Uso da IA e ML na análise de denúncias criminais: estudo para automatização do disque denúncia de SP

Abstract

Este trabalho aborda o uso de técnicas de Inteligência Artificial (IA) e Aprendizado de Máquina (ML) na análise e classificação de denúncias criminais, com foco na automatização do processo de encaminhamento das ocorrências ao batalhão responsável da Polícia Militar. O problema identificado está na grande quantidade de denúncias recebidas pelo Disque Denúncia de São Paulo e na necessidade de triagem rápida e precisa, que atualmente é realizada de forma manual, consumindo tempo e recursos. O objetivo do estudo é propor, de forma conceitual, uma solução baseada em técnicas de Processamento de Linguagem Natural (PLN) e modelos de ML que possa auxiliar a automatizar esse processo, aumentando a eficiência e reduzindo falhas humanas. Para contornar os limites da Lei Geral de Proteção de Dados (LGPD), foram utilizados dados simulados que contemplam informações como tipo de crime, data e hora, endereço, CEP e batalhão responsável. A metodologia adotada inclui revisão bibliográfica, simulação de base de dados, definição de etapas de pré-processamento textual e proposta de aplicação de modelos supervisionados de IA. O estudo também sugere frameworks e bibliotecas amplamente utilizadas, como NLTK, spaCy, Scikit-learn e TensorFlow, que poderiam viabilizar a implementação em um cenário real. Como contribuição, este trabalho fornece uma visão conceitual estruturada de como técnicas de IA podem ser aplicadas na segurança pública, indicando caminhos futuros para pesquisas e implementações práticas na área de análise de denúncias criminais.

This work addresses the use of Artificial Intelligence (AI) and Machine Learning (ML) techniques in the analysis and classification of criminal reports, focusing on the automation of the process of forwarding occurrences to the responsible Military Police battalion. The identified problem lies in the large volume of reports received by São Paulo’s Crime Hotline and the need for quick and accurate triage, which is currently performed manually, consuming time and resources. The aim of this study is to conceptually propose a solution based on Natural Language Processing (NLP) techniques and ML models that can help automate this process, increasing efficiency and reducing human errors. To overcome the constraints of the General Data Protection Law (LGPD), simulated data were used, including information such as type of crime, date and time, address, postal code and the responsible battalion. The adopted methodology includes literature review, data simulation, definition of text preprocessing steps and the proposal of applying supervised AI models. The study also suggests widely used frameworks and libraries, such as NLTK, spaCy, Scikit-learn, and TensorFlow, which could enable implementation in a real scenario. As a contribution, this work provides a structured conceptual overview of how AI techniques can be applied in public security, pointing out future directions for research and practical implementations in the area of criminal report analysis.