Eficiência, governança e os limites da automação da atividade jurisdicional

Resumo

O artigo examina o avanço da inteligência artificial no Poder Judiciário a partir da transição entre sistemas de classificação e IA generativa para arquiteturas agênticas, com foco em governança, supervisão humana e responsabilidade institucional. Analisa experiências do CNJ, STJ, STF, tribunais estaduais e federais, a Resolução CNJ nº 615/2025 e referências internacionais, incluindo CEPEJ, OECD, EU AI Act e orientação judicial britânica. Também discute conceitos como human in the loop, meaningful human control, automation bias, deskilling, retrieval-augmented generation, contestability e principle of least privilege, além do uso de ferramentas como Claude Code para prototipação e orquestração de fluxos.

Palavras-chave: inteligência artificial; Poder Judiciário; sistemas agênticos; agentes sistêmicos; Resolução CNJ 615/2025; governança; automação judicial.

Introdução: a próxima etapa da transformação digital do Judiciário

A discussão sobre inteligência artificial no Poder Judiciário brasileiro mudou de escala. Durante alguns anos, o debate esteve concentrado em sistemas de classificação, agrupamento de processos, reconhecimento de padrões e pesquisa jurisprudencial. Em seguida, a disseminação dos grandes modelos de linguagem levou a IA generativa para tarefas de redação, sumarização e interação em linguagem natural. Agora, uma terceira camada começa a se tornar tecnicamente relevante: sistemas capazes não apenas de produzir uma resposta, mas de encadear tarefas, consultar ferramentas, acessar bases autorizadas, verificar resultados e prosseguir em um fluxo até atingir determinado objetivo. É nesse espaço que surgem os chamados sistemas agênticos.

A mudança não é apenas terminológica. Um modelo conversacional tradicional recebe um comando e devolve uma saída.

Uma arquitetura agêntica pode receber uma finalidade mais ampla, decompor o trabalho em etapas, decidir quais recursos consultar, executar scripts, recuperar documentos, comparar resultados e submeter o produto final a uma etapa de validação. Em um ambiente judicial, isso permite imaginar aplicações que vão da triagem de milhares de processos ao controle de pendências, da extração estruturada de pedidos à pesquisa de precedentes, da preparação de relatórios à conferência formal de uma minuta. A questão deixa de ser apenas o que a IA consegue escrever e passa a ser o que ela pode fazer dentro de um fluxo institucional.

Esse debate precisa ser enfrentado sem dois erros simétricos.

O primeiro é o entusiasmo tecnicista, que trata a jurisdição como se fosse uma cadeia produtiva integralmente decomponível em operações automáticas. O segundo é o conservadorismo que identifica qualquer automação cognitiva com substituição do juiz.

O quadro normativo brasileiro, especialmente a Resolução CNJ nº 615/2025, aponta para uma posição mais sofisticada: admite e incentiva usos de apoio, mas diferencia os riscos conforme a finalidade, exige supervisão humana e impõe controles de governança, segurança, rastreabilidade e proteção de dados.

O desenho institucional, portanto, importa tanto quanto a capacidade do modelo.

O problema é especialmente concreto no Brasil. A digitalização quase integral dos processos aumentou a disponibilidade de dados, mas não eliminou o trabalho repetitivo. Gabinetes continuam consumindo tempo para reconstruir cronologias, identificar pedidos, localizar precedentes e conferir peças; secretarias continuam administrando filas, expedientes, prazos e movimentações em grande volume.

O potencial dos agentes está precisamente em reorganizar esse trabalho intermediário, desde que não se converta a automação de tarefas em delegação da jurisdição.

1. Julgar não é apenas processar informação: téchne, phronesis e responsabilidade

A filosofia oferece uma chave útil para delimitar o problema. Em Aristóteles, a distinção entre téchne e phronesis separa, em termos gerais, o saber produtivo do saber prático. A téchne está associada ao domínio de procedimentos e meios aptos a produzir determinado resultado. A phronesis, por sua vez, diz respeito à prudência necessária para deliberar bem sobre situações concretas em que não existe uma resposta simplesmente extraída de uma regra mecânica. A analogia não deve ser transportada de modo simplista para o direito, mas ela ajuda a compreender por que uma parte da atividade judicial é altamente automatizável e outra parte resiste à redução a procedimentos.

Há muito de téchne na administração da Justiça. Classificar documentos, detectar duplicidades, separar processos por assunto, identificar recursos potencialmente repetitivos, organizar bases jurisprudenciais, extrair entidades, verificar prazos e padronizar expedientes são operações que podem ser formalizadas com relativa precisão. Mesmo certas etapas cognitivas, como resumir argumentos ou localizar passagens relevantes, podem ser assistidas por modelos estatísticos e generativos. A vantagem institucional consiste em deslocar capacidade humana de atividades de baixo valor decisório para aquelas em que o contexto, a valoração e a responsabilidade são realmente relevantes.

A decisão jurisdicional, contudo, não é apenas a soma dessas operações. Ela é um ato institucionalmente imputável a alguém, produzido dentro de um procedimento contraditório, sujeito ao dever de fundamentação e aberto à crítica e ao recurso. Ronald Dworkin, ao pensar o direito como prática interpretativa, chama atenção para o fato de que a decisão jurídica não se esgota na identificação de uma regra isolada: ela depende de uma reconstrução justificativa que articula materiais jurídicos, coerência institucional e princípios.

Mesmo para quem não adere à teoria dworkiniana, permanece uma conclusão importante: a correção jurídica não é sinônimo de mera semelhança textual com decisões anteriores.

Também Max Weber ajuda a entender o dilema. A racionalização burocrática produz ganhos enormes de previsibilidade e eficiência justamente por substituir escolhas casuísticas por procedimentos estáveis. O risco surge quando a racionalidade instrumental, adequada à administração de fluxos, pretende ocupar integralmente o espaço da razão jurídica.

A boa automação judicial deve radicalizar a eficiência onde há rotina e preservar espaço deliberativo onde há julgamento.

Essa separação é mais importante do que a oposição retórica entre “ser humano” e “máquina”.

Por fim, a noção de responsabilidade é irredutível. Uma IA pode produzir uma justificativa linguisticamente elegante, mas não ocupa cargo público, não responde disciplinarmente, não possui independência funcional, não sofre impedimento ou suspeição e não pode ser responsabilizada pela violação do dever de fundamentar.

O problema da automação decisória não é apenas epistemológico, relativo à qualidade da resposta, é institucional.

O Estado precisa saber quem decidiu, com base em quê e sob qual cadeia de responsabilidade.

2. O que são sistemas agênticos e o que se pode chamar de agentes sistêmicos

Não existe, ainda, uma taxonomia jurídica universal para “sistemas agênticos”.

Na literatura técnica contemporânea, a expressão agentic AI costuma designar sistemas que recebem um objetivo e conduzem, com algum grau de autonomia operacional, uma sequência de ações para alcançá-lo. Em vez de limitar-se ao paradigma pergunta-resposta, o agente pode selecionar ferramentas, consultar arquivos, chamar APIs, executar código, avaliar a saída intermediária e decidir qual etapa deve ocorrer em seguida.

Essa autonomia é funcional e graduável: pode ser estreita, com passos rigidamente pré-definidos, ou mais ampla, com liberdade para escolher estratégias.

No contexto deste artigo, a expressão “agente sistêmico” é utilizada como categoria analítica, e não como termo técnico já estabilizado na literatura.

Ela designa o agente que deixa de operar como ferramenta isolada e passa a integrar uma rotina institucional: conectado a repositórios, sistemas processuais, bases de precedentes, filas de trabalho ou serviços internos.

A diferença é relevante porque o risco não depende apenas da inteligência do modelo, mas das permissões concedidas. Um agente que apenas lê um PDF possui um perfil de risco; outro que pode movimentar processo, expedir documento ou acessar bases sigilosas possui outro completamente diferente.

Essa distinção desloca o debate da qualidade da linguagem para a arquitetura de poderes. Em segurança da informação, vale o princípio do menor privilégio: cada componente recebe apenas as permissões indispensáveis para a sua tarefa.

Aplicado ao Judiciário, o princípio sugere que um agente destinado a resumir processos não precisa publicar atos; um agente destinado a elaborar uma minuta não precisa possuir credenciais de assinatura; um agente destinado a conferir uma fila não precisa acessar o conteúdo de processos sigilosos fora da necessidade concreta.

A governança pode ser inscrita no próprio desenho técnico.

É justamente por isso que sistemas agênticos podem, paradoxalmente, ser mais seguros do que o uso informal de um chatbot genérico. Em uma arquitetura institucional, é possível delimitar fontes, registrar logs, bloquear comandos, isolar dados, versionar modelos, exigir etapas de validação e impedir tecnicamente determinadas ações. A alternativa real, em muitos tribunais, não é “IA ou nenhuma IA”, mas “IA governada ou IA difusa, usada de forma individual e pouco observável”.

3. A realidade brasileira: adoção já disseminada e governança ainda em construção

O ponto de partida empírico é relevante. O relatório do Conselho Nacional de Justiça sobre o uso de inteligência artificial generativa no Poder Judiciário brasileiro, elaborado a partir de respostas de 1.681 magistrados e 16.844 servidores, mostrou que a tecnologia já havia penetrado a rotina forense antes mesmo da nova regulação de 2025. O diagnóstico divulgado pelo CNJ em 2024 indicou elevado interesse e uso ainda predominantemente ocasional, mas suficiente para demonstrar que a IA generativa não chegaria ao Judiciário por decisão centralizada: ela já havia entrado pelas mãos dos usuários.

Esse fenômeno possui uma consequência regulatória importante. Quando ferramentas privadas são adotadas espontaneamente por milhares de profissionais, surge o que a literatura de governança tecnológica chama de shadow AI: uso de sistemas de IA fora das estruturas institucionais formais de controle. A resposta mais segura não é necessariamente proibir; pode ser oferecer alternativas institucionais melhores, com ambiente protegido, regras de retenção, trilha de auditoria e capacitação. A Resolução nº 615/2025 deve ser lida nesse contexto: ela não regulamenta um campo hipotético, mas uma prática que já existia.

A evolução dos tribunais brasileiros também demonstra que a IA judicial não começou com modelos generativos. O país acumulou experiências de aprendizado de máquina, processamento de linguagem natural, agrupamento semântico e automação de tarefas desde a década passada.

Essa trajetória importa porque mostra que o valor institucional da IA costuma aparecer primeiro em problemas de escala e organização, e não na tentativa de substituir o raciocínio decisório final.

4. STJ: de Athos e Sócrates ao STJ Logos

O Superior Tribunal de Justiça oferece um dos exemplos mais claros dessa evolução. As ferramentas Athos e Sócrates foram construídas para apoiar organização, triagem e recuperação de precedentes.

Segundo o próprio STJ, o Athos trabalha com classificação documental, agrupamento de processos com temas semelhantes e indicação de recursos com potencial repetitivo; o Sócrates constitui a interface voltada aos gabinetes, apoiando triagem de processos, agrupamento de matérias e busca de precedentes. Trata-se de um uso típico de IA como infraestrutura de informação: antes de redigir qualquer decisão, o sistema melhora a capacidade de enxergar padrões dentro de um acervo massivo.

A etapa seguinte veio com o STJ Logos, lançado em fevereiro de 2025 como motor interno de inteligência artificial generativa. A Corte passou a desenvolver aplicações para análise inicial de admissibilidade e para sugestão de ementas, relatórios e minutas a partir de comandos inseridos pelo servidor. A página institucional do Tribunal ressalta que as ferramentas passam por testes iniciais, validação em gabinetes e capacitação antes da disponibilização. Esse detalhe é mais importante do que parece: a governança não ocorre apenas no texto normativo, mas também no ciclo de desenvolvimento e validação.

O caso do STJ mostra ainda como a IA generativa pode ser acoplada a fontes delimitadas. Em determinadas funcionalidades, o sistema apresenta as peças processuais utilizadas como base para a análise, inclusive com referência às páginas. Essa arquitetura aproxima-se do modelo conhecido como retrieval-augmented generation, ou RAG, no qual o modelo generativo recebe documentos recuperados de uma base controlada para responder. Em ambiente jurídico, o RAG não elimina alucinações, mas melhora a auditabilidade porque permite confrontar a resposta com a fonte efetivamente utilizada.

Há aqui uma lição prática para sistemas agênticos. O agente mais útil ao Judiciário provavelmente não será aquele com maior “criatividade”, e sim aquele que opera sobre um universo documental controlado, deixa rastros, apresenta evidências e encaminha o resultado a um responsável humano. A inteligência institucional não depende apenas do modelo; depende da qualidade do contexto e das restrições impostas ao fluxo.

5. STF: Victor, VitorIA, RAFA 2030 e Maria

No Supremo Tribunal Federal, o projeto Victor tornou-se símbolo da aplicação de inteligência artificial a tarefas de classificação e identificação de temas de repercussão geral. A evolução posterior produziu a VitorIA, ferramenta que agrupa recursos por similaridade e auxilia na identificação de controvérsias. Em setembro de 2026, o próprio STF enfatizou que a VitorIA organiza informações e reúne casos semelhantes, mas não decide se existe repercussão geral nem julga os processos. Essa explicitação é relevante porque evidencia a linha institucional entre organizar o espaço decisório e ocupar o espaço da decisão.

A RAFA 2030 oferece outro tipo de aplicação. Lançada para classificar acórdãos e petições segundo os Objetivos de Desenvolvimento Sustentável da Agenda 2030, a ferramenta utiliza comparação semântica para apoiar o etiquetamento de processos. Novamente, trata-se de fazer com máquinas aquilo que seria extremamente oneroso em escala humana: examinar grandes massas documentais e encontrar padrões de classificação.

Mais recentemente, a plataforma Maria ampliou o uso interno de IA em apoio à atividade jurisdicional. O STF informou, em 2025, a incorporação de funcionalidades de revisão gramatical e textual e consulta unificada de precedentes. A experiência é particularmente importante porque demonstra que o Supremo também caminha na direção de um ecossistema integrado de assistência, e não de um único “robô julgador”.

Há, contudo, uma precisão jurídica indispensável: o STF possui regime institucional próprio e não se submete à competência administrativa do CNJ da mesma forma que os demais tribunais. A própria jurisprudência constitucional reconhece que a competência do Conselho alcança o Poder Judiciário, excetuado o Supremo Tribunal Federal.

Por isso, a Resolução CNJ nº 615/2025 não deve ser apresentada como ato normativo que vincula administrativamente o STF.

As experiências da Corte são relevantes para comparação e para identificação de tendências, mas seu regime de governança não deriva simplesmente da Resolução 615.

6. Tribunais estaduais e federais: a inovação é distribuída

A história brasileira da IA judicial é fortemente descentralizada.

A plataforma Sinapses, hoje associada à política nacional de compartilhamento de modelos, nasceu no Tribunal de Justiça de Rondônia em 2017 e entrou em produção no ano seguinte, antes de ser adaptada para uso nacional em parceria com o CNJ. O desenho da plataforma é significativo porque permite treinamento, versionamento e disponibilização de modelos, favorecendo interoperabilidade e reaproveitamento institucional.

Em 2025, o próprio TJRO instituiu política específica de IA alinhada à Resolução 615, estabelecendo preferência por automação de tarefas repetitivas e de baixo valor agregado para liberar servidores para atividades mais qualificadas.

O TJRO também desenvolveu o GaIA, Gabinete Assistido por Inteligência Artificial, destinado a apoiar a elaboração de relatório, voto e ementa no segundo grau, com revisão humana dos documentos. A experiência aproxima o debate abstrato sobre IA generativa de um fluxo real de gabinete: o sistema não precisa “julgar” para produzir ganhos de produtividade; basta reduzir o esforço gasto em transformar informação processual em um documento de trabalho estruturado.

Outros tribunais oferecem variações do mesmo paradigma. O Radar, do TJMG, foi utilizado para pesquisa e agrupamento de processos; o Hórus, do TJDFT, surgiu em contexto de execuções fiscais e automação de rotinas; o Elis, desenvolvido em Pernambuco, tornou-se referência na triagem de execuções fiscais; e o TJ da Paraíba passou a divulgar solução generativa denominada MinutaIA, com ênfase explícita em privacy by design, privacy by default, descarte de dados e vedação de utilização das informações do usuário para treinamento.

Essas experiências revelam que a inovação relevante não está apenas na escolha do modelo, mas no arranjo institucional construído ao redor dele.

Na Justiça Federal, a tendência é semelhante. Projetos como o Alei e sistemas de busca inteligente foram utilizados para agrupar processos, pesquisar precedentes e apoiar minutas ou localização temática.

Em 2026, o TRF3 editou resolução específica com orientações sobre IA generativa, sinal de que a governança local começa a se adensar após a Resolução 615. Isso confirma uma característica brasileira: a regulamentação nacional define o piso de governança, mas a implementação concreta depende da maturidade tecnológica e normativa de cada tribunal.

7. Claude Code e a passagem da automação simples para a orquestração

Ferramentas como o Claude Code interessam a esse debate não porque tenham sido concebidas para o Judiciário, mas porque tornam visível o salto arquitetural da IA contemporânea. A Anthropic descreve o Claude Code como ferramenta agêntica capaz de operar diretamente no terminal, explorar uma base de arquivos, editar código, executar comandos e automatizar fluxos. Recursos como subagentes, hooks, execução não interativa e integração com serviços externos demonstram que a unidade de trabalho deixa de ser o prompt isolado e passa a ser uma sequência controlada de ações.

Transportado para um ambiente judicial, esse modelo pode servir como instrumento de prototipação de fluxos, desde que respeitados os requisitos de segurança e a política institucional. Um agente poderia, por exemplo, receber uma pasta contendo peças processuais, extrair metadados, organizar os documentos, montar a cronologia, identificar pedidos e defesas, chamar um módulo de pesquisa jurisprudencial autorizado, produzir um relatório estruturado e executar uma lista de verificações antes de gerar uma minuta. Outro agente, separado, poderia conferir se todos os pedidos foram enfrentados e se as citações indicadas existem. O desenho pode ser modular justamente para evitar concentração excessiva de poder em um único componente.

O valor dos chamados hooks, nessa perspectiva, não está em criar “gatilhos” retóricos, mas em estabelecer eventos técnicos de controle. Uma rotina pode, por exemplo, acionar automaticamente um verificador de referências depois que uma minuta é criada, ou exigir determinada checagem antes que um arquivo avance para a etapa seguinte. O mesmo mecanismo pode impedir que um agente execute comandos fora de uma lista permitida. A governança deixa de ser apenas uma recomendação e passa a operar como regra de software.

Esse tipo de ferramenta, entretanto, deve ser tratado com cautela em ambiente real. A conexão direta a sistemas processuais, credenciais institucionais ou documentos sigilosos transforma um experimento de produtividade em infraestrutura crítica. Por isso, prototipar localmente um fluxo com dados fictícios é juridicamente e operacionalmente distinto de integrar um agente ao PJe, ao eproc ou a repositórios internos. A passagem do protótipo à produção exige avaliação de risco, segurança, gestão de identidades, auditoria, política de dados e autorização institucional.

8. O que a Resolução CNJ nº 615/2025 efetivamente faz

A Resolução CNJ nº 615/2025 deve ser lida como norma de governança baseada em risco, e não como proibição geral da inteligência artificial. Ela substituiu o regime anterior da Resolução nº 332/2020 e foi posteriormente alterada pela Resolução nº 674/2026 em aspecto relativo à composição do Comitê Nacional de Inteligência Artificial do Judiciário. Seu texto organiza desenvolvimento, contratação, classificação de risco, transparência, auditoria, monitoramento, proteção de dados e uso de sistemas generativos. A lógica aproxima-se de movimentos regulatórios internacionais, embora possua soluções próprias.

O art. 19 é especialmente importante para a rotina dos gabinetes. Ele admite que magistrados e servidores utilizem modelos de linguagem e outros sistemas de IA generativa como ferramentas de auxílio à gestão ou apoio à decisão, preferencialmente por acesso habilitado, disponibilizado e monitorado pelo tribunal. Quando não existir solução corporativa adequada, a norma admite contratação individual sob condições específicas. O dispositivo, portanto, reconhece juridicamente a possibilidade de uso funcional da IA generativa; o debate passa a ser sobre limites e condições, não sobre uma vedação abstrata.

A supervisão humana aparece como eixo. O art. 20, IV, estabelece que o uso de ferramentas generativas deve ser auxiliar e complementar, vedando sua utilização como instrumento autônomo de tomada de decisões judiciais sem orientação, interpretação, verificação e revisão do magistrado, que permanece responsável. A norma também prevê registro interno quando IA generativa for empregada para auxiliar a redação de ato judicial, ainda que a menção no corpo da decisão fique a critério do magistrado. Esse registro serve a estatística, monitoramento e auditoria.

A classificação de risco é o ponto em que a arquitetura tecnológica encontra o direito. O Anexo da Resolução distingue finalidades de baixo e alto risco. Atividades de extração, classificação, agrupamento, sumarização e apoio textual podem enquadrar-se em categorias menos sensíveis, enquanto a valoração de prova e a formulação de juízos conclusivos sobre a aplicação de norma ou precedente a fatos concretos aparecem em campo de risco elevado. A consequência prática é que não basta perguntar se o sistema “usa IA”; é necessário perguntar o que ele está autorizado a fazer.

Essa lógica é particularmente relevante para sistemas agênticos. Um mesmo modelo pode operar em contextos regulatórios distintos conforme as ferramentas e permissões que recebe. Se um agente apenas sumariza autos, o risco é um; se pesquisa precedentes em base delimitada, é outro; se passa a valorar prova e formular conclusão jurídica de mérito, muda-se o enquadramento. A classificação deve incidir sobre a finalidade e o contexto de uso, não sobre a marca comercial do modelo.

Outro ponto central é a proteção de dados. A Resolução incorpora expressamente princípios como privacy by design e privacy by default e estabelece restrições à utilização de dados em ferramentas externas. Essa preocupação torna-se ainda mais grave em sistemas agênticos porque eles podem operar em escala: um erro de configuração que em um chatbot exporia um único processo pode, em um agente conectado a uma fila, afetar centenas ou milhares de documentos. A capacidade de automação amplia proporcionalmente a necessidade de controle.

9. Human in the loop, meaningful human control e o risco de revisão apenas ritual

O vocabulário internacional ajuda a qualificar a exigência de supervisão. Human in the loop descreve arquiteturas em que uma pessoa participa de etapa essencial do ciclo da decisão. Human on the loop costuma designar cenários em que a automação opera com maior autonomia, mas permanece sob supervisão e possibilidade de intervenção humana. Em matéria jurisdicional, a diferença não é puramente semântica: quando a atividade toca interpretação de fatos e direito em caso concreto, o controle humano precisa ser real e não apenas formal.

É daí que surge a noção de meaningful human control, ou controle humano significativo. Não basta inserir um botão “aprovar” no fim do fluxo. Se a minuta chega pronta, com fundamentação, precedentes e conclusão, e o magistrado dispõe de poucos minutos para revisar dezenas de documentos, pode ocorrer uma transferência prática de autoridade à máquina, embora formalmente a assinatura continue humana. A governança séria precisa considerar o comportamento real do usuário e a carga cognitiva imposta pela interface.

A Carta Ética Europeia da CEPEJ trabalha com princípio semelhante ao exigir que a IA permaneça sob controle do usuário e não se transforme em abordagem prescritiva. O EU AI Act, por sua vez, classifica como de alto risco determinados sistemas destinados a auxiliar autoridades judiciais na interpretação de fatos e direito e na aplicação do direito ao caso concreto. O Considerando 61 é explícito ao afirmar que a IA pode apoiar a tomada de decisão judicial, mas a decisão final deve permanecer uma atividade humana.

A convergência com a Resolução 615 é evidente. Brasil e União Europeia utilizam classificações diferentes e possuem estruturas normativas distintas, mas partem de uma percepção comum: tarefas administrativas e preparatórias podem receber tratamento mais permissivo, enquanto sistemas que se aproximam do núcleo interpretativo da jurisdição exigem controles intensificados. Não se trata de hostilidade à tecnologia; trata-se de reconhecer que diferentes funções possuem diferentes consequências para direitos fundamentais.

10. Automation bias: a ferramenta de apoio passa a exercer autoridade cognitiva

A supervisão humana, contudo, não elimina automaticamente o risco. A literatura sobre fatores humanos utiliza a expressão automation bias para descrever a tendência de indivíduos confiarem excessivamente em sistemas automatizados, substituindo investigação própria por aceitação da recomendação da máquina. Revisões sistemáticas em áreas como aviação e saúde mostram que o fenômeno pode produzir erros de comissão, quando o usuário segue recomendação incorreta, e de omissão, quando deixa de agir porque o sistema não emitiu alerta.

Esse achado é altamente relevante para o Judiciário. Um assessor que recebe centenas de classificações corretas de um sistema tende, com o tempo, a reduzir a intensidade da conferência. Um magistrado que encontra minutas consistentemente boas pode passar a ler de forma menos adversarial o documento gerado. O problema não exige que a IA seja autônoma: basta que se torne cognitivamente persuasiva. A autoridade pode migrar para a máquina antes de qualquer mudança formal de competência.

A revisão sistemática de Goddard, Roudsari e Wyatt identificou fatores como confiança, pressão de tempo, carga de trabalho e complexidade como mediadores da dependência da automação. Lyell e Coiera também encontraram associação entre automation bias e tarefas de alta complexidade de verificação. Isso cria uma ironia importante para o Judiciário: justamente os ambientes mais congestionados, nos quais a IA parece mais necessária, podem ser aqueles em que a supervisão humana tende a se tornar mais superficial por falta de tempo.

A mitigação, portanto, precisa ser arquitetural. Sistemas podem exigir que o usuário examine fontes antes de aprovar uma conclusão, apresentar incerteza de modo explícito, destacar quais trechos foram inferidos, separar informação recuperada de recomendação e registrar alterações humanas. Treinamento é necessário, mas não suficiente. A interface deve ser concebida para estimular crítica, e não deferência.

11. Deskilling e a preservação da capacidade institucional

Outro conceito importante é deskilling: a perda gradual de competências causada pela transferência permanente de determinadas tarefas para sistemas automáticos. A preocupação é conhecida em setores como aviação e medicina e começou a aparecer com maior frequência nas pesquisas sobre IA generativa. Uma revisão sistemática publicada em 2026 sobre usos clínicos de IA generativa identificou recorrência de preocupações com automation bias, perda de habilidades e impacto sobre o raciocínio profissional. Embora saúde e Justiça sejam domínios diferentes, a dinâmica organizacional é comparável.

No Judiciário, o risco não está em automatizar qualquer tarefa manual. Ninguém precisa preservar como competência essencial a digitação repetitiva de expedientes ou a conferência mecânica de formatação. O problema aparece quando a automação retira do profissional a prática necessária para desenvolver capacidades jurídicas centrais. Um assessor que nunca aprende a reconstruir fatos, identificar questões controvertidas ou pesquisar precedentes pode tornar-se incapaz de avaliar criticamente o produto do próprio sistema que utiliza.

A solução não é renunciar à automação, mas preservar circuitos de aprendizagem. Equipes podem utilizar IA para acelerar tarefas sem eliminar formação jurídica; atividades de revisão podem ser estruturadas como exercício crítico, e não mero aceite; sistemas podem exibir fontes e raciocínios intermediários suficientes para permitir auditoria. A tecnologia deve reduzir trabalho repetitivo e ampliar a capacidade de julgamento, não substituir a formação necessária para julgar.

12. Alucinações, RAG, verificabilidade e contestabilidade

Os grandes modelos de linguagem podem produzir afirmações falsas com aparência de precisão. No domínio jurídico, esse problema é especialmente sensível porque números de processos, precedentes, citações e regras possuem verificabilidade objetiva. Pesquisa de Dahl, Magesh, Suzgun e Ho sobre modelos amplamente utilizados encontrou taxas elevadas de alucinação em perguntas específicas sobre casos de cortes federais norte-americanas. O estudo é de 2024 e reflete modelos daquela geração, de modo que seus percentuais não devem ser tratados como medida permanente de desempenho dos sistemas atuais; sua relevância está em demonstrar empiricamente que fluência não equivale a conhecimento jurídico confiável.

A resposta técnica mais promissora não é confiar que modelos futuros simplesmente deixarão de errar. É projetar sistemas para que o erro seja detectável. RAG, bases institucionais, citações vinculadas às fontes, validação determinística de números de processo e comparação automática de precedentes podem reduzir o espaço de invenção. Em um sistema agêntico, um agente gerador pode ser seguido por um agente verificador, mas a verificação crítica humana continua necessária em tarefas sensíveis.

Aqui aparece outro conceito internacional relevante: contestability. Em aplicações públicas, não basta que um sistema seja explicável em abstrato; é necessário que sua saída possa ser impugnada e corrigida. No processo judicial, isso se conecta diretamente ao contraditório e à fundamentação. Quanto maior a influência de um sistema sobre o conteúdo de uma decisão, maior deve ser a capacidade institucional de reconstruir como aquela saída foi produzida, quais fontes foram usadas e qual intervenção humana ocorreu.

13. A experiência internacional: convergência em torno do apoio, não da substituição

O primeiro relatório da CEPEJ sobre uso de IA no Judiciário, consolidado em 2025 a partir de seu Resource Centre on Cyberjustice and AI, identificou 125 ferramentas voltadas a eficiência e acesso à Justiça, principalmente na Europa. O dado mais interessante não é apenas quantitativo. A CEPEJ registrou aumento do uso de IA generativa e, ao mesmo tempo, observou que os sistemas existentes apresentam limitações e requerem supervisão humana; não foram identificados sistemas plenamente autônomos operando independentemente nos tribunais. A realidade internacional é, portanto, muito menos próxima do imaginário do “juiz robô” do que frequentemente sugere o debate público.

A OCDE, em relatório de 2025 sobre IA em funções governamentais, reúne exemplos concretos. A Corte de Cassação francesa desenvolveu solução para categorizar e encaminhar recursos às câmaras apropriadas; o relatório também menciona o Victor brasileiro e o Chat-JT da Justiça do Trabalho como exemplos de uso voltado à organização, pesquisa e produção de documentos. O padrão é recorrente: o maior ganho está em tarefas de informação, triagem, roteamento, busca e elaboração assistida.

Na Inglaterra e no País de Gales, a orientação judicial atualizada em outubro de 2025 enfatiza responsabilidade pessoal do titular do cargo judicial por todo material produzido em seu nome, riscos de alucinação e viés, além da proibição prática de inserir informações privadas em ferramentas públicas inadequadas. A lógica coincide com o que a boa governança brasileira pretende alcançar: permitir uso responsável sem diluir responsabilidade.

A União Europeia foi além ao transformar parte dessas preocupações em regime jurídico vinculante. O AI Act inclui, entre os casos de alto risco, sistemas destinados a auxiliar autoridades judiciais na pesquisa e interpretação de fatos e direito e na aplicação da lei a um conjunto concreto de fatos. Em contrapartida, atividades administrativas puramente auxiliares, como anonimização, comunicação interna e tarefas administrativas, não recebem automaticamente o mesmo enquadramento. A distinção é quase um mapa regulatório do que deveria orientar projetos agênticos no Judiciário brasileiro: quanto mais o sistema se aproxima da formação da decisão de mérito, maior o rigor exigido.

14. Um modelo de arquitetura para gabinete e secretaria

A discussão torna-se mais clara quando aplicada a um cenário concreto. Imagine um gabinete com elevado acervo e equipe reduzida. Um primeiro módulo recebe os documentos do processo e verifica integridade e tipo documental. Um segundo extrai nomes, pedidos, datas e eventos relevantes. Um terceiro monta a linha do tempo. Um quarto identifica questões processuais pendentes e possíveis conexões com temas repetitivos. Um quinto consulta exclusivamente bases jurisprudenciais autorizadas. Um sexto produz um relatório. Apenas então um componente generativo elabora um rascunho de minuta, acompanhado das fontes e das ressalvas de incerteza.

Antes de qualquer encaminhamento ao magistrado, outro módulo executa verificações formais: se todos os pedidos foram mencionados, se os precedentes citados existem, se datas e valores coincidem com as peças e se há inconsistência entre fundamentação e dispositivo. O assessor recebe não apenas um texto, mas um pacote auditável de trabalho. Ele altera, complementa e rejeita o que for necessário. O magistrado, por sua vez, realiza a análise jurídica e decide. A assinatura permanece tecnicamente inacessível ao agente.

Na secretaria, a arquitetura pode ser diferente. O foco pode estar em conferência documental, detecção de pendências, monitoramento de prazos, preparação de expedientes e organização de filas. Quanto mais padronizada e reversível a atividade, maior o espaço para automação. Atos com efeitos relevantes sobre direitos, por outro lado, podem exigir validação humana prévia. A automação deve seguir o princípio de proporcionalidade do risco.

Esse modelo não representa uma proposta fechada de implementação. Ele serve para demonstrar que o debate não precisa ser reduzido à pergunta “a IA pode elaborar sentença?”. Há dezenas de etapas anteriores e posteriores em que a tecnologia pode gerar ganho institucional sem usurpar a função jurisdicional. Na prática, a melhor IA judicial pode ser aquela que torna o juiz menos ocupado com tarefas que nunca exigiram um juiz.

15. Automatizar o entorno da jurisdição sem terceirizar a jurisdição

O avanço dos sistemas agênticos obrigará o Judiciário a abandonar uma concepção simplista de supervisão. Não bastará afirmar que “há um humano no final”. Será necessário definir quais ações o agente pode realizar, quais dados pode acessar, quais decisões nunca pode tomar, como seus passos são registrados, como incidentes são interrompidos e como o usuário é levado a exercer controle efetivo. A governança de IA torna-se, assim, parte da própria arquitetura do serviço judicial.

A Resolução 615 oferece uma base importante para esse desenvolvimento. Ela permite inovação, diferencia risco, exige capacitação, responsabilidade e rastreabilidade e rejeita a tomada autônoma de decisões jurisdicionais. A norma não encerra o debate, especialmente porque a tecnologia evolui mais rapidamente que os ciclos regulatórios, mas fornece uma gramática adequada: finalidade, risco, supervisão, dados, auditoria e responsabilidade.

A experiência brasileira já demonstra que tribunais conseguem desenvolver soluções úteis sem transformar a IA em autoridade jurisdicional. Athos, Sócrates, Logos, Victor, VitorIA, RAFA 2030, Maria, Sinapses, GaIA, Radar, Elis, Hórus e outras iniciativas mostram diferentes etapas dessa trajetória. O desafio da próxima fase será integrá-las a fluxos mais inteligentes e menos fragmentados, evitando que a busca por produtividade produza opacidade ou dependência cognitiva.

No fundo, a pergunta correta não é se o Judiciário deve adotar agentes. Eles já estão tecnicamente ao alcance das instituições e tendem a se tornar progressivamente mais capazes. A pergunta é que tipo de Judiciário queremos construir com eles. Se a tecnologia for usada para retirar das equipes o peso do trabalho repetitivo, melhorar a qualidade da informação, tornar precedentes mais acessíveis e ampliar a possibilidade de revisão, ela pode reforçar a jurisdição. Se for usada para produzir decisões em escala com revisão apenas ritual, pode enfraquecê-la.

A melhor síntese continua sendo uma divisão de trabalho. À máquina, o que puder ser estruturado, repetido, pesquisado, comparado e conferido em escala. Ao ser humano, aquilo que exige interpretação responsável, escuta, prudência e decisão. Em termos aristotélicos, a técnica pode ampliar extraordinariamente os meios; a prudência continua sendo o ponto no qual a instituição assume responsabilidade por aquilo que faz.

Referências

ARISTÓTELES. Ética a Nicômaco. São Paulo: Nova Cultural, 1991 [link].

ARENDT, Hannah. A condição humana. Rio de Janeiro: Forense Universitária.

DWORKIN, Ronald. Law’s Empire. Cambridge, MA: Harvard University Press, 1986.

WEBER, Max. Economia e sociedade: fundamentos da sociologia compreensiva. Brasília: Editora UnB.

BRASIL. Conselho Nacional de Justiça. Resolução nº 615, de 11 de março de 2025. Texto compilado com alteração da Resolução nº 674/2026. Disponível em: https://atos.cnj.jus.br/atos/detalhar/6001.

BRASIL. Conselho Nacional de Justiça. O uso da inteligência artificial generativa no Poder Judiciário brasileiro: relatório de pesquisa. Brasília: CNJ, 2024. Disponível em: https://bibliotecadigital.cnj.jus.br/jspui/handle/123456789/976.

BRASIL. Conselho Nacional de Justiça. Histórico da Plataforma Sinapses. Disponível em: https://www.cnj.jus.br/sistemas/plataforma-sinapses/historico/.

BRASIL. Superior Tribunal de Justiça. Inteligência Artificial no STJ. Informações institucionais sobre Athos, Sócrates e STJ Logos. Disponível em: https://www.stj.jus.br/sites/portalp/Institucional/Inteligencia-Artificial.

BRASIL. Supremo Tribunal Federal. STF amplia uso de inteligência artificial em apoio à atividade jurisdicional. 25 set. 2025. Disponível em: https://noticias.stf.jus.br/postsnoticias/stf-amplia-uso-de-inteligencia-artificial-em-apoio-a-atividade-jurisdicional/.

BRASIL. Supremo Tribunal Federal. Inteligência artificial ajuda STF a identificar processos que discutem questões semelhantes. 28 set. 2026. Disponível em: https://noticias.stf.jus.br/postsnoticias/inteligencia-artificial-ajuda-stf-a-identificar-processos-que-discutem-questoes-semelhantes/.

BRASIL. Supremo Tribunal Federal. Inteligência artificial ajuda STF a acelerar classificação de processos: RAFA 2030. 17 abr. 2023. Disponível em: https://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=505767&tip=UN.

BRASIL. Tribunal de Justiça do Estado de Rondônia. Resolução nº 356, de 28 de agosto de 2025. Institui a Política de Inteligência Artificial no PJRO. Disponível em: https://atos.tjro.jus.br/detalhar/2885.

BRASIL. Tribunal de Justiça do Estado de Rondônia. GaIA – Gabinete Assistido por Inteligência Artificial. Disponível em: https://expojud.tjro.jus.br/tribunal-de-justi%C3%A7a.

BRASIL. Tribunal de Justiça da Paraíba. Soluções de Inteligência Artificial – MinutaIA. Disponível em: https://www.tjpb.jus.br/ia-no-tjpb.

BRASIL. Tribunal Regional Federal da 3ª Região. Resolução PRES nº 839, de 2 de junho de 2026. Orientação e recomendação sobre utilização de ferramentas de IA generativa. Disponível em: https://web.trf3.jus.br/atos-normativos/atos-normativos-dir/Presid%C3%AAncia/Resolu%C3%A7%C3%B5es/2026/Resolu%C3%A7%C3%A3o0839.htm.

COUNCIL OF EUROPE. CEPEJ. European Ethical Charter on the Use of Artificial Intelligence in Judicial Systems and their Environment. Strasbourg, 2018. Disponível em: https://www.coe.int/en/web/cepej/cepej-european-ethical-charter-on-the-use-of-artificial-intelligence-ai-in-judicial-systems-and-their-environment.

COUNCIL OF EUROPE. CEPEJ. 1st Report on the use of Artificial Intelligence (AI) in the judiciary. 2025. Disponível em: https://www.coe.int/en/web/cepej/-/1st-report-on-the-use-of-artificial-intelligence-ai-in-the-judiciary-based-on-the-information-contained-in-the-cepej-s-resource-centre-on-cyberjustice-and-ai.

EUROPEAN UNION. Regulation (EU) 2024/1689 – Artificial Intelligence Act. Considerando 61 e Anexo III, item 8(a). Disponível em: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/por.

OECD. Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions. Paris: OECD Publishing, 2025. Cap. “AI in justice administration and access to justice”. Disponível em: https://www.oecd.org/en/publications/governing-with-artificial-intelligence_795de142-en/full-report/ai-in-justice-administration-and-access-to-justice_f0cbe651.html.

COURTS AND TRIBUNALS JUDICIARY. Artificial Intelligence (AI) – Judicial Guidance. England and Wales, October 2025. Disponível em: https://www.judiciary.uk/guidance-and-resources/artificial-intelligence-ai-judicial-guidance-october-2025/.

GODDARD, Kate; ROUDSARI, Abdul; WYATT, Jeremy C. Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, v. 19, n. 1, p. 121–127, 2012. DOI: 10.1136/amiajnl-2011-000089.

LYELL, David; COIERA, Enrico. Automation bias and verification complexity: a systematic review. Journal of the American Medical Informatics Association, v. 24, n. 2, p. 423–431, 2017. DOI: 10.1093/jamia/ocw105.

DAHL, Matthew; MAGESH, Varun; SUZGUN, Mirac; HO, Daniel E. Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models. 2024. Disponível em: https://arxiv.org/abs/2401.01301.

TAMER, Maurício Antonio. Regulação da inteligência artificial no Judiciário brasileiro: análise do objeto e definições da Resolução CNJ nº 615/2025. Revista do Tribunal Regional Federal da 3ª Região, v. 36, n. 162, 2025. DOI: 10.65674/rev-trf3.v36i162.742.

MOZETIC, Vinicius Almada. Inteligência artificial no Judiciário brasileiro: salvaguardas, riscos e novas fronteiras. Revista do Tribunal Regional Federal da 3ª Região, v. 36, n. 161, p. 17–48, 2025. DOI: 10.65674/rev-trf3.v36i161.721.

ANTHROPIC. Claude Code: tarefas e fluxos de trabalho principais. Documentação oficial. Disponível em: https://docs.anthropic.com/pt/docs/claude-code/common-tasks.

ANTHROPIC. Enabling Claude Code to work more autonomously. 29 set. 2025. Disponível em: https://www.anthropic.com/news/enabling-claude-code-to-work-more-autonomously.