A imobiliaria em piracicaba inteligente, em sua essência mais pura, diz respeito à fusão e entrelaçamento de infraestrutura urbana e tecnologias de sensoriamento digital. Expandindo minha simplificação aberta, Andrea Caragliu, Chiara Del Bo e Peter Nijkamp, em seu muito citado artigo Smart Cities in Europe, “acreditam que uma cidade é inteligente quando os investimentos em capital humano e social são tradicionais (transporte) e modernos (TIC) a infraestrutura de comunicação impulsiona o crescimento econômico sustentável e a qualidade de vida, com uma gestão sábia dos recursos naturais, por meio da governança participativa ”. A premissa é, portanto, usar os dados produzidos pela infraestrutura embarcada de TIC para tomar decisões informadas e sábias sobre como administrar uma cidade. Mas como os binários uns e zeros dos dados equivalem à sabedoria necessária para alimentar o crescimento urbano sustentável?
Ao longo dos anos, aqueles que trabalham com gerenciamento de informações frequentemente se referem à hierarquia DIKW. DIKW significa dados, informação, conhecimento e sabedoria e a cidade inteligente como um conceito que se encaixa nessa noção. Russell Ackoff, o contestado fundador deste conceito, afirmou que “dados são símbolos que representam as propriedades de objetos e eventos. A informação consiste em dados processados, cujo processamento visa aumentar a sua utilidade ”. Os dados, por si só, são inúteis. Requer contexto para torná-lo significativo de alguma forma. Pegue um acelerômetro, os dados produzidos ao movê-lo representam a quantidade de força-g exercida sobre ele, que é representada numericamente. Se você produziu uma resma de figuras em uma planilha sem qualquer outra informação, você teria, bem, uma resma de figuras em uma planilha; tanto quanto um bule de chá de chocolate. No entanto, se você declarou que esses dados emanaram de um sensor de terremoto que detectou a atividade sísmica do solo abaixo, então você tem informações úteis – pois seus dados estão emparelhados com o contexto do qual representam. Sua planilha não representa mais números aleatórios, mas o movimento da Terra.
Agora, de acordo com Ackoff, “as informações estão contidas em descrições, respostas a perguntas que começam com palavras como quem, o quê, quando, onde e quantos. O conhecimento é transmitido por instruções, respostas a perguntas de como fazer ”. Portanto, com nosso exemplo de detecção de terremoto, a questão poderia ser “quão sismicamente ativo o solo sob nosso sensor esteve no ano passado” e, para respondê-la, não precisamos ir além da planilha mencionada. Esta informação responde à pergunta feita e, portanto, produz conhecimento, mas não responde por que há atividade sísmica perto de nosso sensor. É aqui que a compreensão – uma camada extra adicionada por Ackoff à hierarquia DIKW – “é transmitida por explicações, respostas para o porquê das perguntas”. O sensor de terremoto teria, provavelmente, sido instalado devido a uma história viva de atividade sísmica na imobiliaria piracicaba. Neste exemplo, digamos que o sensor está instalado em Los Angeles, que por acaso é uma cidade com mais de 100 pequenas falhas – o que explicaria a atividade sísmica registrada. Simplesmente assim, você tem compreensão.
Como afirma Ackoff, “a informação, o conhecimento e a compreensão permitem-nos aumentar a eficiência, não a eficácia […] A eficácia é avaliada como eficiência. É eficiência multiplicada por valor, eficiência por um resultado valioso. Inteligência é a capacidade de aumentar a eficiência; sabedoria é a capacidade de aumentar a eficácia. ”
Portanto, para produzir sabedoria urbana inteligente, você precisa de dados brutos emparelhados com contexto que podem ser usados para responder a perguntas de ‘como fazer’ que são então ligadas à compreensão de por que a ação – que produziu os dados – ocorreu pela primeira vez, você então pegue esse entendimento, aplique na cidade de forma efetiva e com benefícios demonstráveis. Para completar nosso exemplo de terremoto, a Sociedade Geológica da Califórnia produziu um mapa de todas as falhas geológicas sob LA, dando uma visão potencial aos residentes sobre sua proximidade a uma falha geológica e, portanto, o risco de serem impactados por atividades sísmicas.
No entanto, a hierarquia DIKW foi criticada por vários acadêmicos, mas dentro do domínio da cidade inteligente ela parece se encaixar muito bem. Martin Frické, da University of Arizona, identifica vários problemas com a hierarquia em seu artigo de 2009 apropriadamente intitulado A pirâmide do conhecimento: uma crítica da hierarquia DIKW. Vou me concentrar em uma questão específica levantada neste ensaio – o tipo de conhecimento que a hierarquia DIKW produz.
De acordo com Alvin Goldman, existem dois tipos de conhecimento; forte e fraco. “Conhecimento forte cobre crenças verdadeiras justificadas e declarações verdadeiras justificadas (aceitas pela comunidade). Conhecimento fraco é como conhecimento forte, exceto que o componente de justificação é omitido. ” Portanto, o conhecimento forte é justificado e o conhecimento fraco não. No entanto, o que justifica a crença? Goldman afirma que “a crença justificada é a crença produzida por processos que conduzem de forma confiável a crenças verdadeiras” – o método científico e a coleta de dados são exemplos claros disso. Portanto, um forte conhecimento é justificado por ser apoiado por fato objetivo. A questão é se nossas percepções de uma cidade representam a verdade.
Eu pergunto isso porque a maioria das informações que possuímos, certamente pertencentes à nossa experiência de vida de uma cidade, são conhecimentos fracos. Por exemplo, eu poderia escolher não ir a um determinado bar porque ele tem uma má reputação. Eu nunca fui, mas conheço pessoas que o fizeram e pensaram que era tão duro quanto uma torrada. Então, eu escolho evitá-lo e ir para o meu lugar habitual. Não tenho nenhuma interpretação objetiva da adequação deste pub para a forma como eu experimento, ou nesse caso, não experimento diretamente que o espaço é mediado por minha interpretação da realidade, uma interpretação que quase certamente estaria em conflito com os frequentadores deste estabelecimento particular. Em suma, nossas percepções de uma cidade não são formadas por fontes de crença “justificadas”, mas sim pela nossa experiência e, em certa medida, pelo que outros nos dizem.
Data não me falou sobre a essência deste pub, mas sim a opinião de outro ser humano. Agora você pode argumentar que essa opinião pode ser vista como dados, mas a opinião de outra pessoa não é redutível ao que Ackoff descreveria como “símbolos que representam as propriedades de objetos e eventos”. Não, uma opinião é uma forma de sabedoria, pois está enraizada na resposta a uma “pergunta por quê”; isso não significa que a sabedoria será sábia, por exemplo, seu amigo pode ser cerveja artesanal engolindo um esnobe. Este exemplo trivial, entretanto, destaca a maneira pela qual formulamos nossas percepções das cidades em que nos encontramos. Construímos nosso ponto de vista sobre experiências pessoais e as opiniões dos outros; não dados.
No entanto, isso não quer dizer que o forte conhecimento que recebemos em relação à cidade inteligente esteja fora de lugar no reino urbano. Um conhecimento sólido é particularmente útil, por exemplo, ao formular planos de resiliência ou em respostas a emergências. Durante uma entrevista recente que realizei para minha pesquisa sobre resiliência urbana, meu entrevistado – um membro do Fórum de Resiliência Local de Cambridgeshire e Peterborough (CPLRF) – afirmou que durante um recente surto de inundação – onde 30.000 casas estavam em risco – a CPLRF tinha para determinar quem precisa de ajuda em caso de evacuação. Sua resposta a este enigma foi usar os dados do conselho local sobre os residentes que precisam de ajuda para colocar suas lixeiras – por serem velhos, feridos, incapacitados, etc. – usar esse conjunto de dados (conhecimento) e convertê-lo em sabedoria acionável. No final das contas, apenas um punhado de residentes foi evacuado, mas isso mostra o benefício óbvio de ter um conhecimento “forte” reforçado por dados na operação de uma cidade.
A cidade inteligente costuma ser enquadrada como uma imposição fria e desumana, de cima para baixo, sobre nossas vidas. Esta é uma visão bastante simplista, mas não totalmente sem mérito. O papel da coleta de dados em nossa vida cotidiana veio para ficar e serve a um propósito para o cidadão comum. Por exemplo, muitos que visitam uma nova cidade usarão o Google Maps para se orientar e, talvez mais importante, para evitar que se percam, o que, nos limites deste ensaio, é um exemplo de forte conhecimento sendo utilizado por um motivo benéfico . Em minha mente, o problema com a visão “centrada na tecnologia” da cidade inteligente é que ela lida apenas com o conhecimento forte às custas dos fracos. Isso é incompatível com a forma como a grande maioria dos residentes urbanos vive suas vidas. Claro, uma teia de sensores pode fornecer informações que podem tornar a tomada de decisões mais precisa, mas e se os dados estiverem falhos de alguma forma? As duras lições aprendidas pelo movimento cibernético da década de 1960 ainda são relevantes hoje.
A solução, como quase tudo, parece estar no equilíbrio. O conhecimento fraco certamente poderia humanizar a racionalidade contundente da tomada de decisão baseada em dados, e o conhecimento forte poderia fornecer informações significativas e importantes para os cidadãos. Talvez seja essa mistura de conhecimento forte e fraco (que talvez produza conhecimento saudável … quem sabe) que permitirá à cidade inteligente cumprir as promessas de tomada de decisão informada, mas não à custa das liberdades civis ou dos ideais democráticos acalentados pela maioria dos urbanos.