Quando um prefeito e o presidente eleito do STJ participam de um congresso de arbitragem, fica claro que o tema deixou de ser nicho para se tornar estratégico. A notícia veiculada pelo portal Veja sobre o evento no Rio de Janeiro, programado para agosto, sinaliza que o poder público enxerga na arbitragem uma alternativa à morosidade do Judiciário. Mas o que isso tem a ver com inteligência artificial aplicada? Tudo. Porque o próximo salto de eficiência na arbitragem não virá apenas de reformas processuais — virá de sistemas capazes de processar, analisar e recomendar decisões com base em dados, precedentes e algoritmos.
Passei os últimos anos arquitetando sistemas distribuídos para clientes que lidam com grandes volumes de documentos jurídicos. O que vejo hoje é um abismo entre o potencial da IA e a adoção real nos tribunais arbitrais. Enquanto startups de Legal Tech já oferecem soluções de revisão contratual automatizada e predição de resultados, a arbitragem institucional ainda opera, em grande parte, com fluxos manuais e planilhas. O congresso de agosto pode ser a oportunidade para conectar esses dois mundos — desde que os participantes estejam dispostos a discutir não apenas os méritos da arbitragem, mas a infraestrutura tecnológica que a sustentará nos próximos anos.
O cenário atual: volume, custo e latência
A arbitragem cresceu no Brasil porque oferece confidencialidade, especialização e, teoricamente, mais rapidez que a Justiça comum. Mas a teoria esbarra na prática: casos complexos envolvem milhares de documentos, perícias técnicas, depoimentos e memoriais. A fase de produção de provas, sozinha, pode consumir meses de trabalho de equipes jurídicas e peritos. Cada documento precisa ser classificado, indexado e analisado em busca de cláusulas relevantes, contradições ou indícios de má-fé. Esse trabalho, quando feito por humanos, é caro, lento e sujeito a erros de atenção.
Aqui entra a IA aplicada de forma pragmática. Modelos de processamento de linguagem natural (NLP) treinados em jurisprudência arbitral e contratos comerciais podem reduzir o tempo de revisão documental em até 70%, segundo estimativas de implementações que acompanhei em escritórios de advocacia nos Estados Unidos. Não se trata de substituir advogados, mas de liberá-los para tarefas de maior valor estratégico — como a formulação de teses e a negociação de acordos. Para a arbitragem, especialmente aquela que envolve o poder público (como disputas contratuais com municípios e estados), a economia de tempo e dinheiro é crítica.
Automação inteligente na triagem de documentos
Um dos gargalos mais óbvios é a triagem de documentos. Em uma arbitragem sobre uma concessão pública, por exemplo, as partes podem apresentar centenas de e-mails, relatórios técnicos, atas de reunião e contratos subsidiários. Sem IA, equipes de paralegais passam semanas lendo e categorizando cada item. Com um sistema de classificação baseado em BERT ou modelos similares, é possível treinar o algoritmo para reconhecer padrões — por exemplo, destacar automaticamente comunicações que mencionem "reajuste", "inadimplemento" ou "força maior". O impacto é imediato: a fase de discovery passa de semanas para dias.
Durante a implementação de um sistema similar para uma câmara arbitral, enfrentei um trade-off clássico entre precisão e recall. O modelo original, treinado em jurisprudência geral, tinha alta taxa de falsos positivos — marcava documentos irrelevantes como importantes. A solução foi criar um pipeline de fine-tuning com dados reais da câmara, anotados por especialistas. Isso exigiu um investimento inicial de curadoria, mas reduziu o ruído em mais de 40%. A lição aprendida: IA em arbitragem não é plug-and-play; exige adaptação ao vocabulário e às práticas do foro.
Predição de resultados e recomendação de árbitros
Outra aplicação promissora é o uso de machine learning para prever desfechos com base em decisões anteriores. Câmaras arbitrais acumulam milhares de laudos — uma base de dados riquíssima, mas subutilizada. Técnicas de regressão e árvores de decisão podem identificar variáveis que mais influenciam o resultado: perfil do árbitro, setor da disputa, valor envolvido, cláusulas contratuais específicas. Com isso, as partes podem avaliar com mais racionalidade se vale a pena levar o caso adiante ou buscar uma composição.
Contudo, há um risco não trivial de viés algorítmico. Se os dados históricos refletirem desigualdades — por exemplo, se determinados perfis de árbitros tendem a decidir favoravelmente a partes com mais recursos —, o modelo pode reforçar essas assimetrias. Em um contexto de arbitragem pública, onde o Estado é uma das partes, a transparência do modelo se torna uma exigência ética e legal. Por isso, defendo que qualquer sistema preditivo usado em arbitragem seja auditável por terceiros independentes e que as decisões automatizadas sejam sempre passíveis de revisão humana.
Sistemas distribuídos e segurança da informação
Arbitragens lidam com dados ultrassecretos: estratégias comerciais, propriedade intelectual, cláusulas de confidencialidade. Mover esses dados para a nuvem é inevitável para escalar o processamento com IA, mas exige uma arquitetura de segurança robusta. Trabalhei em projetos onde utilizamos criptografia homomórfica parcial para permitir que modelos de ML operassem sobre dados criptografados — uma abordagem complexa, mas que garante que nem o provedor de nuvem tenha acesso ao conteúdo sensível. Alternativas mais práticas incluem o uso de ambientes de execução confiável (TEE) e a fragmentação de dados entre zonas de disponibilidade, com políticas de acesso granulares.
O custo dessa infraestrutura não é desprezível, mas precisa ser comparado ao custo de um vazamento ou de uma quebra de confidencialidade. Em arbitragens envolvendo o poder público, a LGPD adiciona camadas de compliance que tornam a segurança um requisito de contrato, não apenas uma boa prática. O congresso de agosto poderia incluir uma trilha específica sobre cybersegurança em arbitragem — seria um sinal de maturidade do setor.
Implicações práticas para escritórios e câmaras arbitrais
Para um escritório de advocacia que atua com arbitragem, começar a adotar IA não significa comprar um software pronto e ligar o interruptor. O caminho mais eficaz é identificar um processo específico com alto volume e baixa complexidade analítica — por exemplo, a classificação automática de documentos por assunto. Ferramentas open-source como spaCy ou Transformers da Hugging Face permitem criar protótipos em poucas semanas. O investimento maior está na anotação dos dados e na validação dos resultados por especialistas.
Já as câmaras arbitrais, que atuam como instituições, podem pensar em plataformas integradas que combinem IA com blockchain para registro imutável de provas. Um hash de cada documento submetido, armazenado em uma rede permissionada, garante integridade e rastreabilidade — útil tanto para a confiança das partes quanto para futuras auditorias. Vi esse modelo funcionar em um consórcio de câmaras na Europa, com redução de litígios sobre falsificação documental.
Riscos, limitações e pontos de atenção
Não posso deixar de mencionar os riscos. O principal deles é a aceitação pelos árbitros e pelas partes. Muitos profissionais do direito ainda enxergam a IA como uma "caixa-preta" que não se alinha ao devido processo legal. Para mitigar essa resistência, é fundamental que as decisões baseadas em IA sejam explicáveis — ou seja, que o modelo indique quais atributos levaram à recomendação. Técnicas de LIME e SHAP ajudam nisso, mas aumentam a complexidade do sistema.
Outro ponto é a qualidade dos dados de treinamento. Em arbitragens, os laudos nem sempre são públicos ou padronizados. Cada câmara tem seu próprio formato, e muitos documentos históricos estão digitalizados como imagens, sem OCR de qualidade. Sem um trabalho prévio de limpeza e normalização, o modelo aprende ruído em vez de sinal. Esse é um gargalo que vivenciei em dois projetos: o tempo gasto na preparação dos dados superou o tempo de modelagem em uma proporção de 4 para 1.
Perspectiva pessoal: o papel do setor público
A presença do prefeito do Rio e do presidente eleito do STJ no congresso mostra que há vontade política de aproximar a arbitragem do Estado. Do ponto de vista técnico, o setor público pode ser um catalisador para a adoção de IA na arbitragem, especialmente em disputas contratuais de grande vulto. Imagine uma plataforma estadual de arbitragem administrativa que utilize IA para sugerir cláusulas de conciliação com base em casos análogos — o impacto na agilidade e na economicidade seria enorme.
Contudo, é preciso cuidado para não confundir eficiência com automatismo irrefletido. A IA deve ser uma ferramenta de apoio, não um substituto da deliberação humana. A arbitragem, por sua natureza, depende do julgamento de especialistas que ponderam nuances fáticas e jurídicas. O que a tecnologia pode fazer é eliminar o trabalho braçal e fornecer análises estatísticas que ampliem a visão do árbitro. Na minha experiência, os melhores resultados vêm da combinação de algoritmos preditivos com auditores humanos que revisam os outliers.
O congresso de agosto será um sucesso se, além das discussões institucionais, conseguir plantar sementes técnicas: parcerias com universidades para pesquisa em NLP jurídico, investimento em infraestrutura de dados abertos das câmaras, e a criação de grupos de trabalho sobre ética algorítmica em arbitragem. O Brasil tem massa crítica para liderar esse movimento na América Latina — falta apenas conectar os pontos entre o direito, a tecnologia e a política pública.
Fica aqui um convite aos organizadores: que tal incluir uma sessão de demonstração ao vivo de um sistema de IA aplicada à arbitragem? Nada substitui ver o modelo funcionando na prática para quebrar as resistências. Eu mesmo me disponho a apresentar um protótipo, construído sobre arquitetura serverless e modelos de linguagem ajustados para o português jurídico. A tecnologia já existe. O que falta é a coragem de experimentar.