Redlining digital
Configura-se como o uso de tecnologias digitais e algoritmos para segregar, excluir ou limitar sistematicamente o acesso de determinados grupos sociais e áreas geográficas a recursos, serviços e oportunidades.
Definição
O redlining digital é o processo de segregação exercido por meio de dados e códigos. Ele atualiza uma prática histórica de exclusão geográfica, onde bancos e seguradoras delimitavam bairros negros como zonas de risco para negar investimentos. No ambiente contemporâneo, essa barreira não é mais traçada em mapas físicos com canetas vermelhas, mas sim em camadas invisíveis de algoritmos. Esses sistemas utilizam perfis de consumo, histórico de navegação e geolocalização como substitutos para a raça e a classe social, perpetuando disparidades históricas sob uma aparência de neutralidade tecnológica. Autores como Safiya Noble explicam que essa prática transforma o acesso a direitos básicos, como moradia, saúde e emprego, em processos de filtragem que reforçam o privilégio de grupos dominantes enquanto marginalizam corpos pretos, pardos e periféricos.
Como funciona
Ele opera por meio de variáveis de substituição, conhecidas tecnicamente como proxies. Em vez de utilizar o dado racial de forma direta, o que poderia gerar bloqueios jurídicos imediatos, o algoritmo utiliza o código postal ou o comportamento de consumo como indicadores. Sistemas de pontuação de crédito podem atribuir notas menores a pessoas que moram em determinadas ruas, mesmo que possuam renda compatível com o serviço solicitado. O mecanismo é automatizado e opaco, dificultando o questionamento da decisão. A exclusão acontece de forma preventiva, impedindo que o indivíduo tenha sequer conhecimento de que certas ofertas de emprego ou condições de financiamento existem, já que elas são filtradas antes de chegarem à sua tela.
Exemplos
Filtros de entrega e transporte: aplicativos que restringem ou cobram taxas excessivas para áreas consideradas de risco, baseando-se em históricos de dados que muitas vezes criminalizam o território sem analisar casos individuais.
Pontuação de crédito alternativa: fintechs que analisam o modelo do celular ou o tipo de conexões sociais do usuário para definir limites de crédito, punindo aqueles que não pertencem a redes de consumo de elite.
Segmentação de anúncios imobiliários: plataformas que permitem ocultar ofertas de aluguel ou venda de imóveis para pessoas de determinadas etnias ou regiões, garantindo uma homogeneidade racial e social em bairros valorizados.
Quem é afetado
As principais vítimas são as populações negras, indígenas e residentes de territórios periféricos. O redlining digital também atinge pessoas em situação de vulnerabilidade econômica e grupos que não possuem o rastro digital padrão exigido pelas plataformas. A interseccionalidade agrava a situação, pois mulheres negras e trabalhadoras informais enfrentam filtros acumulados que as classificam como perfis de baixa rentabilidade ou alto risco para o sistema financeiro e logístico.
Por que é invisível
A invisibilidade decorre da fé pública na objetividade dos sistemas matemáticos. Existe uma percepção social de que, se uma decisão foi tomada por uma máquina, ela é justa e baseada em dados reais. Além disso, as empresas proprietárias do código protegem seus algoritmos sob a justificativa de segredo comercial, o que impede auditorias públicas independentes. A segregação digital não deixa marcas físicas imediatas, ocorre individualmente em cada smartphone, impedindo que as vítimas percebam que a exclusão é um fenômeno coletivo e sistêmico.
Efeitos
Gera o aprofundamento da desigualdade social e a cristalização de guetos digitais. Pessoas excluídas do sistema de crédito formal são empurradas para juros abusivos e subempregos. A falta de acesso a serviços logísticos eficientes encarece o custo de vida nas periferias. Psicologicamente, produz uma sensação de desamparo e exclusão da cidadania digital plena, dificultando a mobilidade social e a quebra de ciclos de pobreza.
Referências (BR)
- Tarcízio Silva
- Sérgio Amadeu
- Fernanda Bruno
Referências (Internacionais)
- Safiya Umoja Noble
- Virginia Eubanks
