Na segunda-feira, 23 de junho, Emicida publicou um vídeo nas redes sociais com pesquisas da FGV e referências ao trabalho de um ganhador do Nobel de Economia. O motivo era responder a uma fala do apresentador Luciano Huck sobre "dependência" criada pelo Bolsa Família. O vídeo viralizou. Mas o que me chamou atenção não foi a polêmica em si. Foi a estrutura do argumento.
Emicida fez o que engenheiros de dados chamam de basear a hipótese em evidência. Ele não debateu com intuição contra intuição. Ele trouxe dados. E quando você faz isso em um debate dominado por impressão, o contraste é brutal.
O dado que ninguém quer ver
Existe um padrão curioso nos debates sobre políticas sociais no Brasil. A opinião chega primeiro. Os dados, quando chegam, chegam depois, pequenos, enterrados no meio da discussão.
O ministro Wellington Dias divulgou que, desde 2023, 7 milhões de famílias saíram da pobreza e 5 milhões ascenderam à classe média com apoio do Bolsa Família. Em 2017, um levantamento publicado pela UOL apontava que o programa já havia reduzido em 28% a pobreza extrema no Brasil. São números concretos, rastreáveis, gerados por metodologias que qualquer analista pode examinar.
Mas eles não cabem bem num argumento que já chegou pronto.
A frase de Emicida, "o que prende alguém na pobreza não é o benefício, é a pobreza", não é retórica. É uma hipótese sobre causalidade. É exatamente o tipo de pergunta que qualquer sistema de análise sério deveria fazer antes de propor uma solução: o que está causando o quê?
"O que prende alguém na pobreza não é o benefício, é a pobreza.", Emicida
Quando invertemos a causalidade, tomamos decisões erradas. Em governança de dados, isso tem nome: spurious correlation, correlação espúria. Você vê duas coisas juntas e conclui que uma causa a outra, sem testar a direção. Receber o Bolsa Família e continuar pobre não significa que o programa causa a pobreza. Pode simplesmente significar que a pobreza ainda não foi resolvida.
Por que a tecnologia entra nessa conversa
Pode parecer uma virada brusca, mas não é. A mesma lógica que distorce o debate sobre o Bolsa Família aparece em decisões algorítmicas todos os dias.
Sistemas de crédito que usam CEP como variável preditiva. Modelos de recrutamento que penalizam candidatos de certas regiões. Ferramentas de precificação que cobram mais de quem mora na periferia. Cada um desses sistemas encontrou uma correlação e assumiu, sem questionar, que ela conta uma história de risco ou de mérito.
O problema não é a tecnologia. É a hipótese que foi embutida nela antes de qualquer linha de código.
Quando um modelo é treinado com dados históricos de um país estruturalmente desigual, ele aprende a reproduzir essa desigualdade com precisão matemática. E aí está o perigo real: a inequidade ganha uma aparência de objetividade. Deixa de parecer preconceito e começa a parecer resultado.
Isso é o que os pesquisadores de IA chamam de bias laundering. A discriminação entra suja e sai lavada em métricas.
A pergunta que o dado não responde sozinho
Dado sem contexto é ruído. Emicida entendeu isso melhor do que muita gente com doutorado em economia na timeline.
O contexto importa porque os números sobre o Bolsa Família não aparecem no vácuo. Aparecem num país onde, segundo o IBGE, pretos e pardos representam mais de 75% da população em extrema pobreza. Aparecem num debate onde o interlocutor que questiona o programa tem patrimônio estimado em centenas de milhões de reais e nunca precisou escolher entre a passagem de ônibus e o almoço.
Não estou dizendo que riqueza desqualifica opinião. Estou dizendo que contexto muda o peso de uma hipótese.
Em ciência de dados, a gente chama isso de positionality: de onde o analista está olhando influencia o que ele consegue enxergar. Ignorar isso não torna a análise mais objetiva. Torna ela mais cega.
O vídeo do Emicida vai sair da timeline em alguns dias. A polêmica vai esfriar. Mas a pergunta que ele colocou, sobre o que de fato cria dependência e o que cria mobilidade, é a mesma pergunta que qualquer sistema de decisão, humano ou algorítmico, precisa responder antes de agir.
Um rapper com pesquisa da FGV na mão fez isso melhor do que a maioria dos painéis que eu já assisti. Fica a imagem.