IA e Cidades Inteligentes no Brasil: Governança Municipal e Transparência Algorítmica
Autores: Thiago Almeida, André Nakamura Série: IBGIA Policy Brief Series Número: PB-2026-014 Data: Maio 2026
Sumário Executivo
Câmeras com reconhecimento facial em praças públicas, algoritmos de roteamento de guarda municipal, sistemas de IA para triagem de atendimento em UBSs, análise preditiva de áreas de risco — as prefeituras brasileiras estão adotando tecnologias de IA em ritmo acelerado, geralmente sem arcabouço jurídico adequado, sem avaliação de impacto e sem transparência para os cidadãos.
Este policy brief mapeia os principais usos de IA em governos municipais brasileiros, identifica os riscos de governança mais críticos e propõe um framework de conformidade adaptado à realidade de municípios de diferentes portes — do pequeno município do interior às megalópoles como São Paulo e Rio de Janeiro.
Recomendações principais:
- Municípios que usem IA em serviços públicos devem publicar um Inventário Municipal de Sistemas de IA (IMSIA)
- Sistemas de reconhecimento facial em espaços públicos requerem lei municipal específica, vedação a uso preventivo
- Algoritmos de alocação de vagas em creches, habitação e serviços sociais são alto risco — exigem AIA e canal de contestação
- Consorciamento de municípios para governança de IA — municípios pequenos não têm capacidade técnica individual
1. IA nas Prefeituras Brasileiras: Panorama 2025
1.1 Escala de Adoção
O Brasil tem 5.570 municípios. Uma pesquisa IBGIA/CNM (2025) com amostra de 320 municípios revelou:
- 68% já utilizam algum sistema com componente de IA ou machine learning
- 41% implantaram câmeras com análise de vídeo inteligente (movimento, aglomerações)
- 23% têm sistemas de reconhecimento facial — a maioria contratada com empresas privadas sem licitação específica para IA
- 31% usam chatbots ou atendimento automatizado para serviços ao cidadão
- 19% aplicam algoritmos de scoring para priorização de serviços sociais (habitação, CRAS, CREAS)
- 12% utilizam análise preditiva de criminalidade para alocação de patrulhas
Porte importa:
- Capitais e cidades > 500 mil hab.: 92% com alguma solução de IA
- Cidades 100-500 mil hab.: 74%
- Cidades 10-100 mil hab.: 38%
- Cidades < 10 mil hab.: 9% (geralmente herdadas de plataformas estaduais)
1.2 Casos Emblemáticos Documentados
São Paulo — Reconhecimento facial no metrô e ônibus: A SPTrans e a CPTM implantaram sistemas de reconhecimento facial em terminais e estações a partir de 2023, contratados sem audiência pública específica e sem AIA. Em 2024, ao menos 3 casos documentados de detenção equivocada ligados a falsos positivos do sistema foram noticiados. A Defensoria Pública do Estado de SP protocolou ação civil pública em dezembro de 2024 exigindo suspensão.
Recife — Algoritmo de triagem em UBSs: A Secretaria de Saúde do Recife implantou em 2024 um sistema de triagem baseado em ML para priorização de consultas em Unidades Básicas de Saúde. O sistema não possui documentação pública, e profissionais de saúde relataram casos em que pacientes com condições graves foram classificados como baixa prioridade. Não há canal de contestação.
Curitiba — Smart City Dashboard e vigilância de espaços públicos: Curitiba mantém um dos sistemas mais avançados de monitoramento urbano do Brasil, com integração de câmeras, sensores e análise de dados em tempo real. O sistema é amplamente elogiado em eficiência operacional, mas não tem política pública de transparência sobre: quais dados são coletados, por quanto tempo são retidos, quem tem acesso e quais algoritmos processam as imagens.
Rio de Janeiro — Reconhecimento facial no Carnaval 2025: A Secretaria de Segurança Pública do RJ usou reconhecimento facial em toda a extensão da Sapucaí durante o Carnaval 2025. Foram realizadas 37 abordagens preventivas com base no sistema; 8 confirmadas como verdadeiro positivo (mandados ativos), 29 sem confirmação de irregularidade. A taxa de falso positivo de 78% em ambiente de alta concentração confirmou riscos já documentados pela academia.
2. Riscos de Governança Críticos
2.1 Ausência de Transparência e Inventário
O problema mais básico é que os cidadãos não sabem quais sistemas de IA operam em sua cidade:
- Não há obrigação legal de publicar inventário de sistemas de IA municipais
- Contratos de fornecimento frequentemente contêm cláusulas de sigilo que impedem divulgação de detalhes do sistema
- Servidores municipais frequentemente desconhecem detalhes técnicos dos sistemas que operam
- Câmaras de vereadores raramente têm capacidade técnica para fiscalizar contratos de IA
2.2 Vigilância em Espaços Públicos Sem Base Legal
Reconhecimento facial e análise comportamental em espaços públicos criam perfis biométricos sem consentimento:
Lacuna jurídica:
- LGPD proíbe tratamento de dados biométricos sem consentimento específico — mas o tratamento ocorre antes de qualquer interação com o sistema
- PL 2338/2023, mesmo se aprovado, trata reconhecimento facial em espaços públicos como categoria de "alto risco" mas não o veda explicitamente
- Na ausência de lei municipal específica, prefeituras têm contratado por dispensa ou inexigibilidade
Viés documentado:
- Sistemas comerciais de reconhecimento facial têm taxa de erro 10-34x maior para pessoas negras (MIT Media Lab, replicado em contexto brasileiro pelo IBGIA, 2025)
- Em cidades com alta população negra como Salvador e Rio de Janeiro, o risco de falso positivo é sistematicamente mais alto
Uso preventivo vs. investigativo:
- Uso investigativo (busca de suspeito específico com mandado): debatível mas com precedentes
- Uso preventivo (varredura de todos os presentes em busca de qualquer alvo): inconstitucional para maioria da doutrina (viola presunção de inocência e direito à não identificação compulsória)
2.3 Algoritmos de Alocação de Benefícios Sociais
Os sistemas mais críticos — e menos debatidos — são os algoritmos que decidem quem recebe habitação popular, vaga em creche, atendimento prioritário no CRAS ou auxílio municipal:
Casos documentados de viés:
- Algoritmo de priorização habitacional em São Paulo superestimava renda de famílias chefiadas por mulheres negras com base em padrões de consumo de energia, resultando em menor pontuação apesar de maior vulnerabilidade real
- Sistema de alocação de vagas em creches em Belo Horizonte priorizava endereços próximos a creches com mais vagas — sistematicamente desfavorecendo regiões periféricas com menor densidade de equipamentos
Ausência de explicabilidade:
- Famílias negadas em lista de espera habitacional não recebem explicação do critério
- Recursos administrativos revisados pelo mesmo sistema que tomou a decisão original
- Advogados de assistência jurídica gratuita relatam impossibilidade de contestar sem acesso ao modelo
2.4 Capacidade Técnica Municipal
O problema estrutural mais difícil é que a maioria dos municípios brasileiros não tem capacidade técnica para avaliar, auditar ou governar os sistemas de IA que contratam:
- Apenas 23 capitais e municípios > 500 mil hab. têm algum profissional de TI com formação em ciência de dados ou ML
- Municípios dependem integralmente das informações fornecidas pelos fornecedores
- Contratos de SaaS (Software as a Service) transferem todos os riscos ao município contratante mas toda a opacidade ao fornecedor
- Tribunais de Contas Estaduais raramente têm metodologia de auditoria de sistemas de IA
3. Framework de Governança Municipal de IA
3.1 Inventário Municipal de Sistemas de IA (IMSIA)
Obrigação proposta: Todo município com mais de 20 mil habitantes que implante sistema de IA em serviços públicos deve publicar e manter atualizado um IMSIA.
Conteúdo mínimo do IMSIA:
- Nome e descrição do sistema
- Fornecedor e versão
- Finalidade e serviço municipal em que opera
- Número estimado de cidadãos impactados por mês
- Tipo de dados processados (incluindo dados sensíveis/biométricos)
- Classificação de risco (self-declared, validado pelo TCE)
- Data de implantação e prazo de contrato
- Responsável técnico municipal
- Link para resumo público da AIA (se aplicável)
Publicação: Portal de transparência municipal, atualizado semestralmente, em formato legível por máquina (JSON/CSV).
3.2 Três Categorias de Risco para Sistemas Municipais
Categoria I — Alto Risco Municipal:
- Reconhecimento facial em espaços públicos
- Algoritmos de alocação de vagas em creches, habitação, serviços sociais
- Sistemas preditivos de risco que afetam intervenções policiais ou de assistência social
- Triagem automática em saúde com decisão sem revisão humana
Obrigações Categoria I:
- Aprovação por lei municipal específica (não basta decreto ou portaria)
- Avaliação de Impacto Algorítmico (AIA) antes da implantação, publicada integralmente
- Canal de contestação humana com prazo máximo de 10 dias úteis
- Relatório semestral de desempenho (taxa de acerto, falsos positivos, distribuição por raça/gênero se aplicável)
- Auditoria independente bienal financiada pelo fornecedor
Categoria II — Risco Significativo:
- Chatbots de atendimento ao cidadão em serviços essenciais (saúde, assistência social)
- Sistemas de monitoramento de espaços públicos sem reconhecimento facial
- Analytics preditivo para alocação de recursos de infraestrutura
Obrigações Categoria II:
- Aprovação por decreto municipal com audiência pública prévia
- AIA simplificada publicada
- Canal de contestação com prazo de 15 dias
- Relatório anual
Categoria III — Risco Baixo:
- Automação de processos internos sem impacto direto no cidadão
- Análise de dados para planejamento urbano sem decisões individuais
Obrigações Categoria III:
- Registro no IMSIA
- Responsável técnico designado
3.3 Vedação ao Reconhecimento Facial Preventivo
Proposta de norma municipal padrão:
É vedado o uso de sistemas automatizados de reconhecimento facial em logradouros e equipamentos públicos municipais para fins de identificação preventiva de pessoas sem mandado judicial específico ou flagrante delito em curso.
O uso investigativo de reconhecimento facial — com suspeito específico identificado e mandado de busca ativo — é permitido mediante autorização judicial prévia, com registro em sistema municipal e relatório ao Conselho Municipal de Segurança Pública.
Base jurídica:
- Direito à privacidade e intimidade (art. 5º, X, CF)
- Presunção de inocência (art. 5º, LVII, CF)
- Proteção de dados biométricos como dados sensíveis (LGPD, art. 11)
- Proibição de tratamento discriminatório (art. 6º, IX, LGPD)
3.4 Consorciamento para Governança de IA
A maioria dos municípios brasileiros não tem e não terá capacidade técnica individual para governar IA adequadamente. A solução estrutural é o consorciamento:
Consórcios Regionais de Governança de IA (CRGIA):
- Formação voluntária entre municípios de uma mesma região/estado
- Mínimo de 5 municípios para formação, sem limite máximo
- Pode ser vinculado a consórcios intermunicipais já existentes (ex: consórcios de saúde)
Funções do CRGIA:
- Biblioteca de contratos de IA padronizados com cláusulas de transparência e auditoria
- Capacitação de servidores municipais em governança de IA
- Auditoria compartilhada de sistemas de Categoria I (diluindo custos entre municípios)
- Denúncia coletiva a TCEs, ANPD e autoridade de IA federal
- Poder de barganha coletivo com fornecedores de tecnologia
Incentivos:
- Municípios participantes de CRGIA recebem pontuação adicional em critérios de transferências voluntárias federais relacionadas a inovação
- BNDES e Finep priorizam projetos de cidades inteligentes de municípios participantes de CRGIA
4. Modelo de Ordenamento Jurídico Municipal
4.1 Lei Municipal de IA (LM-IA)
Propomos um modelo de lei municipal com as seguintes seções:
Art. 1-5: Definições e âmbito de aplicação Art. 6-10: Inventário Municipal de Sistemas de IA (IMSIA) — conteúdo, prazos, publicação Art. 11-18: Categorias de risco e obrigações por categoria Art. 19-23: Vedação ao reconhecimento facial preventivo e uso investigativo regulamentado Art. 24-28: Direitos do cidadão — explicabilidade, contestação, acesso a informações Art. 29-32: Comitê Municipal de Governança de IA — composição, competências Art. 33-36: Compras públicas de IA — cláusulas obrigatórias em contratos Art. 37-40: Sanções e responsabilidades Art. 41-43: Disposições finais e vacatio legis
Modelos disponíveis: O IBGIA disponibilizará modelos de LM-IA em três versões:
- LM-IA Completa: para municípios > 100 mil hab. com capacidade jurídica robusta
- LM-IA Simplificada: para municípios de 20-100 mil hab.
- LM-IA Básica: para municípios < 20 mil hab., focada em transparência e IMSIA
4.2 Cláusulas Contratuais Obrigatórias para Compras de IA
Propomos que licitações e contratações de sistemas de IA incluam obrigatoriamente:
- Cláusula de auditabilidade: fornecedor deve permitir auditoria técnica pelo município ou por empresa indicada pelo município, com acesso ao código-fonte ou, alternativamente, a relatórios de avaliação independente
- Cláusula de explicabilidade: sistema deve gerar explicações inteligíveis para cada decisão individual que afete o cidadão
- Cláusula de performance por grupo: fornecedor garante métricas mínimas de performance para grupos protegidos (raça, gênero, deficiência), com penalidade contratual em caso de descumprimento
- Cláusula de incidente: fornecedor notifica município em até 24h após identificação de erro sistemático com potencial de impacto em mais de 100 cidadãos
- Cláusula de portabilidade: dados gerados pelo sistema pertencem ao município, com direito de portabilidade a qualquer tempo
- Vedação de revenda de dados: fornecedor não pode vender ou compartilhar dados municipais com terceiros
5. Recomendações
Para Prefeituras
- Imediato: publicar inventário de todos os sistemas de IA em operação, mesmo informal, nos próximos 90 dias
- Curto prazo: suspender usos de reconhecimento facial preventivo enquanto não aprovada lei municipal específica
- Médio prazo: aderir ou constituir CRGIA regional para compartilhamento de capacidades de governança
- Médio prazo: incluir cláusulas de auditabilidade e explicabilidade em todos os novos contratos de tecnologia
Para Câmaras de Vereadores
- Legislar: aprovar LM-IA adaptada à realidade local, priorizando municípios com sistemas de Categoria I em operação
- Fiscalizar: criar subcomissão de tecnologia e dados para acompanhar o IMSIA e auditar contratos de IA
- Capacitar: realizar pelo menos 2 audiências públicas anuais sobre uso de IA nos serviços municipais
Para Tribunais de Contas Estaduais
- Metodologia de auditoria: desenvolver e publicar protocolo específico de auditoria de contratos e sistemas de IA municipais
- Cooperação: compartilhar metodologia entre TCEs via IRB (Instituto Rui Barbosa)
Para o Governo Federal
- PL 2338: incluir obrigação de IMSIA para municípios > 20 mil hab. no texto do PL ou regulamentação
- Transferências voluntárias: condicionar recursos de cidades inteligentes ao cumprimento de critérios mínimos de governança de IA
- ANPD: criar unidade especializada em governança de IA municipal com capacidade de orientação e fiscalização
6. Conclusão
As cidades são onde a IA encontra a vida cotidiana dos cidadãos com mais intensidade: no ônibus, na UBS, na creche, na fila da habitação, na abordagem policial. E é exatamente nesse espaço — o governo municipal — onde a capacidade de governança é mais fraca.
A boa notícia é que a solução não exige tecnologia avançada: transparência, inventários públicos, cláusulas contratuais adequadas e consorciamento de municípios são instrumentos acessíveis. O que falta é a vontade política de implementá-los e um marco normativo que os torne obrigatórios.
Este policy brief oferece as ferramentas concretas — do modelo de lei às cláusulas contratuais — para que prefeituras, câmaras e tribunais de contas possam agir agora, sem esperar por regulação federal.
Referências
- CNM. Pesquisa de Adoção de Tecnologias Digitais em Municípios Brasileiros 2025. Brasília: CNM, 2025.
- IBGIA. Levantamento de Casos de Viés em Reconhecimento Facial no Brasil. São Paulo: IBGIA, 2025.
- MIT MEDIA LAB. "Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification." FAccT 2018.
- DEFENSORIA PÚBLICA SP. Ação Civil Pública — Sistema de Reconhecimento Facial SPTrans/CPTM. São Paulo: DPSP, 2024.
- LAPIN. Mapeamento de Usos de IA em Governos Municipais Brasileiros. São Paulo: LAPIN/USP, 2025.
- IBGE. Perfil dos Municípios Brasileiros 2024. Rio de Janeiro: IBGE, 2025.
- IRB. Manual de Auditoria de Contratos de Tecnologia para Tribunais de Contas. Brasília: IRB, 2024.
- ANPD. Guia de Boas Práticas: Uso de IA por Órgãos Públicos. Brasília: ANPD, 2025.
PB-2026-014 | IBGIA Policy Brief Series | Maio 2026 Instituto Brasileiro de Governança em IA — ibgia.org