Contratação de escritórios: IA e o fim do ponto cego do compliance

A opção por um escritório externo deixa de ser um ato discreto e não auditável quando é conduzida por critérios algorítmicos bem documentados; a adoção dessa camada de inteligência pelo jurídico corporativo amplia a defensabilidade das decisões, mas simultaneamente cria a necessidade de governança e auditabilidade do próprio sistema.

Contexto

A gestão jurídica corporativa evoluiu rapidamente em termos de automação interna — triagem contratual, geração de peças e jurimetria —, porém a escolha de escritórios parceiros permanece, na maior parte das empresas, dependente de contatos pessoais, histórico relacional ou reputação de mercado. Essas variáveis são relevantes, mas dificilmente convertidas em evidência auditável. Nesse cenário, surge a proposta de aplicar técnicas de inteligência artificial e modelos de matchmaking para avaliar e comparar fornecedores jurídicos segundo métricas objetivas: especialização por tema e setor, histórico de êxitos, tempo de resposta, perfil de honorários e adequação ao porte das demandas.

A controvérsia ganha contornos de compliance porque empresas sujeitas à Lei 12.846/2013 (Lei Anticorrupção), ao controle de mercado e a regras de governança de capital aberto precisam demonstrar que processos de contratação resistem a auditorias internas e externas. Além disso, a utilização de IA para decisões de impacto suscita questões regulatórias e de proteção de dados, aproximando o debate nacional de experiências internacionais, como o AI Act europeu.

O que foi decidido

Embora não se trate de uma decisão judicial, a análise aponta que a incorporação de algoritmos de seleção de escritórios representa um deslocamento prático e jurídico: o compliance deixa de ser um objetivo afirmado e passa a ser um efeito colateral do processo — isto é, a rastreabilidade e a audibilidade do critério tornam-se produto natural do sistema. Em termos operacionais, a adoção do matchmaking jurídico transforma quatro dimensões do processo de contratação: (i) due diligence contínua sobre conflitos e mudanças societárias; (ii) mitigação do viés relacional ao contrabalançar recomendações pessoais com critérios mensuráveis; (iii) possibilidade de reconstrução posterior da decisão com base em dados; e (iv) padronização de critérios entre unidades de negócio.

Contudo, a análise enfatiza que o ganho em defensabilidade só será real se os algoritmos forem explicáveis, não discriminatórios e sujeitos a monitoramento. Assim, o recurso tecnológico não elimina obrigação de compliance: cria nova camada de obrigação sobre a governança do próprio sistema automatizado.

Base normativa e precedentes

• Lei 12.846/2013 (Lei Anticorrupção) — impõe responsabilidade objetiva da pessoa jurídica por atos contra a administração pública e torna relevante a rastreabilidade de processos de seleção de fornecedores.
• Lei 13.709/2018 (LGPD) — disciplina tratamento de dados pessoais; é exigível cuidado quanto ao uso e armazenamento de dados de profissionais e escritórios, bem como bases legais e direitos dos titulares.
• PL 2.338/2023 (Marco Legal da Inteligência Artificial) — em tramitação, prevê critérios de transparência, explicabilidade e responsabilização de sistemas automatizados de decisão; aplicabilidade direta ao desenho de sistemas de matchmaking.
• AI Act (regulação da UE) — referência internacional que exige documentação e obrigatoriedade de audit trails para sistemas de IA que afetam terceiros; serve de parâmetro para requisitos de governança.
• Jurisprudência consolidada do tribunal — em matéria de responsabilidade e dever de diligência corporativa, a jurisprudência tem valorizado a necessidade de processos auditáveis e políticas internas eficazes.

Impacto prático

• Para advogados e escritórios: aumenta a pressão por métricas e transparência em portfólios e performance; escritórios que não estruturarem dados de resultados, prazos e honorários podem perder oportunidades.
• Para departamentos jurídicos: possibilita escolhas mais defensáveis e replicáveis, melhora a governança de procurement jurídico e reduz risco em auditorias anticorrupção; implica, porém, investimento em integração de dados e critérios claros.
• Para compliance e auditoria: gera artefatos (logs, scores, critérios) que facilitam investigações internas e externas, mas cria nova necessidade de avaliação contínua do sistema de IA.
• Para áreas de proteção de dados: impõe avaliação de bases legais, minimização de dados e transparência no uso de informações sobre terceiros; o direito de acesso e explicação sobre decisões automatizadas passa a ser relevante.

O que observar

• Governança do algoritmo: definir responsáveis, políticas de revisão e métricas de viés; documentar modelos, versões e fontes de dados. A pergunta “quem audita o algoritmo?” exige resposta contratual e operacional.
• Explicabilidade e contestabilidade: projetar mecanismos que permitam explicar decisões a auditores, titulares de dados e órgãos reguladores; prever processo de revisão humana para decisões sensíveis.
• Compliance do sistema: estabelecer controles internos que sigam princípios de transparência e responsabilidade previstos no PL 2.338/2023 e boas práticas internacionais (AI Act), caso de atuação em mercados estrangeiros.
• Proteção de dados: mapear fluxos, justificar bases legais (consentimento, legítimo interesse, execução de contrato) e implementar governança conforme LGPD, garantindo direitos dos titulares.
• Riscos contratuais e reputacionais: revisar contratos com fornecedores de tecnologia para cláusulas de responsabilidade, auditoria, acesso a dados e subcontratação.
• Adoção escalonada: pilotar criteriosamente, mensurar impactos e modular aplicação antes de padronizar em toda a corporação; preparar documentação para possíveis fiscalizações e auditorias.

A incorporação de inteligência artificial na seleção de escritórios não é panaceia, mas oferece caminho concreto para transformar decisões subjetivas em atos audíveis e demonstráveis. Ao mesmo tempo, converte o próprio processo em objeto de compliance, exigindo que empresas desenhem controles e governança que permitam auditar tanto a escolha do parceiro quanto o algoritmo que a orienta.