IA & Justiça
Curadoria Anti-Hype de notícias de Inteligência Artificial Juridica.
IA & Justiça
O terreno contaminado da IA jurídica
Use Left/Right to seek, Home/End to jump to start or end. Hold shift to jump forward or backward.
Vamos ao IA Justiça de hoje. Imaginar a construção de um arranha-céu corporativo deslumbrante, caríssimo, erguido em um terreno de esquina supervalorizado.
SPEAKER_02Aquele metro quadrado que custa uma fortuna, né?
SPEAKER_01Exato. A obra termina, os executivos se mudam com toda aquela pompa, só que de repente descobre-se que o contrato de locação desse terreno foi escrito com uma tinta invisível que reage ao tempo.
SPEAKER_02Nossa.
SPEAKER_01E quando a tinta finalmente aparece, ela revela uma cláusula de demolição imediata. Todo aquele investimento bilionário precisa vir abaixo porque o solo legal onde ele foi ereguido estava, tipo, contaminado desde o primeiro dia.
SPEAKER_02É uma imagem assustadora.
SPEAKER_01Pois é, e no universo jurídico atual, que está super focado na adoção de inteligências artificiais, esse terreno contaminado é o que chamamos de bases de dados de código aberto.
SPEAKER_02Essa metáfora ilustra com uma precisão cirúrgica o nível de risco silencioso que os operadores do direito enfrentam hoje. Sim. Porque existe uma falsa sensação de segurança. Um verniz de tranquilidade quando um departamento de inovação num escritório lê o rótulo de código aberto.
SPEAKER_01Exatamente.
SPEAKER_02Assume-se, meio que por inércia, que dados disponíveis gratuitamente na internet estão livres de amarras legais.
SPEAKER_01E para entender as engrenagens por trás dessa crise, a nossa missão nesse mergulho de hoje é entregar uma visão estratégica e de aplicação prática para operadores jurídicos em geral.
SPEAKER_02Sem cair naquele hype vazio da inteligência artificial.
SPEAKER_01Isso. A gente vai olhar para os parafusos do sistema. E para isso vamos dissecar um pacote de três pesquisas científicas recém-saídas do forno.
SPEAKER_02Sim, pré-prints acadêmicos de junho de 2026.
SPEAKER_01Exato. E qual vai ser o nosso mapa hoje?
SPEAKER_02Bom, a gente vai fazer um sobrevoo rápido, mas bem profundo. Primeiro vamos investigar esses riscos escondidos na origem dos dados nas licenças de treinamento.
SPEAKER_01O terreno contaminado.
SPEAKER_02Isso. Em seguida, vamos ver como auditar a saída dessas IAs para evitar infrações de direitos autorais e, por fim, testar na prática se colocar várias IAs debatendo entre si realmente melhora o raciocínio jurídico.
SPEAKER_01Sensacional! Então, puxando o fio da meada para o nosso primeiro segmento. Antes de uma IAS gerar um texto jurídico ou analisar um contrato, ela precisa ser treinada.
SPEAKER_02Com certeza. Ela não nasce sabendo ler jurisdição.
SPEAKER_01Pois é. E é aí, nesse submundo da proveniência de dados, que o risco jurídico começa. O primeiro estudo que a gente trouxe do pesquisador Ernst Van Fassen vai direto nessa fundação.
SPEAKER_02Ele auditou famílias inteiras de córporas linguísticos, não é?
SPEAKER_01Isso. Ele focou em linguagens africanas.
SPEAKER_02São casos concretos de colapso jurídico.
SPEAKER_01Casos bem assustadores de falha de compliance.
SPEAKER_02O que mostra que a fase de treinamento que a galera de TI às vezes trata só como um detalhe de engenharia de software é na verdade um campo minado. Sim. Essa base de dados era gigantesca, amplamente utilizada e ficava hospedada na plataforma Opus, que é tipo um armazinho atacadista para desenvolvedores de A. E de repente, esse dataset foi sumariamente removido da plataforma.
SPEAKER_01E aí que está, não foi um bug técnico. Foi uma auditoria jurídica que confirmou uma violação flagrante dos termos de serviço originais, um caso real de litígio e remoção.
SPEAKER_02E as consequências práticas disso, para quem está nos ouvindo, advogados, juízes, diretores jurídicos, são brutais. Porque imagina, se uma ferramenta interna de julimetria foi treinada com um modelo que bebeu dessa fonte, dessa base JW30, aquela ferramenta inteira passa a carregar uma herança de violação contratual. É a teoria dos frutos da árvore envenenada aplicada diretamente na arquitetura do software, sabe?
SPEAKER_01E o desenvolvedor não tem como apertar um botão e simplesmente desaprender aquela parte específica.
SPEAKER_02Exato. Mas o estudo não para nas remoções. Eles põem um problema que eu achei ainda mais ardiloso, que são as declarações enganosas. Tem a história da base Axel, certo? Certo. O Axel apresentava lá na página principal dele a licença CCBY 4.0.
SPEAKER_00Que para quem opera no direito autoral é super amigável, né?
SPEAKER_02Muito permissiva. Exige basicamente só atribuição de autoria e pronto.
SPEAKER_00Só que aí a gente desce para o detalhe.
SPEAKER_02Sim. Ao aprofundar a análise no chamado Dataset Card, que é a ficha técnica intrínseca do arquivo, tinha restrições que contradiziam totalmente a licença aberta.
SPEAKER_00Gente, é literalmente aquele contrato de locação onde a primeira página diz em letras garrafaz que você pode sublocar para fins comerciais.
SPEAKER_01E lá no anexo escondido tem uma multa recisória milionária se houver sublocação.
SPEAKER_02Exatamente isso. E como os desenvolvedores costumam automatizar a coleta desses dados, os robô deles leem só a primeira tag lá, a DISCC by 4.0. Puxa bilhões de arquivos para dentro.
SPEAKER_01E se o departamento jurídico da empresa não fizer uma devida diligência manual dessa ficha técnica, o litígio já está instalado dentro do servidor.
SPEAKER_02Sem ninguém perceber. E o cenário fica ainda mais bizarro quando a gente entra na base TANSIL, que o estudo também analisa.
SPEAKER_01Essa me deixou de queixo caído, porque a base estava envelopada num rótulo super amigável de uso livre, mas escondia uma cláusula no derives.
SPEAKER_02Isso, sem obras derivadas, que proíbe expressamente a criação de conteúdo derivado. E para entender o impacto letal disso na IA, a gente tem que olhar para a mecânica da coisa.
SPEAKER_01Deixa eu tentar colocar isso em perspectiva para a nossa audiência. Porque uma máquina não lê um parágrafo igual a gente lê.
SPEAKER_02Não, de jeito nenhum.
SPEAKER_01Para o algoritmo, ele passa por uma tokenização, certo? O texto é fatiado em milhares de fragmentos matemáticos e depois ganha anotações estruturais para a máquina entender o peso de cada palavra.
SPEAKER_02Exato. E o estudo do Van Gassen é cirúrgico ao afirmar que, do ponto de vista do direito autoral, esse processo de fatiar e anotar cria inquestionavelmente uma obra derivada.
SPEAKER_01Peraí, então só o fato da IA processar o texto, ela já está criando uma obra derivada?
SPEAKER_02Sim. Ao fazer a tokenização, o engenheiro altera a estrutura original para adaptar a leitura de máquina. Então aquela cláusula No Derives, que estava lá silenciosa, ela proíbe a própria respiração da inteligência artificial.
SPEAKER_01Ou seja, qualquer modelo treinado com isso já nasce na ilegalidade profunda.
SPEAKER_02Totalmente. E como se não bastasse, tem a questão do apagão de dados. Lembra do corpus de rádio congolesa?
SPEAKER_01Nossa, o congolês Radio Corpus, o estudo mostra que de 405 links originais usados para criar a base, 402 estavam mortos. Simplesmente sumiram.
SPEAKER_02O que destrói completamente qualquer cadeia de custódia.
SPEAKER_01Sim. Porque num processo de violação de direitos autorais, a defesa tem que provar a proveniência lícita do material. Se 99% das fontes primárias evaporaram da internet, como fica a capacidade probatória da empresa?
SPEAKER_02Zero. E isso traz a gente direto para a aplicação prática disso tudo. A construção de sistemas RAG, a geração aumentada por recuperação.
SPEAKER_01Que virou o padrão ouro no meio jurídico hoje. Todo escritório quer conectar IA ao seu próprio banco de pareceres.
SPEAKER_02Mas essa estruturação precisa de uma lógica jurídica, não só matemática. O pesquisador até traz um checklist de compatibilidade maravilhoso. Por exemplo, você não pode misturar num mesmo dataset uma licença CC BY SA, que é viral, e exige compartilhamento aberto, como a licença CC By NC, que proíbe o uso comercial.
SPEAKER_01É incompatibilidade absoluta.
SPEAKER_02Exato. Matematicamente, a rede neural absorve as duas juntas. Juridicamente, cria uma quimera ilegal. É impossível comercializar sem violar uma das duas.
SPEAKER_01E a consequência direta disso é que, se a fundação já é um labirinto de violações invisíveis, todo o texto gerado pela IA no final da linha carrega esse risco, né?
SPEAKER_02Com certeza. O que nos leva naturalmente para o nosso segundo segmento.
SPEAKER_01O Tribunal da Cópia. Porque se a origem já é um campo minado, o que acontece quando a IA processa isso e cospe um resultado?
SPEAKER_02Boa pergunta.
SPEAKER_01Como provar que a IA não está apenas plagiando, mas ativamente copiando a essência de uma obra?
SPEAKER_02Porque os filtros de segurança atuais, aqueles corporativos, eles são muito bons para pegar o verbatim, a cópia idêntica.
SPEAKER_01O famoso copiar e colar.
SPEAKER_02Isso. Mas a lei de copyright da União Europeia, que é o foco do segundo estudo dos pesquisadores Noah Scharenberg e Shang Tsun, ela vai além.
SPEAKER_01Sim, ela protege a similaridade substancial.
SPEAKER_02Exatamente. O que inclui estilo, cadência, arquitetura narrativa. E transformar o conceito de estilo numa métrica que um software consiga auditar é o grande gargalo hoje.
SPEAKER_01E a aplicação prática que esses autores criaram é fascinante. O framework batizado de PSAUM.
SPEAKER_02Que inverte a lógica, né?
SPEAKER_01Inverte total. Em vez de usar um software burro de similaridade, eles usam a própria LLM como uma juíza. É o LLM as a judge.
SPEAKER_02Muito inteligente.
SPEAKER_01Eles criaram dez avaliadores diferentes e autônomos. Um foco na voz narrativa, outro no ritmo das sentenças, outro no enredo. E até avaliando exceções legais como paródia e pastiche.
SPEAKER_02E eles rodaram isso no modelo Lama 3.2 com textos históricos holandeses. Os resultados são alarmantes para a indústria.
SPEAKER_01Porque mostrou que o simples fato de fazer um fine tuning, aquele ajuste fino, para IA deixar de ser um robô genérico e virar um assistente polido, induz a apropriação do estilo.
SPEAKER_02A máquina começa a mimetizar a essência da obra mesmo sem repetir nenhuma frase inteira.
SPEAKER_01E aí entra um ponto que eu quero questionar. Uma provocação sobre o desaprendizado.
SPEAKER_02One learning.
SPEAKER_01Isso. O estudo diz que o mercado tenta usar otimização negativa para ir a desaprender algo que foi incluído indevidamente. Mas a pesquisa admite que sobra um resíduo detectável. Sobra. Mas peraí, se a máquina genuinamente desaprendeu um estilo protegido, como ainda sobra um resíduo estrutural? Não é o equivalente a tentar tirar o açúcar de um bolo que já foi assado?
SPEAKER_02Nossa, essa analogia do bolo é perfeita. Você pode até tentar colocar uma cobertura bem amarga por cima para disfarçar.
SPEAKER_01Mas quimicamente o bolo continua doce. A estrutura não muda.
SPEAKER_02O bolo já assou. E essa constatação define o limite do compliance de A que os desenvolvedores podem oferecer para os operadores jurídicos.
SPEAKER_01Ah, então a técnica não apaga de verdade.
SPEAKER_02O unlearning atua como uma máscara estatística, não como uma borracha. A impressão digital da obra já foi diluída nos bilhões de parâmetros. E isso, na visão estratégica, se transforma num risco pericial monumental.
SPEAKER_01Porque se o padrão residual é detectável, os limites das salvaguardas técnicas atuais não blindam totalmente uma empresa contra processos de copyright.
SPEAKER_02Exato. Se um perito judicial usa um framework tipo PSUM num litígio contra uma grande corporação, ele aponta matematicamente a presença da obra na resposta da IA.
SPEAKER_01Mesmo com o laudo de que aplicaram a técnica de desaprendizado, a rastreabilidade residual entrega o jogo.
SPEAKER_02A tecnologia de acusação está avançando mais rápido que a de encobrir o rastro, sabe? Mas, claro, esse índice quantitativo vai exigir uma validação qualitativa por humanos. Sim. O juiz. Isso. O modelo aponta 85% de sobreposição estilística, por exemplo. Mas caberá o magistrado decidir se aquilo passa dos limites do Fair Use.
SPEAKER_01Já auditamos os dados que entram e o texto que sai. Então acho que chegou a hora da gente avançar para o topo da cadeia.
SPEAKER_02A grande promessa.
SPEAKER_01A sala de deliberação. Porque a grande moda agora não é só gerar texto, é o raciocínio complexo. E a tendência é colocar várias IAs para debaterem entre si.
SPEAKER_02É o chamado MADS - Multi-Agent Deliberation.
SPEAKER_00Isso.
SPEAKER_01Vários agentes simulando um tribunal virtual. Mas a grande pergunta é: isso realmente funciona para resolver casos jurídicos reais?
SPEAKER_02No discurso do mercado, soa infalível, né? A ideia de dividir para conquistar.
SPEAKER_01Cria um agente promotor implacável, um defensor ferrenho e um juiz avaliando.
SPEAKER_02E aqui entra o terceiro estudo, liderado pelo Coors Taiwan frameworks inspirados em cortes de justiça reais.
SPEAKER_01E os resultados? Olha, me deram um verdadeiro momento de epifania, um aha moment enorme.
SPEAKER_02Conta para quem está ouvindo.
SPEAKER_01A expectativa do mercado era que essa deliberação traria um aumento esmagador na precisão, certo?
SPEAKER_02Sim, a lógica diz que várias cabeças pensam melhor que uma.
SPEAKER_01Mas os dados viraram isso de cabeça para baixo. O desempenho geral de várias IAs debatendo não é uniformemente superior ao de uma única IA potente.
SPEAKER_02A taxa de acerto geral ficou empatada.
SPEAKER_01Empatada. É muito frustrante se você pensar no custo computacional absurdo para gerar essas deliberações.
SPEAKER_02Mas aí que está a grande virada de chave para a nossa visão estratégica. Porque não é que a técnica seja inútil. A IA multiagente consegue solucionar casos altíssimamente complexos onde a IA de base, sozinha, falha drasticamente.
SPEAKER_01Certo.
SPEAKER_02Mas, em contrapartida, o sistema de agentes falha em casos super simples que a IA de base nos ouveria de primeira sem nem suar.
SPEAKER_01A distribuição do erro muda completamente. Então, adotar um sistema multiagente não é como contratar um advogado infinitamente mais inteligente.
SPEAKER_02Ah, não. Definitivamente não.
SPEAKER_01É como montar uma banca de advogados com perfis bem diferentes e egos gigantes. Eles vão enxergar pontos cegos geniais em casos cinzentos.
SPEAKER_02Mas podem passar dias discutindo correntes divergentes num caso trivial de cobrança e acabar perdendo o prazo da petição inicial.
SPEAKER_01Nossa, é muito isso. Eles inventam contradição onde a lei é clara e a jurisprudência é pacificada.
SPEAKER_02Eles começam a hiperracionalizar o problema. Isso gera o que a gente chama de ruído argumentativo.
SPEAKER_01Estrategicamente, qual é o valor real dessa arquitetura dialética para os operadores do direito?
SPEAKER_02O valor está em identificar previamente quais questões exigem esse pensamento crítico de múltiplas perspectivas. É excelente para o head teaming contratual, sabe?
SPEAKER_01Que seria pedir para a máquina estressar uma tese ao máximo antes de protocolar.
SPEAKER_02Exato. O discurso promete precisão absoluta em tudo. A ciência mostra que, na verdade, a gente ganha uma redistribuição de capacidade cognitiva.
SPEAKER_01Uma ferramenta de complementação e não de substituição mágica do discernimento humano.
SPEAKER_02Perfeito.
SPEAKER_01Bom, a gente percorreu um caminho denso hoje. É hora de recapitular o valor dessa jornada para garantir que quem nos escuta saia daqui com um mapa muito mais claro.
SPEAKER_02Mapeamos bastante coisa.
SPEAKER_01O risco contratual silencioso. Isso. Entendemos a dificuldade técnica e pericial de auditar e tentar apagar estilos copiados pelas IAS, com aquela nossa analogia do bolassado.
SPEAKER_02Que não tem como tirar o açúcar depois.
SPEAKER_01Exatamente.
SPEAKER_02É um novo paradigma para a gestão de tecnologia em qualquer departamento jurídico.
SPEAKER_01Mas antes de encerrarmos, eu queria passar a bola para você lançar aquela semente intelectual inédita, uma provocação final a partir de tudo isso, para quem está ouvindo, refletir sozinho.
SPEAKER_02É algo que me deixa até um pouco inquieto, pensando no futuro próximo. Se o modelo de debate de várias IAs resolve casos de forma qualitativamente diferente de um modelo individual, o que vai acontecer quando duas grandes bancas de advogados oponentes usarem arquiteturas de IA radicalmente diferentes para preparar seus argumentos num mesmo litígio? Uau! Será que a estrutura técnica invisível que escolhemos para a máquina, a forma como os engenheiros decidiram que os algoritmos debatem internamente vai passar a ditar silenciosamente qual versão da justiça vai prevalecer no tribunal?
SPEAKER_01Nossa, essa bateu forte. As escolhas de design e de software moldando a jurisprudência.
SPEAKER_02É um risco real de a engenharia ditar a lei sem a gente perceber.
SPEAKER_01E com essa reflexão de explodir a cabeça, a gente encerra a nossa análise profunda de hoje.
SPEAKER_02Foi excelente.
SPEAKER_01Agradecemos demais pela companhia, pela curiosidade intelectual de quem participou dessa exploração com a gente. Mantenham o radar ligado para além das promessas de marketing e continuem investigando o que realmente move essas engrenagens.
SPEAKER_02Até a próxima investigação, pessoal.
SPEAKER_01Até a próxima.