Nova IA jurídica brasileira promete checar citações e indicar fontes

A nova plataforma de inteligência artificial jurídica apresentada como "Fiel ao Direito" será lançada com promessa de checar fontes e sinalizar quando não encontrar referências, oferecendo integração com bases de jurisprudência e outros repositórios — um passo com implicações diretas para a rotina de pesquisa e para os riscos éticos e processuais dos profissionais do Direito.

Contexto

A tecnologia generativa tem se inserido rapidamente na rotina de escritórios, tribunais e departamentos jurídicos, mas trouxe à tona problemas práticos: a produção de citações, súmulas e decisões inexistentes ou equivocadas, fenômeno que já motivou sanções por magistrados em processos concretos. Essa realidade tensiona vultosos princípios e regras do sistema jurídico — desde a responsabilidade profissional do advogado até a proteção de dados dos usuários que alimentam essas ferramentas. Ao mesmo tempo, há demanda por soluções que integrem pesquisa jurisprudencial, legislação, doutrina e materiais audiovisuais em um único fluxo de trabalho, minimizando o uso disperso de múltiplas plataformas. A novidade surge num momento em que operadores do Direito e reguladores buscam equilibrar utilidade, confiabilidade e conformidade normativa das IAs aplicadas ao Direito.

O que foi decidido

Embora não se trate de decisão judicial, o anúncio explicita opções técnicas e operacionais relevantes: a plataforma foi estruturada para executar um processo em múltiplas camadas que inclui buscas em bases jurídicas, identificação de fontes e checagem de citações; quando a ferramenta não localiza uma referência, informa a limitação ao usuário. O acervo declarado cobre conteúdos de dezenas de tribunais, milhões de decisões, legislação atualizada, doutrina licenciada e horas de vídeos de julgamentos e debates, com funcionalidades adicionais como análise de petições e contratos, detecção de dispositivos revogados, acompanhamento processual, cálculos de correção monetária e extração de trechos de vídeo (por exemplo, localizar momentos de sessões do STF e STJ). Os responsáveis também afirmam que arquivos enviados por usuários não serão utilizados para treinar os modelos da plataforma, e que haverá integração opcional com assistentes externos tipo ChatGPT e Claude. Em termos práticos, a proposta é reduzir a probabilidade de que advogados apresentem nos autos citações ou jurisprudência fabricadas pela IA, e oferecer um conjunto unificado de ferramentas de apoio jurídico.

Base normativa e precedentes

• Art. 5º, CF/88 — proteção de direitos e garantias fundamentais, incluindo o direito à informação e à inviolabilidade de dados pessoais em contextos relevantes para sigilo e privacidade.
• Lei 13.709/2018 (LGPD) — estabelece os princípios e bases legais para tratamento de dados pessoais, com impacto direto sobre o uso de arquivos de clientes para treinamento de modelos e sobre os deveres de segurança e finalidade.
• Lei 13.105/2015 (CPC) — disciplina deveres processuais, boa-fé e responsabilidade pela veracidade das alegações e das provas apresentadas nos autos, contexto em que a apresentação de citações inexistentes pode ensejar sanções e outras consequências processuais.
• Decreto-Lei 3.689/1941 (CPP) — relevância quando a ferramenta for utilizada em peças no âmbito penal, especialmente quanto às garantias e à responsabilidade sobre a correta transcrição de precedentes ou decisões.
• Jurisprudência consolidada dos tribunais superiores — entendimento prático de magistrados sobre a responsabilização por citações e jurisprudência falsas ou inverificáveis, que vem levando a penalidades disciplinares e repetidas advertências públicas.

Impacto prático

• Para advogados e escritórios: redução do risco de falhas que possam acarretar impugnações, diligências de correção ou até sanções disciplinares; no entanto, a ferramenta não elimina a necessidade de diligência profissional, já que a checagem final e a responsabilidade pela peça permanecem com o causídico (dever de zelo previsto no ordenamento e na prática forense).
• Para departamentos jurídicos e empresas: maior eficiência na pesquisa integrada (jurisprudência, legislação, vídeos), possibilidade de padronizar rotinas e reduzir custos de ferramentas múltiplas; atenção à gestão de contratos de serviço e às cláusulas sobre uso de dados e confidencialidade.
• Para clientes e partes: potencial ganho de qualidade nas peças e fundamentação, mas também risco residual se integrações externas (ex.: ChatGPT) não forem devidamente auditadas quanto a logs e privacidade.
• Para o ecossistema regulatório: a afirmação de que arquivos de usuários não serão usados para treinamento pode facilitar conformidade com a LGPD, mas requer provas contratuais e técnicas (registro de tratamento, bases legais, relatórios de impacto, medidas de segurança).

O que observar

• Verificação contratual e técnica: exigir cláusulas claras sobre tratamento de dados, finalidade, retenção, incidentes e prova técnica de que dados de clientes não alimentam modelos; relatórios de impacto de privacidade (DPIA) podem ser necessários para demonstrar conformidade com a LGPD.
• Limites da automação e prova pericial: a existência de checagem automática não substitui a necessidade de auditoria humana em peças sensíveis; manter trilhas de auditoria (logs) que permitam demonstrar a origem das referências apresentadas em juízo.
• Risco disciplinar e processual: ainda que a IA assinale ausência de referência, o advogado deve confirmar e materializar as fontes; a responsabilização profissional e as consequências processuais previstas pelo CPC permanecem aplicáveis.
• Integrações com terceiros: avaliar riscos de interoperabilidade com modelos externos e cláusulas de subcontratação de dados; exigir garantias técnicas e contratuais.
• Fiscalização e normatização futura: acompanhar posicionamentos da OAB sobre uso de IA na advocacia, orientações de tribunais sobre prova gerada por IA e eventuais regulamentações setoriais que detalhem obrigações de transparência e auditabilidade.
• Testes independentes e replicabilidade: procurar avaliações independentes e metodologia aberta sobre testes às cegas e métricas de acurácia antes de confiar cegamente em resultados de benchmark fornecidos pelos desenvolvedores.

O que observar