A Diretoria de Gestão Ambiental e Territorial (Digat) da Fundação Nacional dos Povos Indígenas (Funai) defende a suspensão ou a anulação da licença de exploração de ouro da Belo Sun na Volta Grande do Xingu, no Pará. O órgão afirma que as comunidades indígenas ainda não tiveram os possíveis impactos da mina analisados e que faltam informações sobre pontos centrais do projeto, como o uso da água, o processamento do minério e a barragem de rejeitos.
A posição consiste em um ofício enviado em 7 de agosto pela Digat à Procuradoria Federal Especializada junto à Funai. O documento foi produzido no âmbito da tentativa de conciliação conduzida pelo Tribunal Regional Federal da 1ª Região (TRF-1), que, em fevereiro deste ano, em decisão monocrática do Desembargador Flávio Jardim, restabeleceu a licença de instalação da Belo Sun.
Para a Digat, ainda existem “informações essenciais não suficientemente esclarecidas” para avaliar os impactos da mina e garantir que os povos indígenas sejam consultados conhecendo as possíveis consequências do empreendimento. Por isso, a diretoria sustenta que a licença concedida pela Secretaria de Meio Ambiente e Sustentabilidade do Pará (Semas), sem anuência da Funai, “deve ser suspensa ou anulada” até que as pendências sejam resolvidas.
Para Diogo Cabral, advogado do Movimento Xingu Vivo para Sempre, o licenciamento não deveria ter avançado enquanto essas pendências permanecessem sem solução. Ele lembra que o projeto prevê uma barragem de rejeitos com capacidade de 35 milhões de metros cúbicos e processamento de minério com cianeto próximo ao rio Xingu. Nesse cenário, afirma, cabe à empresa demonstrar a segurança e a viabilidade socioambiental da atividade, “e não ao órgão técnico justificar sua cautela”.
O advogado também contesta a possibilidade de pendências do licenciamento serem resolvidas posteriormente por meio de condicionantes. “Deixar essas exigências para ‘condicionantes futuras’ inverte a lógica preventiva do licenciamento: permite que questões que deveriam ser resolvidas antes da autorização fiquem para depois”, afirmou o advogado.
A Funai aponta indefinições no próprio desenho do Projeto Volta Grande. Segundo a Digat, há divergências quanto à captação de água e falta uma definição consolidada da estrutura de beneficiamento, na qual o minério será processado. A licença restabelecida pela Secretaria de Meio Ambiente e Sustentabilidade do Pará (Semas) também não contempla a barragem de rejeitos nem a implantação da Cava Ouro Verde, uma das áreas previstas para a extração do ouro.
Outra questão é a relação da mina com Belo Monte. A própria Norte Energia, responsável pela hidrelétrica, já apontou incompatibilidades entre os dois empreendimentos, com riscos à qualidade e à vazão da água e aos peixes, além da possibilidade de contaminação no trecho de vazão reduzida do Xingu. A empresa chegou a pedir a reavaliação do licenciamento da mina diante do “conflito entre as atividades”.
Agora, a Funai cobra da Semas uma manifestação sobre essas preocupações e exige que a Belo Sun faça uma Avaliação de Impactos Cumulativos, considerando como os efeitos dos empreendimentos podem se somar aos dos povos indígenas da Volta Grande.
A Funai também identificou comunidades indígenas que não haviam sido consideradas nos estudos da Belo Sun. O levantamento foi feito após um compromisso assumido pelo órgão durante a tentativa de conciliação no TRF-1 e incluiu grupos que vivem fora de terras indígenas já demarcadas.
Ao todo, foram identificadas 20 comunidades e aldeias em diferentes situações fundiárias. Seis estão na Reserva Indígena Jericoá, ainda em processo de constituição; cinco têm reivindicações territoriais registradas na Funai; e outras nove estão fora de terras indígenas demarcadas.
Entre elas estão Sítio Kanipá, Iawá, Jericoá II, Kadj, Kaniamã, Kuraí-Bom Futuro, Comunidade do Buraco, São Francisco, Jericoá, Marapaní, Pacajaí, Ilha da Fazenda, Garimpo do Galo/Vila do Galo, Vila da Ressaca, Nova Aliança, Itatá/Yta Juruna, IIA Xipaya, Debanda, Dez Irmãos e Abelardo.
A inclusão no levantamento não significa que todas sejam consideradas afetadas pela mina. A Funai afirma que os estudos ainda precisam determinar quais impactos o projeto pode provocar nessas comunidades e, a partir disso, definir até onde se estende a área de influência do empreendimento.
A questão atinge uma reivindicação antiga de indígenas da Volta Grande que ficaram fora do processo de licenciamento por viverem em áreas ainda não formalmente reconhecidas como terras indígenas.
“Somos contra qualquer empreendimento que venha a destruir o nosso território. […] A nossa luta sempre foi pelo reconhecimento do nosso povo, porque somos indígenas e sempre vivemos aqui na Volta Grande do Xingu”, afirma Claudevan da Silva Santos, indígena Juruna e integrante do Movimento dos Indígenas Não Aldeados da Volta Grande do Xingu (MINDVGX).
Para Liana Amin Lima, professora da Universidade Federal da Grande Dourados (UFGD), a situação fundiária dessas comunidades não afasta seu direito de participar da consulta.
“A Convenção 169 da OIT não restringe os direitos à consulta prévia a povos aldeados ou a povos cujos territórios estejam reconhecidos, titulados, demarcados e/ou homologados”, afirma.
Um dos casos destacados pela Funai é o da comunidade São Francisco, do povo Juruna, localizada próxima à área prevista para a mina. O órgão cobra que a Belo Sun esclareça a possibilidade de realocação da comunidade, mencionada nos estudos do empreendimento, e avalie os impactos dessa eventual mudança.
A exclusão de indígenas que viviam fora de terras formalmente reconhecidas já havia sido questionada na própria Funai seis anos antes. Em julho de 2020, técnicos do órgão consideraram inapto o Estudo do Componente Indígena (ECI) apresentado pela Belo Sun e apontaram essa questão como uma das pendências que impediam o avanço do licenciamento.
A Belo Sun defendia que esses indígenas, então tratados no processo como “desaldeados”, fossem incluídos no Plano Básico Ambiental Geral, destinado ao conjunto da população atingida pelo empreendimento, e não no componente específico destinado aos povos indígenas. A equipe técnica da Funai discordou e cobrou que a empresa identificasse essas comunidades e avaliasse os impactos da mina sobre elas.
O parecer também mantinha outras pendências, entre elas a situação de Ituna-Itatá, área protegida devido à presença de indígenas isolados. A Belo Sun defendia que o território ficasse fora da área de influência do empreendimento; técnicos da Funai apontavam riscos relacionados à chegada de mais de 2 mil trabalhadores, à pressão fundiária e à aproximação dos grupos isolados.
Foi para discutir as conclusões desse parecer que representantes da Belo Sun e da JGP Consultoria, contratada pela mineradora para elaborar o estudo, foram à sede da Funai, em Brasília, em 1º de outubro de 2020.
A reunião ocorreu durante o governo Jair Bolsonaro, sob a gestão do delegado da Polícia Federal Marcelo Xavier, que presidiu a fundação entre 2019 e 2022. Em 2025, Xavier foi condenado, em primeira instância, a 10 anos de prisão por perseguir e intimidar servidores do órgão. Da decisão ainda cabe recurso.
Sua gestão à frente da Funai foi marcada pela aproximação aos interesses do agronegócio e foi classificada como ‘anti-indígena’ pela Articulação dos Povos Indígenas do Brasil (Apib), que chegou a pedir seu afastamento na Justiça. Segundo a entidade, durante sua presidência, o órgão paralisou processos de demarcação – sem novas terras indígenas homologadas entre 2019 e 2021 –, restringiu a atuação na defesa das comunidades e adotou medidas que facilitaram a certificação de propriedades privadas em áreas indígenas ainda não homologadas.
O encontro foi conduzido por Carla Fonseca de Aquino Costa, servidora do Ibama cedida à Funai, que à época comandava a Coordenação-Geral de Licenciamento Ambiental, responsável pela análise dos impactos de empreendimentos sobre os povos indígenas. Sua gestão foi marcada por manifestações que apontavam que sua atuação, durante a gestão de Marcelo Xavier, havia sido pautada por decisões que fragilizaram a proteção aos povos indígenas e favoreceram o avanço de processos de licenciamento ambiental contestados.
Segundo a ata da reunião, a Belo Sun voltou a defender que os indígenas considerados “desaldeados” permanecessem no PBA Geral e que Ituna-Itatá ficasse fora da área de influência da mina. Ao final do encontro, a coordenação, comandada por Carla, permitiu que a empresa apresentasse esclarecimentos complementares e manteve a análise do processo em andamento.
Trinta dias depois, uma nova informação técnica alterou parte das conclusões de julho. Questões antes consideradas impeditivas deixaram de ser impeditivas para o licenciamento. O novo documento aceitou que os indígenas fora de terras regularizadas fossem tratados no PBA Geral e manteve Ituna-Itatá fora da área de influência da mina. Outras pendências poderiam ser resolvidas nas etapas seguintes, conforme os documentos obtidos pela Agência Pública.
A mudança abriu caminho para que, em 2021, a Funai considerasse atendidas as exigências relativas ao estudo indígena e à consulta realizada com os povos Juruna e Arara. Foi esse entendimento que, cinco anos depois, passou a integrar os fundamentos utilizados pelo TRF-1 para restabelecer a licença da Belo Sun.
Agora, a própria Funai volta a exigir que as comunidades fora de terras demarcadas sejam consideradas na análise dos impactos do empreendimento. O documento de agosto cita, inclusive, o parecer técnico de julho de 2020 entre as referências para a complementação dos estudos.
Para Liana Amin, limitar a análise à distância física entre a mina e Ituna-Itatá ignora justamente os impactos indiretos que motivaram a manifestação da equipe técnica da Funai.
“A invisibilização de povos isolados e dos impactos diretos e indiretos sobre esses povos e territórios é algo gravíssimo, pois ameaça o direito à existência, colocando em risco a sobrevivência física e cultural desses grupos”, afirma.
A pesquisadora ressalta que a Resolução nº 44/2020 do Conselho Nacional dos Direitos Humanos recomenda, como diretriz oficial de direitos humanos, que, confirmada a presença de povos isolados em áreas de impacto direto ou indireto, o processo de licenciamento seja suspenso e a obra seja considerada inviável.
A reportagem tentou contato com o ex-presidente da Funai, Marcelo Xavier, mas não obteve resposta. Carla Fonseca de Aquino Costa não foi localizada para comentar.
Questionado sobre a atuação da servidora, o Ibama afirmou que os atos praticados por ela durante o período em que esteve na Funai são de responsabilidade funcional da própria servidora e da Funai. O órgão acrescentou que Carla não exerce atualmente cargo ou função no Ibama e que estaria cedida à Companhia Ambiental do Estado de São Paulo (Cetesb).
A Cetesb, porém, informou que solicitou a cessão da servidora, mas que o processo administrativo para formalizá-la ainda não havia sido concluído. A Funai não se manifestou sobre a atuação de sua ex-coordenadora de licenciamento ambiental.
Artificial intelligence is becoming part of the machinery of modern markets. Banks, hedge funds and trading firms are using increasingly sophisticated models to identify opportunities, manage risk and execute trades, writes Amir Naser Hojati.
Most discussion focuses on one question: What happens when an AI model gets something wrong?
I think there is another risk.
What happens when many good models reach the same conclusion at the same time?
After roughly 15 years of trading futures, I have learned that markets often become dangerous not because one participant is wrong, but because too many become convinced of the same thing.
As traders sometimes say: when everyone moves to the same side of the boat, start watching the waterline.
Different models, same trade
Financial institutions may believe they are diversified because they use different models, vendors and strategies.
But those systems may still be learning from similar information: price history, volatility, order flow, economic data and news sentiment. They may also be optimizing toward similar goals.
Different models do not need to be identical to produce the same trade.
Several independent systems can simultaneously decide to reduce the same exposure, buy the same asset or hedge the same risk.
That creates hidden dependence.
A market can appear diversified while many supposedly independent systems are reacting to the same information in similar ways.
The real vulnerability may therefore not be one bad model, but the connection between many good ones.
Markets have seen this before
Crowded trades are nothing new.
Portfolio managers react to the same data. Traders watch the same levels. Risk desks cut exposure when volatility rises.
Technology increases the speed of those reactions. AI may also increase their consistency.
Humans disagree, hesitate or sometimes simply choose to do nothing.
Machines are less likely to disagree unless that behaviour is deliberately built into them.
If many models detect the same deterioration in risk and begin reducing exposure simultaneously, individually rational decisions can produce an irrational market outcome.
Each model may be doing exactly what it was designed to do.
The market can still become unstable.
Historical success can be dangerous
A strategy can perform well for years because market conditions remain broadly familiar.
That history creates confidence.
But markets do not owe us tomorrow because something worked yesterday.
One of the most dangerous moments is not when a model is obviously failing, but when it has accumulated enough successful history that people stop questioning its assumptions.
A calm sea can make almost any captain look skilled.
For AI-driven markets, the important question should therefore not only be:
How accurate is this model?
It should also be:
What assumptions does this model share with everyone else's?
More intelligence is not always more resilience
The usual response to model risk is to add more: more data, more parameters, another model, another control.
But resilience does not always come from adding complexity.
Sometimes it comes from removing exposure.
A system may become safer not because it predicts markets more accurately, but because it knows when conditions are unsuitable for taking risk.
That is one of the hardest lessons to translate from discretionary trading into automation.
Finding a trading signal is relatively easy.
Teaching a machine when a valid signal should be ignored is much harder.
Experienced traders know that a setup can look perfectly good and still not deserve capital. The market may be too crowded, liquidity may be changing, or correlations may be breaking down.
Sometimes the best trade is no trade.
Diversity of behaviour matters
Using several different AI models does not necessarily provide diversification if all of them react to stress in the same way.
Real diversification may require different behaviour, not just different architecture.
When should a model refuse to trade?
When should it reduce confidence?
When should it respond more slowly?
And how should it behave when the actions of other models are themselves changing the market?
That matters because financial markets are not ordinary prediction problems.
Predicting the weather does not change the weather.
Predicting a market can change the market because participants act on the prediction.
As more intelligent systems enter that feedback loop, their collective behaviour may become as important as the quality of any individual model.
The next edge may be restraint
Financial institutions will continue building faster and more powerful models.
But I suspect the next competitive advantage will not come only from making machines better at finding trades.
It will also come from making them better at recognizing when everyone else has found the same trade.
Markets have always punished excessive certainty eventually.
AI does not remove that principle. It may simply allow certainty to spread faster.
The smartest trading systems of the next decade may therefore be distinguished not only by how quickly they act, but by something harder to program:
Kknowing when not to join the crowd.
Amir Naser Hojati is a futures trader and fintech entrepreneur with around 15 years of experience in financial markets. His work focuses on algorithmic trading, automated risk management, and AI-driven trading systems.
Login