Quando o Conselho Nacional de Justiça anuncia que vai avaliar a nacionalização da exigência de resumos em petições e recursos, a reação imediata do setor jurídico costuma ser de cautela: mais um requisito burocrático, mais papelada. Como engenheiro de software acostumado a lidar com dados não estruturados e sistemas de processamento de linguagem natural, vejo aí uma oportunidade rara de transformar um gargalo operacional em alavanca para automação inteligente. A medida, se bem calibrada, pode ser o empurrão que faltava para que o Judiciário brasileiro entre de fato na era dos dados.
A proposta do CNJ — obrigar que toda inicial de ação originária e petição de recurso contenha um resumo dos fatos, pedidos, decisões impugnadas e dispositivos legais invocados — soa, à primeira vista, como mais um campo a ser preenchido por advogados já sobrecarregados. Mas, para quem trabalha com extração e sumarização automática de documentos jurídicos, a padronização é um sonho realizado. Atualmente, cada tribunal adota seu próprio modelo de peça, com variados níveis de estruturação. Isso torna qualquer tentativa de processamento em lote um exercício de engenharia reversa constantemente frustrado.
O gargalo de dados não estruturados no Judiciário
Grande parte do acervo processual brasileiro está em PDFs digitalizados, muitas vezes com OCR imperfeito, sem metadados consistentes e com formatação livre. Quando uma equipe de engenharia de dados tenta treinar um modelo de linguagem para classificar pedidos ou extrair dispositivos legais, o primeiro obstáculo é a heterogeneidade dos documentos. Um mesmo tribunal pode receber petições com cabeçalhos distintos, parágrafos sem numeração hierárquica e referências a artigos escritas de dezenas de maneiras diferentes. A exigência de um campo obrigatório de resumo, com regras claras de conteúdo mínimo, cria uma camada de normalização que facilitaria enormemente a curadoria de datasets para fine-tuning de LLMs.
Em projetos que liderei — desde sistemas de e-discovery até plataformas de gestão de precedentes — a etapa mais cara e demorada sempre foi a anotação manual de documentos. Um resumo padronizado, redigido pelo próprio autor da peça, funciona como uma pré-anotação de alta qualidade. Ele já entrega, em linguagem natural, os elementos essenciais que algoritmos de extração de informação precisariam inferir com custos computacionais elevados. Isso não elimina a necessidade de modelos linguísticos, mas desloca o problema da extração para a validação, que é um domínio mais controlado.
Sumarização automática: o estado da arte e os trade-offs
Se o CNJ concretizar a exigência, a pergunta técnica que surge imediatamente é: por que não usar sumarização automática para gerar esses resumos, em vez de sobrecarregar o advogado? A resposta envolve um trade-off clássico em NLP. Modelos extrativos (que selecionam sentenças do texto original) são determinísticos e auditáveis, mas tendem a gerar resumos prolixos e pouco focados nos elementos que o CNJ exige — fatos, pedidos, decisões impugnadas e dispositivos legais. Modelos abstrativos (como GPT-4 ou modelos jurídicos especializados) podem produzir textos mais coesos, mas introduzem riscos de alucinação e viés. Em um domínio onde cada frase tem consequências processuais, a tolerância a erros é quase zero.
Além disso, a infraestrutura necessária para processar milhões de petições com baixa latência exigiria clusters de GPU ou inferência com hardware otimizado, algo que poucos tribunais brasileiros possuem hoje. Uma abordagem híbrida — usar um modelo pequeno pré-treinado em linguagem jurídica (como o BERT jurídico desenvolvido por universidades brasileiras) para identificar os trechos relevantes e, em seguida, um modelo sequência-a-sequência mais leve para reescrever — oferece um bom equilíbrio entre precisão e custo operacional. Contudo, isso ainda demanda investimento em MLOps, curadoria de dados e validação contínua.
Implicações práticas para produtos digitais e operação
Para quem constrói produtos digitais no segmento jurídico (como sistemas de peticionamento eletrônico, dashboards de painéis de precedentes ou analytics processual), a padronização dos resumos abre um leque de funcionalidades imediatas. É possível indexar esses resumos em bancos vetoriais (vector databases) e permitir buscas semânticas por partes, advogados ou assuntos com precisão muito maior do que a busca por palavras-chave em PDF. Ferramentas de "jurimetria" que hoje dependem de anotação manual de milhares de documentos poderiam extrair indicadores de desempenho de forma quase automática. O resumo padronizado funciona como uma mina de ouro para features de recomendação de jurisprudência e previsão de resultados.
Na operação do Judiciário, reduzir o tempo de leitura de cada petição de, digamos, 15 minutos para 3 minutos (com base no resumo) teria um impacto direto na produtividade de juízes e servidores. Mas isso só será possível se os resumos forem, de fato, fidedignos e se houver um processo de conferência — talvez por meio de um algoritmo de verificação de consistência que cruze o resumo com o corpo da petição. Ferramentas de "plagiarism detection" e "entailment" podem ser adaptadas para sinalizar divergências, criando um ciclo de qualidade que dispensa revisão humana 100% do tempo.
Riscos, limitações e pontos de atenção
A principal armadilha é acreditar que a padronização sozinha resolve os problemas de automação. Mesmo com resumos obrigatórios, a qualidade da redação variará enormemente entre advogados de diferentes escritórios, regiões e áreas de atuação. Modelos treinados em resumos de um determinado perfil podem apresentar viés de seleção (por exemplo, sub-representar causas pequenas ou de assistência judiciária). Além disso, a privacidade de dados sensíveis — como nomes de partes, informações médicas ou dados bancários — precisa ser tratada com cuidado, especialmente se os resumos forem utilizados para treinamento de modelos de IA ou alimentarem bases de dados abertas.
Outro risco técnico é a sobrecarga de validação. Se cada resumo precisar ser conferido por um sistema automático, o tráfego de requisições para algoritmos de NLP pode congestionar a infraestrutura dos tribunais. Soluções de edge computing ou processamento em lote com filas (como Apache Kafka, para quem curte arquiteturas orientadas a eventos) seriam necessárias para evitar gargalos nos picos de peticionamento, como em vésperas de prazos recursais. Ignorar esses aspectos de engenharia pode fazer com que a medida se torne mais um custo do que um benefício.
Perspectiva pessoal: um passo na direção certa, com execução cuidadosa
Tenho experiência com arquiteturas de sistemas de processamento documental em escala e posso afirmar: a iniciativa do CNJ tem potencial para destravar uma nova geração de ferramentas de IA jurídica. No entanto, a implementação deve ser feita de forma incremental. Meu conselho seria começar com uma resolução que estabeleça um formato mínimo (como campos estruturados dentro do resumo) e ofereça um período de adaptação com suporte técnico para os tribunais. Paralelamente, seria sensato criar um comitê técnico com participação de profissionais de tecnologia da informação e direito digital para definir padrões abertos de dados (XML, JSON ou YAML) que permitam interoperabilidade entre sistemas. O investimento em infraestrutura de NLP e MLOps deve vir acompanhado de uma política de transparência sobre o uso dos resumos para treinamento de modelos, respeitando a LGPD.
Se o CNJ conseguir transformar a mera exigência burocrática em um ativo de dados bem estruturado, estaremos diante de um divisor de águas para a modernização do Judiciário. A tecnologia existe. O que falta, muitas vezes, é a padronização que permita que ela opere com eficiência. A nacionalização dos resumos pode ser esse catalisador — desde que a engenharia de software seja convidada para a mesa de discussão desde o início.