A contribuição da Inteligência Artificial ao Incidente de Resolução de Demandas Repetitivas

25/06/2019 | 5 min. de leitura

A contribuição da Inteligência Artificial ao Incidente de Resolução de Demandas Repetitivas

O reconhecimento da influência positiva das tecnologias disruptivas no ecossistema da Justiça vem aumentando a cada dia. Todavia, são raras as explicações sobre como estas tecnologias funcionam na prática. Buscando sanar parte desta lacuna, explicaremos como a Inteligência Artificial pode aumentar a segurança jurídica na Justiça brasileira por sua contribuição ao Incidente de Resolução de Demandas Repetitivas (IRDR).

O IRDR é umas grandes inovações do Novo Código de Processo Civil. Seu objetivo é fixar teses jurídicas vinculantes, de modo a evitar decisões conflitantes em casos idênticos oriundos da mesma região. O resultado é a uniformidade da jurisprudência e uma maior segurança jurídica a todo o sistema.

No entanto, a aplicação do IRDR enfrenta certos desafios, como:

  • Definir se existem demandas repetitivas em número suficiente a oferecer risco à isonomia e à segurança jurídica;
  • Determinar os processos em tramitação que serão afetados pela tese jurídica vinculante.

A realização destas tarefas geralmente se dá pela utilização de motores de busca, que de forma simples apenas verificam se um documento contém as palavras pesquisadas. Este procedimento é lento, pouco eficaz e demanda alto custo com pessoal. É justamente neste ponto que a Inteligência Artificial e, em especial, o aprendizado de máquina (machine learning), podem auxiliar o judiciário na identificação das demandas repetitivas.

A contribuição da Inteligência Artificial ao Incidente de Resolução de Demandas Repetitivas

Como humanos e máquinas pensam

Um bom mecanismo de pesquisa não deve apenas retornar os documentos que contenham as palavras informadas, mas sim tentar responder questões subjacentes, ocultas. Existem várias formas de dizer a mesma coisa, e dentro dos documentos jurídicos isso ocorre com certa frequência. Assim, quando se efetua um pedido para que a máquina apresente todos os processos relacionados com saúde, espera-se que ela também informe casos relacionados com pedido de medicamento, por exemplo.

Para seres humanos pensantes, isto parece mais do que óbvio, mas para a máquina, não. O computador é incapaz de fazer inferências sobre dados que desconhece.

O aprendizado de máquina, em sua essência, nada mais é do que um rotulador de itens. O desenvolvedor deve fazer com que a máquina “aprenda” a classificar os textos por meio de uma base inicial, como por exemplo um número X de acórdãos rotulados. Posteriormente, o computador conseguirá prever a classificação de novos documentos, gerando assim uma economia de tempo e pessoal.

As três principais técnicas utilizadas neste processo são: incorporação de palavras, sumarização e modelagem de tópicos.

A contribuição da Inteligência Artificial ao Incidente de Resolução de Demandas Repetitivas

3 técnicas usadas para identificar processos candidatos ao Incidente de Resolução de Demandas Repetitivas

A incorporação de palavras (do inglês word embeddings) é uma das representações mais populares do vocabulário de documentos. É capaz de capturar o contexto de uma palavra em um documento, semelhança semântica e sintática, relação com outras palavras, etc.

Na sumarização, ocorre a extração das informações mais importantes de uma fonte para produzir uma versão abreviada para o usuário. Ou seja, criar resumos.

Entre os benefícios da sumarização, pode-se citar: redução do tempo de leitura, facilitação do processo de seleção de documentos e, talvez o mais importante, a consistência do resultado, uma vez que os trechos são selecionados matematicamente em razão dos pesos que as sentenças têm dentro do texto.

Acórdão original

 

Ementa do acórdão

 

Resumo criado pela Inteligência Artificial

Já a modelagem de tópicos realiza um processo similar ao da sumarização, porém identifica tópicos ou palavras que representam um documento. Exemplo são os sites de notícias, que utilizam modelagem de tópicos para criar palavras-chave,  agilizando o processo de busca.

A grande vantagem da modelagem de tópicos é o descobrimento de padrões ocultos dentro do documento. No mundo jurídico, esta técnica pode ser utilizada para criar representações objetivas de documentos inteiros ou parágrafos. Por exemplo, para processar os fatos de uma petição inicial, e com apenas quatro ou cinco palavras, conseguir saber exatamente o que está sendo apresentado no texto.

As técnicas apresentadas até agora têm seu valor de forma isolada. É sua utilização em conjunto que propicia o maior ganho na identificação das demandas repetitivas.

Conclusão

Por meio destas técnicas, é possível obter todas as palavras que dentro do mesmo contexto se aproximam da palavra escolhida. Pode-se inclusive criar uma árvore de representação da entrada definida. Esta característica aumenta significantemente a abrangência do resultado obtido.

Assim, é possível escolher um processo já enquadrado no Incidente de Resolução de Demandas Repetitivas, extrair seus principais tópicos e as palavras que melhor os representam, expandir estes tópicos para diferentes variações e obter uma coleção de documentos que se enquadram nestes parâmetros e são submetidos a um score de similaridade. Este procedimento também poderá ser reproduzido para definir se determinada tese jurídica pode ser considerada uma demanda repetitiva.

Diferentemente do modelo de busca tradicional, esta análise é feita também em petições e documentos anexados aos autos. Ou seja, não se limita somente ao conteúdo da sentença ou do acórdão. Isso permite que a máquina indique se a matéria de uma ação recém distribuída é uma demanda repetitiva ou não. E a decisão final sempre fica a cargo do julgador.

Entender o funcionamento e os benefícios da Inteligência Artificial — redução do custo de pessoal e de tempo na identificação das demandas repetitivas — é essencial para reconhecê-la como aliada na busca por uniformização da Justiça e do aumento da segurança jurídica.

Autores

Este artigo foi elaborado por Diego Arend e Maicon Domingues e serviu como base para a palestra da Softplan no evento Legal Hackers LATAM Summit.  O encontro contou com a presença de grandes nomes como o de Jameson Dempsey, residente da CodeX: The Stanford Center for Legal Informatics.

Ilustrações por Adriana Mayumi.

Leia também

Inteligência Artificial na Justiça: como encontrar “agulhas no palheiro” em milhões de processos

Inteligência Artificial no Direito: advogado Antonio Gaspar fala sobre inovação na Justiça

FIESP usa Inteligência Artificial para analisar 672 mil decisões da Justiça Trabalhista

TJAM melhora prestação jurisdicional com gestão voltada à tecnologia

Seus comentários são sempre muito bem-vindos. Comente!

Este espaço destina-se às repercussões sobre notícias e artigos publicados no SAJ Digital. São de responsabilidade de seus autores. Não servem como abertura de chamados e atendimentos para o portal e-SAJ.

Leia também

Receba nossas novidades por e-mail:

Fale com o
especialista
Desenvolvido por: Linkedin Instagram