Quando a câmera olha para dentro
Durante décadas, o radar de trânsito cumpriu uma função simples e bem definida: medir a velocidade de um veículo em um ponto fixo da via. O motorista desatento acelerava, o equipamento registrava, a multa chegava pelo correio. Era um sistema reativo, pontual e fácil de burlar com um simples freio nos metros anteriores ao equipamento.
Esse modelo está sendo substituído por algo fundamentalmente diferente. Câmeras equipadas com inteligência artificial e sensores infravermelhos estão sendo instaladas em rodovias de vários estados brasileiros com uma capacidade que nenhum radar tradicional tinha: enxergar dentro do veículo, em tempo real, 24 horas por dia, independente de iluminação ou condições climáticas.
A diferença entre um radar tradicional e os novos sistemas de IA não é apenas tecnológica. É conceitual. Um radar mede um comportamento externo e mensurável: a velocidade do veículo. As câmeras com IA monitoram comportamentos internos: o que o motorista está fazendo com as mãos, se está usando o cinto, se há passageiros sem proteção.
Isso é possível graças à combinação de dois componentes. O primeiro são as câmeras de alta resolução com sensores infravermelhos, que captam imagens do interior do veículo mesmo em situações de baixa luminosidade, como madrugadas, túneis ou dias de chuva intensa. O segundo é o algoritmo de visão computacional que analisa cada frame em tempo real, identificando padrões visuais associados a infrações: a posição de um celular na mão do condutor, a ausência da faixa diagonal do cinto no tronco do motorista ou do passageiro.
Quando o sistema detecta uma possível infração, a imagem é automaticamente recortada, classificada e enviada para um centro de controle integrado. Ali, um agente da polícia rodoviária analisa a imagem, confirma a infração e formaliza o auto de infração. O processo é quase automatizado na detecção, mas mantém a validação humana antes da autuação, o que garante o respaldo legal necessário para que a multa seja válida.
Os números que chamam atenção
Os resultados dos projetos-piloto já em operação são difíceis de ignorar. Em apenas 28 dias de fase de testes em trechos de uma importante rodovia paulista, os equipamentos registraram quase cinco mil infrações, uma média de 168 flagrantes por dia em um único ponto de monitoramento.
A distribuição dessas infrações revela um dado que os especialistas em medicina de trânsito já conheciam, mas que agora ganhou evidência empírica inescapável: o uso do cinto de segurança, ou melhor, a falta dele, representa a maior parte das irregularidades flagradas. Somando motoristas e passageiros sem cinto, a proporção chegou a quase 80% do total de ocorrências num dos projetos analisados. O uso de celular ao volante respondeu por cerca de 21%.
Em outro trecho, em rodovias de Minas Gerais, o sistema acumulou mais de 3.200 irregularidades ao longo de 2025. Em um terceiro projeto, em região do interior paulista, mais de 16 mil multas foram aplicadas no mesmo período.
São números que não estão apenas documentando infrações. Estão revelando a dimensão de um comportamento de risco que acontecia diariamente nas rodovias brasileiras sem qualquer registro sistemático, porque os radares convencionais simplesmente não conseguiam ver.
A tecnologia por trás do sistema
O que torna esses sistemas tecnicamente viáveis é a maturidade atual dos algoritmos de visão computacional, uma das áreas da inteligência artificial que mais avançou nos últimos anos com aplicações industriais. Redes neurais convolucionais, treinadas com milhares de imagens rotuladas de motoristas em situações de infração e conformidade, conseguem identificar padrões visuais com precisão suficiente para reduzir drasticamente a taxa de falsos positivos antes da validação humana.
O papel do sensor infravermelho é complementar e essencial. Câmeras convencionais dependem de luz visível para capturar imagens com qualidade. Em condições de baixa iluminação, os registros se tornam granulados e inutilizáveis para fins probatórios. Os sensores infravermelhos, ao capturar radiação térmica em vez de luz visível, mantêm a qualidade da imagem em qualquer condição de luminosidade. O resultado é um sistema que opera com a mesma eficiência às 14h de uma tarde de verão e à 1h da manhã numa rodovia sem iluminação artificial.
Para quem trabalha com análise de dados e inteligência artificial aplicada a operações, essa arquitetura é um caso de uso paradigmático: dados gerados continuamente em campo, processados por modelos de classificação em tempo real, com saída estruturada para tomada de decisão por um operador humano. É o mesmo padrão que encontramos em sistemas de detecção de fraude, monitoramento de qualidade industrial e plataformas de segurança corporativa.
A expansão que está acontecendo
O que começou como projeto-piloto em trechos específicos está se tornando uma estratégia de expansão coordenada. Concessionárias em diferentes estados estão ampliando o número de pontos de monitoramento de forma acelerada, com metas que colocam dezenas de novos equipamentos em operação nos próximos 18 a 24 meses.
A lógica econômica e operacional que sustenta essa expansão é direta. O custo de instalação e manutenção de uma câmera com IA é diluído pelo volume de fiscalização que ela é capaz de gerar de forma autônoma. Uma única câmera operando 24 horas por dia pode monitorar um fluxo de milhares de veículos sem custo variável por infração detectada. Isso torna o sistema economicamente mais eficiente do que operações de fiscalização que dependem de efetivo humano em campo.
Mas o argumento mais robusto para a expansão não é econômico. É o impacto na segurança viária. Dados de pesquisas setoriais indicam que cerca de 90% dos acidentes de trânsito no Brasil têm elementos de distração entre suas causas principais, com destaque para o manuseio de celular ao volante e o desrespeito à sinalização. Estudos de biomecânica de acidentes mostram que o cinto reduz o risco de morte em colisões frontais em mais de 45%.
LGPD, privacidade e o debate necessário
A câmera que olha para dentro do veículo levanta questões legítimas sobre privacidade que precisam ser discutidas com seriedade. A Lei Geral de Proteção de Dados estabelece princípios de finalidade, necessidade e proporcionalidade que se aplicam mesmo a dados tratados pelo poder público e por concessionárias de serviço público.
O argumento jurídico que sustenta esses sistemas é a finalidade pública de segurança viária, a base legal de interesse público e a proporcionalidade entre o dado coletado e a finalidade perseguida. Esse argumento tem respaldo na jurisprudência brasileira sobre fiscalização de trânsito, mas o debate sobre os limites do que pode ser coletado, por quanto tempo as imagens são retidas e quem tem acesso a elas é um debate que a sociedade precisa ter de forma transparente.
A Associação Brasileira de Ciência de Dados e IA tem apontado consistentemente que a adoção de tecnologias de monitoramento com IA requer marcos de governança claros, não apenas para proteger direitos individuais, mas para garantir que os sistemas sejam auditáveis, imparciais e operem dentro de limites definidos democraticamente.
O que muda para quem dirige
Do ponto de vista prático, a mudança é significativa para qualquer condutor que utilize rodovias concedidas. O comportamento que era invisível para os sistemas de fiscalização tradicionais agora pode ser registrado em qualquer ponto monitorado, a qualquer hora do dia ou da noite.
O perfil de infração que esses sistemas capturam revela algo sobre o comportamento dos motoristas que vai além da estatística: a maioria das pessoas não usa o cinto nem usa o celular com intenção deliberada de infringir a lei. Faz isso por hábito, por conveniência momentânea, por subestimar o risco. É exatamente esse tipo de comportamento que os sistemas de fiscalização contínua impactam de forma mais eficaz, porque eliminam a percepção de que a infração só existe quando há um agente ou equipamento visível.
Para profissionais de tecnologia e gestão que acompanham a evolução da IA aplicada a operações públicas, esse movimento nas rodovias brasileiras é um indicador relevante de como sistemas de visão computacional estão saindo dos laboratórios e chegando a casos de uso de alto impacto social. Quem trabalha com desenvolvimento de sistemas baseados em IA, seja em plataformas como a Replitfy ou em projetos de consultoria estratégica como os desenvolvidos com visão de CTO as a Service, encontra nesse contexto tanto um caso de estudo quanto um sinal de demanda crescente por profissionais capazes de construir, auditar e governar sistemas de IA com consequências reais.
O olho que não dorme
A metáfora do olho que nunca fecha é precisa, mas incompleta. Um olho que nunca fecha pode ser inquietante. Um olho que nunca fecha, que processa o que vê com rigor técnico e transparência, que opera dentro de limites claros de governança e que tem como único objetivo reduzir o número de pessoas que não chegam em casa após uma viagem, esse olho é um instrumento de proteção.
O desafio que está pela frente não é tecnológico. A tecnologia já existe, já funciona e já está em expansão. O desafio é de governança: garantir que esses sistemas operem com transparência, que as imagens coletadas sejam usadas exclusivamente para a finalidade declarada, que os dados de quem não cometeu infração não sejam retidos ou reutilizados, e que haja mecanismos eficazes de contestação para quem acreditar ter sido autuado de forma indevida.
Acertar nesse equilíbrio é o que vai determinar se essa tecnologia será lembrada como o momento em que as rodovias brasileiras ficaram mais seguras ou como o momento em que a fiscalização virou vigilância sem limite. A diferença entre os dois caminhos está nas decisões que tomamos agora, antes que os sistemas estejam tão disseminados que seja tarde para redesenhá-los.
Para acompanhar como a inteligência artificial está transformando decisões em diferentes setores, vale assinar a newsletter gratuita sobre Vibe Coding, com análises semanais sobre IA aplicada ao mundo real.
