LLC

Entenda a diferença entre automação por agentes e IA aplicada, com exemplos práticos e jurimetria para apoiar decisões no contencioso.

 

Nos últimos anos, “IA” virou palavra-curinga: serve tanto para descrever um sistema realmente inteligente quanto um fluxo automatizado com cara bonita. E, do outro lado, também apareceu o “contra-rótulo” da moda: quando alguém diz “isso é IA”, vem a correção — “não é IA, é agente”.

No jurídico, esse debate não é vaidade técnica. Rótulo cria expectativa; expectativa cria risco reputacional, risco de compliance (LGPD, sigilo) e risco ético (especialmente quando se fala em decisões judiciais).

A minha posição é clara:

IA é capacidade de inferência. Agente é arquitetura de execução.

Um agente pode existir sem IA (workflow determinístico). Uma IA pode existir sem agente (modelo que só analisa). O melhor produto jurídico, hoje, costuma ser IA aplicada + agentes + governança.

1) O que é Inteligência Artificial (IA) no contexto jurídico

Chamar algo de IA faz sentido quando o sistema executa tarefas cognitivas (classificar, extrair, ranquear, agrupar, resumir, gerar texto assistido) sem depender exclusivamente de regras “se/então” para cada caso — e quando ele generaliza a partir de dados e exemplos.

O próprio CNJ trata IA como um conjunto de tecnologias voltadas a apoiar atividades do Judiciário, com ênfase em ética, transparência e governança — e criou regras nacionais para desenvolvimento e uso dessas soluções.

No escritório, IA aplicada (de verdade) aparece, por exemplo, quando você consegue:

• Buscar por significado (busca semântica) e não só por palavra-chave.
• Classificar petições/decisões por assunto, risco, urgência, tese predominante.
• Extrair dados e elementos jurídicos do texto (pedidos, fundamentos, dispositivos, prazos, valores, precedentes).
• Ranquear precedentes e decisões por similaridade real (semântica).
• Sumarizar com objetivo jurídico (para contestar, recorrer, negociar, instruir).
• Gerar minutas assistidas com rastreio de fonte e revisão humana.

2) O que é “Agente” — e por que agente não é sinônimo de IA

Um agente é um software que recebe um objetivo e executa ações em etapas, chamando ferramentas (busca, banco de dados, geração de documento, checklist, integração com sistemas, etc.). Isso é arquitetura.

• Agente sem IA: fluxo fixo, determinístico (um “robô de procedimento”).
• Agente com IA: usa modelos para entender o pedido, selecionar caminho, ranquear evidências, extrair variáveis do texto e adaptar o fluxo.

Agente é o “operador” (orquestra tarefas). IA é o “motor cognitivo” (infere, classifica, ranqueia, generaliza).

3) Agentes fixos vs IA aplicada: onde está a diferença real

Sistemas com agentes fixos são excelentes para rotinas previsíveis:

• controle de prazos,
• checklists de diligências,
• geração de documentos a partir de templates,
• organização de tarefas e fluxos internos.

Eles resolvem muito — e vale muito a pena tê-los. Mas, no jurídico, há um limite inevitável: o caso concreto quase nunca é idêntico ao anterior.

A IA aplicada começa a fazer diferença quando entram as tarefas que não cabem bem em roteiro fixo:

• leitura e síntese de grande volume de texto,
• detecção de padrões em decisões com linguagem variável,
• agrupamento de decisões por controvérsia real (mesmo com vocabulário distinto),
• extração de variáveis relevantes diretamente da fundamentação,
• ranqueamento de precedentes por aderência semântica e não por coincidência de termos.

Agentes fixos automatizam procedimentos; IA aplicada reduz incerteza e organiza evidência.

4) “Prova institucional”: o Judiciário brasileiro já usa IA (e regula)

4.1 CNJ: regras e governança nacionais (Res. 332/2020 e Res. 615/2025)

O CNJ publicou diretrizes para IA no Judiciário em 2020 (Resolução 332/2020) e, em 2025, aprovou norma que atualiza esse marco regulatório. (CNJ)

O CNJ também descreve, na página do Comitê Nacional de IA, elementos de governança da Res. 615/2025, incluindo classificação de risco, auditorias e exigência de supervisão humana em certos usos. (CNJ)

4.2 Plataforma Sinapses (CNJ): modelo nacional de treinamento, versionamento e auditoria

O CNJ explica o Sinapses como plataforma nacional para armazenamento, treinamento supervisionado, controle de versionamento, distribuição e auditoria de modelos de IA. (CNJ)

4.3 DataJud (CNJ): base nacional e API pública de metadados

O DataJud foi instituído como base nacional de dados do Judiciário e prevê disponibilização via API pública (com resguardo de sigilo e LGPD). (CNJ)

4.4 STJ Logos (STJ): IA generativa institucional

O STJ apresentou o STJ Logos como motor de IA generativa desenvolvido no próprio tribunal para apoiar gabinetes na análise e elaboração de conteúdos judiciais, buscando eficiência e produtividade. (Superior Tribunal de Justiça)

4.5 TRF2 ApoIA (PDPJ-Br): IA generativa integrada ao ecossistema nacional

O TRF2 descreve a ApoIA como ferramenta de IA generativa integrada à PDPJ-Br, com usos como relatórios, ementas, sínteses, triagens e apoio na visualização de acervos. (Justiça Federal – 2ª Região)

4.6 STF: VitórIA (similaridade de temas) e o debate sobre Victor

O STF divulgou a ferramenta VitórIA como robô que agrupa processos por similaridade de temas, com referência à Resolução 800/2023, segundo apresentação oficial do próprio tribunal. (YouTube)
Sobre o Victor, há ampla literatura e divulgação institucional apontando o uso de IA para triagem/classificação relacionada à repercussão geral, com ênfase de que não “julga” (não decide). (YouTube)

4.7 TJDFT: múltiplos projetos em produção (Hórus, Amon, Artiu…)

O TJDFT publicou que tinha projetos em produção como Amon, Artiu, Hórus e outros em finalização, contextualizando uso de IA para otimizar atividades do tribunal. (TJDFT)

Quando as instituições mais conservadoras do país já operam IA com governança, fica incoerente dizer que “IA aplicada ao Direito” é fantasia. O debate real é como fazer com qualidade, rastreabilidade e responsabilidade.

5) Onde a jurimetria entra — e por que “agente fixo” costuma ser insuficiente

Jurimetria é, em essência, análise empírica do Direito para apoiar decisões, estratégia e gestão. A A Associação Brasileira de Jurimetria (ABJ), por exemplo, define sua missão como incentivar o uso da jurimetria como ferramenta de tomada de decisão e melhorar a prestação jurisdicional, com pesquisas empíricas e dados. (abj.org.br)

Na prática, jurimetria relevante para escritório não é apenas “contar processos”; é extrair padrões que ajudam a reduzir incerteza. E aqui surge uma dificuldade estrutural: grande parte do material jurídico relevante está no texto (decisões, fundamentações, relatórios), não em tabelas limpas. Para transformar texto em variável analisável, são necessárias técnicas de NLP/IA: extração, classificação, similaridade semântica e agrupamento.

A jurimetria é, portanto, uma das evidências mais fortes de que “só automação” não basta.

6) Exemplos didáticos de jurimetria que “pedem IA” (e geram vantagem real)

Abaixo estão exemplos práticos, do jeito que um escritório usa no mundo real — sem delírio de “prever juiz”, e com foco em evidência, probabilidade e gestão do risco.

Exemplo 1 — Perfil decisório por tema (não “perfil psicológico”)

Pergunta do escritório: em tutelas de urgência de um tema específico, qual o padrão histórico de deferimento por órgão julgador/câmara/vara?

Por que IA é necessária: você precisa ler centenas/milhares de decisões e extrair:

• resultado (deferiu/indeferiu/parcial),
• fundamento central,
• requisitos (fumus/periculum, perigo de dano, probabilidade do direito),
• provas consideradas,
• precedentes citados,
• padrões de linguagem que indicam indeferimento por “falta de prova” vs “inadequação do pedido”.

Isso exige classificação + extração + NLP. Um agente fixo não “entende” a decisão; no máximo organiza arquivos.

Saída útil e ética:

• “Em pedidos de tutela X, quando há documento Y + laudo Z, o índice de deferimento sobe; sem isso, cai.”
  Isso orienta produção de prova e calibragem de expectativa, não “manipulação”.

Exemplo 2 — Estratégia probatória baseada em evidência

Pergunta: qual tipo de prova está mais associado a sucesso em um conjunto de ações semelhantes?

IA aqui serve para:

• reconhecer automaticamente tipos de prova (contrato, e-mails, perícia, prontuário, planilha de evolução, extratos, etc.),
• vincular prova → fundamento → resultado,
• mostrar quais “lacunas” se repetem nos indeferimentos.

Isso é uma forma poderosa (e honesta) de estratégia: investir no que muda o resultado.

Exemplo 3 — Tempo de tramitação e gargalos (gestão e negociação)

Pergunta: quanto tempo costuma levar entre distribuição e decisão X, neste tribunal/vara, neste tipo de ação?

IA/ML entra quando:

• você quer prever prazos com variáveis contextuais (classe, assunto, valor, complexidade inferida do texto, volume de documentos),
• ou detectar “mudanças de regime” (ex.: um período em que decisões ficaram mais lentas por sobrecarga).

Isso ajuda em: proposta de honorários, negociação, alinhamento de expectativa e priorização do contencioso.

Exemplo 4 — Clusterização de decisões por controvérsia real (semântica)

Pergunta: “quais teses estão dominando aqui, mesmo quando a linguagem é diferente?”

IA (similaridade semântica / embeddings / clusterização) permite agrupar decisões que tratam da mesma controvérsia, ainda que com palavras distintas. É exatamente o tipo de coisa que o STF descreve como agrupamento por similaridade (VitórIA). (YouTube)

Exemplo 5 — Auditoria de consistência interna do escritório

Pergunta: estamos repetindo os mesmos erros argumentativos? estamos citando precedentes fracos? estamos esquecendo tópicos essenciais?

IA aplicada consegue:

• comparar peças do escritório (padrões),
• detectar omissões recorrentes,
• sugerir checklist argumentativo por tema,
• apontar inconsistências (datas, valores, pedidos).

Isso melhora qualidade e reduz risco de “peça bonita e frágil”.

A proposta de uma IA Jurídica no escritório não é “substituir” o trabalho técnico, mas organizar e potencializar o que o escritório já tem de mais valioso: seus próprios casos, peças, decisões, teses e rotinas. Quando o sistema é construído como IA específica, aplicada ao acervo e aos processos do próprio escritório, ele passa a entender o padrão interno de atuação, a linguagem utilizada, os modelos, os riscos recorrentes e os pontos probatórios decisivos — o que melhora o fluxo de trabalho, reduz retrabalho e dá mais previsibilidade ao atendimento. O resultado é duplo: mais eficiência para o corpo jurídico e mais clareza para o cliente, com relatórios e comunicações mais consistentes, rastreáveis e alinhadas ao caso concreto.

7) “Ok, e como isso vira produto de escritório?” Um desenho em camadas

Um modelo prático (e vendável sem hype) é:

1. Base de conhecimento governada

Documentos internos (modelos, peças, pareceres, relatórios) com controle de versão e segregação por cliente/caso + repositório de precedentes + biblioteca de modelos, com controle de versão e fontes.

1. IA de leitura (NLP/LLM)

• extração de fatos e pedidos,
• classificação temática,
• sumarização orientada a objetivo,
• busca semântica e RAG (responder citando fonte).

1. Jurimetria

• painéis por tema/tribunal/vara/câmara,
• análise de padrões e evidências,
• métricas de tempo e probabilidade (sempre probabilística e auditável).

1. Agentes (orquestração)

• intake do caso,
• criação de tarefas,
• geração de minuta-base,
• checagem de campos,
• criação de relatório ao cliente,
• log e auditoria.

Assim teremos: “agentes com IA aplicada”.

Abaixo, imagem de painel de simulação jurimétrica (básico):

8) Dois cuidados obrigatórios: LGPD e ética de comunicação (OAB)

No jurídico, o que separa ferramenta útil de problema sério é governança:

• Rastreabilidade: toda afirmação relevante deve apontar fonte (documento/trecho).
• Supervisão humana: outputs críticos exigem revisão antes de uso externo.
• Segregação e controle de acesso: não misturar dados de clientes/casos.
• Tratamento de dados conforme LGPD: finalidade, minimização, segurança e controles.
• Comunicação responsável: sem prometer resultado, sem “oráculo de sentença”.

LGPD (tratamento de dados pessoais)

A LGPD estabelece princípios e regras para tratamento de dados pessoais por pessoas físicas/jurídicas, públicas e privadas. (Planalto)

Em IA jurídica, isso exige, na prática:

• minimização de dados;
• controle de acesso;
• logs;
• segregação por caso/cliente;
• retenção e descarte;
• cuidado especial com sigilo e dados sensíveis.

Publicidade e informação na advocacia (Provimento 205/2021)

O Provimento 205/2021 permite marketing jurídico, desde que compatível com preceitos éticos e que as informações sejam objetivas e verdadeiras, com responsabilidade do advogado/escritório pelos excessos. (OAB)

Isso impacta diretamente o “discurso da IA”:

• evite prometer resultado;
• evite vender “previsão de sentença” como certeza;
• prefira falar em “apoio”, “eficiência”, “organização”, “evidência”, “redução de incerteza” e “revisão humana”.

9) Para encerrar a polêmica “IA vs agente”

IA é o desenvolvimento de sistema de agentes com IA aplicada: automação de fluxos + inteligência de leitura e análise (classificação, extração, busca semântica e jurimetria), com rastreabilidade, supervisão humana e governança de dados.”

Agente fixo é checklist. IA é leitura com generalização. O Direito vive de exceções — e exceção não cabe num ‘se/então’.

10) Conclusão

É totalmente viável — e, eu diria, inevitável — construir IA específica para escritório jurídico, desde que você use “IA” com critério e com responsabilidade: inferência + evidência + auditoria + humano no loop.

E a jurimetria é a alma da IA Jurídica: quando você começa a tratar decisões como dados (sem violentar o texto, sem inventar causalidade), você percebe que só automação não basta. Para extrair padrões e transformar volume em estratégia, você precisa de IA.

 

Obs: Este artigo foi elaborado com apoio de ferramentas de Inteligência Artificial para organização de estrutura, revisão de clareza e sugestão de exemplos. O conteúdo final, a seleção de argumentos, a curadoria de referências e a responsabilidade editorial são exclusivamente do autor.