Fabricia Koplin
Há uma tendência perigosa no mercado jurídico atual de tratar a inteligência artificial como solução, sem compreender minimamente o seu funcionamento.
Na prática, isso significa advogados que utilizam ferramentas sofisticadas, muitas vezes baseadas em modelos complexos de aprendizagem de máquina, sem questionar como essas respostas são produzidas, quais são seus limites e quais riscos elas carregam.
E isso não pode ser tratado apenas como um problema técnico. Se fosse, a discussão se limitaria a temas estranhos ao universo jurídico, como qualidade de algoritmos ou escolha de modelos. Seria, portanto, uma questão restrita a engenheiros, programadores e desenvolvedores.
O erro de tratar a IA como ferramenta neutra A inteligência artificial não é neutra. Ela é construída a partir de modelos de aprendizagem supervisionada, não supervisionada e por reforço, e cada uma dessas abordagens carrega implicações distintas. Os resultados produzidos por esses sistemas geram efeitos concretos no mundo jurídico e, por consequência, produzem impactos legais relevantes.
A aprendizagem supervisionada, por exemplo, apresenta maior previsibilidade.
Trabalha com dados rotulados e normalmente se desdobra em tarefas como classification (classificação) e regression (regressão) com uso de modelos como logistic regression, decision trees e support vector machines. Por esse motivo, entrega padrões mais controláveis, o que a aproxima de algo que o Direito consegue absorver com mais segurança.
Já a aprendizagem não supervisionada identifica padrões ocultos em dados não rotulados. Opera por meio de técnicas como clustering (agrupamento) e dimensionality reduction, com modelos como k-means e hierarchical clustering.
Descobre relações que nem sempre são evidentes, o que é tecnicamente interessante, mas juridicamente desafiador. Surge, então, uma questão inevitável. Como defender ou auditar uma decisão baseada em um padrão que não foi explicitamente definido?
A aprendizagem por reforço, por sua vez, baseada em tentativa e erro, utiliza estruturas como Markov Decision Processes (MDPs) e algoritmos como Q- learning e deep reinforcement learning.
Nesse modelo, o sistema aprende a partir de recompensas e penalidades ao longo do tempo. Isso aprofunda ainda mais o debate. Até que ponto é aceitável permitir que sistemas aprendam errando em contextos que envolvem direitos?
Essa discussão não é teórica. Ela já impacta decisões jurídicas, estratégias empresariais e a própria responsabilidade civil.
Quando a tecnologia se torna uma “caixa-preta” O problema se intensifica quando avançamos para sistemas mais complexos, que combinam diferentes formas de aprendizagem e utilizam deep learning (área da inteligência artificial que utiliza modelos com múltiplas camadas para aprender padrões complexos em grandes volumes de dados). Nesse ponto surge um elemento central de tensão. Quanto mais eficiente o sistema, menos explicável ele tende a ser.
Redes neurais profundas (deep neural networks – DNNs), base das Ias generativas e de análise avançada, operam com bilhões de parâmetros.
Entregam resultados consistentes, mas não explicam de forma clara como chegaram até eles.
Para o Direito, isso representa um paradoxo. O sistema jurídico não se sustenta penas no resultado. Ele exige justificativa, transparência e possibilidade de contestação.
É por isso que, ao contrário do entusiasmo tecnológico pouco questionado, métodos clássicos de machine learning (área da inteligência artificial na qual sistemas aprendem padrões a partir de dados para fazer previsões ou tomar decisões sem serem explicitamente programados para cada tarefa), continuam altamente relevantes na advocacia. São menos sofisticados, mas asseguram a transparência na formação das conclusões, o que é essencial ao Direito.
Modelos mais simples permitem entender, questionar e justificar decisões. No universo jurídico, não basta alcançar o resultado. É indispensável demonstrar o caminho que levou até ele. Por isso, muitas vezes, compreender vale mais do que prever.
A inteligência artificial identifica padrões e projeta probabilidades, mas não interpreta contexto, riscos ou estratégias. Essa leitura continua sendo uma atribuição humana.
No fim, a tecnologia amplia a capacidade de análise, mas é a compreensão humana que define seus limites.
A Recomendação nº 001/2024 da OAB e o entendimento do TED/SP como instrumentos de equilíbrio no uso da inteligência artificial na advocacia.
É justamente nesse ponto que a Recomendação nº 001/2024 da OAB se torna relevante. Não por restringir o uso da inteligência artificial, mas por recolocar o advogado no centro da responsabilidade.
A norma evidencia que a qualidade da advocacia não decorre do uso da tecnologia, mas do grau de consciência com que ela é aplicada.
Ao estabelecer diretrizes como supervisão humana, proteção de dados, esponsabilidade indelegável e uso eticamente orientado, a OAB não limita a inovação. Ela redefine os parâmetros de sua utilização.
Esse movimento ganha ainda mais densidade com o recente entendimento da 1ª Turma de Ética Profissional do Tribunal de Ética e Disciplina da OAB/SP, que determinou que advogados sócios e gestores devem supervisionar de forma rigorosa o uso de inteligência artificial por suas equipes.
A decisão reforça um ponto essencial. Não basta utilizar a tecnologia, é indispensável garantir controle sobre ela.
Ao exigir a revisão integral de conteúdos produzidos por IA antes de sua utilização em processos judiciais, o TED da OAB/SP busca evitar erros que já começam a se tornar recorrentes na prática jurídica contemporânea, como a utilização de jurisprudências inexistentes ou fundamentos não verificados.
O entendimento também deixa claro que a responsabilidade não se dilui no uso da ferramenta. Ela permanece integralmente com o advogado, especialmente com aqueles que ocupam posições de gestão, consolidando a ideia de responsabilidade técnica indelegável.
Esse posicionamento evidencia uma preocupação concreta. O risco da inteligência artificial na advocacia não está apenas em sua complexidade, mas na falsa sensação de confiabilidade que ela pode gerar quando utilizada sem verificação crítica.
Por isso, a exigência de cautela redobrada na utilização de IA para levantamento de doutrinas e jurisprudências não é mero formalismo. Trata-se de uma medida necessária para preservar o dever de veracidade e a integridade da atuação profissional.
No fundo, tanto a recomendação quanto o entendimento do TED-SP convergem para o mesmo ponto. A tecnologia pode ampliar a capacidade do advogado, mas não substitui seu dever de análise, validação e responsabilidade.
O problema, portanto, não está na inteligência artificial em si, mas na sua utilização sem compreensão crítica. A tecnologia deve aprofundar a análise, e não substituir o raciocínio jurídico.
A questão que permanece é outra. Qual tipo de inteligência artificial é compatível com o nível de responsabilidade que o Direito exige?
E até que ponto estamos dispostos a renunciar à explicabilidade em troca de eficiência?
Essa escolha não é técnica. É jurídica, ética e, sobretudo, estratégica.
Ao entrar você está ciente e de acordo com os termos de uso e privacidade do Whatsapp.
PARTICIPE DO CANAL
Acompanhe o Juristas no Google News
receba as principais notícias jurídicas do Brasil
