A Lei nº 11.343 de 2006, que institui o Sistema Nacional de Políticas Públicas sobre Drogas constituiu sua arquitetura normativa a partir da distinção aparentemente objetiva entre usuário e traficante, tratando o porte para consumo pessoal, em seu art. 28 e o tráfico em seu art. 33, como condutas distintas.
Essa diferenciação, contudo, repousa sobre critérios circunstanciais, conforme o § 2º do art. 28, a natureza e quantidade da substância, o local, as condições da ação, as circunstâncias sociais e pessoais, a conduta e os antecedentes do agente, são critérios de moldura aberta que transferem ao operador do direito a decisão discricionária de classificar o suspeito como usuário ou traficante.
Salo de Carvalho (2014) demonstra que essa indeterminação normativa não é uma falha técnica, mas o núcleo de uma política criminal que desde a sua origem, permite que os marcadores de classe, raça e território preencham as lacunas deixadas pela legislação.
Tal formulação encontra fundamento na teoria da seletividade penal de Eugenio Raúl Zaffaroni, que defende que o sistema penal define de forma abstrata um universo de condutas puníveis muito maior do que sua capacidade operacional de processamento, no que chama de criminalização primária. A seleção efetiva de quem será perseguido ocorre por meio da atuação de policiais e juízes orientados por estereótipos de vulnerabilidade, no que chama de criminalização secundária (1991).
A Lei de Drogas é talvez o exemplo mais evidente dessa dinâmica no Brasil contemporâneo, alguns dados de execução penal reunidos por Juliana Borges (2018) apontam que o tráfico se tornou a principal porta de entrada da população negra e pobre no sistema prisional, ao mesmo tempo em que usuários de classes socioeconômicas privilegiadas raramente são processados pelo crime de tráfico em circunstâncias equivalentes.
Essa seletividade, operada ao longo dos anos pelo sistema de justiça em decisões discricionárias e situadas, produziu um imenso acervo de dados: registros de abordagens, boletins de ocorrência, mapas de áreas de risco e perfis de suspeitos que alimentam diretamente os sistemas de inteligência artificial incorporados à segurança pública.
A transformação tecnológica da segurança pública
Com o advento das novas tecnologias, os procedimentos antes essencialmente analógicos, como a abordagem policial, a investigação baseada em informantes e a vigilância física, foram incorporando outros instrumentos para garantia da segurança pública, o reconhecimento facial em câmeras de monitoramento urbano, as análises automatizada de imagens, softwares de cruzamento de bases de dados entre polícia, Ministério Público e Judiciário, o monitoramento de redes sociais e os sistemas preditivos que apontam, a partir de séries históricas de ocorrências, áreas e perfis de maior risco criminal.
As revisões recentes documentam esse deslocamento no campo da política de drogas e da segurança pública como um todo. Almeida e Souza (2025) analisam como os sistemas de reconhecimento facial aplicados à segurança pública brasileira operam como instrumento que reproduz, sob a aparência de objetividade estatística, padrões de racismo estrutural historicamente presentes nas abordagens policiais.
Iandara Bergamaschi de Freitas (2023) evidencia que o policiamento preditivo, ao projetar ocorrências futuras a partir de registros passados, tende a intensificar o patrulhamento exatamente nos territórios historicamente sob vigilância, retroalimentando a base de dados de treinamento em um ciclo de suspeitas.
Esse arranjo tecnológico transformou também a produção da prova, os perfis em redes sociais, a geolocalização, os metadados de comunicação e cruzamentos automatizados de registros financeiros passaram a compor uma parte importante do material probatório em investigações de tráfico de drogas.
Discriminação algorítmica e vigilância no processo penal
A literatura internacional também fornece categorias precisas para compreender esse fenômeno. Ruha Benjamin (2019) explica como as novas tecnologias incorporam sistemas automatizados que codificam preconceitos preexistentes sob a roupagem de neutralidade estatística, produzindo um tipo de discriminação tanto mais eficaz quanto menos visível, porque é apresentada como o resultado objetivo da análise de dados e não como uma escolha humana.
David Lyon (2003), por sua vez, descreve a vigilância contemporânea como prática de social sorting, onde sistemas de vigilância observam e classificam populações em categorias de risco e valor, distribuindo oportunidades e coerção de acordo com os critérios que reproduzem hierarquias sociais preexistentes, entre elas as de raça e classe.
Aplicadas à política de drogas, essas categoriais revelam que a criminalização secundária historicamente seletiva extrai e coleta os dados policiais sobre os quais os sistemas de inteligência artificial são treinados, esses sistemas aprendem, estatisticamente, o próprio padrão de suspeição que se pretende vigiar e punir, apresentando sob o formato de score de risco, alerta automatizado ou recomendação de abordagem em determinados casos.
A tecnologia, enquanto instrumento de atuação humana, não é neutra nem necessariamente sinônimo de desenvolvimento e avanço, ela depende inteiramente de como é concebida, de quais vieses a alimentam e de quem controla seus critérios.
A seletividade algorítmica atinge também as garantias fundamentais, a opacidade de alguns modelos dos sistemas de IA dificulta a rastreabilidade e o contraditório sobre os critérios que fundamentaram a investigação. A ausência de explicabilidade compromete a possibilidade de impugnação efetiva pela defesa e a produção de provas a partir dos cruzamentos automatizados de dados pessoais, muitas vezes sensíveis, e levantam questões a respeito da proteção de dados.
A Lei Geral de Proteção de Dados Pessoais, Lei nº 13.709 de 2018, classifica os dados pessoais em relação à origem enquanto dados sensíveis e assegura, no seu art. 20, o direito à revisão de decisões fundamentadas unicamente com base no tratamento automatizado.
Laura Schertel Mendes et al. (2023) sustentam que decisões automatizadas exigem explicabilidade e contestabilidade como condições de legitimidade, sobretudo quando produzem efeitos jurídicos relevantes sobre a esfera de liberdade do indivíduo, como ocorre diretamente na investigação dos crimes de drogas. Para além disso, é fundamental que seja mantida a esfera de responsabilização das decisões tomadas, sendo necessário que todas as decisões, por mais que automatizadas, sejam validadas por uma autoridade competente, responsável pelo ato.
Parâmetros jurídicos para conter a seletividade algorítmica
A Lei de Drogas opera historicamente de forma seletiva, produzindo ao longo de vinte anos, dados policiais e padrões de suspeição racializados e territorializados, os sistemas algorítmicos, treinados a partir desses dados, tendem a aprender e a reproduzir, com aparência técnica de neutralidade, a mesma lógica, de modo que o uso da inteligência artificial na segurança pública exigirá a observação dos limites jurídicos de transparência, rastreabilidade, e explicabilidade dos vieses algoritmos.
Nenhum sistema algorítmico deve orientar ações de investigação sem que seus critérios possam ser auditáveis pela defesa, pelo Ministério Público e pelo Poder Judiciário. É necessário vedar expressamente o uso de proxies e outros marcadores de raça e classe social como variáveis de risco, com auditorias periódicas e independentes de viés discriminatório, nos termos do que recomendam Benjamin (2019) e Lyon (2003).
Também é necessária a aplicação rigorosa da LGPD, com avaliação de impacto obrigatória antes da implantação de qualquer sistema que implique o tratamento de dados sensíveis, de forma a restringir sua utilização para treinamento discriminatório, e proibindo também a comercialização dos dados produzidos.
É necessário garantir o efetivo direito à revisão humana das decisões automatizadas, na linha proposta por Mendes et al. (2023). Toda e qualquer decisão deve permanecer sob responsabilidade humana individualizada, respeitando a esfera de responsabilização do agente competente para aquele ato, que não pode ser transferida para sistemas de IA.
Nesse sentido, a contribuição de Zaffaroni (1991) permanece atual, se o direito penal não pode eliminar a seletividade estrutural do sistema, cabe ao menos contê-la e reduzi-la. Vinte anos após a Lei de Drogas, o desafio continua sendo impedir que a modernização tecnológica da segurança pública transforme séculos de seletividade e discriminação em infraestrutura de dados permanente, automatizada e, por isso mesmo, mais difícil de contestar.
Referências
ALMEIDA, José Antonio Caldeira de; SOUZA, Patrícia Verônica Nunes Carvalho Sobral de. Tecnologias de reconhecimento facial: o racismo algorítmico como instrumento de política de segurança pública. Revista Eletrônica Direito e Política, v. 20, n. 1, p. 202-219, 2025. Disponível em: https://periodicos.univali.br/index.php/rdp/article/view/20639. Acesso em agosto de 2026.
BENJAMIN, Ruha. Race after technology: abolitionist tools for the new Jim code. Medford: Polity Press, 2019.
BORGES, Juliana. O que é encarceramento em massa? Belo Horizonte: Letramento, 2018.
BRASIL. Lei nº 11.343, de 23 de agosto de 2006. Institui o Sistema Nacional de Políticas Públicas sobre Drogas e dá outras providências. Diário Oficial da União, Brasília, DF, 24 ago. 2006.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Diário Oficial da União, Brasília, DF, 15 ago. 2018.
CARVALHO, Salo de. A política criminal de drogas no Brasil: estudo criminológico e dogmático da Lei n. 11.343/06. 7. ed. São Paulo: Saraiva, 2014.
FREITAS, Iandara Bergamaschi de. Policiamento preditivo: aspectos discriminatórios no uso das novas tecnologias. Revista de Direito, Governança e Novas Tecnologias, Florianópolis, v. 9, n. 1, p. 113-129, 2023. Disponível em: https://indexlaw.org/index.php/revistadgnt/article/view/9732. Acesso em agosto de 2026.
LYON, David (Ed.). Surveillance as social sorting: privacy, risk, and digital discrimination. London: Routledge, 2003.
MENDES, Laura Schertel; DONEDA, Danilo; BIONI, Bruno; SARLET, Ingo Wolfgang; RODRIGUES JR., Otavio Luiz (Coord.). Tratado de proteção de dados pessoais. 2. ed. Rio de Janeiro: Forense, 2023.
ZAFFARONI, Eugenio Raúl. Em busca das penas perdidas: a perda de legitimidade do sistema penal. Tradução de Vania Romano Pedrosa e Amir Lopes da Conceição. Rio de Janeiro: Revan, 1991.
