Startup Noleak usa IA para transformar câmeras em vigilância ativa

A startup Noleak desenvolveu uma solução que utiliza Inteligência Artificial (IA) para otimizar o uso de câmeras de segurança, transformando equipamentos passivos em sistemas de monitoramento ativo. A ferramenta, batizada de Agatha, aprende padrões de comportamento em ambientes monitorados e emite alertas apenas quando identifica alterações significativas, descartando imagens que não exigem atenção imediata. Essa inovação permite que um único profissional acompanhe de 1.000 a 2.000 câmeras simultaneamente, sem ser sobrecarregado por notificações irrelevantes.

A iniciativa surgiu da percepção de Rafael Libardi, fundador da Noleak, sobre as limitações dos sistemas tradicionais. "Por que as câmeras de segurança ainda funcionam, em grande parte, como sensores de movimento sofisticados, mas pouco inteligentes?", questionou Libardi. A lógica da plataforma foi inicialmente testada no universo da proteção de dados digitais, com um projeto das Forças Armadas de um país da América Latina, visando identificar comportamentos anômalos em redes internas de computadores para detectar invasões estrangeiras.

Libardi adaptou o método para imagens de câmeras de segurança, substituindo pacotes de dados por pixels e ataques cibernéticos por comportamentos fora do padrão. "O que existia no mercado era basicamente a detecção de movimento e, para qualquer desvio, havia um alerta. Isso produzia milhares de notificações por hora e tornava o sistema pouco útil", explicou. "Decidi juntar o que eu sabia em cibersegurança com a segurança visual."

Aprendizado de padrões

Em vez de operar com regras fixas, a plataforma Agatha observa o ambiente por um período determinado para estabelecer o que é considerado normal. Isso inclui identificar locais habituais de estacionamento de veículos, horários de maior movimento e áreas de maior circulação. A partir dessa linha de base, o sistema detecta desvios e encaminha alertas para avaliação humana.

Estudos sobre vigilância por vídeo ressaltam os limites da atenção humana: um operador pode deixar de perceber até 45% da atividade após 12 minutos de observação contínua, e até 95% após 22 minutos. Diante dessa realidade, um profissional consegue supervisionar com qualidade apenas dezenas de câmeras antes que a fadiga comprometa a vigilância. A triagem automatizada da Agatha, por outro lado, filtra mais de 99,8% das imagens irrelevantes, direcionando a atenção do analista para situações que realmente demandam decisão. "Ele vê só o que está estranho", resumiu Libardi.

Aplicações além da segurança

O mercado de sistemas eletrônicos de segurança está em expansão, com a Abese estimando um faturamento de R$ 14 bilhões em 2024. Além do monitoramento em tempo real, a tecnologia da Noleak viabiliza análises forenses, permitindo a revisão rápida de grandes volumes de vídeo para localizar anomalias. Uma distribuidora de energia de Minas Gerais, por exemplo, reduziu a análise de semanas de gravação a cerca de 10 minutos após a implementação da ferramenta, agilizando a investigação de furtos em subestações.

A solução também tem aplicações diversificadas, como a verificação do uso correto de EPIs (equipamentos de proteção individual), a detecção de comportamentos que antecedem acidentes de trabalho, o controle de estoques em galpões e o monitoramento de processos industriais. Em uma indústria agroindustrial de Belém (PA), a IA identificou sinais de desgaste em correntes de grande porte por meio de alterações sutis nos padrões visuais. No Porto de Santos, a ferramenta realizou a contagem em tempo real de sacos de cimento, ração e grãos, substituindo processos manuais sujeitos a erros.

Uso em cidades inteligentes

O tempo de adaptação da ferramenta varia: o monitoramento de EPIs pode ser implementado em menos de 24 horas, enquanto sistemas de contagem em portos levam cerca de uma semana. Aplicações industriais específicas podem demandar meses de treinamento dos algoritmos. Em condomínios e bairros monitorados, a IA identifica veículos de moradores e alerta sobre a presença de automóveis desconhecidos. Em um caso notável, o sistema emitiu um alerta ao detectar uma criança próxima a um portão automático de garagem durante a abertura, permitindo que o operador interviesse a tempo. A tecnologia pode complementar iniciativas de cidades inteligentes, como o programa Smart Sampa, que utiliza reconhecimento facial para localizar suspeitos, com a plataforma da Noleak focando na análise comportamental.

Especialistas alertam que tecnologias de reconhecimento facial exigem validação humana devido a margens de erro. Libardi concorda: "Nenhuma solução deve operar de forma isolada. Elas funcionam como filtros de precisão. Sempre deve haver verificação posterior porque a ferramenta não substitui o olhar humano; ela reorganiza prioridades". Ele também enfatiza a importância de uma infraestrutura adequada e da educação do cliente sobre as capacidades reais da tecnologia, para evitar expectativas irrealistas sobre o desempenho de câmeras de baixo custo em longas distâncias.

Com apoio do PIPE (Programa Pesquisa Inovativa em Pequenas Empresas) da FAPESP, a startup aprimorou sua arquitetura de dados e modelos matemáticos para ganhar escala. "O pesquisador domina a técnica, mas nem sempre sabe como transformá-la em um produto comercialmente viável", declarou Libardi. Esta notícia foi originalmente publicada pela Agência Fapesp em 2 de maio de 2026.