STJ exige resumo estruturado para IA

Episódio diário de IA e Justiça. Análise das principais notícias do dia para operadores do direito.

Transcript

SPEAKER_03 0:00

Vamos ao IA e Justiça de hoje. O Imagina a seguinte situação: um escritório gastando verdadeiras fortunas em processamento de inteligência artificial e um tribunal rejeitando recursos milionários. E não por falta de amparo no direito, mas puramente por uma falha de arquitetura de dados.

SPEAKER_01 0:21

Pois é. E isso mostra que a inteligência artificial no mercado jurídico parou definitivamente de ser aquele assistente de luxo para redação de e-mails. O jogo agora é muito mais complexo.

SPEAKER_03 0:34

Com certeza. E quando a gente cruza as fontes do nosso mergulho analítico de hoje, que reúnem umas análises bem profundas do portal Conjur e as reportagens super técnicas do Artificial Lawyer, o cenário que se desenha exige uma visão estratégica urgente.

SPEAKER_01 0:51

É que o paradigma mudou de uma forma que. altera a espinha dorsal da operação jurídica. Sabe? Não estamos mais debatendo se a ferramenta consegue escrever uma boa tese.

SPEAKER_03 1:02

Sim, essa fase já passou, né?

SPEAKER_01 1:05

Exatamente. Nós estamos lidando com tecnologias que já ditam regras processuais em tribunais superiores e, ao mesmo tempo, criam gargalos econômicos brutais nos bastidores dos escritórios. Nossa, sim. O foco dessa discussão de hoje é vital para quem atua em todo o ecossistema jurídico, porque a aplicação prática daqui pra frente não depende só do conhecimento legal formal, mas de entender, tipo, a mecânica da informação.

SPEAKER_03 1:34

E a menção desta nossa análise é mapear justamente isso. Como a forma de redigir peças e, principalmente, como a máquina processa esse texto, vão determinar quem sobrevive e quem fica pelo caminho no mercado nos próximos meses.

SPEAKER_01 1:48

É a pura verdade.

SPEAKER_03 1:49

E olha, a mudança já é uma realidade bem concreta. E o epicentro dela, aqui no Brasil, está bem no topo do judiciário. O pontapé inicial dessa nova era ocorreu no dia 1o de julho de 2026.

SPEAKER_01 2:02

Isso, com a publicação da emenda regimental número 53 pelo STJ.

SPEAKER_03 2:07

Perfeito. O Superior Tribunal de Justiça inseriu o artigo 343A no regimento interno. E à primeira vista pode parecer só mais uma regra chata de formatação.

SPEAKER_01 2:21

Mas não é. É uma alteração normativa que mascara uma transformação de engenharia de dados monumental, só que sobre a roupagem de uma exigência formal.

SPEAKER_03 2:32

Bom, vamos desempacotar isso. O texto da regra estabelece que toda petição inicial de ação originária e todo recurso dirigido ao STJ passa a exigir um resumo obrigatório estruturado.

SPEAKER_01 2:46

E bem detalhado, né?

SPEAKER_03 2:48

Muito. A norma dita que esse resumo precisa isolar os fundamentos de fato e de direito, os pedidos, o teor das decisões impugnadas e também os dispositivos legais invocados.

SPEAKER_01 3:00

Tudo mastigado para o tribunal. E a justificativa por trás disso é puramente gestão de volume. Só para o pessoal ter ideia, só no primeiro semestre de 2026, o STJ recebeu mais de 260 mil processos.

SPEAKER_03 3:14

Caramba, 260 mil?

SPEAKER_01 3:17

Pois é. A ideia é que esse resumo sirva como insumo direto para uma triagem em larga escala, alimentando os sistemas de inteligência artificial para verificar a relevância constitucional, aquela exigida pela emenda constitucional 125 e também o PL 3085.

SPEAKER_03 3:36

E como isso funciona do ponto de vista tecnológico?

SPEAKER_01 3:38

O mecanismo oculto nessa exigência é o que a gente chama na ciência da computação de engenharia de contexto.

SPEAKER_02 3:45

Certo.

SPEAKER_01 3:45

Modelos de linguagem, por mais avançados que sejam, eles sofrem muito com a diluição de atenção quando precisam processar documentos gigantescos. Se um algoritmo do tribunal precisa ler uma petição de 150 páginas em PDF, toda despadronizada, a chance dele alucinar ou perder o argumento central ali no meio é enorme.

SPEAKER_03 4:06

O que o STJ fez, então, de forma até brilhante, do ponto de vista de eficiência interna, foi transferir o ônus dessa engenharia de contexto direto para a advocacia.

SPEAKER_01 4:18

Exato. O tribunal basicamente determinou que não vai gastar o próprio poder computacional e o dinheiro dele para garimpar a tese o advogado.

SPEAKER_03 4:28

A parte interessada que deve entregar o dado pronto para o consumo do algoritmo. Sabe, ouvindo você falar isso, me vem uma analogia à cabeça.

SPEAKER_02 4:37

Qual?

SPEAKER_03 4:38

É como mandar um currículo para uma vaga de emprego hiperconcorrida, sabendo que quem faz a primeira leitura não é o departamento de RH.

SPEAKER_01 4:46

É um software, né?

SPEAKER_03 4:48

Isso. É um software de rastreamento procurando palavras-chave. Se a formatação for elegível para a máquina ou se faltarem as palavras exatas que o sistema está programado para buscar, o currículo é descartado sumariamente.

SPEAKER_01 5:00

E não importa o quão qualificado seja o profissional. É exatamente isso.

SPEAKER_03 5:06

Mas isso levanta uma dúvida bem perigosa que a análise do conjura até sublinha. A obrigação do resumo já está valendo, ok. Contudo, os parâmetros técnicos exatos desse resumo ainda dependem de uma regulamentação futura da presidência do tribunal. A advocacia não está voando à cegas nesse momento?

SPEAKER_01 5:27

Está. É um risco altíssimo para quem peticiona. E é a partir dessa incerteza toda que surge um conceito maravilhoso que o pessoal do conjuros batizou de jurisprudência defensiva algorítmica.

SPEAKER_03 5:39

Jurisprudência defensiva algorítmica? Forte isso.

SPEAKER_01 5:43

Muito. E o problema prático é evidente, né? Se a regra já impõe um resumo para facilitar a triagem automatizada e o advogado formula um texto que a máquina da Stejoca considera inconsistente com os parâmetros dela, o que ocorre?

SPEAKER_03 5:56

O recurso esbarra numa barreira invisível e corre o seríssimo risco de não ser conhecido.

SPEAKER_01 6:01

Pois é, o resumo fora do padrão pode se converter na prática ali do dia a dia em um pressuposto informal e intransponível de admissibilidade. O recurso é rejeitado na triagem por uma falha de empacotamento da informação.

SPEAKER_03 6:17

Muito antes de um ser humano sequer avaliar o mérito da questão. A admissibilidade passa a depender de arquitetura de dados e não apenas de jurisprudência pacificada.

SPEAKER_01 6:28

Exato. E se um erro de formatação para a máquina do STJ pode custar a admissão de um recurso milionário, a consequência óbvia para o mercado é que os escritórios vão se sentir forçados a usar o que há de mais sofisticado em inteligência artificial para redigir esses resumos.

SPEAKER_03 6:45

Tudo para evitar a rejeição automatizada.

SPEAKER_01 6:48

Sim, mas é aí que a gente entra no nosso próximo obstáculo.

SPEAKER_03 6:52

Ah, sim. Porque aqui é que a coisa fica realmente interessante. Buscar a perfeição técnica para passar por esse filtro do tribunal esbarra num problema aterrorizante, que é financeiro.

SPEAKER_01 7:04

O custo invisível da excelência automatizada.

SPEAKER_03 7:08

A conta para rodar essas IAs avançadas está simplesmente saindo de controle nos escritórios. Os dados primários da plataforma Harvey, que para quem não conhece, é um dos colossos globais de IA no setor jurídico, acendem um alerta vermelho gigante.

SPEAKER_01 7:25

Aham, eu vi essa reportagem no Artificial Lawyer.

SPEAKER_03 7:28

Sim. O Gape Pereira, que é o presidente da empresa, divulgou que o volume de tokens processados na plataforma deles cresceu 14 vezes em um intervalo de apenas seis meses.

SPEAKER_01 7:39

14 vezes?

SPEAKER_03 7:40

E detalhe, esse salto absurdo nem sequer contabiliza o peso computacional da criação de embeddings, sabe? Que é aquela vetorização de documentos prévia. O gasto computacional explodiu. Por que isso está acontecendo?

SPEAKER_01 7:55

Então, a raiz dessa explosão não está só num aumento no número de advogados usando a ferramenta. Está numa mudança arquitetônica profunda na própria forma como esses sistemas operam hoje.

SPEAKER_03 8:09

Como assim?

SPEAKER_01 8:09

O mercado jurídico está migrando em massa daquelas interações simples de chat para as chamadas arquiteturas agênticas.

SPEAKER_03 8:18

E o que seria isso na prática?

SPEAKER_01 8:19

E o modelo mais antigo, a interação era linear, né? O advogado dava a instrução, o modelo lia o PDF uma vez, cuspiu uma resposta e fim. Acabou o processamento ali.

SPEAKER_03 8:31

E nos agentes de hoje?

SPEAKER_01 8:33

Um agente de IA opera por meio de loops de raciocínio e correção. Ele não apenas responde, ele planeja e executa passos autônomos.

SPEAKER_03 8:44

Dá um exemplo prático pra gente visualizar?

SPEAKER_01 8:46

Claro. Se o escritório pede um resumo processual impecável para mandar para a STJA, o agente lê os autos inteiros. Depois ele gera um primeiro rascunho sozinho. Em seguida, um subagente, que atua como um revisor, analisa esse rascunho e identifica que, tipo, faltou mencionar um detalhe crucial do depoimento lá da página 80.

SPEAKER_03 9:08

E aí ele corrige na hora?

SPEAKER_01 9:10

Mais do que isso. O agente principal é forçado a voltar aos autos, reler as partes relevantes, refazer o rascunho e submeter a uma nova verificação interna. E esse ciclo de autoavaliação e resecução se repete, até que o texto atinge aquele limite pré-definido de qualidade que o advogado pediu.

SPEAKER_03 9:30

Nossa, é como pagar um táxi por minuto enquanto o motorista fica dando cinco voltas no mesmo quarteir repetidamente, só para ter certeza absoluta de qual é a melhor rota sem buracos.

SPEAKER_01 9:42

Exatamente.

SPEAKER_03 9:43

Quando ele finalmente para no destino, a rota é de fato perfeita, é a melhor possível. Mas o taxímetro computacional não parou de rodar durante todas essas checagens e voltas. O escritório recebe um produto impecável, mas com uma fatura de nuvem exorbitante.

SPEAKER_01 10:01

Essa sua analogia do táxi descreve com perfeição o dilema da sustentabilidade econômica que o analista Richard Tromans abordou. Os gestores jurídicos estão hoje diante de um cenário clássico de aversão ao risco.

SPEAKER_03 10:13

O famoso método A contra o método B, né?

SPEAKER_01 10:16

Isso. De um lado, a gente tem o método A, que usa as IAs tradicionais e lineares. Ele é rápido, consome pouco processamento, é barato, mas carrega uma chance residual de alucinar ou de omitir um detalhe crítico na peça.

SPEAKER_03 10:32

O que no direito é um perigo.

SPEAKER_01 10:34

Total. E do outro lado, existe o método B, ele é fundamentado nesses agentes iterativos que leem e releem o texto dez vezes. Ele é estupidamente caro de rodar, mas o desempenho é cirúrgico, é infalível.

SPEAKER_03 10:48

E o Tromans argumenta que a aversão natural ao risco na profissão jurídica vai forçar o mercado a adotar quase que exclusivamente o método B, certo? Ninguém quer errar prazo ou tese.

SPEAKER_01 11:01

Ninguém. O advogado sempre vai escolher o mais seguro. Mas até que ponto essa aversão ao risco se sustenta quando a fatura do OpenI ou da Anthropic chega no fim do mês?

SPEAKER_03 11:12

É, chega uma hora que as bancas simplesmente não conseguem mais absorver esse custo operacional gigantesco só para ter tranquilidade de espírito.

SPEAKER_01 11:21

E tentar repassar esse consumo de tokens integralmente para a fatura do cliente, bom, isso tem um limite comercial muito claro, né? O cliente vai chiar.

SPEAKER_03 11:29

Vai mesmo. Então, se a IA ler demais custa uma fortuna, mas ler de menos gera erros inaceitáveis. Como a tecnologia está tentando resolver esse gargalo na prática? Porque parece um paradoxo insolúvel.

SPEAKER_01 11:42

É o grande desafio atual. O objetivo principal para quem desenha fluxos de IA jurídica, os famosos pipelines de HAG, não é apenas focar na qualidade final da resposta. Agora eles têm que otimizar quantos tokens a máquina lê no processo todo.

SPEAKER_03 11:58

Tem que entregar a precisão de um agente que revisa o processo cinco vezes, mas sem pagar o preço de ler o processo inteiro essas cinco vezes.

SPEAKER_01 12:06

Exato. E é aqui que aquela reportagem sensacional do Artificial Lawyer sobre a sinteia entra como uma peça que faltava no nosso quebra-cabeça de hoje.

SPEAKER_03 12:16

Nossa sim! O Horace Woo, que é o CEO deles, detalhou um experimento bem rigoroso que eles conduziram para tentar quebrar esse ciclo de custos ao analisar contratos complexos, reais.

SPEAKER_01 12:28

Foi um teste focado em resolver justamente o problema desse excesso de contexto lido pela IA.

SPEAKER_03 12:33

Conta pra gente os detalhes desse benchmark.

SPEAKER_01 12:36

Então, eles usaram o modelo Cloud 4.6 e formularam 20 perguntas de altíssima complexidade sobre acordos de fusão e aquisição. No método padrão, que a gente chama de injeção integral, o sistema joga 100 páginas do contrato na memória da IA para cada pergunta que é feita. O que joga o custo lá no teto? Nas nuvens. Mas a IA acertou as 20 questões, 20 de 20.

SPEAKER_03 12:59

Certo, o famoso método B. Perfeito, mas caríssimo. E aí eles tentaram baratear.

SPEAKER_01 13:05

Isso, eles usaram a busca semântica, os embeddings. Essa técnica pinça apenas os fragmentos que parecem ser mais relevantes do texto para ir à ler, em vez do contrato todo. Isso derrubou o uso de tokens e o custo computacional em 17,3 vezes.

SPEAKER_03 13:24

Uma economia brutal.

SPEAKER_01 13:25

Brutal. Só que tem um problema. O modelo acertou 18 das 20 perguntas.

SPEAKER_03 13:31

E aí complicou.

SPEAKER_01 13:32

Pois é. E eles testaram uma variação ainda mais leve dessa técnica que reduziu os tokens em quase 30 vezes. Mas aí os acertos caíram para 15 de 20.

SPEAKER_03 13:43

Então, o que isso tudo significa? Porque, peraí, acabamos de dizer que o advogado tem aversão a risco. Acertar 15 ou mesmo 18 de 20 perguntas não serve para o direito corporativo.

SPEAKER_01 13:56

Não serve mesmo.

SPEAKER_03 13:57

Se a cláusula que a IA ignorou for uma penalidade de 10 milhões de reais, esse desconto na conta da nuvem sai caro demais. Não existe um meio termo perfeito nessa equação.

SPEAKER_01 14:08

Se conectarmos isso ao cenário maior, existe sim, existe um meio termo perfeito e é o clímax técnico dessa nossa discussão.

SPEAKER_03 14:19

Opa! Qual foi a solução deles?

SPEAKER_01 14:21

Aquele trade-off entre custo e precisão na busca semântica falha no ambiente jurídico justamente pela natureza do texto, sabe? A busca semântica trabalha aproximando palavras de sentidos similares. Mas um contrato não é estruturado só por temas próximos. Ele é estruturado por uma lógica cruzada de remissões internas e definições formais.

SPEAKER_03 14:43

A cláusula 2 remete ao anexo B, que altera a cláusula 5.

SPEAKER_01 14:46

Ah, um labirinto, né?

SPEAKER_03 14:48

Exato.

SPEAKER_01 14:48

É por isso que a CITEI atestou uma terceira via, um terceiro método que eles batizaram de navegação por índice estruturado.

SPEAKER_03 14:55

E como esse índice opera para fugir do paradoxo de custo e precisão?

SPEAKER_01 14:59

Em vez de pegar o documento bruto e jogar para ir a ler ou tentar adivinhar a relevância por aproximação de palavras, o sistema faz uma etapa preparatória muito barata.

SPEAKER_03 15:08

Tá, e o que ele faz nessa etapa?

SPEAKER_01 15:10

Ele extrai a taxonomia inteira do contrato. Ele mapeia todos os títulos, as cláusulas e principalmente o glossário de termos definidos. Ele transforma tudo isso num mapa super compacto, um índice estruturado antes da IA ler qualquer coisa.

SPEAKER_03 15:24

E quando o advogado faz a pergunta complexa pro agente?

SPEAKER_01 15:28

Aí é que está a mágica. O agente não lê o contrato inteiro. Ele lê só o mapa. Ao analisar o mapa, o agente deduz de forma autônoma. Olha, para responder essa questão sobre quebra de garantia, eu só preciso extrair o texto exato da cláusula 5 e a definição específica que está lá no anexo C.

SPEAKER_03 15:47

Ele navega pela árvore do documento e toma a decisão de roteamento antes de ligar o taxímetro pesado?

SPEAKER_01 15:53

Com precisão absoluta. Usando esse índice estruturado, a IA acertou as 20 das 20 questões de novo, restabelecendo a precisão do método mais caro. Só que a redução do contexto lido foi absurda.

SPEAKER_03 16:08

De quanto foi?

SPEAKER_01 16:09

Eles reduziram em cerca de 56 vezes o contexto lido para formular a resposta final. O que cortou em 1,6 vezes o total final de tokens processados.

SPEAKER_03 16:20

Nossa!

SPEAKER_01 16:21

O segredo prático não foi tentar melhorar a inteligência bruta do modelo. Foi reestruturar a forma como informação é empacotada e apresentada para a máquina.

SPEAKER_03 16:31

Incrível notar como o ecossistema tecnológico inteiro converge para a mesma constatação, né?

SPEAKER_01 16:38

Como assim?

SPEAKER_03 16:39

Pensa bem, essa patologia dos contratos onde a cláusula 7 remete à cláusula 2, que depende da definição do anexo B, é a exata mesma estrutura labiríntica das peças processuais no nosso contencioso.

SPEAKER_01 16:54

Nossa, é verdade.

SPEAKER_03 16:55

Sim. As petições são repletas de preliminares, méritos subordinados, jurisprudências cruzadas. E isso amarra perfeitamente com a nossa primeira análise do começo do mergulho sobre os tribunais.

SPEAKER_01 17:08

A conexão é absoluta. A estratégia de engenharia adotada lá no teste da Sinteia é o reflexo tecnológico exato do que o STJ está exigindo no regimento interno.

SPEAKER_03 17:19

Exato. O STJ percebeu que jogar petições longas e desestruturadas nas ferramentas de triagem dele estava gerando custos enormes e ineficiência de tokens.

SPEAKER_01 17:31

Então, ao exigir o resumo estruturado obrigatório, o tribunal está literalmente forçando os escritórios de advocacia a funcionarem como aquele algoritmo preparatório baratinho da sinteia.

SPEAKER_03 17:41

Isso estão obrigando os advogados a construírem manualmente o índice estruturado do processo.

SPEAKER_01 17:48

O tribunal está delegando a taxonomia do documento para quem peticiona.

SPEAKER_03 17:52

Garantindo que a IA do tribunal navegue direto para os fundamentos de direito e dispositivos legais sem precisarem gerir e pagar por páginas e páginas de contexto irrelevante. É a engenharia de software ditando a evolução do direito processual na cara dura.

SPEAKER_01 18:10

É fascinante e um pouco assustadora ao mesmo tempo.

SPEAKER_03 18:12

Muito? Bom, para consolidar as constatações que emergiram dos materiais que analisamos hoje. Para o operador jurídico, a aplicação prática é muito clara.

SPEAKER_01 18:21

Sim, qual seria o resumo da ópera?

SPEAKER_03 18:23

A advocacia do futuro imediato não é apenas sobre escrever belas teses e ter argumentação persuasiva. A vantagem competitiva real é sobre dominar a arquitetura de dados e saber empacotar a informação.

SPEAKER_01 18:35

Perfeito.

SPEAKER_03 18:36

Seja para garantir que o seu recurso passe pelo filtro algorítmico da STJ, seja para criar lógicas internas que impeçam o seu próprio escritório de falir pagando a conta de tokens da IA no fim do mês.

SPEAKER_01 18:48

A eficiência informacional virou um pilar de sobrevivência, não tem jeito. E isso induz a uma perspectiva futura profundamente complexa sobre o sistema de justiça como um todo. É só a gente observar o movimento das peças no tabuleiro agora.

SPEAKER_02 19:04

Que reflexão você tira disso tudo?

SPEAKER_01 19:06

Pensa bem. De um lado, tribunais estão implementando robôs de triagem que dependem de parâmetros super rígidos de contexto para definir se um recurso deve ou não ser lido por um juízo humano, certo? Certo. Do outro lado, escritórios ricos começam a programar os seus próprios agentes autônomos de IA para analisar os editais dos tribunais e redigir resumos perfeitamente calibrados para agradar exclusivamente aos parâmetros dessa máquina avaliadora do tribunal.

SPEAKER_02 19:34

A gente entra num ecossistema fechado de otimização de metadados.

SPEAKER_01 19:39

Exato. Eu fico me perguntando: quanto tempo falta até que a admissibilidade de um recurso milionário seja decidida por duas máquinas negociando parâmetros sintáticos, ajustes de embeddings e índices de relevância entre si. Tudo isso sem que nenhum cérebro humano jamais tenha sequer encostado na petição.

SPEAKER_03 19:59

Duas EAs conversando e decidindo o destino de um caso. E isso levanta uma última questão estrutural enorme que a indústria jurídica ainda vai precisar enfrentar.

SPEAKER_01 20:08

Qual?

SPEAKER_03 20:08

Se essas máquinas estão calibrando resumos processuais entre si, com tamanho e eficiência, o que acontece com a próxima geração de advogados júniores?

SPEAKER_01 20:18

Nossa, bem pensado.

SPEAKER_03 20:19

Porque a principal escola de raciocínio de quem entra num escritório sempre foi justamente a dura tarefa de ler, sintetizar autos complexos e redigir resumos preparatórios.

SPEAKER_01 20:30

Era ali que o advogado aprendia a pensar estrategicamente.

SPEAKER_00 20:43

É um ponto excelente. A gente pode estar matando a formação de base.

SPEAKER_03 20:47

Fica essa reflexão contundente para todo mundo que nos escuta e acompanha o mercado sobre os custos ocultos de buscar a automação perfeita.

SPEAKER_00 20:56

Um cenário para a gente ficar bem atento.

SPEAKER_03 20:58

Com certeza. É sempre excelente poder destrinchar esse material brilhante e explorar essas ramificações práticas de forma tão focada com vocês. Lembrando sempre de questionar as ferramentas que usamos no nosso dia a dia. Até a próxima análise profunda, pessoal.

SPEAKER_00 21:13

Até a próxima.