Resumo Executivo

A introdução de sistemas de inteligência artificial no Poder Judiciário brasileiro deixou de ser tema prospectivo. Tribunais superiores, tribunais de justiça estaduais e tribunais federais operam, hoje, dezenas de ferramentas de apoio à decisão com componentes de IA — do tratamento automatizado de acervos documentais à sugestão de precedentes, passando por sistemas de classificação processual e ferramentas de análise jurisprudencial. O volume, a velocidade e o alcance dessas ferramentas impõem ao sistema de justiça desafios inéditos de governança, transparência e responsabilização.

Este artigo examina, sob perspectiva técnico-jurídica e organizacional, os principais vetores de impacto da IA no judiciário brasileiro, os frameworks legais em vigor ou em debate — com destaque para a Resolução CNJ 332/2020 e suas atualizações, e para o Marco Civil da Inteligência Artificial em tramitação no Congresso — e as implicações para organizações públicas e privadas que interagem com o sistema judiciário.

1. Panorama atual: onde a IA já está presente

A literatura institucional do Conselho Nacional de Justiça identifica, em seus relatórios recentes, mais de uma centena de projetos de IA em operação ou desenvolvimento nos tribunais brasileiros. Esses projetos se distribuem em categorias funcionais relativamente bem delimitadas: triagem automatizada de petições iniciais, classificação de processos por assunto, identificação de precedentes aplicáveis, análise de similaridade entre processos, sumarização de acórdãos, detecção de litigância abusiva e ferramentas de pesquisa jurisprudencial aumentada.

Sistemas emblemáticos incluem o Victor, desenvolvido pelo Supremo Tribunal Federal para triagem de repercussão geral; o Sinapses, plataforma de treinamento de modelos de IA do CNJ; e soluções estaduais como o Radar (TJMG), o Sócrates (TJRN) e o Toth (TJPE). Paralelamente, grandes escritórios de advocacia e departamentos jurídicos corporativos adotam ferramentas próprias ou de mercado para automação de rotinas processuais, due diligence documental e análise preditiva de contencioso.

2. O framework regulatório brasileiro

2.1 A Resolução CNJ nº 332/2020 e atualizações

Principal instrumento normativo específico sobre IA no judiciário brasileiro, a Resolução CNJ 332/2020 estabelece parâmetros éticos e técnicos para o desenvolvimento e uso de modelos de IA no Poder Judiciário. Entre os princípios consagrados estão respeito aos direitos fundamentais, não discriminação, publicidade e transparência, governança de dados e accountability. O texto exige, como regra geral, supervisão humana em decisões que impactem direitos, e veda explicitamente o uso de IA para determinar decisões terminativas de mérito sem revisão humana.

Atualizações posteriores da normativa e notas técnicas complementares do CNJ refinaram exigências específicas, incluindo a necessidade de cadastro dos modelos no repositório centralizado, a exigência de auditabilidade técnica e a previsão de consulta pública em casos de alto impacto. A tendência regulatória observável é no sentido de maior rigor, em linha com o movimento internacional materializado pelo AI Act europeu.

2.2 LGPD e dados sensíveis no contexto judicial

A Lei Geral de Proteção de Dados (Lei 13.709/2018) aplica-se integralmente ao tratamento de dados pessoais por sistemas de IA no judiciário, ressalvadas as hipóteses de tratamento para execução de políticas públicas e de jurisdição. Ainda assim, princípios como finalidade, adequação, necessidade, segurança e não discriminação incidem plenamente, exigindo cautela específica com dados sensíveis e com uso secundário de informações processuais.

2.3 O Marco Civil da IA em tramitação

O debate legislativo em torno de um Marco Civil da IA para o Brasil — desdobrado em projetos como o PL 2338/2023 e variações posteriores — tem trajetória consistente de convergência com o modelo europeu baseado em risco, ainda que com ajustes para a realidade nacional. As versões em discussão preveem classificação de sistemas em níveis de risco (excessivo, alto, médio, baixo), requisitos diferenciados de avaliação de impacto algorítmico, direitos explícitos de explicabilidade e contestação, e regimes específicos de responsabilidade. Sistemas de apoio à decisão judicial são classificados, nas propostas mais maduras, como sistemas de alto risco, sujeitos a obrigações reforçadas.

3. Impactos organizacionais

3.1 Para os tribunais

Do ponto de vista da gestão judiciária, a adoção de IA exige reconfiguração significativa dos arranjos organizacionais. Comitês de ética em IA, equipes técnicas de data science, ombudsman algorítmico e capacitação estruturada de magistrados e servidores tornam-se componentes permanentes da estrutura administrativa. O CNJ, por meio do programa Justiça 4.0 e de iniciativas correlatas, fomenta a criação dessas estruturas, mas a velocidade de adoção varia substancialmente entre tribunais.

3.2 Para advogados e escritórios

Advogados, em especial os atuantes em contencioso em massa, deparam-se com um cenário em que a petição inicial já é analisada, em segundos, por sistemas automatizados de classificação e triagem. Isso tem implicações práticas: qualidade redacional, estruturação formal, uso de palavras-chave e aderência a padrões de indexação passam a ter impacto operacional mensurável. Paralelamente, o próprio trabalho advocatício é crescentemente mediado por ferramentas de IA — pesquisa jurisprudencial aumentada, redação assistida, análise contratual automatizada.

3.3 Para departamentos jurídicos corporativos

Empresas que litigam em volume relevante precisam incorporar IA tanto no lado da preparação processual quanto no da gestão do portfólio de contencioso. Ferramentas de análise preditiva permitem estimar, com razoável acurácia, a probabilidade de êxito em determinadas teses, o tempo médio de tramitação por vara e a propensão de acordo em diferentes momentos processuais. Essas projeções influenciam decisões de provisão contábil, estratégia de defesa e política de acordos.

4. Dilemas éticos e regulatórios centrais

4.1 Transparência vs. proteção da propriedade intelectual

Modelos de IA utilizados por tribunais públicos precisam, em princípio, ser auditáveis. A exigência de transparência colide, em parte dos casos, com a proteção da propriedade intelectual de desenvolvedores privados que contratam com o setor público. A solução que tem emergido combina auditoria externa por entidades independentes com divulgação de relatórios públicos sobre o funcionamento, sem necessariamente publicizar o código-fonte integral.

4.2 Vieses algorítmicos e discriminação

Sistemas treinados com base em dados históricos de decisões judiciais herdam, inevitavelmente, padrões presentes nesses dados — inclusive padrões discriminatórios que podem refletir desigualdades estruturais. A mitigação de vieses exige esforço técnico deliberado e avaliação contínua, não se resolvendo por escolha de modelo ou por boa fé dos desenvolvedores. A literatura recente sobre fairness in machine learning oferece ferramental, mas nenhuma solução universal.

4.3 A questão da supervisão humana efetiva

A exigência de supervisão humana em decisões assistidas por IA é juridicamente consagrada, mas operacionalmente frágil. Estudos empíricos em jurisdições estrangeiras indicam que a supervisão humana tende, na prática, a ratificar recomendações algorítmicas quando estas se apresentam com aparência de precisão e objetividade — o chamado automation bias. A institucionalização de uma supervisão humana substantiva, e não apenas formal, é um desafio de design organizacional tanto quanto tecnológico.

5. Matriz de risco para usuários do sistema judicial

6. Recomendações para organizações

Organizações com exposição relevante ao sistema judicial brasileiro — seja como litigantes recorrentes, seja como fornecedoras de serviços jurídicos — tendem a se beneficiar de algumas diretrizes práticas:

• Mapear sistematicamente os pontos do ciclo de vida processual em que IA já é aplicada pelos tribunais com que a organização interage.
• Adotar ferramentas internas de IA com política clara de uso, validação humana obrigatória de citações jurisprudenciais e registro auditável das decisões algorítmicas utilizadas.
• Estruturar capacitação específica para as equipes jurídicas sobre uso crítico de IA, incluindo limites, riscos e casos de falha conhecidos.
• Acompanhar, em cadência regular, a evolução regulatória do CNJ, LGPD e do futuro Marco Civil da IA, ajustando políticas internas.
• Tratar o uso de IA como matéria de compliance, não apenas de produtividade, com responsabilidades explicitadas em governança.

7. Implicações para a gestão de mudanças

A incorporação de IA em departamentos jurídicos é, ela própria, um programa de transformação organizacional. Exige mapeamento de impactos por grupo de profissional — advogados seniores, pleitistas, paralegais, administrativos —, estratégia de capacitação diferenciada, redesenho de processos e governança específica. A tentação de tratar a adoção como simples atualização tecnológica costuma produzir resultados abaixo do esperado, pelos mesmos motivos já analisados em outros contextos de transformação digital.

8. Conclusão

A inteligência artificial no judiciário brasileiro é fenômeno em consolidação acelerada. O arcabouço regulatório, embora ainda em formação, apresenta princípios claros que orientam a atuação responsável. Para organizações que litigam ou interagem com o sistema de justiça, compreender esse cenário deixou de ser vantagem competitiva e passou a ser condição de operação prudente. As decisões estratégicas tomadas agora — em matéria de adoção de ferramentas, capacitação de equipes e governança interna — condicionam a qualidade da atuação jurídica nos próximos anos.

A CollabZ, apoiada em sua experiência combinada em transformação organizacional, gestão de mudanças e acompanhamento de temas regulatórios emergentes — incluindo linhas de pesquisa sobre blockchain e IA generativa em contextos regulados — apoia organizações públicas e privadas na estruturação de programas de adoção responsável de IA, com governança calibrada ao perfil de risco e ao ambiente regulatório aplicável.