoberta de conhecimentos
em bancos de dados.
Nesse mesmo sentido, as respostas corroboram a relevância dada por
Agrawal, Gans e Goldfarb (2018), os quais afirmam que, na tomada de decisão, as
predições estão nas informações; logo, melhor predição significa melhor informação,
o que se traduz em melhor tomada de decisão.
Considerada a proposição da PMMG (2019a) em priorizar soluções

tecnológicas de IA, mineração de dados, análise de imagem, entre outras, e a
particularidade que cada uma dessas tecnologias possui na produção dos dados
que serão traduzidos em informações estratégicas, a presente questão visa
identificar a necessidade de produção de informações estratégicas e operacionais
de segurança pública para os gestores da Corporação.
(continua)
Questão nº 3 - Atualmente, quais são as lacunas de informações estratégicas na PMMG?
C1 Dificuldade de identificar as - Dificuldade de identificar as necessidades de
necessidades de informações e informações e interpretar o fluxo de dados.
interpretar o fluxo de dados. - Falta de feedback para identificar e corrigir os
Falta de feedback [...] desvios nos resultados encontrados.
Analisar os dados de forma - Analisar os dados de forma sistematizada visando
sistematizada [...] aumentar a efetividade das ações da PMMG.
C2 [...] Há muitas informações Há lacunas de conhecimentos e não de informação.
dispersas [...] Há muitas informações dispersas que precisam ser
reunidas para cobrir essa lacuna. É possível
sistematiza-las com o uso de tecnologias específicas.
C3 [...] falta de interação de plataformas A falta de interação de plataformas de dados
de dados interinstitucionais [...] interinstitucionais de interesse da inteligência de
polícia militar.
C4 [...] necessário realizar um Essa resposta ficará prejudicada pois para se obter
levantamento de todas as essas lacunas, entendo ser necessário realizar um
informações estratégicas existentes levantamento de todas as informações estratégicas
[...] após esse levantamento, existentes na organização e em todas as áreas de
teríamos como comparar a resultados. Creio eu que, após esse levantamento,
128
Questão nº 3 - Atualmente, quais são as lacunas de informações estratégicas na PMMG?

informações existentes nos bancos teríamos como comparar a informações existentes nos
de dados e blocos informacionais bancos de dados e blocos informacionais com as que
com as que são necessárias [...] são necessárias de acordo com a necessidade de
conhecer dos gestores estratégicos, dentro dos
parâmetros estabelecidos na gestão da informação.
Embora, a resposta do participante C4 tenha sido “prejudicada”, verifica-

se que os demais participantes consideram a análise de forma sistematizada (C1), a
dispersão das informações (C2) e a falta de interação entre plataformas de dados
(C3) como lacunas nas informações. Sobressai a argumentação do participante C2,
o qual afirma que a Instituição não possui lacunas de informações, mas sim de
conhecimento. Nesse sentido, ao considerar que, para Minas Gerais (2019b), as
informações são os dados analisados e interpretados, conforme também é
apresentado na hierarquia entre dados, informação e conhecimento de Goldschmidt
e Passos (2005), verifica-se que tanto a afirmação do participante C2, quanto dos
demais, aponta que a Instituição possui muitos dados que não estão sendo a
analisados e interpretados.
Durante levantamentos realizados na DTS, foi verificado que, atualmente,
a PMMG possui mais de 130 sistemas informatizados em uso aplicados nas áreas
institucionais. Também foi verificado que esses sistemas possuem uma intensa
relação de dependência de informações. A Figura 17 foi disponibilizada pela DTS e
apresenta o mapeamento dessa dependência, que, como se vê, se centraliza na
Intranetpm, principal eixo do mapa.
129
Figura 17 – Mapa das dependências de informações entre sistemas informatizados

da PMMG
Fonte: Elaborado pelo autor a partir dos dados coletados na DTS.
Visto o grande volume de sistemas e suas dependências de

informações nas diversas áreas institucionais, verifica-se que as afirmações dos
participantes quanto à dispersão e ausência de sistematização das informações
expressam uma constatação, e não uma opinião dos gestores.
Conforme foi explorado na seção 2, a grande variedade e volume de
dados em organizações exige métodos e ferramentas tecnológicas específicas para
um processamento analítico, conceito elementar dentro do uso de tecnologias de big
data.
Essa constatação vai ao encontro das assertivas de Davenport (2017),
quando este esclarece que, embora o grande volume de dados seja o que mais
impressiona e, ao mesmo tempo, exige grande empreendimento para capturá-los,
armazená-los e manipulá-los, o mais importante está nas suas análises para
convertê-los em conhecimento, inovação e valor. Isso corrobora a resposta do
participante C1 na sua compreensão das análises como fator de aumento da
efetividade das ações institucionais.
As respostas dos participantes externam que os gestores precisam de
informações nas suas tomadas de decisões e compreendem que há informações
130
que não estão sendo aproveitadas devido à dispersão e falta de sistematização, de

forma que pode se inferir pela resposta do participante C1 que há uma perda de
efetividade em curso. Conforme é visto na seção 2, considerando a ótica
empresarial apresentada por Davenport (2017), pode-se inferir que as respostas dos
participantes apresentam a necessidade de dados para uma análise no conceito
atual de Analytics em big data.
A presente questão visa identificar a necessidade de produção de

informações estratégicas e operacionais de segurança pública para os gestores da
Corporação.
Questão nº 4 - Como a PMMG espera que essas informações sejam aproveitadas pelos
gestores da corporação?
C1 Espera-se que as Espera-se que as informações sejam utilizadas no processo
informações sejam utilizadas decisório, especialmente para melhorar as estratégicas de
no processo decisório [...] enfrentamento do crime, medo do crime e desordem pública.
C2 A PMMG espera que essas A PMMG espera que essas informações sejam inseridas
informações sejam inseridas com cientificidade no processo de decisão, para que haja a
com cientificidade no quebra do paradigma da saída do tirocínio para o uso das
processo de decisão [...] técnicas do processo decisório. A metodologia empregada
corretamente possibilita que o gestor erre menos. Por mais
que possamos falar em predição, nós vamos errar, mas errar
menos é um ganho de competitividade.
Corroborando as respostas obtidas nas questões 1, 2 e 3, os participantes

foram unânimes em afirmar que o uso dessas informações deve ser realizado pelos
gestores da Corporação durante o processo decisório.
Sobressai a argumentação do participante C1, quanto ao aproveitamento
dessas informações no processo decisório voltado ao enfrentamento do crime, que
se situa no cumprimento da missão constitucional. A partir dessa consideração, é
aberto o leque de possibilidades de uso das informações nas decisões sobre o
emprego operacional.
131
Também sobressai a argumentação do participante C2, que expõe a

necessidade do aproveitamento das informações no processo decisório com um
valor científico que sobrepõe o paradigma das decisões baseadas em tirocínios.
Essa argumentação remete ao conceito da racionalidade limitada proposta por
Simon (1955) e, ao mesmo tempo, às soluções de Simon (1996) sobre o uso da IA
para superar a irracionalidade das decisões humanas no processo decisório.
Considerando que Minas Gerais (2019a) estabelece a implantação de

novas tecnologias para criar processos mais rápidos, autônomos e eficientes,
capazes de otimizar os recursos disponíveis, a presente questão visa identificar a
necessidade de produção de informações estratégicas e operacionais de segurança
pública para os gestores da Corporação.
Questão nº 5 - Como a PMMG espera que as informações sejam disponibilizadas aos
gestores dos diversos níveis da corporação?
C1 [...] por meio de softwares Espera-se que as informações cheguem aos gestores
específicos [...] e principalmente através dos meios oficiais, especialmente por meio de
com rapidez [...] softwares específicos, para atenuar os ruídos de
informação; manter o sigilo e discrição fonte; e
principalmente com rapidez.
C2 [...] espera-se que haja Hoje espera-se que haja acessibilidade e mobilidade a
acessibilidade e mobilidade a tempo e a hora na mão do gestor, o processo decisório
tempo e a hora na mão do gestor, tem que ser muito ágil. O acesso rápido e ao seu tempo
o processo decisório tem que ser é o caminho mais acertado para a tomada de decisão,
muito ágil [...] como se vê nas ferramentas disponíveis no QAPP.
Verifica-se nas respostas que os participantes são unânimes em afirmar

que essas informações devem ser disponibilizadas por meio de sistemas
informatizados institucionais que viabilizem o acesso a elas em qualquer tempo e
hora, com sugestão da mobilidade já utilizada no aplicativo QApp (C2). Assim,
verifica-se que essas características de acessibilidade e fluxo contínuo são típicos
do conceito de ferramentas de big data, conforme tratado na seção 2.
132
Assim como sugerido por Davenport (2017), tomar decisões usando a big
data não acarreta apenas na implementação de novas tecnologias, mas na forma
como uma instituição enxerga e analisa os dados que subsidiam as ações que vão
gerar seu produto. Dessa forma, pensar como os usuários vão operar e decidir com
as informações é fundamental, principalmente, porque muitas pessoas preferem
adotar critérios menos racionais durante suas escolhas no processo decisório
Considerando que Minas Gerais (2019a) propõe a aquisição de

ferramentas de análise e busca eletrônica em bancos para processar grandes
volumes de dados com soluções capazes de obter a integração e análise de dados
que permitam acesso e controle das informações geradas, para que a análise em
segurança pública seja viável e esteja ao alcance dos analistas, a presente questão
visa identificar a necessidade de produção de informações estratégicas e
operacionais de segurança pública para os gestores da Corporação.
Questão nº 6 - Quais são as dificuldades na produção de informações estratégicas para o
emprego operacional?
C1 Produção de informações claras e Produção de informações claras e objetivas; de fácil
objetivas [...] compreensão para os militares que se encontram na
execução da atividade operacional.
C2 A dificuldade está na dispersão A dificuldade está na dispersão dos dados e
dos dados e informações. Há informações. Há muitas informações não sistematizadas
muitas informações não e não categorizadas, muitas delas em sistemas
sistematizadas e não totalmente distintos e que não se comunicam.
categorizadas [...]
C3 [...] falta de interação dos A dificuldade está na falta de interação dos
componentes analíticos das componentes analíticos das plataformas de dados
plataformas de dados interinstitucionais (as lacunas), que impossibilitam a
interinstitucionais [...] automatização de partes do processo de produção do
conhecimento.
C4 [...] não há dificuldades na Acredito que não há dificuldades na produção de
produção de informações informações estratégicas, pois o monitoramento
estratégicas, pois o ambiental e as suas repercussões na organização
monitoramento ambiental e as ocorrem dentro de processos já sistematizados e
suas repercussões na organização eficientes. Como já dito, na questão nº 2 a informação
ocorrem dentro de processos já estratégica servirá de insumo para o processo decisório
sistematizados e eficientes. [...] do nível estratégico e em menor monta para o gestor
operacional.
133
Embora o participante C4 acredite que não há dificuldade na produção de

informações estratégicas para o emprego operacional, verifica-se que os demais
participantes apontaram dificuldades na produção de informações claras e objetivas
(C1), na ausência de sistematização e categorização das informações (C2) e falta de
interação entre os componentes analíticos das plataformas institucionais. Verifica-se
que, assim como nas respostas das questões anteriores, os participantes apontam a
dispersão dos dados e as formas de acesso como dificuldades no processo de
produção das informações.
Conforme abordado na seção 2, Goldschmidt e Passos (2005) elencam a
atividade de enriquecimento de dados como uma das partes da mineração dos
dados, ou seja, da descoberta dos dados. Diante da complexidade dos volumes e
quantidade de dados, Goldschmidt e Passos (2005) apontam o uso da IA para
superar essas dificuldades.
Davenport (2018) expõe que as empresas geralmente têm muitas fontes
diferentes de dados importantes, seja pela variedade de negócios, seja pelas filiais
independentes, com bancos de dados estruturados e desenvolvidos com tecnologias
distintas. Como se viu na análise das respostas da questão nº 3, a dispersão é uma
constatação na Instituição, que decorre de vasto portfólio de sistemas aplicados às
áreas institucionais. Conforme proposto por Davenport (2018), a solução para esse
problema é investir da gestão dos dados; porém, ele salienta que muitas empresas
desistem diante da complexidade das soluções.
Verifica-se que C1 aponta a falta de clareza e objetividade das
informações, que, na verdade, são atributos sobre a qualidade das informações que
decorrem da qualidade dos dados, o que corrobora Davenport (2018) quanto ao
diagnóstico que muitas empresas possuem problemas substanciais na qualidade
dos dados, seja pela sua estrutura, seja pela ausência de tecnologia suficiente para
corrigi-los no momento da inserção nos sistemas pelos funcionários.
Portanto, verifica-se que as dificuldades se vinculam ao acesso e à
qualidade dos dados necessários à produção das informações.
134
Considerando que Minas Gerais (2019a) propõe a aquisição e o

desenvolvimento de sistemas informatizados baseados em IA voltados à prevenção
e combate ao crime, a presente questão visa identificar benefícios da implantação
de novas soluções tecnológicas baseadas em IA na segurança pública.
Questão nº 7 – Quais são as expectativas de benefícios para o emprego operacional com a
produção de informações estratégicas com o uso de soluções tecnológicas baseadas em
IA?
C1 Automatização e melhorias na - Automatização e melhorias na tomada de decisão.
tomada de decisão [...] - Melhorar os processos de comunicação operacional,
coordenação, controle e comando.
C2 [...] possibilitar decisões mais A expectativa é de possibilitar decisões mais acertadas,
acertadas, mais dinâmicas e que mais dinâmicas e que suportem mais rapidamente a
suportem mais rapidamente a mudança de direção da estratégia operacional diante do
mudança de direção [...] cenário atual, devido ao conteúdo de informações mais
robusto que proporciona, ao contrário do modelo
tradicional de análise de dados.
Verifica-se que os participantes foram unânimes em apontar a expectativa

de melhoria na tomada de decisões com o uso IA.
Sobressai a expectativa quanto à automatização de decisões,
apresentada pelo participante C1. Essa expectativa remete a uma aplicação
complexa da IA, denominada “Aprendizado de Máquina”. A complexidade está na
simulação da inteligência humana e aplicação da racionalidade nas escolhas das
alternativas que permeiam a tomada de decisões. Sua implementação pode ser até
mesmo um problema para a instituição. Segundo Davenport (2018), a organização
que se põe a implementar soluções de ML deve ter como óbvio que dados bons e
abundantes é uma condição prévia para a implantação eficaz de tecnologias
cognitivas.
Além desse ponto, essa expectativa vincula-se à resposta do participante
C2, que expõe a expectativa subsidiar decisões mais acertadas, logo, mais racionais
diante da análise de variáveis, conforme proposto por Simon (1996).
135
Também sobressai a expectativa quanto à robustez e fluidez, também

apresentada pelo participante C2. Essa robustez e a fluidez dos dados são
características elementares às tecnologias de big data, expostas na seção 2, tais
como, plataformas de análise, mineração de dados e até mesmo sensores de IoT
capazes de fornecerem dados de dispositivos remotos a qualquer hora, tempo e
lugar. Contudo, conforme exposto por Davenport (2018), a grande gama de dados e
bancos distintos exige, preliminarmente, em investimento no gerenciamento de
dados.
Quanto à expectativa de aproveitamento das informações para mudança
da direção das estratégias operacionais, verifica-se que se refere ao resultado final
do processo de produção das informações e conhecimentos. Contudo, o êxito do
processo remete novamente à qualidade dos dados que caracterizam as variáveis
utilizadas para balizar a tomada de decisões racional do gestor no emprego
operacional. Essas variáveis estão objetivadas como fatores intervenientes
classificados como determinantes, intervenientes e componentes (MINAS GERAIS,
2019b). O uso da IA e big data pode aperfeiçoar a correlação dessas variáveis.

desenvolvimento de sistemas informatizados baseados em IA voltados à coleta e
análise de dados, a presente questão visa identificar benefícios da implantação de
novas soluções tecnológicas baseadas em IA na segurança pública.
(continua)
Questão nº 8 - Quais são as expectativas de benefícios para a produção de informações
estratégicas através da utilização de soluções baseadas em IA?
C1 [...] utilizar softwares e pessoas A grande expectativa é utilizar softwares e pessoas
capacitadas para garimpar dados; capacitadas para garimpar dados; gerar
gerar informações para a Inteligência informações para a Inteligência de Segurança
de Segurança Pública (ISP) [...] Pública (ISP); utilizar estes dados para aumentar a
aumentar a efetividade do emprego efetividade do emprego operacional dos recursos
operacional dos recursos da PMMG. da PMMG.
C2 Ganho de produtividade, melhoria da Ganho de produtividade, melhoria da performance
performance [...] melhor emprego dos organizacional e melhor empego dos recursos
136
Questão nº 8 - Quais são as expectativas de benefícios para a produção de informações

estratégicas através da utilização de soluções baseadas em IA?
recursos humanos e logísticos. humanos e logísticos.
C3 [...] superar as lacunas de interação de A expectativa de benefício é superar as lacunas de
sistemas dados interinstitucionais [...] interação de sistemas dados interinstitucionais
efetivando a combinação da base de dados úteis,
potencializando as fases de reunião e análise da
produção do conhecimento.
C4 Compartilhamento de informações [...] - Compartilhamento de informações com todos os
Potencialização das análises integrantes do SIPOM; - Potencialização das
realizadas de um grande volume análises realizadas de um grande volume
informacional [...] coleta de dados e/ou informacional; - Capacidade de coleta de dados
informações de forma mais rápida e e/ou informações de forma mais rápida e objetiva; -
objetiva. [...] subsidiar os Potencialização das ações para fins de subsidiar os
planejamentos de ações do planejamentos de ações do policiamento ostensivo;
policiamento ostensivo. - Potencialização da capacidade operativa e
Potencialização da capacidade analítica dos profissionais de inteligência; - Fluxo
operativa e analítica [...] Fluxo imediato imediato das informações para os gestores nos
das informações para os gestores [...] diversos níveis de assessoramento.
C5 [...] de uma forma geral, a adoção de As expectativas de benefícios são construídas
recursos de IA visa sempre a obtenção durante um processo de resolução do problema em
de informações qualificadas e questão. Nesse processo, visualizamos um
tempestivas que não seriam obtidas, problema e definimos soluções que podem gerar
ou o seriam com muito esforço benefícios específicos. Em um mundo ideal, esses
humano, se a análise fosse feita por benefícios então são metrificados para sabermos
pessoas. É necessário que trabalhe se atingimos o patamar desejado. Não há de se
com uma grande quantidade de dados, falar em expectativa de benefício de forma genérica
estruturados ou não, disponíveis não e a IA entra apenas como uma ferramenta
apenas em sistemas institucionais, acessória nesse processo. Além disso, as
mas em outros sistemas de órgãos expectativas de benefícios variam de acordo com a
públicos e redes sociais, entre outros. área de negócio (saúde, educação, operacional,
Espera-se para a atividade inteligência...) a ser atendida com a solução de IA.
operacional, que sejam Contudo, de uma forma geral, a adoção de
disponibilizadas informações preditivas recursos de IA visa sempre a obtenção de
de criminalidade utilizando informações qualificadas e tempestivas que não
correlacionamento entre suspeitos, seriam obtidas, ou o seriam com muito esforço
infratores, registros de ocorrências, humano, se a análise fosse feita por pessoas. É
dados estatísticos de incidência necessário que trabalhe com uma grande
criminal e geolocalização de recursos quantidade de dados, estruturados ou não,
policiais. Espera-se ainda que essas disponíveis não apenas em sistemas institucionais,
informações não fiquem restritas às mas em outros sistemas de órgãos públicos e
agências de inteligência, mas sejam redes sociais, entre outros. Espera-se para a
compartilhadas direta e atividade operacional, que sejam disponibilizadas
automaticamente com os policiais, informações preditivas de criminalidade utilizando
respeitados os devidos níveis de correlacionamento entre suspeitos, infratores,
controle de acesso. registros de ocorrências, dados estatísticos de
incidência criminal e geolocalização de recursos
policiais. Espera-se ainda que essas informações
não fiquem restritas às agências de inteligência,
mas sejam compartilhadas direta e
automaticamente com os policiais, respeitados os
devidos níveis de controle de acesso.
Verifica-se que os participantes apresentaram expectativas de melhoria

na efetividade do emprego operacional (C1), ganho de produtividade e melhoria da
137
performance (C2), interação de dados de sistemas interinstitucionais (C3),

compartilhamento de dados, coleta de dados de forma rápida, possibilidade de
potencializar a capacidade operacional e de análise (C4), acesso imediato e hábil
dos gestores aos dados (C4, C5), produção de informações preditivas de
criminalidade (C5).
Ao analisar as respostas dos participantes C1 e C2, verifica-se que
apresentaram expectativas quanto ao resultado favorável em avaliações de
atividades da Instituição. Contudo, para que esse ganho de produtividade e
performance se materialize com o uso de IA, será necessário, antes de qualquer
passo, a definição do problema que se pretende solucionar com as soluções
tecnológicas. Conforme Goldschmidt e Passos (2005), a definição do problema é a
primeira fase da aplicação do conhecimento. Como visto na seção 2, a IA é a
aplicação de regras sobre conhecimentos, traduzidos em padrões.
Este é um ponto de extrema relevância, pois a aplicação de IA não se dá
de forma genérica, mas aplicada a algum campo do conhecimento. Definir o
problema real é essencial para definir a solução científica adequada. Conforme
exposto por Davenport (2018), algumas empresas tiveram projetos falhos, porque
tanto as tecnologias, quanto as organizações não estavam prontas. Por isso, é
elementar que as empresas experimentarem a tecnologia e criem experiências
suficientes para usá-las efetivamente. Cabe salientar que, para o autor, terão
sucesso as empresas que realizarem uma boa combinação entre seus problemas de
negócios e as capacidades de IA, com uma visão de longo prazo.
Os participantes C3 e C4 apresentaram expectativas baseadas na
necessidade de acesso e qualidade dos dados. Suas expectativas exprimem as
necessidades das informações para a tomada de decisão além da análise
tradicional, mas no conceito de variedade, volume e velocidade contidos em big
data, conforme já constatado nas respostas anteriores.
Ao analisar a resposta do participante C5, verifica-se que apresentou uma
expectativa específica, menos generalizada em comparação aos demais. Esse
participante registrou a expectativa de uso da IA na produção de informações
preditivas da criminalidade.
Esta é outra aplicação da IA que realiza uma atividade lógica comum.
Conforme apresentado para Agrawal, Gans e Goldfarb (2018), a predição é um
138
insumo fundamental que está em toda parte, nas empresas e nas vidas pessoais.
Segundo os autores, muitas vezes, as predições estão escondidas como
informações na tomada de decisão; logo, melhor predição significa melhor
informação, que se traduz em melhor tomada de decisão (AGRAWAL; GANS;
GOLDFARB, 2018). Contudo, construir algoritmos que fazem previsões é uma tarefa
complexa, que deve ser modelada ao campo de conhecimento do problema que se
propõe solucionar.
Conforme visto na seção 3, tentar prever onde, como e quem cometerá
um crime já é matéria de estudos há longas datas. Perry (2013), ao realizar
pesquisas em agências de polícia nos Estados Unidos, afirma que as polícias já
utilizam várias ferramentas que sugerem tendências de eclosão de delitos, como
mapas de calor e outros modelos de apresentação de séries históricas.
Porém, a predição com IA vai além do simples georreferenciamento de
uma série histórica. Conforme foi abordado na seção 2, há técnicas estatísticas
específicas nesse campo que, inclusive, estão sendo utilizadas para ensinar as
máquinas (Machine Learning) como fazer previsões por meio da IA.
As dificuldades de produzir um modelo de algoritmo preditivo da
criminalidade decorre das escolhas das variáveis que serão utilizadas. No caso do
emprego operacional, a DGEOp já apresenta essas variáveis determinantes,
condicionantes e componentes. Dentre elas, está a incidência do delito que se
propõe a prevenir.
Embora seja uma tarefa que exigirá o uso de mão de obra especializada
em Estatística, Matemática, Sociologia, Ciências Militares, entre outras, é possível
construir modelos de predições da criminalidade. No entanto, é oportuno considerar
que cada modalidade criminosa pode acarretar em análises de variáveis distintas, e
há várias interpretações científicas para esse fenômeno. Como foi visto na seção 3,
diante da controvérsia entre as teorias de Ken Pease e Tim Hope (PERRY, 2013),
há teorias que propõem a prevenção por meio da interferência no ambiente e
indivíduos, mas há teorias que apresentam soluções baseadas em intervenções de
caráter social. Caberá à equipe desenvolvedora do modelo de predição avaliar qual
caminho científico é mais efetivo na predição.
139
Considerando que Minas Gerais (2019a) apresenta a pretensão de uso de

sistemas informatizados baseados em IA na área operacional da Instituição, a
presente questão visa identificar benefícios da implantação de novas soluções
tecnológicas baseadas em IA na segurança pública.
Quadro 49 – Análise das respostas da questão nº 9 aplicada aos gestores dos níveis
Questão nº 9 - Quais são as expectativas de benefícios no emprego operacional através da
utilização de soluções com IA?
C1 - Melhor gestão dos recursos - Melhor gestão dos recursos operacionais
operacionais empregados. empregados.
- Otimização dos resultados. - Otimização dos resultados.
- Redução do nível de risco. - Redução do nível de risco.
C2 [...] ganho de produtividade devido ao O militar na ponta da linha terá ganho de
acesso de informações que produtividade devido ao acesso de informações que
realmente são relevantes [...] realmente são relevantes para a sua atuação dentro
do ambiente operacional, sem desperdício de
esforços e tempo.
Diante das respostas, verifica-se que os participantes apresentam

expectativas mais genéricas de ganho de produtividade e otimização dos resultados
do emprego operacional, por meio do acesso às informações relevantes para a
execução da atividade operacional.
Em uma ótica mais específica, o participante C1 apresenta a expectativa
de melhor gestão no emprego dos recursos operacionais, que se baseia na
expectativa de eliminação de desperdício de esforços e tempo, conforme
apresentado pelo participante C2. Nesse mesmo sentido, o participante C1
apresenta a expectativa de diminuição do nível de risco do emprego operacional.
Essas expectativas específicas apontam para o uso de aplicações de IA
voltadas ao suporte do policial que executa a atividade operacional. Considerando
que a Instituição possui capilaridade em nível estadual, a difusão dessas
informações exigem tecnologias que vão além do processamento inteligente que a
IA proporciona, mas uma estrutura de dispositivos e sensores inteligentes que vai
140
possibilitar o cruzamento dos dados do recurso policial com dados inseridos em

chamadas de emergências.
Como foi visto na seção 2, dentro do conceito de aproveitamento de
dados vindos de objetos inteligentes (smarts), ou seja, objetos que possuem
capacidade própria de processamento e envio de dados, a IA abre um campo de
possibilidades incalculáveis de cruzamentos desses dados. As soluções destinadas
à IA, dentro dos conceitos de IoT e big data, possibilitam acessos a dados e
absorção de informações em tempo real oriundas dos dispositivos e de bancos de
dados. Essa reunião de dados possibilita apresentar informações sobre a vida
pregressa da vítima, do possível autor, ocorrências já registradas naquele local,
triangular a localização da vítima, autor e equipe policial, entre outras, e a
apresentação de hipóteses prováveis do que o policial pode encontrar durante o
atendimento de uma ocorrência. Este é um exemplo de gestão do recurso
empregado e atenuação das possibilidades de riscos de confrontos no atendimento
de ocorrências.
É importante ponderar que, conforme apresentado na seção 2, o grande
volume de dados em lote ou fluxo contínuo, oriundos dos dispositivos e sensores,
acaba por gerar o problema da capacidade de processamento. Nesse ponto, é
imprescindível que, conforme as assertivas de Davenport (2018), para trabalhar com
IA na exploração dos dados se tenha uma estrutura de gerenciamento que viabilize
a integração e qualidade desses dados, que são o elemento fundamental para a
aplicação da IA.

ferramentas que permitirão potencializar a atuação do Sistema de Inteligência da
Polícia Militar, a presente questão visa identificar soluções que possam subsidiar
ações dos profissionais do SIPOM.
141
Questão nº 10 - Quais tipos de soluções tecnológicas a PMMG possui que são capazes
subsidiar ações dos seus profissionais no emprego operacional?
Nº Resposta
C1 Aplicativos como o QAPP e Smart190;
Sistema de videomonitoramento;
Sistema de Drones conectados ao videomonitoramento (OLHO VIVO);
Sistema integrado de câmeras inteligentes com sensores para identificar placas de veículos
suspeitos ou com irregularidades administrativas (OCR);
entre outros a serem desenvolvidos pela Diretoria de Tecnologia e Sistemas.
C2 QAPP, SIGOp e todos os seus dispositivos de pesquisa. Também há o SIGEF que auxilia
sobremaneira os gestores. Outro tipo de solução é o próprio Sistema REDS, que se traduz
em um gigantesco banco de dados.
Verifica-se que os participantes apresentam sete sistemas que

atualmente são utilizados para auxiliar o policial empregado na atividade
operacional. Excetuando os sistemas de videomonitoramento, com ou sem a
tecnologia de leitura de caracteres em objetos (OCR), e o Smart 190, os demais
possuem características analíticas tradicionais, ou seja, destinada a apresentar
relatórios de dados sem um processamento inteligente que simule a inteligência
humana.
Sobressai que o efetivo empregado na atividade já consome um produto
de uma aplicação da IA por meio do sistema de videomonitoramento com câmeras
inteligentes, denominado “Sistema Hélios”. Nesse sistema, a leitura de caracteres de
placas somente é possível devido ao processamento das imagens por um algoritmo
de IA.
Também se destaca o aplicativo “QApp”, que possibilita o acesso de
qualquer policial militar, com conectividade à internet, acessar os resultados e
receber notificações do “Sistema Hélios”.
Um aspecto de relevância no “QApp” é a integração de acessos à
aplicações de consultas a bancos de dados com informações úteis sobre indivíduos
e veículos.
Verifica-se que, dentro do universo de mais de 130 sistemas institucionais
informatizados, apenas sete foram identificados pelos participantes como capazes
de subsidiar ações no emprego operacional e, dentre estes, apenas um faz uso de
inteligência artificial. Sobressai ainda que, de acordo com os levantamentos
142
realizados na DTS, o uso da IA nesse sistema é realizado fora dos servidores da

Instituição. A parte de processamento pela Instituição é destinada à consulta de
impedimentos vinculados à placa, enquanto a aplicação do algoritmo de OCR, em
regra, é realizada previamente em servidores das empresas responsáveis pelo
gerenciamento das imagens das câmeras.
Portanto, verifica-se que aplicações voltadas a ofertar produtos como
informações estratégicas ao policial em atividade na ponta da linha ainda são
inovadoras na Instituição.

ferramentas de análise e busca eletrônica em bancos para processar grandes
volumes de dados com soluções capazes de obter a integração e análise de dados
que permitam acesso e controle das informações geradas, a presente questão visa
identificar soluções que possam subsidiar ações dos profissionais do SIPOM.
Questão nº 11 - Como a PMMG espera que essas informações sejam disponibilizadas e
aproveitadas pelos gestores da corporação?
C3 Através de aplicações [...] Através de aplicações que permitam critérios seletivos
dessas informações conforme a demanda de cada
gestor.
C4 [...] de forma oportuna e As informações estratégicas devem ser resultantes de
sistematizada, de tal sorte que uma coleta efetiva, analisada e interpretada através de
contenha indicativos que profissionais especializados e, consequentemente,
corroborem na decisão dos disponibilizadas (difundida) de forma oportuna e
gestores quanto a ameaças e sistematizada, de tal sorte que contenha indicativos que
oportunidades em relação ao corroborem na decisão dos gestores quanto a ameaças
ambiente externo e, ainda, e oportunidades em relação ao ambiente externo e,
concernente às vulnerabilidades e ainda, concernente às vulnerabilidades e forças, face ao
forças, face ao ambiente interno. ambiente interno. Tudo com possíveis projeções
Tudo com possíveis projeções voltadas para o futuro de acordo com os níveis de
voltadas para o futuro [...] gestão no ambiente estratégico, tático e operacional.
Verifica-se que o participante C1 afirma que essas informações devem

ser disponibilizadas em aplicações que permitam aos gestores a seleção daquelas
143
que lhes são úteis, o que, dentro os conceitos de IA e big data, sugere uma
plataforma analítica para assessoria na tomada de decisão.
Tais respostas sugerem, preliminarmente, uma estrutura de
gerenciamento que viabilizem a apresentação desses dados em uma plataforma
intuitiva aos usuários.

análise de dados para prevenção e combate ao crime, a presente questão visa
mapear a utilização de IA na Corporação e aplicação na inteligência de segurança
pública.
(continua)
Questão nº 12 - A PMMG possui soluções baseadas em IA aplicadas à Inteligência de
Segurança Pública?
C3 [...] A 9ª RPM está sendo A 9ª RPM desenvolveu um sistema de reconhecimento
utilizado um algoritmo de facial com uso de um algoritmo de IA. Foi feito um desenho
reconhecimento facial. [...] de uma solução de ponta a ponta para o problema de
Neste caso específico, eles têm reconhecimento facial. Essa solução foi realizada uma
utilizado as câmeras do Olho parceria com uma empresa privada especializada. Trata-se
Vivo, que transmitem um frame de uma atividade muito especializada, que carece de
por segundo para os servidores conhecimento de algoritmos matemáticos e estatísticos, o
que estão nas dependências da que vai muito além da produção de um programa de
Polícia Militar. Essa imagem é computador, é algo muito mais arrojado. Neste caso
analisada pelo sistema, e após específico, eles têm utilizado as câmeras do Olho Vivo, que
a identificação desse cidadão transmitem um frame por segundo para os servidores que
essa informação é repassada estão nas dependências da Polícia Militar. Essa imagem é
aos militares de serviço nas analisada pelo sistema, e após a identificação desse
proximidades local para que se cidadão essa informação é repassada aos militares de
proceda a abordagem ou prisão serviço nas proximidades local para que se proceda a
dessa pessoa. [...] Outra abordagem ou prisão dessa pessoa. Essa solução foi
aplicação de IA utilizada pelo pensada de ponto a ponto, para a realidade local, por isso
SIPOM é o reconhecimento está em funcionamento e tem apresentado resultados. O
facial do Sistema Integrado de desenvolvimento do sistema foi realizado considerando as
Gestão Prisional (Sigpri). Como necessidades e adequabilidade em toda a estrutura de
se trata de um sistema sob hardware e software, desde a captura da imagem até a
gestão de outra instituição do difusão para a tropa. Mas essa é apenas uma aplicação da
Estado, as permissões de IA. Atualmente a DINT está desenvolvendo o projeto de um
acesso são concedidas sistema de identificação de relacionamento de indivíduos
mediante convênio. em rede. Nesse sistema a IA atuará na identificação dos
vínculos entre os indivíduos. Outra aplicação de IA utilizada
144
Questão nº 12 - A PMMG possui soluções baseadas em IA aplicadas à Inteligência de

Segurança Pública?
pelo SIPOM é o reconhecimento facial do Sistema
Integrado de Gestão Prisional (Sigpri). Como se trata de um
sistema sob gestão de outra instituição do Estado, as
permissões de acesso são concedidas mediante convênio.
C4 [...] ainda não foi apresentado à Prejudicado, pois questões afetas a IA estão sendo
PM2 nenhum projeto dessa desenvolvidas pela Diretoria de Tecnologia e Sistemas e
natureza. pela Diretoria de Inteligência, ocasião em que ainda não foi
apresentado à PM2 nenhum projeto dessa natureza.
Embora o posicionamento no nível organizacional não tenha sido

favorável ao participante C4, o participante C3 apresentou duas aplicações de IA
promissoras em nível institucional.
Uma das aplicações de IA citada pelo participante C3 está sendo
desenvolvida na 9ª RPM, na cidade de Uberlândia, em parceria com uma empresa
privada especializada em IA. A aplicação é voltada ao reconhecimento facial de
indivíduos, com foco na identificação de autores delitos e verificação de pessoas
com mandados de prisão em aberto.
A outra aplicação, ainda em desenvolvimento, visa criar redes de vínculos
entre indivíduos por meio de diversas pesquisas em diversos bancos de dados. É
uma aplicação complexa, devido à necessidade de gerenciamento de diversos
bancos de dados, bem como a aplicação de soluções específicas de tratamento na
qualidade dos dados.
Por último, o participante C3 apresentou uma aplicação de IA em
reconhecimento facial contida no Sistema Integrado de Gestão Prisional (Sigpri) e
que está disponível ao SIPOM mediante convênio.
Verifica-se que, embora Minas Gerais (2019b) estabeleça a ISP como
elemento fundamental do emprego operacional, especificamente no assessoramento
com informações estratégicas, apenas dois sistemas atualmente estão possibilitando
avanço nas tecnologias cognitivas para cumprimento dessa atribuição, sem
mencionar que ainda estão em desenvolvimento.
145

análise de dados para prevenção e combate ao crime, a presente questão visa
mapear a utilização de IA na Corporação e aplicação na inteligência de segurança
pública.
Questão nº 13 - Quais Sistemas aplicados à Inteligência de Segurança Pública a PMMG

possui?
C3 A Instituição tem a Rede SIPOM [...] A Instituição tem a Rede SIPOM, de uso restrito
aos integrantes do SIPOM. Dentro deste
Sistema de Anúncios, destinado aos sistema há outros sistemas, como o Sistema de
anúncios de homicídios [...] Anúncios, destinado aos anúncios de
homicídios, o Sistema de uso de Viaturas do
Sistema de uso de Viaturas do SIPOM e o Repositório de Dados de Inteligência
SIPOM [...] (RDI), que possui a funcionalidade de
estabelecimento de vínculos entre indivíduos.
Repositório de Dados de Inteligência Também utilizamos o módulo de integração de
(RDI) [...] Bancos de Dados no Sistema Guardião, ele
integra os bancos de dados do REDS e o do
Módulo de integração de Bancos de SIGPRI.
Dados no Sistema Guardião, ele
integra os bancos de dados do REDS
e o do SIGPRI.
C4 REDE-SIPOM [...] REDE-SIPOM, conforme descrito na Resolução
n. 4749, de 08 de novembro de 2018.
Verifica-se que o referencial de sistema informatizado dedicado ao

SIPOM é a Rede-SIPOM, que se trata de um portal de inteligência em que os
integrantes do SIPOM acessam diversos sistemas aplicados à gestão, seja de
informações voltadas à ISP, seja de rotinas administrativas.
Desses sistemas internos da Rede-SIPOM, sobressai o “Repositório de
Dados de Inteligência” (RDI), que possibilita a criação de vínculos entre indivíduos
com base nos dados que os usuários inserem.
Outro sistema utilizado é o “Guardião”, que é de natureza privada,
desenvolvido pela empresa brasileira de tecnologia Dígitro. Conforme exposto na
146
resposta, o SIPOM utiliza um dos módulos desse sistema, que é destinado à

integração de dados do Sistema REDS e SIGPRI.
Portanto, assim como nos sistemas voltados a apoio aos militares
empregados na atividade operacional, os sistemas utilizados pelo SIPOM
apresentam características tradicionais nas análises dos dados.
Considerando que Minas Gerais (2019a) propõe a identificação e

priorização de soluções tecnológicas (IA, mineração de dados, análise de imagem,
entre outras) para o aperfeiçoamento da gestão do conhecimento e da informação
voltada à prevenção e combate ao crime, a presente questão visa avaliar a estrutura
do SIPOM para recepcionar as soluções tecnológicas que utilizam IA.
(continua)
Questão nº 14 - A atual estrutura do SIPOM comporta a aplicação de soluções envolvendo
IA?
C3 [...] A estrutura de hardware não A estrutura de hardware não comporta. Ela
comporta. Ela carecerá de carecerá de investimentos em armazenamento,
investimentos em armazenamento, processamento, conexão. Já quanto a cultura
processamento, conexão. [...] quanto organizacional, será necessário um treinamento
a cultura organizacional, será específico para os recursos humanos que vão
necessário um treinamento operar essas tecnologias. Este pode ser o ponto
específico para os recursos humanos mais sensível na implantação de uma aplicação,
que vão operar essas tecnologias. pois sua solução não depende exclusivamente de
[...] A estrutura atual possui uma esforço financeiro como ocorre na
capacidade de desenvolver construção de uma infraestrutura. A confiança
aplicações com IA, mas não para dos usuários nas aplicações é a parte mais
desenvolver a IA sem apoio importante, pois se não acreditarem nelas e não
especializado. [...] forem utilizadas, essas. ferramentas se tornam
inúteis. Já no caso de desenvolver as próprias
tecnologias, é necessário desenvolver etapas de
uma roadmap específico, como a infraestrutura,
que pode ser adquirida. Contudo, há uma
diferença entre desenvolver a IA e desenvolver
aplicações que consomem serviços de IA. A
estrutura atual possui capacidade de desenvolver
aplicações com IA, mas não para desenvolver a
IA sem apoio especializado. Desenvolver a IA
exige a participação de profissionais
matemáticos, físicos, e de outras áreas para
produzir os algoritmos. Há muitos algoritmos já
construídos e disponíveis a custo muito inferior ao
147
Questão nº 14 - A atual estrutura do SIPOM comporta a aplicação de soluções envolvendo

IA?
seu desenvolvimento. A estrutura atual é capaz
de fazer todo o roadmap de uma aplicação,
porém, dependerá do grau de complexidade do
algoritmo de IA que se pretende modelar
C4 [...] necessita de uma análise técnica Prejudicado. Essa reposta necessita de uma
de TI em relação a capacidade análise técnica de TI em relação a capacidade
tecnológica existente no sistema. tecnológica existente no sistema.
Embora a resposta do participante C4 tenha sido prejudicada, o

participante C3 apresentou considerações relevantes que corroboram Davenport
(2018) quanto à condição elementar de estarem realmente prontas para implementar
IA.
Como se viu na seção 2, a pesquisa realizada por Davenport (2017),
aplicada a 250 gestores, apresentou resultados que externam as dificuldades de
implementação de IA no ambiente corporativo. Segundo Davenport (2017), dois em
cada cinco gestores afirmaram que as tecnologias e as pessoas para usá-las são
caras, e um terço dos entrevistados relatou que encontrou dificuldades para recrutar
talentos para essa área, além de classificarem as tecnologias como incipientes.
A reposta do participante C3 externou que a estrutura de hardware atual
do SIPOM não comporta aplicações de IA; por isso, carecerá de investimentos para
armazenamento de dados, processamento e conexão. Tal assertiva vai ao encontro
de Marr e Ward (2019), que colocam as tecnologias modernas em termos de
armazenamento e poder de processamento como os elementos fundamentais para a
implementação de soluções de IA.
O participante salienta que será necessário um treinamento específico
para os operadores das aplicações, uma vez que ele considera este um dos pontos
mais importantes da implementação de aplicação, já que, se não for utilizada por
profissionais capacitados, ela passa a ser inútil.
O último aspecto relevante da resposta está no reconhecimento sobre a
atual capacidade orgânica de desenvolvimento de aplicações com IA. O participante
demonstrou conhecimento sobre os passos necessários para o desenvolvimento de
aplicações com IA. Nesse sentido, expressou que a capacidade atual do SIPOM é
148
apenas aplicar os algoritmos de IA em soluções específicas, e não realizar o

desenvolvimento de algoritmos complexos que exigem equipes multidisciplinares, o
que, nesse caso, seria o desenvolvimento da IA propriamente dito.
As respostas apontam um estado racional da Instituição quanto à sua
capacidade de absorção e desenvolvimento de aplicações com IA.

do SIPOM para recepcionar as soluções tecnológicas que utilizam a Inteligência
Artificial.
Questão nº 15 - Quais tipos de investimentos o SIPOM necessita para incorporar novas
soluções que envolvam IA?
C3 [...] serão necessários Conforme explanado na resposta da questão
investimentos em infraestrutura, anterior, serão necessários investimentos em
treinamento de pessoas, aquisição infraestrutura, treinamento de pessoas, aquisição
de softwares e algoritmos de IA. de softwares e algoritmos de IA.
C4 - Recebimento de verbas para - Recebimento de verbas para aquisição dessas
aquisição dessas soluções. soluções.
- Assinatura de Termos de - Assinatura de Termos de Cooperação Técnica
Cooperação Técnica com com Instituições que possuem soluções de IA de
Instituições que possuem soluções interesse do SIPOM.
de IA de interesse do SIPOM. - Treinamento dos profissionais de inteligência nas
- Treinamento dos profissionais de soluções.
inteligência nas soluções.
O participante C3 apresentou as mesmas áreas de investimento narradas

na resposta anterior: infraestrutura, treinamento de pessoas, aquisição de softwares
e algoritmos de IA.
O participante C4 também apresentou a necessidade de investimento no
treinamento de pessoal e acrescentou a necessidade de acesso a
compartilhamentos de bancos de dados de órgãos externos que sejam de interesse
149
do SIPOM, bem como aplicações de IA existentes nessas instituições. Como foi

tratado ao longo de toda a pesquisa, os dados e sua variedade são a base do
conhecimento e da aplicação dos métodos de produção de modelos de IA, logo, são
fundamentais para a alimentar as aplicações.

do SIPOM para recepcionar as soluções tecnológicas que utilizam a IA.
Questão nº 16 - Qual a expectativa de benefícios para o SIPOM decorrentes de soluções
tecnológicas com uso de IA?
C3 [...] repercutam diretamente na toma de Que os benefícios trazidos pelas soluções
decisão dos gestores [...] que as tecnológicas com uso de IA repercutam
ações/operações decorrentes sejam diretamente na toma de decisão dos gestores e
capazes de reduzir drasticamente a façam com que as ações/operações decorrentes
incidência criminal no Estado de Minas. sejam capazes de reduzir drasticamente a
incidência criminal no Estado de Minas.
C4 Potencialização da concepção do Potencialização da concepção do Policiamento
Policiamento Orientado pela Inteligência Orientado pela Inteligência de Segurança Pública,
de Segurança Pública, base comuns de base comuns de dados e subsídio às decisões e
dados e subsídio às decisões [...] ações do Comando nos diversos níveis de
assessoramento do processo decisório.
Verifica-se nas respostas que as expectativas expressas pelos

participantes remetem à melhoria no assessoramento aos tomadores de decisões
para o emprego operacional, conforme preconiza Minas Gerais (2019b) nas
diretrizes do policiamento orientado pela ISP.
Contudo, como essa assessoria já é praticada sem o uso da IA, logo, a
potencialização do conceito de policiamento orientado pela ISP traduz-se na maior e
melhor análise racional dos dados, nesse caso dentro de modelos analíticos de big
150
data que podem utilizar, inclusive, algoritmos de processamento de técnicas

destinadas à predição do crime, conforme foi apresentado por Perry (2013).
Portanto, verifica-se que a aplicação de IA pode mudar significativamente
a estrutura de processamento e difusão das informações atual do SIPOM.

voltada à prevenção e combate ao crime, a presente questão visa identificar
soluções que possam subsidiar ações dos profissionais do SIPOM.
(continua)
Questão nº 17 - Quais são as inovações tecnológicas baseadas em IA que poderiam
subsidiar ações dos profissionais do SIPOM?
C3 [...] criação automatizada de vínculos A criação automatizada de vínculos de indivíduos,
de indivíduos [...] através da identificação de indivíduos e seus
identificação de organizações relacionamentos em varreduras em bancos de
dados e redes sociais. O desenvolvimento de uma
criminosas [...]
aplicação nesse sentido pode evoluir para auxiliar
identificação do trafego de veículos em na identificação de organizações criminosas, por
comboio [...] exemplo. A criação de uma aplicação destinada a
reconhecimento facial e identificação do trafego de veículos em comboio.
comportamentos humanos Aplicações destinadas ao reconhecimento facial e
caracterizados como suspeitos [...] comportamentos humanos caracterizados como
reconhecimento facial no QApp [...] suspeitos. Inclusão de tecnologia de
reconhecimento facial no QApp. O
Sistema Hélios com algoritmos de
aperfeiçoamento do Sistema Hélios com
identificação de cor, modelo e marca algoritmos de identificação de cor, modelo e
de veículos [...] marca de veículos para diminuir os falsos
tradução de linguagem natural para positivos. A criação de aplicações com uso de
texto e vice-versa para auxiliar na tecnologias de tradução de linguagem natural para
audição de interceptações telefônicas texto e vice-versa para auxiliar na audição de
[...] interceptações telefônicas, conforme parâmetros
estabelecidos pelo usuário. Aplicações destinadas
predição do crime, com previsões de
à predição do crime, com previsões de
probabilidades de locais, possíveis probabilidades de locais, possíveis agentes e
agentes e vítimas [...] vítimas. Identificação de veículos suspeitos de
Identificação de veículos suspeitos de acordo com o padrão de trafego de veículos.
acordo com o padrão de trafego de Identificação de veículos suspeitos de acordo com
veículos [...] validação de dados do padrões de rotas de fuga. Nesse momento está
sendo criado um banco de dados enriquecidos por
151

REDS utilizando o próprio banco de bancos de dados externos do Ministério da Justiça
dados do REDS, para eliminar e Tribunal de Justiça de Minas Gerais. A IA vai
homônimos auxiliar na diminuição de erros humanos na
vinculação desses dados. É humanamente
impossível para um analista de inteligência
acessar e tratar dados em várias fontes e em
grande volume em tempo hábil. A IA possibilita
realizar essas análises de forma automática e
possibilita que os resultados dessas análises
sejam validados pelo analista. É possível utilizar a
IA para melhorar a qualidade dos dados. Pode-se
utilizar a IA para fazer uma validação de dados do
REDS utilizando o próprio banco de dados do
REDS, para eliminar homônimos, por exemplo.
Atualmente estamos em diálogo com uma
empresa especializada em IA sediada em BH, que
possui capacidade de entregar a aplicação de
algoritmos pronta para ser implementada em
sistemas. É preciso pensar em soluções de ponta
a ponta, com todas as funcionalidades que vão
suprir as necessidades dos usuários. O Sistema
Hélios, por exemplo, não possui algoritmo de
reconhecimento de marca, modelo e cor de
veículos. Atualmente o algoritmo do Hélios faz
apenas a leitura da placa. A leitura dos caracteres
da placa é checada em um banco de dados de
placas de veículos. Quando a placa lida é
identificada no banco de dados, dá-se o alerta
sobre aquele veículo. Porém, é muito importante
colocar um algoritmo que faça o reconhecimento
de cor, marca e modelo ainda na ponta da linha,
para evitar os falsos positivos. Atualmente, o
algoritmo de leitura das placas não opera nos
servidores institucionais. A instituição recebe o
produto final das leituras das placas. Para chegar
a um avanço tecnológico com IA é necessário
traçar um roadmap adequado quegaranta a
sustentação necessária à implementação das
aplicações. Nesse roadmap, atualmente estamos
no momento de tratamento dos nossos bancos de
dados. Superadas as dificuldades da qualidade
dos dados e de posse dos algoritmos em
aplicações, partir-se-á para a análise da
viabilidade do processamento, em cloud ou em
servidor local. É imprescindível que o
desenvolvimento dos sistemas possua
escalabilidade, que em servidores locais pode ser
muito oneroso. Mas, como opção para diminuir as
dificuldades de processamento centralizado,
pode-se utilizar o processamento distribuído em
cada Região, a exemplo da prática realizada pela
9ª RPM.
C4 - Reconhecimento facial; - Reconhecimento facial;
- Análise de vínculos; - Análise de vínculos;
- Matriz de impacto cruzado para - Matriz de impacto cruzado para realização de
realização de análise de riscos; análise de riscos;
152

- Prospecção de cenários. - Prospecção de cenários.
Verifica-se nas respostas apresentadas que as soluções de IA capazes

de subsidiar ações dos profissionais do SIPOM se traduzem desde sistemas
destinados a apresentação de dados analisados até predições sobre o crime. Essas
soluções remetem desde aplicações para plataformas analíticas de big data até
sistemas com algoritmos complexos de aprendizagem profunda (Deep Learning).
Esse é um ponto relevante, pois, segundo Davenport (2018), ao partir
para a aprendizagem profunda, a necessidade de disponibilidade de dados de alta
qualidade e volume aumenta, pois utiliza modelos de redes neurais com muitos
níveis e milhares de recursos que exigem processamento computacional mais
rápido.
Dentre as soluções apresentadas, atualmente, o SIPOM utiliza apenas o
reconhecimento facial e a leitura de caracteres em placas de veículos. Este último,
segundo o participante C3 apresenta a necessidade de ampliação de algoritmos, a
fim de aprimorar a qualidade da informação estratégica produzida pelo sistema.
Sobressai a argumentação o participante C3 quanto à necessidade de
avaliar dados, estrutura necessária e escalabilidade dos sistemas antes da sua
produção. Esse participante apresentou sistema desenvolvido na 9ª RPM como
exemplo de êxito devido estar sendo produzido com a estrutura necessária que
sustenta desde a captura do dado, por meio de câmeras, até o envio de alertas aos
policiais empregados no policiamento.
Nesse ponto, o participante C3 ressalta a necessidade de escolhas que
devem ser feitas de acordo com a tecnologia que será empreendida na aplicação,
como a quebra do paradigma do processamento em servidor local para o
processamento e armazenamento em nuvem.
Diante das soluções identificadas nas respostas, verifica-se nos
referenciais bibliográficos na seção 2 que as tecnologias dessas soluções exigem
muito processamento e conexões decorrência da grande quantidade de sensores de
153
IoT e acesso a bancos de dados. Isso reflete em custo elevado com infraestrutura e
pessoal, caso uma empresa queira ser a detentora de toda estrutura de hardware.
Contudo, segundo Buyya e Dastjerdi (2016), atualmente, modelos de
pagamento conforme o uso, adotado por todas os provedores de nuvens, reduziram
o preço da computação, armazenamento e análise de dados. Nesse sentido, o novo
paradigma de processamento e armazenamento em nuvem pode significar menor
custo com estrutura e maior disponibilidade de recursos para aprimoramento e uso
das aplicações.

Questão nº 18 - As soluções tecnológicas baseadas na IA existentes no mercado estão ao
alcance do SIPOM em curto prazo?
C3 Sim. [...] É necessário que cada Sim. As tecnologias estão ao alcance, mas
tecnologia seja modelada à realidade não são soluções de prateleira, soluções
e finalidades das aplicações prontas para aplicação. É necessário que cada
idealizadas pela Instituição. Um fator tecnologia seja modelada à realidade e
preponderante é o recurso financeiro finalidades das aplicações idealizadas pela
[...] Instituição. Um fator preponderante é o
recurso financeiro, mas as dificuldades nesta
área podem ser superadas através do acesso
à fontes distintas de recurso.
C4 Sim. Entretanto, os valores seriam Sim. Entretanto, os valores seriam
inviabilizados por questões de inviabilizados por questões de redução de
redução de custos. custos.
Ambos os participantes consideram que as soluções baseadas em IA

existentes no mercado estão ao alcance do SIPOM, porém os dois apontam o fator
financeiro como preponderante. Como apresentado por Davenport (2018) em sua
154
pesquisa, 40% dos gestores participantes alegaram que as tecnologias de IA são

muito caras.
Porém, o participante C3 apresenta uma ponderação quanto ao fato de
não serão encontradas soluções prontas no mercado, mas soluções que devem ser
modeladas às necessidades da Instituição, o que agrega outros fatores que não o
financeiro, como dedicação de equipe especializada para construção e
gerenciamento das aplicações.
Contudo, o participante C3 também afirma que a questão financeira no
processo de aquisição dessas tecnologias pode ser superada com recursos oriundos
de diversas fontes.

voltada à prevenção e combate ao crime, a presente questão visa mapear a
utilização de IA na Corporação e aplicação na inteligência de segurança pública.
Quadro 59– Análise da resposta à questão nº 19 aplicada aos gestores dos níveis
Questão nº 19 - A PMMG possui soluções baseadas em inteligência artificial?

Nº Resposta
C5 Sim. A inserção de foto para o perfil da Intranet utiliza o algoritmo Haar Cascade e detecta
onde há rosto na foto para poder centralizar e fazer o corte. Contudo, o algoritmo em si foi
obtido na Internet e não desenvolvido pelo CTS.
Conforme se vê na resposta do participante C5, a Instituição possui

apenas uma única solução baseada em IA, a qual não é destinada ao emprego
operacional.
155

priorização de soluções tecnológicas (inteligência artificial, mineração de dados,
análise de imagem, entre outras) para o aperfeiçoamento da gestão do
conhecimento e da informação voltada à prevenção e combate ao crime, a presente
questão visa mapear a utilização de IA na Corporação e aplicação na inteligência de
segurança pública.

Questão nº 20 - Quais sistemas institucionais informatizados são destinados a produzir
informações estratégicas para o emprego operacional?
Nº Resposta
C5 GEOPM (antigo GEOSITE) e seus módulos: GEOPM, GPS/AVL e MAPACAD.
190 Smart,
190 Smart - Versão Coordenação
Controle de Atendimento e Despacho - CAD
SIGOP com os módulos: Estatísticas, GDO, Roubo Consumado, Homicídio Consumado e
Ficha Municípios
QApp, com a funcionalidade “Gestão”
Conforme se vê na resposta do participante C5, atualmente, a Instituição

possui sete sistemas que produzem informações estratégicas para o emprego
operacional que, em conformidade com a resposta anterior, não possuem soluções
de IA.
Portanto, mesmo diante do uso de tecnologias atuais de geolocalização,
os sistemas realizam análises e apresentação de dados em modelo tradicional, fora
do conceito de big data e sistemas com IA.

156

Questão nº 21 - A PMMG possui capacidade orgânica para produzir soluções de inteligência
artificial com aplicação na inteligência de segurança pública?
C5 [...] é possível pesquisar e usar soluções [...] é possível pesquisar e usar soluções simples
simples de IA. [...] para soluções de IA. Contudo, para soluções complexas e
complexas e robustas, a exemplo da robustas, a exemplo da grande maioria de
grande maioria de instituições públicas e instituições públicas e empresas privadas, a
empresas privadas, a Instituição deve Instituição deve contratar empresas
contratar empresas especializadas para especializadas para desenvolvimento das
desenvolvimento das funcionalidades que funcionalidades que se deseja, com cessão do
se deseja [...] é necessário investir em código-fonte da solução ou aquisição de sistemas
uma infraestrutura específica a ser disponíveis no mercado. Também é necessário
indicada pela empresa desenvolvedora investir em uma infraestrutura específica a ser
da solução. indicada pela empresa desenvolvedora da
solução.
Conforme se vê na resposta do participante C5, assim como afirmado

pelo participante C3 em repostas analisadas anteriormente, a Instituição possui uma
capacidade limitada ao desenvolvimento de soluções simples com IA.
Durante os levantamentos realizados na DTS, verificou-se que o Centro
de Tecnologia e Sistemas possui uma seção específica de produção e
desenvolvimento de sistemas. Embora seja administrada por policiais militares, a
equipe de desenvolvedores é formada por funcionários civis, prestadores de
serviços mediante contrato entre a Instituição e uma empresa privada. Isso acaba
por vincular o potencial de progresso dos projetos à manutenção desse contrato.
Mesmo assim, a exemplo do desenvolvimento do sistema de
reconhecimento facial na 9ª RPM e, em conformidade com respostas do participante
C3 analisadas anteriormente, a contratação ou trabalho em parceria com empresas
especializadas pode ser o meio mais adequado para o desenvolvimento de sistemas
mais robustos com IA, como afirma o participante C5.

157


Questão nº 22 - Atualmente quais sistemas institucionais informatizados são capazes de
atuar como IoT na criação de um sistema de inteligência artificial para aplicação na
Inteligência de Segurança Pública?
C5 Não temos uma política de IoT dentro da Não temos uma política de IoT dentro da PMMG.
PMMG. O que mais se assemelha a isso O que mais se assemelha a isso são dispositivos
são dispositivos de geolocalização em de geolocalização em viaturas policiais que nos
viaturas policiais que nos dão dão informação sobre o recurso disposto no
informação sobre o recurso disposto no tempo e espaço. De qualquer forma, os dados
tempo e espaço. [...] são de apenas uma parcela da nossa frota de
veículos e servem basicamente para fins
correcionais.
Verifica-se na resposta do participante C5 que a Instituição não possui

uma política de IoT.
Como se vê no desenvolvimento da seção 2, a IoT é uma área explorada
na produção de informações e conhecimentos por meio de dispositivos inteligentes
(smart).
Independente do uso de IA para processar os dados de IoT, apenas o
fator do grande volume de dados em lote ou fluxo contínuo, oriundo dos dispositivos
e sensores, acaba por gerar problemas de capacidade de processamento.
Contudo, conforme exposto por Hamada e Nassif (2018), além dos
problemas correlatos ao processamento e armazenamento dos dados coletados,
ainda é necessária a aplicação de IA por meio de algoritmos que identificam os
padrões contidos nos dados, a partir de linguagem natural, imagens, texto, entre
outras formas.
Nesse sentido, a ausência de estrutura e capacidade para
desenvolvimento de aplicações robustas com IA torna-se um empecilho idêntico ao
desenvolvimento de tecnologias com aproveitamento de dados oriundos de IoT.
158

voltada à prevenção e combate ao crime, a presente questão visa Identificar
benefícios da implantação de novas soluções tecnológicas baseadas em IA na
segurança pública.

Questão nº 23 - Existem perspectivas para a utilização de soluções envolvendo a IA em larga
escala na PMMG?
C5 Há algumas tratativas em fase Há algumas tratativas em fase inicial para buscar apoio
inicial para buscar apoio externo externo em universidades e empresas especializadas.
em universidades e empresas Todas dependem de uma definição clara de qual
especializadas. [...] problema atacar, dados suficientes para modelar a
solução e investimento financeiro considerável.
Conforme se vê na resposta do participante C5, a Instituição apresenta

uma postura racional sobre dois pontos fundamentais no desenvolvimento de
sistemas cognitivos, a definição clara sobre qual problema pretende resolver e a
necessidade de suporte especializado em áreas específicas de conhecimento.
A produção variada de sistemas com IA, em conformidade com as
repostas anteriores, certamente fica prejudicada, tanto pela ausência de estrutura de
hardware, quanto pela falta de mão de obra especializada para desenvolvimento de
soluções mais robustas.

159

Questão nº 24 - Quais são as principais dificuldades para a implantação de soluções de
IA na PMMG?
C5 1 - A principal é a definição precisa das A principal é a definição precisa das
funcionalidades esperadas (requisitos funcionalidades esperadas (requisitos
funcionais) e das unidades e militares funcionais) e das unidades e militares
responsáveis por tal definição, seguida responsáveis por tal definição, seguida do
do respaldo institucional para que tais respaldo institucional para que tais
funcionalidades não sofram alterações funcionalidades não sofram alterações sempre
sempre que se mudem pessoas; que se mudem pessoas; Definição das unidades
2 - Definição das unidades e militares e militares responsáveis pela pesquisa de
responsáveis pela pesquisa de mercado, especificação técnica e processo
mercado, especificação técnica e licitatório;
processo licitatório; Resistência do mercado em atender o Estado
3 - Resistência do mercado em atender na fase de pesquisa por não haver garantia de
o Estado na fase de pesquisa por não contratação;
haver garantia de contratação; Realizar a contratação, nos moldes da atual
4 - Qualidade dos dados institucionais legislação (principalmente a lei federal 8.666),
que alimentarão a solução de IA de um serviço de desenvolvimento que pode ser
dependendo da funcionalidade experimental (se não houver solução disponível
desejada; no mercado) e sem garantia de resultados
esperados, prestado geralmente por startups
que em sua grande maioria desconhecem por
completo as regras de um processo licitatório;
Qualidade dos dados institucionais que
alimentarão a solução de IA dependendo da
funcionalidade desejada;
Custos.
Como se lê na resposta do participante C5, as dificuldades para

implantação se relacionam com as dificuldades de desenvolvimento de sistemas
com IA.
Além do aporte financeiro necessário, o participante elenca como
dificuldade o risco de descontinuidade dessas iniciativas em decorrência da
rotatividade de pessoas. O participante não deixa claro se esse obstáculo decorre do
nível de gestão ou de execução; contudo, trata-se de um risco que, se concretizado,
pode acarretar em diversos prejuízos para a Instituição.
O participante definiu como principal dificuldade a definição das
funcionalidades esperadas dessas soluções e das unidades e militares responsáveis
por tal definição. Nessa assertiva, sua complexidade aparenta estar exatamente na
160
ausência de mão de obra específica que possa orientar a tomada de decisão sobre
qual problema se pretende solucionar com uma solução com IA.
A outra dificuldade apontada está na qualidade dos dados. Nesse ponto,
é necessário considerar a afirmativa de Davenport (2018), que expõe seu
conhecimento sobre várias empresas que falharam ao tentarem implementar IA em
sua estrutura por não estarem prontas, seja em estrutura, seja em conhecimento
prático.
Já a resistência do mercado em atender o Estado na fase de pesquisa é
um aspecto a ser superado que está afeto à disponibilidade de recursos financeiros,
que podem ser oriundos de fontes distintas, como das parcerias; mas, de fato, trata-
se de um fator condicionante no processo de implementação da IA.
Portanto, enquanto as dificuldades referentes aos recursos financeiros
podem ser superadas, as demais apresentam maior complexidade, pois estão
relacionadas à cultura organizacional da Instituição, principalmente pela ausência de
mão de obra especializada.


(continua)
Questão nº 25 - Quais soluções tecnológicas baseadas em IA poderiam subsidiar a
C5 Existem muitas opções, com Existem muitas opções, com constantes
constantes atualizações. Todavia, seu atualizações. Todavia, seu uso deve ser precedido
uso deve ser precedido de um estudo de um estudo técnico realizado por pessoal
técnico realizado por pessoal qualificado para verificar o grau de aplicabilidade
qualificado para verificar o grau de ao nosso contexto. [...] Existem também sistemas
aplicabilidade ao nosso contexto. desenvolvimentos por grandes empresas como
[...]pode ser necessária a contratação IBM (IOC, Watson) e Microsoft (I2), além de API
de uma empresa para o em nuvem providas por Google, Amazon, Microsoft
161
Questão nº 25 - Quais soluções tecnológicas baseadas em IA poderiam subsidiar a

desenvolvimento de uma solução e Oracle. Contudo, em alguns casos, em razão de
própria. Tudo depende das custos (os sistemas citados possuem recursos que
funcionalidades desejadas. podem ser desnecessários, mas são pagos) e da
especificidade das funcionalidades desejadas,
pode ser necessária a contratação de uma
empresa para o desenvolvimento de uma solução
própria. Tudo depende das funcionalidades
desejadas.
Verifica-se na resposta que, quanto à definição de soluções capazes de

subsidiar a ISP, o participante C5 afirmou que existem muitas opções. Contudo,
como já analisado em respostas anteriores emitidas pelo participante C3, essas
definições de soluções precisam ser adequadas às funcionalidades desejadas pela
Instituição. Conforme exposto pelo participante, tal definição pode exigir, inclusive, a
contratação de serviços especializados para auxílio nesse processo de decisão.
Como foi visto ao longo da pesquisa, a IA é um campo muito extenso de
oportunidade de aplicações. Ainda que sejam identificadas aplicações prontas para
aquisição, essas precisarão ser modeladas, ou mesmo aperfeiçoadas, por isso, a
definição do problema inicial, ou seja, realmente saber o que se pretende, é o passo
fundamental para o êxito.

162

Questão nº 26 - As soluções tecnológicas baseadas na IA existentes no mercado estão ao
alcance da PMMG em curto prazo?
C5 As soluções existentes no mercado estão As soluções existentes no mercado estão ao
ao alcance de todos desde que haja o alcance de todos desde que haja o devido
devido investimento (capital e custeio), investimento (capital e custeio), haja vontade
haja vontade institucional para mudar institucional para mudar processos de trabalho
processos de trabalho para viabilizar uma para viabilizar uma implantação madura e
implantação madura e consolidada. [...] consolidada. Isso costuma ser o mais complexo,
custoso e que envolve mais riscos.
O participante C5 compreende que as soluções tecnológicas estão ao

alcance da Instituição, contudo decorrerá tanto do esforço financeiro, quanto da
vontade Institucional para mudar processos de trabalho.
Novamente, deve-se ressaltar que, nesta análise, fica nítido que os
problemas de gerenciamento de bancos de dados, conectividade, processamento,
armazenamento de dados e mão de obra qualifica podem ser superados com
recursos financeiros; contudo, se as alterações nos processos de atividades
institucionais que decorrerão das aplicações de IA não estiverem dentro da visão
institucional, há um grande risco de falha na sua implementação.
Como exposto por Davenport (2018), muitas empresas falharam nesse
intento por não estarem preparadas para isso.

163

Questão nº 27 - Quais tipos investimentos a PMMG necessita para incorporar novas
soluções que envolvam IA?
C5 [...] serão necessários Supondo que o autor esteja se referindo ao tipo de
investimentos em infraestrutura de recurso orçamentário, softwares podem ser adquiridos
hospedagem, que seria capital e como recursos de custeio (serviço) ou capital,
custeio no caso de infraestrutura dependendo da modalidade de fornecimento com a qual
própria, ou apenas custeio no caso o mercado trabalha e, principalmente, do tipo de
de hospedagem em nuvem. Pode licenciamento disponibilizado pelo desenvolvedor. A
ainda ser uma solução mista. O tendência atual do mercado é a comercialização de
montante investido varia muito e serviços em forma de subscrição, em substituição ao
depende do problema a ser licenciamento perpétuo. Contudo, serão necessários
resolvido, das soluções e métodos investimentos em infraestrutura de hospedagem, que
que serão adotados. seria capital e custeio no caso de infraestrutura própria,
ou apenas custeio no caso de hospedagem em nuvem.
Pode ainda ser uma solução mista. O montante
investido varia muito e depende do problema a ser
resolvido, das soluções e métodos que serão adotados.
Quanto aos investimentos necessários para incorporação de soluções

com IA, o participante apresentou as áreas de softwares e infraestrutura, mas
dependerá do tipo de aplicação e solução de infraestrutura que se pretenderá
utilizar, seja em estrutura própria, seja em nuvem, ou mesmo as duas.
Considerando que a ISP é elementar ao subsidiar informações

estratégicas para o emprego operacional e Minas Gerais (2019a) propõe a aquisição
de ferramentas que permitirão potencializar a atuação do Sistema de Inteligência da
Polícia Militar, a presente questão visa identificar soluções que possam subsidiar
ações dos profissionais do SIPOM.
(continua)
Questão nº 28 - Qual a visão de futuro da Polícia Militar de Minas Gerais quanto ao uso de
soluções baseadas em IA para apoio ao emprego operacional?
Nº Resposta
C2 [...] Não haverá como fazer É um caminho sem volta. Não haverá como fazer
164
soluções baseadas em IA para apoio ao emprego operacional?
Nº Resposta
segurança pública sem o auxílio segurança pública sem o auxílio da Inteligência
da Inteligência Artificial, através da Artificial, através da Big Data e Machine Learning, os
Big Data e Machine Learning [...] quais proporcionarão alto ganho de produtividade.
Verifica-se que o participante apresentou sua resposta com uma visão

contemporânea adequada à análise de Davenport (2018), para quem é tola a
empresa que não aplica recursos de IA em seus negócios. Também se mostra
coerente com a conclusão de Marr e Ward (2019) realizada após a análise do uso
de IA em 50 grandes empresas com capilaridade mundial, ao reconhecer que a IA é
a tecnologia mais poderosa atualmente, e é um erro ignorá-la (MARR; WARD,
2019).
A PMMG ainda não possui técnica suficiente para representar seus
resultados na quantificação de redução de custos ao Estado decorrente da
prevenção do crime, o que inclusive pode ser realizado com o uso de IA. Contudo,
assim como as empresas pesquisadas por Marr e Ward possuem capilaridade e
grande capital, a PMMG possui a maior capilaridade no Estado, com rico portfólio e
missão constitucional extremamente abrangente, logo, a visão do participante é uma
constatação de extrema relevância. Ignorá-la pode significar tolice, como afirmado
por Davenport (2018).
Considerando que Minas Gerais (2019a) propõe potencializar as

atividades de inteligência de segurança pública por meio da aquisição de
ferramentas tecnológicas de IA, a presente questão visa identificar soluções que
possam subsidiar ações dos profissionais do SIPOM.
(continua)
soluções baseadas em IA nas atividades de Inteligência de Segurança Pública?
C2 É um caminho sem volta, assim É um caminho sem volta, assim como no emprego
165
soluções baseadas em IA nas atividades de Inteligência de Segurança Pública?
como no emprego operacional. [...] operacional. Mas, na ISP, o acesso à Inteligência
podem ser usadas as mais Artificial deve ser mais amplo, pois a ISP não possui
variadas formas de emprego da limites, senão o ético, na finalidade de assessorar a
Inteligência Artificial, dentre as tomada de decisão. Nesse sentido, podem ser usadas
principais a prospecção de as mais variadas formas de emprego da Inteligência
cenários. Artificial, dentre as principais a prospecção de cenários.
Verifica-se, na resposta do participante, a mesma assertividade colocada

na questão anterior, ao enxergar o uso da IA como um caminho sem volta para a
Instituição.
Sobressai da sua resposta a visão quanto à obtenção de prospecções de
cenários, que é o resultado de a aplicação de variados dados e informações a um
método probabilístico de previsão, conforme é visto na seção 2. Embora seja uma
aplicação complexa, é possível de ser modelada desde que seja considerada a
multidisciplinaridade de técnicas que são inseridas na análise das variáveis, pois
quanto maior for a série de dados e a análise dos seus vetores multivariados,
melhores são as chances de um ajuste satisfatório da modelagem matemática,
conforme exposto por Bandura et al. (2019).
A série de cálculos necessários para uma predição de cenários pode ser
humanamente impossível sem o auxílio de ferramentas computacionais, das quais
se destacam as soluções de IA, conforme exposto por Agrawal, Gans e Goldfarb
(2018), uma vez que os melhores dados proporcionam melhores modelos
estatísticos e, consequentemente, melhores predições.
Portanto, a visão do participante é coerente e contemporânea.
6.3 Apresentação, análise e discussão do questionário aplicado à 9ª Região da

Polícia Militar
Por meio da resposta do participante C3 na questão nº 12 dos

questionários aplicados aos gestores dos níveis estratégico e tático da PMMG, foi
possível identificar que a única aplicação de IA em sistema próprio da PMMG
destinado à ISP para apoio ao emprego operacional está em uso e desenvolvimento
166
na sede da Nona Região da Polícia Militar de Minas Gerais, na cidade de

Uberlândia.
A fim de concluir o mapeamento da utilização de IA na Corporação e
aplicação na inteligência de segurança pública, foi aplicado um questionário à 9ª
RPM com perguntas formuladas para conhecer como a IA tem sido aplicada no
projeto denominado “Olhar Amigo”.
A seguir, as perguntas e respostas serão apresentadas em quadros, com
as argumentações do participante, bem como analisadas e discutidas.
A presente questão visa identificar se a aplicação da IA está inserida na

finalidade do projeto.
Quadro 70 – Análise da resposta à questão nº 1 aplicada à 9ª RPM

Questão nº 1 - Qual é a finalidade do “Projeto Olhar Amigo” e respectivos sistemas?
Resposta Argumentação
[...] ampliar a malha de vigilância feita por O Projeto Olhar Amigo, tem a finalidade de
câmeras do Projeto Olho Vivo, realizar a ampliar a malha de vigilância feita por câmeras
modernização dos equipamentos e rotinas do Projeto Olho Vivo, realizar a modernização
realizadas, integração efetiva com as demais dos equipamentos e rotinas realizadas,
forças que compõe o Sistema de Defesa Social integração efetiva com as demais forças que
[...] utilizando inicialmente IA na biometria facial compõe o Sistema de Defesa Social,
e de placas veiculares [...] recebimento de câmeras públicas e privadas de
todo o Município de Uberlândia, utilizando
inicialmente IA na biometria facial e de placas
veiculares, este conectados ao sistema Hélios.
Conforme se vê na reposta, o “Projeto Olhar Amigo” possui IA em sua

finalidade, o reconhecimento biométrico facial e a aplicação de algoritmos de leitura
de caracteres em placas de veículos. Portanto, trata-se de um projeto voltado à
aplicação de IA.
A presente questão visa identificar se o sistema entrega algum

conhecimento útil para o emprego operacional.
167

Questão nº 02 - Quais produtos são entregues aos usuários dos sistemas?
É entregue aos usuários do sistema, uma É entregue aos usuários do sistema, uma
plataforma online centralizadora, cadastros de plataforma online centralizadora, cadastros
indivíduos que possuem passagem criminal, bem de indivíduos que possuem passagem
como a disponibilização dos mandados judiciais criminal, bem como a disponibilização dos
em forma de arquivo e de fácil localização [...] mandados judiciais em forma de arquivo e de
fácil localização, e a possibilidade de
integração através de API com sistemas
externos.
Verifica-se na resposta que os produtos entregues pelo sistema são a

identificação de indivíduos que possuem cadastro com passagem criminal e a
disponibilização de mandados de judiciais.
A presente questão visa identificar se o sistema entrega algum

conhecimento útil para o emprego operacional.

Questão nº 3 - Quais sistemas, e respectivas funcionalidades, já foram desenvolvidos no
projeto?
Reconhecimento facial [...] Reconhecimento facial – este responsável por
Plataforma virtual [...] comparar as imagens recebidas com a base de
dados existente. Plataforma virtual – este
responsável por armazenar o cadastro de suspeitos
bem como gestão de alertas advindos do sistema de
reconhecimento facial.
Conforme se vê na resposta, o sistema já possui duas funcionalidades

disponíveis, o reconhecimento facial e uma plataforma virtual destinada ao
cadastramento e armazenamento dos dados de indivíduos suspeitos, estes sem
contar a gestão dos alertas decorrentes das identificações do sistema de
168
A presente questão visa identificar se o projeto visa outras

funcionalidades e sistemas baseados em IA.

Questão nº 4 - Quais sistemas, e respectivas funcionalidades, pretende-se desenvolver no
projeto?
[...] soluções sobre acidentes e O processo de aprendizagem de máquinas é muito extenso
incidentes captadas pelas câmeras e de muitas aplicações, além da biometria facial e veicular,
[...] como no projeto como um todo, conta hoje com a
participação de diferentes instituições, pretendemos
[...] na Defesa Civil, problemas que disponibilizar a elas, soluções que lhe atendam, como por
são inerentes as atividades, como exemplo no caso do Corpo de Bombeiro Militar, soluções
por exemplo, enchentes e outros. sobre acidentes e incidentes captadas pelas câmeras, na
Defesa Civil, problemas que são inerentes as atividades,
[...] estamos desenvolvendo um como por exemplo, enchentes e outros. No caso da atividade
modelo matemático que seja policial em si, estamos desenvolvendo um modelo
utilização na predição de evento matemático que seja utilização na predição de evento
delituoso, estudando as diferentes delituoso, estudando as diferentes variáveis que impactam
variáveis que impactam diretamente nos índices criminais, inicialmente trabalhando
diretamente nos índices criminais com dados estáticos para este fim, mas assim que
[...] conseguirmos aferir a assertividade dos modelos
desenhados, iremos transferir este conhecimento para a
linguagem de máquinas, para que esta faça os trabalhos,
analisando de forma instantâneas os dados apresentados, e
propondo as unidade de execução operacional, uma tratativa
cientifica para aquela problemática apresentada.
Verifica-se na resposta que o projeto prevê a ampliação de

funcionalidades mais complexas, como identificação de acidentes de trânsito e
eventos afetos à atividade de Defesa Civil.
Sobressai a funcionalidade que está sendo desenvolvida, ainda no
modelo matemático, para predição de crimes. Verifica-se que a equipe de
desenvolvedores é dotada da capacidade de aplicar conhecimentos especializados
para produzir modelos matemáticos sobre as variáveis da eclosão de delitos, o que
é um diferencial no Projeto.
169

A presente questão visa identificar se os sistemas são úteis ao emprego
operacional.

Questão nº 5 - Como o projeto pretende que os sistemas desenvolvidos sejam
aproveitados pela Polícia Militar?
[...] cada região contaria com um Desde o início do projeto foi pensando na
servidor próprio de IA, informações escalabilidade do mesmo, onde cada região contaria
compartilhadas de forma integrada e com um servidor próprio de IA, e as informações
transparente aos usuários através de compartilhadas de forma integrada e transparente aos
uma plataforma centralizadora [...] usuários através de uma plataforma centralizadora,
que nela estariam todas as informações necessárias
para o bom funcionamento do sistema, e possíveis
melhorias.
Conforme se lê na resposta, o projeto está sendo desenvolvido dentro de

um conceito de escalabilidade que proporcionará que cada Região da PMMG possa
ter um servidor de processamento dos algoritmos e as informações possam ser
compartilhadas com todos os servidores, o que possibilita uma malha de IA aplicada
ao reconhecimento facial e outras aplicações em todas as regiões do Estado.
Verifica-se que a aplicação dessa escalabilidade é o que mais se
aproxima de um conceito de IoT na segurança pública, conforme se viu na
discussão apresentada por Hamada e Nassif (2018).
A presente questão visa identificar a capacidade e complexidade do

desenvolvimento do sistema com IA.
170

Questão nº 6 - Como tem sido feito o desenvolvimento dos sistemas?
[...] contamos com a parceira de uma Hoje contamos com a parceira de uma empresa de
empresa de Software da cidade de Software da cidade de Uberlândia, IVARE, que
Uberlândia, IVARE, que desenvolveu o desenvolveu o sistema de IA, bem como a
sistema de IA, bem como a plataforma, plataforma, internamente na região, temos uma
internamente na região [...] equipe que atua como preceptores da solução,
monitorando as ações, e atuando como gestores
do Projeto, onde todas as funcionalidades e
soluções são organizadas e estruturadas, de forma
que atenda às necessidades do serviço
operacional.
Como se vê, em conformidade com proposições dos participantes da

pesquisa aplicada aos níveis estratégico e tático, embora a plataforma seja
desenvolvida pela 9ª RPM, os modelos de IA são desenvolvidos por uma empresa
privada.
A presente questão visa identificar a aplicação da IA nos sistemas que

compõem o projeto.

Questão nº 7 - Quais funcionalidades dos sistemas exigem a aplicação de Inteligência
Artificial?
Reconhecimento facial [...] Reconhecimento facial, e leitura de placas
[...] leitura de placas veiculares [...] veiculares, e futuramente outras atividades, em
[...] predição de eventos criminosos [...] especial a predição de eventos criminosos.
Verifica-se na resposta, e pelas próprias funcionalidades do sistema, que

a aplicação de IA se dá na leitura de caracteres das placas veiculares e no
171
A presente questão visa identificar a capacidade orgânica de

desenvolvimento dos sistemas.

Questão nº 8 - Qual é a capacidade e limite de desenvolvimento orgânico dos sistemas do
projeto?
O desenvolvimento é muito complexo, com O desenvolvimento é muito complexo, com o meio
o meio acadêmica todos os dias, acadêmica todos os dias, apresentando teses e
apresentando teses e possibilidades, o que possibilidades, o que torna o desenvolvimento
torna o desenvolvimento interno muito interno muito difícil, por conta das especificidades do
difícil [...] projeto, o ideal, seria a contratação de uma equipe
especializada no assunto com supervisão direta da
Polícia Militar.
Observa-se na interpretação das respostas anteriores e nesta que o limite

da capacidade orgânica de desenvolvimento é exatamente o conhecimento
especializado no desenvolvimento da IA.
A presente questão visa identificar a tecnologia utilizada para

processamento dos dados e aplicações.

Questão nº 09 - Os sistemas são armazenados e processados em servidores externos?
[...] a plataforma online em servidor A biometria facial é centralizada em servidor interno,
externo, hospedado em um servidor de a plataforma online em servidor externo, hospedado
grande porte na Amazon. em um servidor de grande porte na Amazon.
Como se vê na resposta, o processamento de IA é centralizado em um

servidor local, já a plataforma on-line em que os cadastros de suspeitos são
armazenados é processada em uma nuvem da empresa Amazon. Conforme foi
apresentado na seção 2, verifica-se que os gestores do “Projeto Olhar Amigo” já
172
romperam com o paradigma do armazenamento e processamento em servidores

locais.
A presente questão visa identificar se os sistemas possuem capacidade

de receber dados de sensores dotados de capacidade de processamento e
transmissão de dados.

Questão nº 10 - Quais entradas de IoT (Internet of Things) os sistemas possuem?
O sistema utiliza IoT, para integração com O sistema utiliza IoT, para integração com câmeras
câmeras privadas, sendo utilizado o privadas, sendo utilizado o conceito de sistema
conceito de sistema distribuído, onde todo distribuído, onde todo o processamento é feito nesse
o processamento é feito neste equipamento, sendo compartilhado os dados
equipamento, sendo compartilhado os previamente tratados e prontos para serem
dados previamente tratados e prontos consumidos pela IA centralizada, podendo ter como
para serem consumidos pela IA hardware, celulares, Raspberry, Rock Pi 4B, Banana
centralizada [...] Pi M2 Zero, Rock64, Nvidia Jetson Nano, Asus Tinker
Board, Gigabyte GA-SBCAP3350, e outros que
tenham a capacidade de realizar atividades de formas
autônomas.
Verifica-se na resposta que o sistema já está aplicando o conceito de IoT,

inclusive com a integração de câmeras privadas, que se amolda à aplicação do
conceito de Smart Cities discutido por Hamada e Nassif (2018).
A presente questão visa identificar quais dados são utilizados na

aplicação dos sistemas com IA no projeto.
173

Questão nº 11 - Quais dados são considerados insumos indispensáveis para os sistemas
com uso de Inteligência Artificial?
[...] imagens [...] Um bom servidor com capacidade de utilizar redes
neurais, em especial placas de vídeos de grande
capacidade, sendo o ideal com computador que possa
ser dimensionado, aumentando-se a capacidade de
processamento de imagens, com a simples integração de
mais placas de vídeo, sem a necessidade de aquisição de
novo servidor, e uma infraestrutura de rede segura e de
grande velocidade.
De acordo com a resposta, como a IA é utilizada para leituras de

imagens, o dado fundamental ao sistema são as imagens das câmeras e das placas
de veículos.
A presente questão visa identificar a complexidade exigida na tecnologia

de gerenciamento de dados para os sistemas.

Questão nº 12 - Como e quais bancos de dados são utilizados pelos sistemas com uso de
Inteligência Artificial?
Pode se utilizar qualquer forma SGBD, na Pode se utilizar qualquer forma SGBD, na
aplicação que fora desenhada, utilizamos aplicação que fora desenhada, utilizamos
programas que sejam FREE [...] programas que sejam FREE, sendo eles, sistema
operacional Linux, e MySql para gestão dos dados
da aplicação.
Verifica-se que o sistema possibilita o uso de qualquer Sistema de Gestão

de Banco de Dados (SGBD) e, nesse sentido, a equipe de desenvolvedores optou
pelo uso de sistemas gratuitos.
174
A presente questão visa identificar se os sistemas utilizam tecnologias de

IA no tratamento dos dados antes da sua utilização na aplicação final.

Questão nº 13 - Os sistemas utilizam alguma aplicação de Inteligência Artificial no pré-
processamento de dados?
Temos a solução pronta para integração de Temos a solução pronta para integração de
processamento realizado na borda do processamento realizado na borda do
equipamento [...] equipamento, e após este processamento, a
informação processada, é enviada para o servidor
central, onde o mesmo irá realizar os inputs e
outputs necessários.
Como se vê, o sistema utiliza uma tecnologia de computação de borda

(Edge Computing), típica de IoT, que, conforme Buyya e Dastjerdi (2016), é uma
solução para o problema de latência e capacidade de processamento em tempo
real. Dessa forma, o sistema já recebe dados pré-processados nas bordas das
câmeras.
A presente questão visa identificar se os sistemas utilizam tecnologias de

IA no tratamento dos dados antes da sua utilização na aplicação final.

(continua)
Questão nº 14 - Os sistemas realizam algum tipo de mineração de dados?
Este tópico está sendo feito inicialmente por Este tópico está sendo feito inicialmente por uma
uma equipe de estatísticos, tanto militares equipe de estatísticos, tanto militares quanto
quanto comunidade acadêmica, que após comunidade acadêmica, que após finalizado o
finalizado o modelo matemática, este será modelo matemática, este será disponibilizado no
disponibilizado no servidor, onde irá minerar servidor, onde irá minerar os dados conforme a
os dados conforme a necessidade do necessidade do operador, grande dificuldade de
operador, grande dificuldade de chegarmos chegarmos nesse modelo, é que poucas pessoas
neste modelo, é que poucas pessoas estudam este cenário, e grande parte daquilo que
estudam este cenário [...] para um bom está sendo produzido, partimos do nada, com
desempenho, precisa ter como base um bom poucas ideias relevantes para otimização da
175
Questão nº 14 - Os sistemas realizam algum tipo de mineração de dados?

modelo matemático. mineração. A mineração propriamente dita, para
um bom desempenho, precisa ter como base um
bom modelo matemático.
Conforme a resposta, embora não haja o uso de IA para tratar os dados,

há uma equipe de desenvolvedores dedicada a produzir algoritmos destinados à
mineração dos dados, que se traduzirá em extrair conhecimentos a partir do
processamento desses dados.
Verifica-se também o relato de dificuldades quanto ao conhecimento
específico necessário para desenvolvimento dos modelos matemáticos necessários
para essa funcionalidade.
A presente questão visa identificar se os resultados da produção de

conhecimento útil ao emprego operacional estão dentro das expectativas de êxito na
aplicação de IA.

Questão nº 15 - Quais são as expectativas de benefícios para o emprego operacional
decorrente da produção de informações com o uso de soluções tecnológicas baseadas em
Inteligência Artificial?
[...] auxilie principalmente na atividade fim, Temos a expectativa que a solução auxilie
com redução real da criminalidade [...] no principalmente na atividade fim, com redução real
assessoramento do comando para a tomada da criminalidade, e ainda, no assessoramento do
de decisão com base em dados técnicos e comando para a tomada de decisão com base em
inteligentes [...] no lançamento da tropa no dados técnicos e inteligentes, o que também irá se
terreno, gastando o mínimo de recursos refletir na redução da criminalidade, e também no
humanos e tendo resultados significativos. lançamento da tropa no terreno, gastando o mínimo
de recursos humanos e tendo resultados
significativos.
Verifica-se que as expectativas de benefícios são a redução da

criminalidade, o assessoramento dos gestores no processo de tomada de decisão e
no emprego racional dos recursos humanos.
176
A presente questão visa identificar se as possibilidades de aprimoramento

dos sistemas contemplam o uso de IA em novas soluções para uso em apoio ao
emprego operacional.

Questão nº 16 - Qual a visão de futuro para o desenvolvimento de sistemas com uso de
Inteligência Artificial destinado ao emprego operacional?
[...] já temos estudos sendo realizado A inteligência artificial é um modelo novo, desta
para identificar o estado psicológico do forma, a base precisa ser bem definida, com a
agente quando recebido a imagem deste possibilidade de acoplar as novas tecnologias que
[...] identificar por exemplo se existe um virão no futuro, mas para se ter uma ideia, já
volume fora do padrão na cintura, ações temos estudos sendo realizado para identificar o
que fogem à normalidade como por estado psicológico do agente quando recebido a
exemplo entrar usando capacete em lojas imagem deste, além de ser tecnologicamente
e estabelecimentos comerciais, dentre possível, identificar por exemplo se existe um
outros, tudo aquilo que puder ser volume fora do padrão na cintura, ações que
parametrizado e utilizado como modelo fogem à normalidade como por exemplo entrar
matemático poderá ser utilizado. usando capacete em lojas e estabelecimentos
comerciais, dentre outros, tudo aquilo que puder
ser parametrizado e utilizado como modelo
matemático poderá ser utilizado.
https://www.youtube.com/watch?v=GBJD3DvPHe8
Verifica-se que a equipe gestora do projeto tem como visão de futuro criar
novas aplicações voltadas ao auxílio do emprego operacional com foco em sistemas
de identificação de padrões de expressões, gestos e objetos suspeitos, como
expressões faciais, movimentos suspeitos e armas de fogo, entre outros.
A presente questão visa identificar se as expectativas de aprimoramento

dos sistemas contemplam o uso de IA na produção de conhecimento de ISP.
177

Questão nº 17 - Quais são as expectativas de benefícios para a Inteligência de Segurança
Pública decorrente da produção de informações com o uso de soluções tecnológicas
baseadas em Inteligência Artificial?
[...] que possamos trabalhar de Temos expectativas de que a solução seja amplamente
forma mais inteligente, utilizando os utilizada, e que possamos trabalhar de forma mais
recursos humanos disponíveis de inteligente, utilizando os recursos humanos disponíveis de
forma racional [...] suprir a falta de forma racional, estes cada vez mais escassos, e será um
recursos humanos, utilizando de grande problema que os comandantes do futuro terão que
máquinas para esta finalidade [...] contornar, desta forma, pretendemos suprir a falta de
com análise de dados e imagens recursos humanos, utilizando de máquinas para esta
para produção de informações finalidade, não no conceito cinematográfico, mas com
auxiliando os militares na atividade análise de dados e imagens para produção de informações
fim. auxiliando os militares na atividade fim. Tudo isso irá nos
auxiliar na redução da criminalidade, no aumento da
sensação de segurança das pessoas que passam pelo
nosso estado, e ainda, tornando Minas Gerais o Estado mais
seguro de se viver.
Verifica-se que as expectativas de benefícios para a ISP com uso de

tecnologias baseada em IA são a produção de análises de dados complexos, como
imagens, e a economia no emprego de recursos humanos em atividades que
poderão ser realizadas por máquinas.
6.4 Apresentação análise e discussão do questionário aplicado à Secretaria de

Segurança Pública e Defesa Social do Estado do Ceará
Durante os levantamentos de boas práticas de uso de IA na segurança

pública, foi identificado que a Secretaria da Segurança Pública e Defesa Social do
Estado do Ceará (SSPDS-CE) tem desenvolvido soluções tecnológicas baseadas
em IA destinada à produção do conhecimento na ISP e ferramentas úteis ao
emprego operacional da Polícia Militar.
Foi aplicado um questionário específico à SSPDS-CE, a fim de conhecer
como a IA tem sido aplicada nos sistemas que compõem o projeto que está sendo
desenvolvido naquela Secretaria.
A seguir as perguntas e respostas serão apresentadas em quadros, com
178
A presente questão visa identificar se a aplicação da IA está inserida nas

finalidades dos sistemas.
Quadro 87 – Análise da resposta à questão nº 1 aplicada à SSPDS-CE

Questão nº 1 - Qual é finalidade do “Sistema Policial Indicativo de Abordagem (Spia)” e o
Sistema “Odin”?
[...] objetivo de prover uma ferramenta O Sistema Policial Indicativo de Abordagem foi
de identificação, em tempo real, de concebido com o objetivo de prover uma ferramenta de
veículos [...] identificação, em tempo real, de veículos com
irregularidades ou suspeita de irregularidades.
[...] realização de consultas e a
identificação de relacionamentos entre O Big Data Odin foi criado como uma plataforma
dados em tempo real. [...] integradora de grandes volumes de dados,
possibilitando a realização de consultas e a identificação
de relacionamentos entre dados em tempo real. Atua
principalmente como back end, provendo dados e
informações tratadas para os sistemas existentes.
Como se verifica na resposta, as finalidades dos sistemas preveem o uso

de IA para êxito nos resultados pretendidos.
A presente questão visa identificar se os sistemas desenvolvidos são

úteis ao emprego operacional.

(continua)
Questão nº 2 - Como a SSDSP/CE espera que o “Sistema Policial Indicativo de Abordagem
(Spia)” e o Sistema “Odin” sejam aproveitados pela Polícia Militar?
[...] Na Central de Comando e O SPIA é aproveitado em duas aplicações principais na
Controle – onde os diversos crimes e Polícia Militar:
irregularidades são detectadas e
encaminhadas para as viaturas [...] 1. Na Central de Comando e Controle – onde os diversos
crimes e irregularidades são detectadas e encaminhadas
Em comandos/operações temáticas – para as viaturas, de acordo com a estratégia de
onde o comandante da operação distribuição e utilização do policiamento definido. 2. Em
acompanha os alertas e orienta a comandos/operações temáticas – onde o comandante da
abordagem de veículos suspeitos em operação acompanha os alertas e orienta a abordagem
tempo real. [...] de veículos suspeitos em tempo real.
179
Questão nº 2 - Como a SSDSP/CE espera que o “Sistema Policial Indicativo de Abordagem

(Spia)” e o Sistema “Odin” sejam aproveitados pela Polícia Militar?
O Odin tem como escopo integrar, O Odin tem como escopo integrar, tratar e disponibilizar
tratar e disponibilizar dados em tempo dados em tempo real, desse modo, serve de suporte
real [...] Como exemplo de dados para todos os sistemas da SSPDS, integrando inclusive
integrados podemos citar: mandados bases da Polícia Militar. Como exemplo de dados
de prisão em aberto, endereções de integrados podemos citar: mandados de prisão em
infratores e vítimas, informações aberto, endereções de infratores e vítimas, informações
associativas de grupos criminosos, associativas de grupos criminosos, rotas de viaturas,
rotas de viaturas, manchas criminais, manchas criminais, etc.
etc.
Verifica-se que o aproveitamento do Sistema Spia é feito em tempo real

na central de despacho de ocorrências. Já o Sistema Odin é aproveitado de forma
ampla, por se tratar de um conjunto de ferramentas que englobam a integração de
vários bancos de dados, sendo que seu maior aproveitamento está na acessibilidade
aos dados e conhecimentos que são gerados em suas aplicações, típicas de
mineração de dados.
A presente questão visa identificar como os dados são disponibilizados

aos sistemas.

Questão nº 3 - Como a SSDSP/CE pretende que os dados/informações de diversos sistemas
de dados sejam disponibilizados para integrarem o “Sistema Policial Indicativo de
Abordagem (Spia)” e o Sistema “Odin”?
[...] é o próprio ODIN que faz o papel de O ODIN não se trata de um sistema, mas
integrar, tratar e disponibilizar dados para os consiste das diversas tecnologias e métodos
demais sistemas da SSPDS. para construção do Big Data da SSPDS. Desse
modo, é o próprio ODIN que faz o papel de
integrar, tratar e disponibilizar dados para os
demais sistemas da SSPDS.
Conforme se vê na resposta, Odin é o nome da solução desenvolvida

com diversas tecnologias e métodos para construção do big data da SSPDS-CE, por
meio de diversos bancos de dados integrados.
180
A presente questão visa identificar se os resultados idealizados para o

sistema estão relacionados ao emprego operacional da PM.
Quadro 90 – Análise da Resposta à Questão nº 4 Aplicada à SSPDS-CE

Questão nº 4 - Quais resultados a SSDSP-CE considera indispensáveis para o êxito do
“Sistema Policial Indicativo de Abordagem (Spia)” e Sistema “Odin”?
Resposta
Os resultados indispensáveis para o êxito do SPIA são:
 Diretos:
 Redução do roubo de veículos e do roubo de forma geral.
 Indiretos:
 Melhoria dos processos investigativos.
 Melhoria da área de inteligência.
 Redução da criminalidade como um todo.
Os resultados indispensáveis para o êxito do ODIN são:

 Diretos:
 Melhoria na integração de dados de interesse da segurança pública.
 Melhoria na agilidade do acesso aos dados interesse da segurança pública.
 Viabilização de novas soluções de Inteligência Artificial.
 Indiretos:
 Melhoria dos processos investigativos.
 Melhoria da área de inteligência.
 Redução da criminalidade como um todo.
*Da implementação do SPIA em 2017 até 2019 houve uma redução no roubo de veículos de 54%.
Verifica-se que a reposta apresentou dez resultados indispensáveis dos

sistemas; entre estes, sete englobam áreas afetas à Polícia Militar, como a redução
da criminalidade e a melhoria da inteligência. Sobressai o resultado positivo de
redução de 54% dos roubos de veículos no período comparativo de 2017 a 2019,
embora as variáveis de eclosão desse delito não terem sido apresentadas.
181


Questão nº 5 - Quais entradas de IoT (Internet of Things) o “Sistema Policial Indicativo de
Abordagem (Spia)” e o Sistema “Odin” se propõem a integrar e utilizar?
Resposta
Tanto o sistema SPIA quanto o ODIN estão preparados para receber dados de todos os tipos de
dispositivos de IoT que se fizerem necessários, são exemplos de dados que os sistemas se
propõem a integrar:
 Rastreio de viaturas;
 Rastreio de tornozeleiras eletrônicas;
 Câmeras LPR;
 Câmeras de videomonitoramento;
 Dispositivos móveis (celulares, tablets etc.);
 Entre outros.
Verifica-se que os sistemas foram desenvolvidos com a capacidade de

receber dados de qualquer tipo de dispositivos de IoT.
A presente questão visa identificar quais dados são utilizados nas

aplicações dos sistemas com IA para a Polícia Militar.
Quadro 92 – Análise da resposta à questão nº 6 aplicada à SSPDS/CE

Questão nº 06 - Quais dados/informações a SSDSP-CE considera insumos indispensáveis
para soluções baseadas em Inteligência Artificial destinadas às atividades operacionais da
Polícia Militar?
Resposta
 Dados contendo a localização georreferenciada de todo efetivo em tempo real;
 Dados contendo a localização georreferenciada de todos os crimes e demais acionamentos em
andamento, em tempo real;
 Dados coletados de diversos órgãos do Estado como endereços, locais de utilização de serviços
públicos etc. Todo dado que possa colocar pessoas e coisas no tempo e no espaço para serem
analisadas pela inteligência ou investigação quando for o caso.
182
Verifica-se que o sistema utiliza georreferenciamento do efetivo da PM em

tempo real, bem como dos crimes, dados disponíveis nos diversos bancos de dados
públicos.
A presente questão visa identificar em quais áreas estão situadas as

dificuldades encontradas no desenvolvimento dos sistemas.

Questão nº 7 - Quais dificuldades têm sido encontradas na produção do “Sistema Policial
Indicativo de Abordagem (Spia)” e o Sistema “Odin”?
Resposta
Já superadas:
 Dificuldades culturais, devido à mudança de paradigma tanto na Central de Comando e
Controle como nas equipes de Campo;
 Mudança da matriz de policiamento de hotspots para um modelo orientado pelo Conceito de
Mobilidade do Crime.
Em superação:
 Absorção da nova tecnologia pela TI da SSPDS;
 Provimento de infraestrutura adequada para possibilitar a expansão dos sistemas;
 Aceitação da nova matriz por parte dos policiais em campo devido a confiabilidade do SPIA.
Verifica-se a exposição de dificuldades relevantes que corroboram as

dificuldades identificadas no questionário aplicado aos gestores do nível estratégico
e tático da PMMG, em específico quanto à quebra do paradigma na cultura
organizacional em decorrência das mudanças de processos de atividades.
Como se vê na resposta, uma das dificuldades já superadas se
apresentou nos usuários dos sistemas na central de despacho de ocorrências. A
outra dificuldade já superada também se deu em meio aos usuários que tiveram que
acreditar nos dados dos sistemas.
Quanto às dificuldades em superação, estas estão no campo da
continuidade do desenvolvimento dos sistemas, seja na absorção de novas
tecnologias, seja na infraestrutura necessária à expansão dos sistemas.
183
6.4.8 Apresentação, análise e discussão das questões nº 8 e nº 9
As questões visam identificar se os resultados da produção de

conhecimento útil ao emprego operacional estão dentro das expectativas de êxito
nas aplicações de IA e big data.
Quadro 94 – Análise das respostas às questões nº 8 e 9

Questão nº 8 - Quais são as expectativas de benefícios para o emprego das forças de
segurança pública decorrentes da produção de informações com o uso de soluções
tecnológicas baseadas em IA (Inteligência Artificial)?

tecnológicas de Big Data?
Resposta da Questão nº 08 Resposta da Questão nº 09

 Melhoria da eficiência da atividade policial – Consideramos que o Big Data e a Inteligência
devido à redução de abordagens por Artificial tem relação simbiótica, desse modo,
amostragem, culminando com um policiamento os benefícios são os mesmos descritos na
de precisão. questão 08.
 Melhoria da imagem institucional – devido à
mudança da visão de uma polícia de “força
bruta” para uma polícia orientada por tecnologia
e inteligência, assim como à redução dos
incômodos gerados aos cidadãos de bem.
 Melhoria da qualidade dos serviços prestados à
sociedade – devido a uma resposta mais rápida
e precisa proporcionada pelas tecnologias
implementadas.
 Redução da necessidade de ampliação de
efetivo – devido ao aumento da eficiência e do
monitoramento inteligente.
 Melhorias salariais – Com uma imagem melhor
e um efetivo eficiente e compacto, o estado terá
capacidade de remunerar melhor os policiais.
 Melhoria na inteligência policial – Que ganha
capacidade de analisar, em tempo real,
milhares de dados e informações, melhorando
também a auditoria, indicadores, a gestão etc.
Verifica-se na resposta que as expectativas de benefícios englobam a

melhoria da inteligência policial, por meio da capacidade de análise em tempo real
de milhares de dados e informações, e a consequente melhoria na eficiência na
atividade policial, especificamente nas abordagens policiais.
184
A presente questão visa identificar se expectativa de aprimoramento dos

sistemas contemplam o uso de IA na produção de conhecimento de ISP.

Questão nº 10 - Qual a visão de futuro da SSPDS quanto ao uso de soluções baseadas em
Big Data e IA nas atividades de Inteligência de Segurança Pública e atividades operacionais
das Polícia Militar?
[...] estabelecer um modelo de gestão Com o grande volume de informações gerados a todo
orientado pela tríade inteligência, momento, a SSPDS entende que é humanamente
estratégia e tecnologia, melhorando a impossível e financeiramente inviável acompanhar
eficiência da atividade policial e esses dados sem o uso de tecnologias de Big Data e
potencializando o uso dos recursos Inteligência Artificial.
disponíveis [...] Desse modo, é nossa visão de futuro, estabelecer um
modelo de gestão orientado pela tríade inteligência,
estratégia e tecnologia, melhorando a eficiência da
atividade policial e potencializando o uso dos recursos
disponíveis, para o alcance dos objetivos estratégicos
finalísticos da segurança pública, que são: reduzir a
criminalidade e a violência, melhorar a sensação de
segurança e fortalecer a confiança nas instituições
policiais
Como se vê na resposta, a visão de futuro se baseia no reconhecimento

da incapacidade humana e inviabilidade financeira de acompanhar o grande volume
informações gerado sem a aplicação de soluções de IA e big data, orientado pela
tríade inteligência, estratégia e tecnologia. Verifica-se que a visão da SSPDD-CE
corrobora a visão apresentada pelos níveis estratégico e tático da PMMG.
6.5 Apresentação, análise e discussão do questionário aplicado ao Instituto

CTEM+
Durante a realização do levantamento sobre instituições com uso de IA

voltado à segurança pública, identificou-se que o Instituto CTEM+, situado em
Fortaleza/CE, tem desenvolvido soluções tecnológicas destinadas à segurança
pública, dentro de um conceito de pesquisas e atuação isenta no trânsito entre
governo, setor empresarial e áreas de conhecimentos.
185
Embora haja várias empresas com capacidade de consultoria e

desenvolvimento de sistemas com IA no país, optou-se pela busca de dados no
Instituto CTEM+, devido a essa organização estar em processo de desenvolvimento
do projeto SmartPol (Policiamento Inteligente), com soluções em IA que pretendem
tornar disponíveis à qualquer organização policial.
Foi aplicado um questionário específico ao Instituto CTEM+, a fim de
conhecer como a IA tem sido aplicada nos sistemas que compõem o projeto
SmartPol.
A seguir, as perguntas e respostas serão apresentadas em quadros, com
A presente questão visa identificar se a finalidade do projeto é útil ao

emprego operacional das Polícias Militares.
Quadro 96 – Análise da resposta à questão nº 1 aplicada ao Instituto CTEM+

(continua)
Questão nº 1 – Qual é o escopo do Projeto Smartpol?
[...] adoção de inovações propiciadas pela O SmartPol foi concebido pelo pesquisador
tecnologia que permitiram incorporar em uma do Instituto CTEM+, Vianney Gonçalves
mesma solução, elementos advindos de Júnior, dentro do escopo do policiamento
conceitos da teoria de conflitos assimétricos; ostensivo, com a adoção de inovações
comando e controle baseado em identificação propiciadas pela tecnologia que permitiram
biométrica para entrada e saída de serviço, incorporar em uma mesma solução,
georreferenciamento e gestão integrada de elementos advindos de conceitos da teoria de
pessoal, meios e tempo com geração automática conflitos assimétricos; comando e controle
de coordenadas dinâmicas; policiamento de baseado em identificação biométrica para
proximidade; polícia comunitária; e psicologia entrada e saída de serviço,
motivacional policial. [...] georreferenciamento e gestão integrada de
pessoal, meios e tempo com geração
automática de coordenadas dinâmicas;
policiamento de proximidade; polícia
comunitária; e psicologia motivacional policial.
Esta integração se tornou possível graças a
um inteligente gerenciamento de um grande
volume de dados, reunidos em estrutura big
data, e racionalizados pelo aprendizado de
máquina em camadas de inteligência artificial,
oferecendo ao comando um potente B.I. para
tomada de decisão de ações estratégicas e
táticas ajustadas diariamente, devolvendo à
ponta da linha, por meio de dispositivos
móveis em posse dos policiais, instruções
186
Questão nº 1 – Qual é o escopo do Projeto Smartpol?

para uma atuação mais eficiente, eficaz e ao
mesmo tempo estimulante.
Verifica-se na resposta que o Sistema SmartPol está sendo desenvolvido

com um vasto portfólio de funcionalidades, que englobam diversas aplicações de IA
e processamento e análise de dados tanto para o assessoramento da tomada de
decisão nos níveis de gestão, quanto nos níveis de execução operacional.
A presente questão visa identificar as áreas de abrangência das

aplicações dos sistemas do projeto para as Polícias Militares.

Questão nº 2 - Como o Instituto CTEM+ espera que o Projeto Smartpol seja aproveitado
pelas Polícias Militares?
[...] O SmartPol está sendo desenvolvido para [...] Para além da racionalização de recursos e
apoiar os responsáveis pelas estratégias de otimização de resultados propiciada pelo
policiamento ostensivo a responderem à tratamento das camadas de inteligência artificial e
sociedade com eficiência e eficácia, dentro machine learning, o SmartPol foca na valorização
destes cenários complexos. A adoção da dos homens e mulheres policiais, não só pela
solução permitirá à Polícia otimizar o tempo de atenção personalizada por parte da Instituição,
serviço de seus efetivos, reunir uma rica mas principalmente pelo reconhecimento da
quantidade de dados de atividade policial, atividade da Polícia por meio da aproximação e
integrar dados de incidência de crime e empatia estimuladas pelas interações sociais
manchas de violência, conduzir indicadas pela I.A. embarcada na solução.
georreferenciadamente rondas comunitárias
em coordenadas dinâmicas, intercambiar
equipes nos modais de mobilidade de
patrulha, alimentar a rede de inteligência de
segurança com dados, informações e
conhecimentos acerca das comunidades das
áreas de contato. [...]
Verifica-se na resposta que as principais finalidades do sistema para as

Polícias Militares são a disponibilidade de variadas informações estratégicas aos
gestores do policiamento e a otimização do emprego dos recursos disponíveis na
atividade operacional.
187
A presente questão visa identificar a estratégia de acesso aos dados

oportunos aos sistemas.

Questão nº 3 - Como o Instituto CTEM+ pretende que os dados/informações de diversos
sistemas de dados sejam disponibilizados para integrarem o Projeto Smartpol?
[...] Os dados, informações e conhecimentos Os dados, informações e conhecimentos
disponíveis em sistemas eventualmente já disponíveis em sistemas eventualmente já
utilizados pelas Polícias podem, a critério da utilizados pelas Polícias podem, a critério da
Força de Segurança em questão, serem Força de Segurança em questão, serem
integrados para alimentação do SmartPol, uma integrados para alimentação do SmartPol,
vez que a própria instituição policial será a única uma vez que a própria instituição policial será
usuária da inteligência circulada [...] a única usuária da inteligência circulada tanto
via B.I. (nível gestor), como nos acessos nos
terminais “end user” – seja pelos dispositivos
móveis em posse dos policiais, seja pelo
aplicativo para celulares de acesso dos
cidadãos.
Verifica-se na resposta que o sistema está sendo desenvolvido para

processar os bancos dados das organizações que o implementar.
A presente questão visa identificar se os resultados idealizados para o

sistema estão relacionados ao emprego operacional das Polícias Militares.
Quadro 99 – Análise da Resposta à Questão nº 4 Aplicada ao Instituto CTEM+

(continua)
Questão nº 4 - Quais resultados o Instituto CTEM+ considera indispensáveis para o êxito na
conclusão do Projeto Smartpol?
[...] Na execução deste programa beta serão O SmartPol encontra-se em fase avançada de
balizadores de êxito as mensurações de: tempo, desenvolvimento. Além dos próximos passos
adesão de usuários populares e comerciais, para atingir a fase ideal de maturidade
satisfação e valorização do corpo de tropa, tecnológica, é necessária sua validação
otimização de tempo-resposta, feedback da doutrinária e de mensuração de efeitos práticos
comunidade, percepção de proximidade e e psicossociais junto à tropa e às comunidades
melhora da imagem da Corporação, e produção beneficiadas. Para esta consolidação está
de inteligência. planejada um programa beta, que só é possível
188
Questão nº 4 - Quais resultados o Instituto CTEM+ considera indispensáveis para o êxito na

conclusão do Projeto Smartpol?
com a parceria com as Polícias Militares
interessadas no SmartPol. Na execução deste
programa beta serão balizadores de êxito as
mensurações de: tempo, adesão de usuários
populares e comerciais, satisfação e valorização
do corpo de tropa, otimização de tempo-
resposta, feedback da comunidade, percepção
de proximidade e melhora da imagem da
Corporação, e produção de inteligência.
Verifica-se na resposta que, inicialmente, o único resultado considerado

relacionado ao emprego operacional é a produção de inteligência.


Questão nº 5 - Quais entradas de IoT (Internet of Things) o Projeto Smartpol se propõe a
integrar e utilizar?
A arquitetura SmartPol é completamente Qualquer que seja o grau de maturidade IoT
integrativa e receptiva à entradas das mais experimentada pela área (comunicações,
diversas. [...] serviços, sensores, etc. disponíveis no quarteirão,
bairro, município, estado) de sua implantação, a
solução contempla interfaces que interajam com
sua constante atualização inteligente de geração
de coordenadas dinâmicas de rondas
comunitárias integradas por mobilidade
multimodal.
Verifica-se na resposta que, dentro do conceito de IoT, o sistema está

sendo desenvolvido para integrar entradas de diversos dispositivos, como a
geolocalização de viaturas a qualquer interface disponível.
189


Questão nº 6 - Quais dados/informações o Instituto CTEM+ considera insumos
indispensáveis para soluções baseadas em Inteligência Artificial destinadas às atividades
operacionais das Polícias Militares?
Identificação personalizada, Identificação personalizada, georreferenciamento,
georreferenciamento, mensuração do tempo, mensuração do tempo, interação do usuário final, e
interação do usuário final [...] um conceito bastante explorado pela aviação militar
de combate: uma consistente consciência
situacional de multinível.
Verifica-se na resposta que os gestores do sistema compreendem a

identificação personalizada, os dados de georreferenciamento, mensuração do
tempo e interação com usuário final como indispensáveis para soluções de IA
destinadas às atividades operacionais das Polícias Militares.
A presente questão visa identificar em quais áreas estão situadas as

dificuldades encontradas no desenvolvimento dos sistemas.

(continua)
Questão nº 7 - Quais dificuldades tem sido encontradas na elaboração e execução do
Projeto Smartpol?
O Instituto CTEM+ tem desenvolvido o O Instituto CTEM+ tem desenvolvido o SmartPol
SmartPol com recursos próprios, o que com recursos próprios, o que resulta em
resulta em concorrência de verbas com concorrência de verbas com outros projetos em
outros projetos em curso no Instituto. [...] curso no Instituto. Obviamente, este fator limita de
Também a quebra de paradigmas proposta alguma sorte a velocidade que gostaríamos de
por tudo que é inovador e acarreta novas dar ao projeto. Também a quebra de paradigmas
abordagens, enfrenta aqui ou ali resistências proposta por tudo que é inovador e acarreta
de natureza cultural organizacional. [...] novas abordagens, enfrenta aqui ou ali
resistências de natureza cultural organizacional.
Mas a célebre frase de Albert Einstein nos impele
190
Questão nº 7 - Quais dificuldades tem sido encontradas na elaboração e execução do

Projeto Smartpol?
a avançar ainda que tendo que lidar com a
resistência ao novo: “Loucura é querer resultados
diferentes fazendo tudo exatamente igual!”
Verifica-se que a resposta que as dificuldades de encontradas no

desenvolvimento do sistema são de caráter financeiro e cultural, na quebra de
paradigmas decorrentes de novas tecnologias. Nesse sentido, verifica-se a resposta
corrobora todas as respostas desta pergunta nos demais questionários aplicados.

aplicação de IA.

tecnológicas baseadas em IA (Inteligência Artificial)?
[...] entrega de um bom serviço de [...] É comum ouvirmos das mais diversas fontes,
segurança pública, pela efetividade de principalmente nos meios de comunicação, que a
melhores resultados e indicadores, e que, Polícia necessita utilizar mais de inteligência e
se integrados a uma abordagem holística tecnologia. Esta pressão social deve encontrar eco
do serviço – hoje mais necessária do que nas corporações, e mais do que isso, é necessário
nunca [...] se estimular iniciativas que concorram para um
continuado padrão de alta profissionalização, e ao
mesmo tempo valorização do Policial Militar junto à
sociedade. Quando conseguimos por meio da
Inteligência Artificial, elevar o nível de emprego das
tecnologias em favor da Segurança Pública, ao
passo que valorizamos seus agentes e os
aproximamos do principal beneficiário, a população,
verificamos aí uma das mais importantes faces da
Ciência de Dados. [...]
Verifica-se na resposta que a expectativa de benefícios decorrentes da

produção de informações com o uso de soluções baseadas em IA é a melhoria dos
resultados dos indicadores institucionais.
191

aplicação de big data.

tecnológicas de Big Data?
[...] Com o emprego de Big Data é Hoje produzimos uma quantidade enorme de dados e
possível a análise preventiva de ações informações, cada vez mais complexos, e advindos das
criminosas, permitindo, então, uma mais variadas fontes. Na velocidade do mundo
atuação antecipada da Polícia. É globalizado em que estamos inseridos, não é possível às
possível, inclusive, que potenciais Forças de Segurança lidarem adequadamente com esta
criminosos sejam previamente realidade sem contar com maneiras de analisar, extrair
abordados antes que cheguem a sistematicamente informações ou lidar com conjuntos de
concretizar o cometimento de certos dados muito grandes ou complexos para serem tratados
crimes graves. pelo software aplicativo tradicional de processamento de
dados. [...] Assim, um conjunto de dados extremamente
amplos necessitam de ferramentas especiais para
comportar o grande volume de dados que são
encontrados, extraídos, organizados, transformados em
informações que possibilitam uma análise ampla e em
tempo hábil. Pensar na atividade de segurança pública
nos dias de hoje, sem contar essa capacidade
compromete drasticamente a qualidade do serviço
prestado à sociedade. [...]
Verifica-se na resposta que as expectativas de benefícios às forças de

segurança pública, a partir das informações produzidas por soluções de big data,
são as análises preventivas dos delitos, que amolda a predição, bem como a
identificação de potenciais criminosos.

aplicação de big data.
192

Questão nº 10 - Qual a visão de futuro do Instituto CTEM+ quanto ao uso de soluções
baseadas em Big Data e IA nas atividades de Inteligência de Segurança Pública e atividades
operacionais das Polícias Militares?
[...] redução de custos operacionais ao tempo [...] Também destacamos que vários são os
que nos cobra velocidade, eficácia e benefícios da I.A. tanto no campo das atividades
eficiência. [...] integração de fontes e permite o de Inteligência de Segurança Pública, como nas
cruzamento de informações que aceleram a atividades operacionais das Polícias Militares. A
identificação suspeitos de ações criminosas, e Inteligência Artificial possibilita, por exemplo, que
mesmo a localização de foragidos da Justiça. equipamentos (câmeras, sensores, etc.)
[...] desenvolvimento de algoritmos específicos reconheçam padrões e identifiquem atividades
podem ser aplicadas à prevenção de crimes, suspeitas. Toda esta transformação tecnológica
servindo como um policiamento preditivo [...] ganhará em breve, ainda mais dramaticidade. As
emprego de soluções baseadas em Big Data e Forças de Segurança devem preparar-se
I.A. nas atividades de Inteligência de antecipadamente aos impactos sobre Big Data,
Segurança Pública e atividades operacionais Machine Learning e I.A. [...]
das Polícias Militares.
Verifica-se que a visão de futuro da IA e big data nas atividades de ISP

apresentada na resposta se traduz na produção de soluções baseadas na
integração de bancos de dados e cruzamento de dados que viabilizem identificação
de indivíduos suspeitos ou foragidos da justiça, bem como a predição do crime.
193
CONSIDERAÇÕES FINAIS
A presente pesquisa teve por objetivo realizar um estudo analítico sobre a

utilização inteligência artificial como estratégia para potencializar a atividade de
inteligência de segurança pública no auxílio ao emprego operacional da PMMG
dentro eixo “Polícia 4.0”, do “Programa Minas Segura”, 2ª edição.
Dessa forma, a prática da pesquisa foi iniciada na seção 2, com a
construção do referencial teórico capaz de descrever o conceito de IA e suas
aplicações contemporâneas. Nessa seção foi possível verificar a complexidade da
multidisciplinaridade envolta no estudo, desenvolvimento e aplicação desse campo
científico em soluções tecnológicas.
A seção 3 foi dedicada a descrever o conceito e a metodologia
institucional do emprego operacional da PMMG. A seção também explorou a
complexidade científica que permeia o planejamento desse emprego, por meio da
racionalidade da aplicação das variáveis determinantes, condicionantes e
componentes. Nessa seção foi analisado o eixo “Polícia 4.0”, do “Programa Minas
Segura”, 2ª edição, que possibilitou verificar a correlação dos projetos desse eixo
com o “Plano Estratégico 2020-203”. Nesse ponto, foi verificado que o Programa
especificou tecnologias, e não soluções prontas, o que aumenta a abrangência das
intenções de inovações dedicadas ao emprego operacional e à ISP. Também foi
possível verificar conceitos atuais de aplicação de tecnologias voltadas ao
policiamento preditivo, dentro de uma análise sobre as variáveis de predição do
crime.
Na seção 4, abordou-se o conceito de ISP e sua aplicação na PMMG, por
meio do Sistema de Inteligência da Polícia Militar. Também foi descrito o método
utilizado na inteligência para a produção de informações e conhecimento
estratégicos destinados à assessoria na tomada de decisões.
Na seção 5, foi descrita a metodologia científica escolhida para a
pesquisa, bem como as técnicas utilizadas para a coleta dos dados.
A seção 6 foi dedicada a apresentar os resultados das técnicas de
coletadas de dados, em específico, os questionários aplicados ao longo da
pesquisa.
194
As coletas e análises dos resultados foram embasadas no referencial

teórico descrito nas seções 2, 3 e 4, com a finalidade de sustentar as análises dos
resultados para hipótese de que a IA pode oferecer soluções para potencializar a
atividade de inteligência de segurança pública no auxílio ao emprego operacional da
PMMG.
Nesse sentido, com base na exploração da base teórica, que descreveu
conceitos e apresentou relações entre as variáveis abordadas, foi estabelecido o
objetivo geral de realizar um estudo analítico sobre a utilização da inteligência
artificial como estratégia para potencializar a atividade de inteligência de segurança
pública no auxílio ao emprego operacional da PMMG.
Em seguida, foram estabelecidas cinco ações de pesquisa, a fim de
conduzir o objetivo geral ao teste da hipótese: 1 – identificar a necessidade de
produção de informações estratégicas e operacionais de segurança pública para os
gestores da Corporação; 2 – mapear a utilização de IA na Corporação e aplicação
na Inteligência de Segurança pública; 3 – identificar benefícios da implantação de
novas soluções tecnológicas baseadas em IA na segurança pública; 4 – identificar
soluções que possam subsidiar ações dos profissionais do SIPOM; e 5 – avaliar a
estrutura do SIPOM para recepcionar as soluções tecnológicas que utilizam IA.
Em relação ao objetivo específico 1 (identificar a necessidade de
produção de informações estratégicas e operacionais de segurança pública para os
gestores da Corporação), foram obtidos os resultados descritos nas subseções
6.2.1, 6.2.2, 6.2.3, 6.2.4, 6.2.5 e 6.2.6. É verificado nesses resultados que as
informações estratégicas, aquelas enriquecidas por análises, são consideradas
fundamentais no processo decisório estratégico e operacional. Sobressai dos
resultados a relevância dada ao aproveitamento das informações no processo
decisório voltado ao enfrentamento da criminalidade e à tomada de decisão racional,
com a quebra do paradigma do tirocínio por meio de decisões técnicas.
Também se observa nos resultados que, embora a Instituição possua
diversos sistemas informatizados com vasta variedade de dados e informações, a
falta de sistematização dessas informações em plataformas de análises inviabiliza o
aproveitamento desses dados e informações no processo decisório. Nesse sentido,
foi verificado que essas informações devem ser disponibilizadas em sistemas
195
informatizados, com acessibilidade ao tempo e à hora da tomada decisão, em nível

de gestão ou de execução na atividade operacional.
Quanto ao objetivo específico 2 (mapear a utilização de IA na Corporação
e aplicação na inteligência de segurança pública), foram obtidos os resultados
descritos nas subseções 6.2.12, 6.2.13, 6.2.19, 6.2.20, 6.2.21, 6.2.22, 6.2.24 e 6.3.
Verifica-se nesses resultados que a PMMG possui vários sistemas informatizados
destinados às rotinas administrativas e à gestão e execução do serviço operacional.
Contudo, apenas dois sistemas possuem a aplicação de IA, ambos voltados à ISP e
ao emprego operacional.
Um deles é o “Sistema Hélios”, que aplica a IA na leitura de caracteres de
placas de veículos a partir de câmeras do “Sistema Olho Vivo”; em seguida, fornece
esse resultado para consulta de possíveis irregularidades. O outro sistema,
denominado “Olhar Amigo”, está sendo desenvolvido fora da DTS, pela 9ª RPM, em
parceria com uma empresa privada especializada em soluções de IA. Esse sistema,
além de comportar a aplicação do “Sistema Hélios”, também realiza a aplicação de
IA na leitura biométrica facial de pessoas por meio de câmeras do “Sistema Olho
Vivo”. Com base em um banco de dados com imagens de suspeitos, as imagens
capturadas pelo sistema são comparadas pela IA. Caso o resultado da comparação
seja positivo, o sistema realiza uma consulta no banco de dados de mandos judiciais
e dispara um alerta aos usuários do sistema.
Um dos diferenciais entre os sistemas está no processamento da IA.
Enquanto no “Sistema Hélios” o algoritmo de IA é processado, em regra, por
servidores das empresas administradoras das câmeras do “Olho Vivo”, o “Sistema
Olhar Amigo” processa seus algoritmos em servidor próprio.
Há um terceiro sistema em uso exclusivo do Sistema de Inteligência da
Polícia Militar, o módulo de reconhecimento facial do Sistema Integrado de Gestão
Prisional (SIGPRI). Nesse sistema, o usuário envia uma imagem de uma pessoa, e a
IA realiza a comparação com as imagens de pessoas cadastradas no Sistema
Prisional do Estado. Contudo, essa aplicação está disponível ao SIPOM mediante
convênio.
Sobressaiu dos resultados, a capacidade orgânica limitada para o
desenvolvimento de aplicações com o uso de algoritmos de IA e a incapacidade de
desenvolver modelos algorítmicos de IA. Tal limitação é decorrente da complexidade
196
das áreas do conhecimento matemático, destinado aos testes de correlação entre

diversas variáveis que estabelecem o padrão do modelo algorítmico.
O aporte financeiro alto, necessário para a desenvolvimento e aquisição
de aplicações de IA, foi outra dificuldade institucional apresentada nos resultados.
Em que pese não ter sido precificado, os resultados da pesquisa apontam a
necessidade de investimento alto em estrutura de processamento, armazenamento,
conexão e treinamento.
Outra dificuldade identificada nos resultados foi a necessidade de
melhoria na qualidade dos dados, pois são a matéria-prima da IA; logo, uma baixa
qualidade de base de dados pode inviabilizar a aplicação de uma solução.
Em relação ao objetivo específico 3 (Identificar benefícios da implantação
de novas soluções tecnológicas baseadas em IA na segurança pública), foram
obtidos os resultados descritos nas subseções 6.2.7, 6.2.8, 6.2.9 e 6.2.23. Verifica-
-se nos resultados que os benefícios decorrentes da implantação de soluções
tecnológicas baseadas em IA na segurança pública estão relacionadas à integração
e acessibilidade a dados em plataformas que viabilizem análises na tomada de
decisão.
Conforme se vê nos resultados, a IA possibilita a automação de
atividades que atualmente são processados por pessoas, como analistas criminais e
analistas de ISP; logo, o uso de IA aplicado a soluções de análises de dados pode
resultar na liberação de recurso humano para emprego na atividade-fim.
Como benefício secundário, está a melhoria de performance
produtividade e operacional decorrentes de ações baseadas em informações que
foram processadas e analisadas pela IA com parâmetros racionais, sem
interferências externas.
Este último dependerá da escolha dos problemas institucionais a serem
solucionado pela IA, que, no cumprimento da missão institucional, ficam claros como
sendo a prevenção aos crimes violentos e, em específico, o homicídio, monitorado
por indicadores do próprio Estado. Esses problemas se apresentam como um norte
à aplicação da IA na Instituição.
Em relação ao objetivo específico 4 (identificar soluções que possam
subsidiar ações dos profissionais do SIPOM), foram obtidos os resultados descritos
nas subseções 6.2.10, 6.2.11, 6.2.17, 6.2.25, 6.2.26, 6.2.28, 6.2.29, 6.4 e 6.5. Os
197
resultados apresentam que, em conformidade com a tendência mundial identificada

no referencial teórico, as soluções tecnológicas baseadas em IA que podem
subsidiar as ações dos profissionais do SIPOM estão no campo da ciência de dados,
ou seja, em soluções voltadas ao máximo aproveitamento dos dados brutos na
mineração durante a o processo de descoberta de conhecimento em bases de
dados.
Também é verificado que não existem soluções com aplicação imediata,
pois todas elas carecem de algum tipo de modelagem para atender aos objetivos da
instituição. Assim, identificar a existência de uma solução traduz-se na identificação
de uma possibilidade de aplicação. Contudo, considerando a dificuldade na gestão
da qualidade dos dados institucionais, este pode ser um fator determinante para
inviabilizar a aplicação de uma solução de IA de extrema relevância para a
Instituição.
Entre as soluções tecnológicas identificadas aplicáveis ao SIPOM, estão
as destinadas à mineração de dados, leitura de imagens, interpretação de linguagem
natural, leitura facial, leitura de gestos suspeitos, predição da criminalidade,
identificação de suspeitos, entre outras. Nesse ponto, sobressai-se em toda a
pesquisa, o potencial ilimitado da IA quanto às possibilidades de acesso e
processamento de dados. Assim como na produção do conhecimento de
inteligência, o limite pode ser unicamente a ética, na conduta dos agentes. Já na IA,
a ética deve ser tratada de uma forma mais ampla, principalmente quando se trata
da preparação de máquinas que apresentam análises que podem ser
preconceituosas diante dos padrões que foram definidos na modelagem do seu
algoritmo.
Em relação ao objetivo específico 5 (avaliar a estrutura do SIPOM para
recepcionar as soluções tecnológicas que utilizam a IA), foram obtidos os resultados
descritos nas subseções 6.2.14, 6.2.15, 6.2.16, 6.2.18 e 6.2.27. Verifica-se nos
resultados que, atualmente, o SIPOM não possui estrutura de hardware adequada à
capacidade de armazenamento, processamento e conexão necessários para
implementação de soluções tecnológicas com IA, sendo necessário investimento de
infraestrutura e treinamento de pessoal. Também se verificou nos resultados a
necessidade de treinamento do pessoal para superar os impactos das quebras de
198
paradigmas nas alterações nos processos, principalmente devido à substituição de

homens por máquinas.
Sobressai dos resultados obtidos na SSPDS-CE e Instituto CTEM+ que
as soluções utilizadas e desenvolvidas por essas instituições possuem, entre outras,
as mesmas aplicações e funcionalidades com IA do “Sistema Olhar Amigo” e
“Sistema Hélios”.
Quanto aos resultados obtidos na aplicação de questionários às Polícias
Militares do Brasil, estes foram apresentados na subseção 6.1. Verifica-se nesses
resultados que a PMMG está dentro do percentual minoritário das PPMM que
possuem alguma aplicação em IA em soluções destinadas ao emprego operacional
e ISP.
Diante dos resultados alcançados, verifica-se que, tanto o objetivo geral
de realizar um estudo analítico sobre a utilização da IA como estratégia para
operacional da PMMG, quanto os objetivos específicos foram alcançados em sua
totalidade.
Nesse mesmo sentido, diante das análises desses resultados qualitativos,
confrontados com o referencial teórico, quanto à resposta ao problema da pesquisa,
verifica-se que foi comprovada a hipótese de que a IA pode oferecer soluções para
operacional da PMMG.
As informações contidas na presente pesquisa apresentam a assertiva
incontestável que a IA é um caminho sem volta na sociedade. Dessa forma,
conforme apresentado ao longo de todo o trabalho, desenvolver e aplicar a IA não
são ações simples, como a aquisição ou desenvolvimento de um programa para
computadores pessoais. Trata-se de um campo da engenharia que dispensa muito
recurso logístico e conhecimento técnico.
Assim, diante da relevância do tema para o futuro dos processos
institucionais, sugerem-se as seguintes ações:
a) criação um núcleo permanente com autoridade técnica de assessoria

para estudo e pesquisa contínua de soluções de IA;
199
b) elaboração de um estudo sobre a viabilidade de integração dos bancos

de dados institucionais com previsão de recurso de fontes externas ao
tesouro estadual;
c) inclusão de temas sobre aplicações específicas de IA na segurança
pública nas pesquisas do Curso de Especialização em Gestão
Estratégica de Segurança Pública (CEGESP) e Curso de
Especialização em Segurança Pública (CESP).
Por fim, verifica-se que a aplicação de IA na ISP, em apoio ao emprego

operacional, apresenta possibilidades incalculáveis de aplicação e
consequentemente, inúmeros resultados positivos no âmbito institucional.
200
REFERÊNCIAS
AGRAWAL, Ajay; GANS, Joshua; GOLDFARB, Avi. Máquinas preditivas: a simples

economia da Inteligência Artificial. Tradução Wendy Campos. Rio de Janeiro: Alta
Books, 2018. E-book.
ASHTON, Kevin. That 'Internet of Things' Thing. RFID Journal, 22 de junho de

2009. Disponível em: https://www.rfidjournal.com/that-internet-of-things-thing. Acesso
em: 04 ago. 2020.
BANDURA, Elaine et al. Aplicações do modelo ARIMA para estatística na análise de

dados em série temporal. Brazilian Journal of Applied Technology for
Agricultural Science, v. 12, n. 3 p. 145-150, 2019. Disponível em:
https://revistas.unicentro.br/index.php/repaa/article/view/6380. Acesso em: 26 abr.
2020.
BENBOUZID, Bilel. From situational crime prevention to predictive policing:

Sociology of an ignored controversy. Champ penal/Penal Field, v. 12, 2015.
Disponível em: https://journals.openedition.org/champpenal/9066. Acesso em: 24 jul.
2020.
BOX, George E. P.; JENKINS, Guilym. M.; REINSEL, Gregory C.; LJUNG, Greta M.
Time series analysis: forecasting and control. New Jersey: John Wiley and Sons.
2016.
BRASIL. Ministério do Exército. Inspetoria-Geral das Polícias Militares. Manual

Básico de Policiamento Ostensivo. Brasília, DF [n. d.].
______. Constituição da República Federativa do Brasil de 1988. Brasília, DF:

Presidência da República. Disponível em: http://www.planalto.gov.br/ccivil03/
constituicao/constituicao.htm. Acesso em: 13 jun. 2020.
______. Lei nº 9.883, de 07 de dezembro de 1999. Institui o Sistema Brasileiro de

Inteligência, cria a Agência Brasileira de Inteligência - ABIN, e dá outras
providências. Brasília, DF: Presidência da República. Disponível em: Disponível em:
http://www.planalto.gov.br/ccivil_03/leis/l9883.htm. Acesso em: 13 mai. 2020.
______. Secretaria Nacional de Segurança Pública. Resolução nº 01, de 15 de

julho de 2009. Regulamenta o Subsistema de Inteligência de Segurança Pública -
SISP, e dá outras providências. Brasília, DF: Ministério da Justiça. Disponível em:
https://www.migalhas.com.br/quentes/90861/justica-regulamenta-o-subsistema-de-
inteligencia-de-seguranca-publica. Acesso em: 13 jun. 2020.
BUYYA, Rajkumar; DASTJERDI, Amir Vahid. Internet of Things: principles and

paradigms. Cambridge: Elsevier, 2016.
CEPIK, Marco. Espionagem e democracia: agilidade e transparência como dilemas

na institucionalização de serviços de inteligência. Rio de Janeiro: FGV, 2003.
201
CHIAVENATO, Idalberto. Administração Geral e Pública. 2. ed. Rio de Janeiro:

Elsevier, 2008.
CLAUSEWITZ, Carl Von. Da guerra. 3. ed. São Paulo: WMF Martins Fontes, 2010.
COTTA, Albert Francis. No rastro dos Dragões: políticas da ordem e o universo

militar nas Minas setecentista. 2004. 307 f. Tese (Doutorado em História) –
Faculdade de Filosofia e Ciências Humanas, Universidade Federal de Minas Gerais
Belo Horizonte, 2004. Disponível em: https://repositorio.ufmg.br/handle/1843/BUOS-
B2JPMC. Acesso em: 13 jun. 2020.
DAVENPORT, Thomas Hayes. Big Data no trabalho: derrubando mitos e

descobrindo oportunidades. Tradução Cristina Yamagami. Rio de Janeiro: Alta
Books, 2017.
DAVENPORT, Thomas Hayes. The AI advantage: how to put the artificial

intelligence revolution to work. Cambridge: MIT Press, 2018.
DRUCKER, Peter Ferdinand. Além da Revolução da Informação. HSM

Management. n. 18, p. 48-55, jan./fev. 2000. Disponível em:
https://pt.scribd.com/document/171565667/Peter-Drucker-Alem-da-Revolucao-da-
Informacao. Acesso em: 06 maio 2000.
ESPÍRITO SANTO, Lúcio Emílio; MEIRELES, Amauri. Entendendo a nossa

insegurança. Belo Horizonte. Instituto Brasileiro de Policiologia, 2003.
FACCIONI FILHO, Mauro. Internet das coisas: livro digital. Palhoça: UnisulVirtual,
2016. 56 p. Disponível em: https://www.researchgate.net/publication/319881659
_Internet_das_Coisas_Internet_of_Things. Acesso em: 05 set. 2020.
GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. 7. ed. São Paulo:
Atlas, 2019.
GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel. Data Mining: um guia prático. Rio

de Janeiro: Elsevier, 2005.
GOLDSCHMIDT, Ronaldo; BEZERRA, Eduardo; PASSOS, Emanuel. Data Mining:

conceitos, técnicas, algoritmos, orientações e aplicações. 2. ed. Rio de Janeiro:
Elsevier, 2015.
ARAÚJO JÚNIOR, Adelson Dias de; MARTINS, Allan de Medeiros; VERDIER, Rémi;
CACHO, Nélio Alessandro Azevedo. Predição de ocorrências policiais em Natal:
uma Abordagem em Análise de Séries Temporais. Faculdade Federal do Rio
Grande do Norte. 2016. Disponível em:
http://smartmetropolis.imd.ufrn.br/workshops/2016/papers/ST1-7.pdf. Acesso em: 27
maio 2020.
202
GONÇALVES, Joanisval Brito. Atividade de inteligência e legislação correlata. 4.

ed. Niterói: Impetus, 2016.
HAMADA, Hélio Hiroshi; NASSIF, Lilian Noronha. Perspectivas da segurança pública

no contexto de smart cities: desafios e oportunidades para as organizações policiais.
Perspectivas em Políticas Públicas, v. 11, n. 22, p. 155-179, 2018.
KAPLAN, Andreas; HAENLEIN, Michael. Siri, Siri, in my hand: Who’s the fairest in he
land? On the interpretations, illustrations, and implications of artiﬁcial intelligence.
Business Horizons, v.2, n. 1, p. 15-27, 2019. Disponível em:
https://www.sciencedirect.com/science/article/pii/S0007681318301393?via%3Dihub.
Acesso em: 27 mar. 2020.
KAPOOR, Amita. Hands-On artificial intelligence for IoT. United Kingdom: Packt
Publishing, 2019.
KENT, Sherman. Informações estratégicas. Rio de Janeiro: Biblioteca do Exército,

1967.
LOPES, Rya; AMORIM, Raul; RODRIGUES, Paulo; SOUSA, Walisson; MENEZES,

Isabela. Soluções para acessibilidade usando a perspectiva de Internet das
Coisas (IOT). Palmas: Instituto Federal do Tocantins. 2018. 14 p. Disponível em:
http://propi.ifto.edu.br/ocs/index.php/jice/9jice/paper/viewFile/9401/4086. Acesso em:
05 de set. 2020.
MATA, Vanessa da Silva; COSTA, Carlos Henrique de Oliveira C; FERNANDES,

Darlan Cordeiro; SILVA, Emanuelle Oliveira da; CARDOSO, Fabiana Aguiar;
ANDRADE, Júlio César; REZENDE, Lucas Phelipe L. de; OLIVEIRA, Mariana
Fernanda de; SOUZA, Núbia de; MACHADO, Priscila Emanuelle Vieira;
RODRIGUES, Rhanyelem Payfer de M. Indústria 4.0: a Revolução 4.0 e o impacto
na mão de obra. Revista Ciências Exatas e Tecnologia, v. 13, n. 13, p. 17-22, 2018.
Disponível em: https://revista.pgsskroton.com/index.php/rcext/article/view/5442.
Acesso em: 20 de abr. 2020.
MARR, Bernard; WARD, Matt. Artificial intelligence in practice how 50

successful companies used artificial intelligence to solve problems. United
Kingdom: Wiley and Sons, 2019.
MCEWEN, Adrian; CASSIMALLY, Hakim. Designing the Internet of Things. United

Kingdom: Wiley and Sons, 2014.
MINAS GERAIS. Lei nº 6.624, de 18 de julho de 1975. Lei de Organização Básica

da Polícia Militar de Minas Gerais (LOB). Belo Horizonte: Assembleia Legislativa de
Minas Gerais, [1975]. Disponível em: https://www.almg.gov.br/consulte/legislacao/
completa/completa.html?tipo=LEI&num=6624&comp=&ano=1975. Acesso em: 13
jun. 2020
______. Lei Delegada Estadual nº 180, de 20 de janeiro de 2011. Dispõe sobre a

estrutura orgânica da Administração Pública do Poder Executivo do Estado de Minas
203
Gerais e dá outras providências. Belo Horizonte: Assembleia Legislativa de Minas

Gerais, [2011]. Disponível em: https://www.almg.gov.br/consulte/legislacao/
completa/completa-nova-min.html?tipo=LDL&num=180&ano=2011#:~:text=(A
%20Lei%20Delegada%20n%C2%BA%20180,Gerais%20e%20d%C3%A1%20outras
%20provid%C3%AAncias.. Acesso em: 13 jun. 2020.
______. Secretaria de Estado de Planejamento e Gestão. Plano Mineiro de

Desenvolvimento Integrado 2007-2023 (PMDI). Belo Horizonte, 2007.
______. Decreto Estadual Nº 46.096, de 30 de novembro de 2012. Dispõe sobre a

organização e o funcionamento do Sistema Estadual de Inteligência de Segurança
Pública de Minas Gerais. Belo Horizonte: Assembleia Legislativa de Minas Gerais,
[2012]. Disponível em: https://www.almg.gov.br/consulte/legislacao/completa/
completa.html?tipo=DEC&num=46096&comp=&ano=2012. Acesso em: 13 jun. 2020.

Desenvolvimento Integrado 2016-2027 (PMDI). Belo Horizonte, 2015. Disponível
em: http://www.governo.mg.gov.br/Institucional/ProgramasAcoes?id=6. Acesso em:
25 abr. 2020.
______. Polícia Militar. Resolução nº 4.563, de 30 de maio de 2017. Aprova a

Diretriz No 3.01.08/2017 que regula procedimentos e orientações para a
reestruturação da Polícia Militar de Minas Gerais. Belo Horizonte: Comando-Geral,
2017a.
______. Polícia Militar. Resolução nº 4.749, de 08 de novembro de 2017. Dispões

sobre o Portal de Inteligência da Polícia Militar de Minas Gerais. Belo Horizonte:
Comando-Geral, 2017b.
______. Polícia Militar. Comando-Geral. Diretriz de processo decisório na PMMG:

estabelece fundamentos de tomada de decisão para otimização do desempenho
organizacional. Belo Horizonte: Assessoria de Desenvolvimento Organizacional,
2018.
______. Polícia Militar. Resolução nº 4.826. Institui o Programa Minas Segura

Segunda Edição. Belo Horizonte: Comando-Geral, Assessoria Estratégica de
Emprego Operacional / PM3, 2019a.
______. Polícia Militar. Diretriz Geral para Emprego Operacional nº 3.01.01/2019-

CG, de 29 de agosto de 2019. Regula o emprego operacional da Polícia Militar de
Minas Gerais. Belo Horizonte: Comando-Geral, Assessoria Estratégica de Emprego
Operacional / PM3, 2019b.

Desenvolvimento Integrado 2019-2030 (PMDI). Belo Horizonte, 2019c. Disponível
em: http://www.planejamento.mg.gov.br/documento/plano-mineiro-de-
desenvolvimento-integrado-pmdi-2019-2030. Acesso em: 28 ago. 2020.
204
______. Decreto Estadual Nº 47.797, de 19 de dezembro de 2019. Dispõe sobre a

criação do Sistema Estadual de Inteligência de Segurança Pública de Minas Gerais.
Belo Horizonte: Assembleia Legislativa de Minas Gerais, [2019]. Disponível em:
https://www.almg.gov.br/consulte/legislacao/completa/completa.html?tipo=DEC&num
=47797&comp=&ano=2019. Acesso em: 25 set. 2020.
______. Polícia Militar. Plano Estratégico: 2020 – 2023. Belo Horizonte: Comando-
Geral, Assessoria de Desenvolvimento Organizacional, 2020a.
______. Polícia Militar. Diretriz nº 8002.2/2020-CG: Estabelece diretrizes para a

Gestão do Desempenho Operacional na Polícia Militar de Minas Gerais. Belo
Horizonte: Comando-Geral, Assessoria de Desenvolvimento Organizacional, 2020b.
MORETTIN, Pedro A.; TOLOI, Clélia M. C. Análise de séries temporais. 2. ed. São
Paulo: Egard Blucher, 2006.
PERRY, Walter L. et al: Predictive policing: the role of crime forecasting in law
enforcement operations. Washington: RAND Corporation, 2013.
PLATT, Whashington. A produção de informações estratégicas. Rio de Janeiro:

Biblioteca do Exército, 1974.
PRODANOV, Cleber Cristiano; FREITAS, Ernani Cesar de. Metodologia do

trabalho científico: Métodos e Técnicas da Pesquisa e do Trabalho Acadêmico. 2
ed. Novo Hamburgo: Feevale, 2013.
ROBBINS, Stephen P. Comportamento organizacional. Tradução Reynaldo

Marcondes. 11. ed. São Paulo: Pearson Prentice Hall, 2009.
RODRIGUES, Valter. Como Máquinas aprendem: ... fundamentos e algoritmos de

Machine Learning, Redes Neurais e Deep Learning ... . Florença: Independente,
2018.
RUSSEL, Stuart Jonathan; NORVIG, Peter. Inteligência artificial. Rio de Janeiro.

Elsevier. 2013.
SIMON, Herbert Alexander. A behavioral model of rational choice. The Quarterly

Journal of Economics, v. 69, n. 1, p. 99-118. 1955. Disponível em:
https://www.jstor.org/stable/1884852. Acesso em: 16 ago. 2020.
SIMON, Herbert Alexander. The Sciences of the Artificial. 3. ed. London: MIT
Press, 1996.
SOUZA, Eduardo Vieira de. Do exército estadual à polícia de resultados: crises e

mudanças de paradigmas na produção doutrinária da Polícia Militar de Minas Gerais
(1969-2000). 2003. 317 p. Dissertação (Mestrado em Administração Pública) –
Escola de Governo da Fundação João Pinheiro, Belo Horizonte, 2003. Disponível
em: http://bibliotecadigital.mg.gov.br/consulta/consultaDetalheDocumento.
php?iCodDocumento=57039. Acesso em: 13 jun. 2020.
205
SOUZA, Reinaldo Castro; CAMARGO, Maria Emília. Análise e previsão de séries

temporais: os modelos ARIMA. Rio de Janeiro: Gráfica e Editora Regional, 2004.
TAKEUCHI, Hirotaka; NONAKA, Ikujiro. Gestão do conhecimento. Tradução Ana

Thorell. Porto Algre: Bookman, 2008.
206
ANEXO A – QUADROS EM LÍNGUA ESTRANGEIRA TRADUZIDOS NA

PESQUISA
1 Texto original do Quadro 12
Quadro 12 – Cloud versus fog
Fonte: BUYYA; DASTJERDI, 2016, p. 14.
Quadro 27 – Law Enforcement Use of Predictive Technologies: Predicting Crimes

207
Quadro 28 – Law Enforcement Use of Predictive Technologies: Predicting Offenders
Quadro 29 – Law Enforcement Use of Predictive Technologies: Predicting

Perpetrator Identities

208
Quadro 30 – Law Enforcement Use of Predictive Technologies: Predicting Crime

Victims
Quadro 32 – Classes of Predictive Techniques

(continua)
209

210
APÊNDICE A – ROTEIRO DOS QUESTIONÁRIO AOS GESTORES ESPECÍFICOS DOS NÍVEIS ESTRATÉGICO E TÁTICO DA
PMMG
(continua)
Objetivo Relacionado
Pergunta Participantes
1 2 3 4 5
Questão nº 01 - O que é uma informação estratégica de segurança pública para a PMMG? PM3, DAOp ADO, PM2 e
X
DINT
Questão nº 02 - Qual a importância dessas informações estratégicas na gestão do nível estratégico e PM3, DAOp ADO, PM2 e
X
operacional da PMMG? DINT
Questão nº 03 - Atualmente, quais são as lacunas de informações estratégicas na PMMG? PM3, DAOp ADO, PM2 e
X
DINT
Questão nº 04 - Como a PMMG espera que essas informações sejam aproveitadas pelos gestores da PM3, DAOp e ADO
X
corporação?
Questão nº 05 - Como a PMMG espera que as informações sejam disponibilizadas aos gestores dos diversos PM3, DAOp e ADO
X
níveis da corporação?
Questão nº 06 - Quais são as dificuldades na produção de informações estratégicas para o emprego PM3, DAOp ADO, PM2 e
X
operacional? DINT
Questão nº 07 - Quais são as expectativas de benefícios para o emprego operacional com a produção de PM3, DAOp e ADO
X
informações estratégicas com o uso de soluções tecnológicas baseadas em IA?
Questão nº 08 - Quais são as expectativas de benefícios para a produção de informações estratégicas através PM3, DAOp ADO, PM2,
X
da utilização de soluções baseadas em IA? DINT e DTS
Questão nº 09 - Quais são as expectativas de benefícios no emprego operacional através da utilização de PM3, DAOp e ADO
X
soluções com IA?
Questão nº 10 - Quais tipos de soluções tecnológicas a PMMG possui que são capazes subsidiar ações dos PM3, DAOp e ADO
X
seus profissionais no emprego operacional?
Questão nº 11 - Como a PMMG espera que essas informações sejam disponibilizadas e aproveitadas pelos PM2 e DINT
X
gestores da corporação?
Questão nº 12 - A PMMG possui soluções baseadas em IA aplicadas à Inteligência de Segurança Pública? PM2 e DINT X
Questão nº 13 - Quais Sistemas aplicados à Inteligência de Segurança Pública a PMMG possui? PM2 e DINT X
Questão nº 14 - A atual estrutura do SIPOM comporta a aplicação de soluções envolvendo IA? PM2 e DINT X
Questão nº 15 - Quais tipos de investimentos o SIPOM necessita para incorporar novas soluções que envolvam PM2 e DINT
X
IA?
Questão nº 16 - Qual a expectativa de benefícios para o SIPOM decorrentes de soluções tecnológicas com uso PM2 e DINT
X
de IA?
Questão nº 17 - Quais são as inovações tecnológicas baseadas em IA que poderiam subsidiar ações dos PM2 e DINT
X
profissionais do SIPOM?
Questão nº 18 - As soluções tecnológicas baseadas na IA existentes no mercado estão ao alcance do SIPOM PM2 e DINT
X
em curto prazo?
Questão nº 19 - A PMMG possui soluções baseadas em inteligência artificial? DTS X
Questão nº 20 - Quais sistemas institucionais informatizados são destinados a produzir informações DTS X
211
Objetivo Relacionado
Pergunta Participantes
1 2 3 4 5
estratégicas para o emprego operacional?
Questão nº 21 - A PMMG possui capacidade orgânica para produzir soluções de inteligência artificial com DTS
X
aplicação na inteligência de segurança pública?
Questão nº 22 - Atualmente quais sistemas institucionais informatizados são capazes de atuar como IoT na DTS
X
criação de um sistema de inteligência artificial para aplicação na Inteligência de Segurança Pública?
Questão nº 23 - Existem perspectivas para a utilização de soluções envolvendo a IA em larga escala na DTS
X
PMMG?
Questão nº 24 - Quais são as principais dificuldades para a implantação de soluções de IA na PMMG? DTS X
Questão nº 25 - Quais soluções tecnológicas baseadas em IA poderiam subsidiar a Inteligência de Segurança DTS
X
Pública?
Questão nº 26 - As soluções tecnológicas baseadas na IA existentes no mercado estão ao alcance da PMMG DTS
X
em curto prazo?
Questão nº 27 - Quais tipos investimentos a PMMG necessita para incorporar novas soluções que envolvam IA? DTS X
Questão nº 28 - Qual a visão de futuro da Polícia Militar de Minas Gerais quanto ao uso de soluções baseadas ADO
X
em IA para apoio ao emprego operacional?
Questão nº 29 - Qual a visão de futuro da Polícia Militar de Minas Gerais quanto ao uso de soluções baseadas ADO
X
em IA nas atividades de Inteligência de Segurança Pública?
Marcos César Rodrigues Alves, Cap PM

Pesquisador
212
APÊNDICE B – ROTEIRO DA PESQUISA DE CAMPO NA DIRETORIA DE

INTELIGÊNCIA E DIRETORIA DE TECNOLOGIA E SISTEMAS DA PMMG
ORGÃO VISITADO [ ] Diretoria de Inteligência

[ ] Diretoria de Tecnologia e Sistemas
Horário de início
Data da visita Horário de
término
Nome
Responsável
pelas
Cargo/função
informações
 Identificação dos sistemas informatizados de
dados da atividade operacional e de Inteligência
de Segurança Pública na PMMG.
 Levantamento da capacidade de produção
autônoma de sistemas informatizados de dados
da atividade operacional e de Inteligência de
Segurança Pública na PMMG.
Roteiro para obtenção de  Levantamento sobre os recursos humanos e
informações sobre dos logísticos existentes na PMMG para produção
sistemas institucionais de sistemas com uso tecnologias de
informatizados e a processamento de grandes volumes de dados
capacidade de produção de (Big Data).
sistemas de processamento  Levantamento sobre os recursos humanos e
de grandes volumes de logísticos necessários para produção de
dados e Inteligência sistemas com uso tecnologias de
Artificial processamento de grandes volumes de dados
(Big Data).
 Levantamento sobre os recursos humanos e
logísticos existentes na PMMG para produção
de sistemas com Inteligência Artificial.
 Levantamento sobre os recursos humanos e
logísticos necessários para produção de
sistemas com Inteligência Artificial na PMMG.

Pesquisador
213
APÊNDICE C – QUESTIONÁRIO APLICADO ÀS POLÍCIAS MILITARES DO

BRASIL
1) A Polícia Militar do seu Estado possui alguma solução tecnológica

baseada em Inteligência Artificial para uso na atividade operacional?
Possui ( ) Não possui ( )
2) A Polícia Militar do seu Estado possui alguma solução tecnológica

baseada em Inteligência Artificial para uso na atividade inteligência de
segurança pública?
Possui ( ) Não possui ( )
3) A Polícia Militar do seu Estado tem interesse em desenvolver alguma

solução tecnológica baseada em Inteligência Artificial para uso na
atividade operacional?
Tem interesse ( ) Não tem interesse ( )
4) A Polícia Militar do seu Estado está desenvolvendo alguma solução

tecnológica baseada em Inteligência Artificial para uso na atividade
operacional?
Está desenvolvendo ( ) Não está desenvolvendo ( )
5) A Polícia Militar do seu Estado acompanha o mercado de ofertas de

soluções de Inteligência Artificial para segurança pública?
Acompanha ( ) Não acompanha ( )
6) A Polícia Militar do seu Estado possui capacidade orgânica para

produzir soluções de Inteligência Artificial?
214
Possui capacidade ( ) Não possui capacidade

Pesquisador
215
APÊNDICE D – QUESTIONÁRIO APLICADO À 9ª REGIÃO DA POLÍCIA MILITAR
Este questionário é parte de uma pesquisa científica do meu Trabalho de

Conclusão do Curso de Especialização em Segurança Pública (CESP 2020), com o
tema: A adoção da inteligência artificial (IA) como estratégia para potencializar as
atividades de Inteligência de Segurança Pública dentro do eixo Polícia 4.0 -
Programa Minas Segura II Edição.
As respostas são muito importantes para que a fase exploratória deste
estudo seja concluída.
a) Qual é a finalidade do “Projeto Olhar Amigo” e respectivos sistemas?
b) Quais produtos são entregues aos usuários dos sistemas?
c) Quais sistemas, e respectivas funcionalidades, já foram desenvolvidos

no projeto?
d) Quais sistemas, e respectivas funcionalidades, pretende-se

desenvolver no projeto?
e) Como o projeto pretende que os sistemas desenvolvidos sejam

aproveitados pela Polícia Militar?
f) Como tem sido feito o desenvolvimento dos sistemas?
g) Quais funcionalidades dos sistemas exigem a aplicação de Inteligência

Artificial?
h) Qual é a capacidade e limite de desenvolvimento orgânico dos

sistemas do projeto?
i) Os sistemas são armazenados e processados em servidores externos?

216
j) Quais entradas de IoT (Internet of Things) os sistemas possuem?
k) Quais dados são considerados insumos indispensáveis para os

sistemas com uso de Inteligência Artificial?
l) Como e quais bancos de dados são utilizados pelos sistemas com uso
de Inteligência Artificial?
m) Os sistemas utilizam alguma aplicação de Inteligência Artificial no pré-

processamento de dados?
n) Os sistemas realizam algum tipo de mineração de dados?
o) Quais são as expectativas de benefícios para o emprego operacional

decorrente da produção de informações com o uso de soluções
tecnológicas baseadas em Inteligência Artificial?
p) Qual a visão de futuro para o desenvolvimento de sistemas com uso de

Inteligência Artificial destinado ao emprego operacional?
q) Quais são as expectativas de benefícios para a Inteligência de

Segurança Pública decorrente da produção de informações com o uso
de soluções tecnológicas baseadas em Inteligência Artificial?
Marcos César Rodrigues Alves, Capitão PM

Pesquisador-CESP/2020
217
APÊNDICE E – QUESTIONÁRIO APLICADO À SECRETARIA DA SEGURANÇA

PÚBLICA E DEFESA SOCIAL DO ESTADO DO CEARÁ (SSPDS/CE)
Excelentíssimo Senhor Secretário de Segurança Pública e Defesa Social,

este questionário é parte de uma pesquisa científica do meu Trabalho de Conclusão
de Curso do Curso de Especialização em Segurança Pública (CESP 2020), com o
estudo seja concluída. Solicito que Vossa Senhoria responda as questões abaixo e
reenvie-me este questionário através da caixa de e-mail institucional
marcoscesar.alves@pmmg.mg.gov.br. Desde já, agradeço vossa colaboração!
a) Qual é finalidade do “Sistema Policial Indicativo de Abordagem (Spia)”

e o Sistema “Odin”?
b) Como a SSDSP/CE espera que o “Sistema Policial Indicativo de

Abordagem (Spia)” e o Sistema “Odin” sejam aproveitado pelas Polícia
Militar?
c) Como a SSDSP/CE pretende que os dados/informações de

diversos sistemas de dados sejam disponibilizados para integrarem o
“Sistema Policial Indicativo de Abordagem (Spia)” e o Sistema “Odin”?
d) Quais resultados a SSDSP/CE considera indispensáveis para o êxito

do “Sistema Policial Indicativo de Abordagem (Spia)” e Sistema
“Odin”?
e) Quais entradas de IoT (Internet of Things) o “Sistema Policial Indicativo

de Abordagem (Spia)” e o Sistema “Odin” se propõem a integrar e
utilizar?
218
f) Quais dados/informações a SSDSP/CE considera insumos

indispensáveis para soluções baseadas em Inteligência Artificial
destinadas às atividades operacionais da Polícia Militar?
g) Quais dificuldades tem sido encontradas na produção do “Sistema

Policial Indicativo de Abordagem (Spia)” e o Sistema “Odin”?
h) Quais são as expectativas de benefícios para o emprego das forças de

segurança pública decorrentes da produção de informações com o uso
de soluções tecnológicas baseadas em IA (Inteligência Artificial)?
i) Quais são as expectativas de benefícios para o emprego das forças de

de soluções tecnológicas de Big Data?
j) Qual a visão de futuro da SSPDS quanto ao uso de soluções baseadas

em Big Data e IA nas atividades de Inteligência de Segurança Pública
e atividades operacionais das Polícia Militar?

219
APÊNDICE F – QUESTIONÁRIO APLICADO AO INSTITUTO CTEM+
Senhor Coronel Diretor de Inteligência do Instituto CTEM+, este

questionário é parte de uma pesquisa científica do meu Trabalho de Conclusão de
Curso do Curso de Especialização em Segurança Pública (CESP 2020), com o
estudo seja concluída. Solicito que Vossa Senhoria responda as questões abaixo e
reenvie-me este questionário através da caixa de e-mail institucional
marcoscesar.alves@pmmg.mg.gov.br. Desde já, agradeço vossa colaboração!
a) Qual é o escopo do Projeto Smartpol?
b) Como o Instituto CTEM+ espera que o Projeto Smartpol seja

aproveitado pelas Polícias Militares?
c) Como o Instituto CTEM+ pretende que os dados/informações de

diversos sistemas de dados sejam disponibilizados para integrarem o
Projeto Smartpol?
d) Quais resultados o Instituto CTEM+ considera indispensáveis para o

êxito na conclusão do Projeto Smartpol?
e) Quais entradas de IoT (Internet of Things) o Projeto Smartpol se

propõe a integrar e utilizar?
f) Quais dados/informações o Instituto CTEM+ considera insumos

indispensáveis para soluções baseadas em Inteligência Artificial
destinadas às atividades operacionais das Polícias Militares?
220
g) Quais dificuldades tem sido encontradas na elaboração e execução do

Projeto Smartpol?
h) Quais são as expectativas de benefícios para o emprego das forças de

de soluções tecnológicas baseadas em IA (Inteligência Artificial)?
i) Quais são as expectativas de benefícios para o emprego das forças de

de soluções tecnológicas de Big Data?
j) Qual a visão de futuro do Instituto CTEM+ quanto ao uso de soluções

baseadas em Big Data e IA nas atividades de Inteligência de
Segurança Pública e atividades operacionais das Polícias Militares?


Marcos Cesar Rodrigues Alves

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Marcos Cesar Rodrigues Alves

Enviado por

Direitos autorais:

Formatos disponíveis

ACADEMIA DE POLÍCIA MILITAR DE MINAS GERAIS

CENTRO DE PESQUISA E PÓS-GRADUAÇÃO

Marcos César Rodrigues Alves

A ADOÇÃO DA INTELIGÊNCIA ARTIFICIAL COMO ESTRATÉGIA

A ADOÇÃO DA INTELIGÊNCIA ARTIFICIAL COMO ESTRATÉGIA

Monografia apresentada à Academia de Polícia

Orientador: Coronel PM QOR Hélio Hiroshi

Inclui bibliografias: f. 200-205.

1. Inteligência de Segurança Pública. 2. Predição

Ao Senhor Jesus Cristo, pelas ministrações de graça e paz que transformam

A presente pesquisa foi aplicada a fim de realizar um estudo analítico sobre a

Palavras-Chave: Inteligência Artificial. Inteligência de Segurança Pública. Emprego

Keywords: Artificial Intelligence. Public Security Intelligence. Operational

Figura 1 – Neurônio biológico e neurônio artificial..................................................... 27

Gráfico 1 – Aprendizagem profunda e quantidade de dados .................................... 58

Quadro 1 – Conceitos de inteligência artificial........................................................... 26

2 INTELIGÊNCIA ARTIFICIAL ................................................................................. 25

3 EMPREGO OPERACIONAL DA POLÍCIA MILITAR DE MINAS GERAIS ........... 73

4 ATIVIDADE DE INTELIGÊNCIA DE SEGURANÇA PÚBLICA ........................... 104

5 METODOLOGIA .................................................................................................. 114

6 RESULTADOS E DISCUSSÕES ......................................................................... 119

CONSIDERAÇÕES FINAIS .................................................................................... 193

REFERÊNCIAS ....................................................................................................... 200

ANEXO A – Quadros em língua estrangeira traduzidos na pesquisa ............... 206

APÊNDICE A – Roteiro dos questionário aos gestores específicos dos níveis

Atualmente, em meio a um cenário de rigorosa contenção dos gastos

à Instituição: realizar a contenção de gastos públicos e potencializar sua atividade-

Nesse contexto, a presente pesquisa tem como tema a adoção da IA

a) identificar a necessidade de produção de informações estratégicas e

b) mapear a utilização de IA na Corporação e aplicação na inteligência de

Ante o exposto, o contexto atual do tema deste trabalho por si só

Na sexta seção, apresentam-se os resultados da aplicação da técnica de

Na presente seção, será apresentado o conceito de IA, bem como suas

2.1 Conceito de inteligência artificial

Para se alcançar êxito na obtenção do conhecimento sobre o uso da IA

Quadro 1 – Conceitos de Inteligência Artificial

Fonte: RUSSEL; NORVIG, 2013, p. 24.

Diante desses conceitos iniciais, Russel e Norvig (2013) afirmam que o

Figura 1 – Neurônio biológico e neurônio artificial

Fonte: KAPOOR, 2019, p. 152.

De igual forma, a construção dos algoritmos na IA volta-se à forma lógica

Kaplan e Haenlein (2019, p. 17, tradução nossa) definem a IA como a “[...]

2.2 Rede neural artificial

A partir da abordagem realizada na seção anterior, é notório que a IA

aplicação ampliados na mesma proporção da sua complexidade de

Em síntese, o desenvolvimento das RNA é baseado em modelos

Quadro 2 – Correlação entre o modelo de redes neurais naturais e o modelo de

Fonte: GOLDSCHMIDT; PASSOS, 2005, p. 175.

A Figura 2, apresentada por Goldschmidt e Passos (2005), demonstra, de

processamento interno da rede é chamada de “camada escondida”. De acordo com

Figura 2 – Processamento de dados em redes neurais artificiais

Fonte: GOLDSCHMIDT; PASSOS (2005, p. 176).

Em cada conexão de saída, há um peso sináptico, ou seja, uma

Quadro 3 – Aplicações das redes neurais artificiais

Algumas aplicações das redes neurais artificiais

2.3 Big data

A entrada, ou seja, a obtenção dos dados que serão interpretados é um

ML, um subconjunto de inteligência artificial, visa criar programas de

Neste ponto, verificam-se dois conceitos fundamentais para o

Quadro 4 – Três dimensões do big data

Já na Figura 3, Rodrigues (2018) apresenta o big data sob a ótica de

Figura 3 – Big data e fatores indutores (4 “V”)

Fonte: RODRIGUES, 2018, p. 23.