 |
| Bellacosa Mainframe e a causa de 300 milhoes e o algoritmo de ia |
☕ Um Café no Bellacosa Mainframe
A Causa de R$ 300 Milhões e o Algoritmo: quando conhecer como a IA lê uma petição pode valer uma fortuna
⚖️ IA judicial, RAG, embeddings, informação privilegiada e uma pergunta incômoda para o mercado jurídico: se existir uma vantagem algorítmica de apenas 1%, quanto alguém estaria disposto a pagar para descobri-la?
Imagine uma causa de R$ 300 milhões.
De um lado, um grande escritório de advocacia.
Do outro, outro grande escritório de advocacia.
Centenas de páginas de documentos.
Pareceres.
Jurisprudência.
Perícias.
Recursos.
Embargos.
Precedentes.
Advogados brilhantes cobrando honorários igualmente brilhantes.
Durante séculos, a batalha seria relativamente conhecida.
Quem possui os melhores argumentos?
Quem encontrou o precedente mais adequado?
Quem conseguiu desmontar a tese adversária?
Quem apresentou melhor os fatos?
Quem convenceu o magistrado?
Mas alguma coisa começa a mudar silenciosamente nos corredores digitais da Justiça.
Entre o advogado e o ser humano que analisará aquele processo pode estar surgindo um novo personagem.
Ele não usa toga.
Não possui OAB.
Não fez concurso.
Não estudou cinco anos numa faculdade de Direito.
Não toma café.
E provavelmente jamais leu Rui Barbosa.
É um algoritmo.
Ou, mais precisamente, uma combinação de algoritmos, mecanismos de busca, classificadores, modelos de linguagem, sistemas de recuperação semântica, embeddings, OCR, bancos vetoriais e ferramentas de inteligência artificial.
E isso produz uma pergunta que talvez o mercado jurídico ainda não esteja fazendo com a intensidade necessária:
Se uma causa vale R$ 300 milhões, quanto vale conhecer 1% melhor a maneira pela qual a máquina intermediária interpreta uma petição?
Coloque café na máquina.
Porque essa pergunta fica pior quanto mais pensamos nela.
⚠️ Antes de continuar: isto é um exercício de ameaça
Precisamos estabelecer uma coisa imediatamente.
Este texto não afirma que escritórios estejam manipulando sistemas de inteligência artificial do Judiciário.
Também não afirma que magistrados estejam delegando decisões a máquinas ou que exista algum algoritmo secreto decidindo processos.
Estamos fazendo algo extremamente comum em segurança da informação:
threat modeling.
Pegamos uma tecnologia.
Observamos os incentivos econômicos existentes.
Perguntamos como ela poderia ser explorada.
É exatamente aquilo que fazemos antes de colocar um Internet Banking em produção.
Não esperamos alguém invadir o banco para então perguntar:
“Caramba, será que alguém poderia tentar SQL Injection?”
Pensamos antes.
Portanto, nosso exercício será deliberadamente desconfortável:
IF IA-JUDICIAL = RELEVANTE
AND PROCESSO = MUITO-DINHEIRO
THEN
PERFORM THINK-LIKE-AN-ATTACKER
END-IF.
Bem-vindo à War Room.
⚖️ O Direito sempre teve um algoritmo chamado advogado
Antes da inteligência artificial, uma peça jurídica já era uma sofisticada construção de informação.
O advogado precisava organizar:
fatos;
legislação;
argumentos;
contra-argumentos;
jurisprudência;
doutrina;
provas;
pedidos.
E precisava fazer isso pensando essencialmente num destinatário:
um ser humano.
O juiz leria.
O assessor leria.
O advogado da parte contrária leria.
Todos poderiam interpretar de maneiras diferentes, mas compartilhavam aproximadamente a mesma arquitetura cognitiva.
E então chegaram os computadores.
Primeiro digitalizamos documentos.
Depois processos.
Depois jurisprudência.
Depois pesquisa.
Depois classificação.
Depois automação.
E agora chegamos à IA.
O fluxo pode começar a parecer conceitualmente com isto:
ADVOGADO
|
v
PETIÇÃO
|
v
OCR / PARSER
|
v
CLASSIFICAÇÃO
|
v
CHUNKING
|
v
BUSCA SEMÂNTICA
|
v
RERANKING
|
v
LLM / SUMARIZAÇÃO
|
v
ASSESSOR / MAGISTRADO
Nem todo tribunal utiliza exatamente essa arquitetura.
Nem toda ferramenta participa de decisões.
E sistemas diferentes podem ter funções completamente diferentes.
Mas basta que máquinas passem a participar significativamente da recuperação, organização ou apresentação da informação para surgir uma segunda audiência.
O advogado já não escreve somente para alguém.
Talvez precise escrever também para alguma coisa.
🤖 O novo leitor não lê como você
Um magistrado pode perceber elegância retórica.
Uma IA não fica emocionada.
O juiz pode lembrar de um caso semelhante ocorrido vinte anos antes.
Um mecanismo de recuperação trabalha segundo sua arquitetura.
Um humano pode entender que três páginas anteriores explicam uma exceção fundamental.
Um sistema que fragmentou o documento pode recuperar apenas determinado trecho.
E aqui aparece uma pergunta extraordinariamente importante:
Sua tese sobrevive ao chunking?
Sim.
Bem-vindo ao Direito de 2026, onde talvez algum advogado precise aprender o significado de chunk overlap.
O problema não significa que uma IA seja burra.
Muito pelo contrário.
Sistemas modernos conseguem interpretar relações semânticas extraordinariamente complexas.
Mas interpretam informação através de mecanismos diferentes daqueles utilizados pelo cérebro humano.
Dependendo da implementação, podem existir:
tokenização;
embeddings;
similaridade semântica;
pesquisa lexical;
pesquisa vetorial;
classificação;
reranking;
janelas de contexto;
RAG;
sumarização.
De repente, estrutura textual não é apenas estética.
Pode tornar-se arquitetura de informação.
💰 Agora coloque R$ 300 milhões sobre a mesa
Aqui nossa conversa deixa de ser acadêmica.
Suponha, apenas como exercício matemático, que compreender melhor determinado intermediário algorítmico oferecesse uma vantagem de 1 ponto percentual na probabilidade esperada de determinado resultado.
Em R$ 300 milhões:
1% = R$ 3 milhões.
Agora reduza brutalmente.
0,1% = R$ 300 mil.
Percebeu o problema?
Não estamos dizendo que essa vantagem existe.
Estamos perguntando:
Quanto vale descobrir se ela existe?
Se um escritório pudesse gastar R$ 100 mil numa pesquisa técnica capaz de descobrir uma vantagem potencial cujo valor econômico esperado fosse superior a isso, investigar deixaria de ser extravagância.
Viraria investimento.
É exatamente assim que mercados altamente competitivos funcionam.
Pequenas vantagens tornam-se extremamente valiosas quando aplicadas sobre grandes volumes.
📈 Wall Street encontra a toga
O mercado financeiro conhece isso há décadas.
Fundos quantitativos não precisam possuir uma bola de cristal.
Eles procuram pequenas vantagens estatísticas.
Um sinal ligeiramente melhor.
Uma correlação.
Uma diferença de latência.
Um padrão.
Um modelo um pouco superior ao concorrente.
Chamamos isso frequentemente de alpha.
Agora faça um exercício intelectualmente perigoso:
E se algum dia existir algorithmic alpha no Direito?
Não seria:
“Descobrimos como ganhar qualquer processo.”
Isso é fantasia.
Poderia ser algo muito mais banal:
“Descobrimos que determinada estrutura textual faz a tese principal sobreviver melhor à recuperação automatizada.”
Ou:
“Este padrão de citação reduz ambiguidades na identificação de precedentes.”
Ou:
“Quando fatos e argumentos aparecem estruturados dessa maneira, a sumarização preserva melhor nossa tese.”
Nada disso precisa ser ilegal.
Aliás, inicialmente seria apenas engenharia de informação jurídica.
Mas algo acaba de acontecer.
Nasceu uma vantagem.
🧙♂️ O Sumo Sacerdote dos Embeddings
Agora aparecem dois escritórios.
O primeiro possui:
ADVOGADOS
JURISPRUDÊNCIA
DOUTRINA
EXPERIÊNCIA
SOFTWARE JURÍDICO
O segundo possui tudo isso e:
CIENTISTAS DE DADOS
ESPECIALISTAS EM NLP
ENGENHEIROS DE IA
ESTATÍSTICOS
LEGAL TECH PRÓPRIA
BASE HISTÓRICA
EXPERIMENTAÇÃO
Formalmente ambos possuem acesso à Justiça.
Tecnologicamente talvez estejam disputando campeonatos diferentes.
O pequeno escritório chega com seu notebook.
O gigante chega acompanhado pelo:
SUMO SACERDOTE DOS EMBEDDINGS.
Ele não conhece necessariamente o juiz.
Não precisa conhecer o assessor.
Não precisa fazer absolutamente nada ilegal.
Ele simplesmente conhece extraordinariamente bem sistemas de recuperação de informação.
E começa a perguntar:
Como estruturar esta tese?
Onde repetir explicitamente determinado conceito?
Como reduzir ambiguidade semântica?
Como garantir que uma passagem mantenha sentido fora do contexto original?
Como citar jurisprudência para facilitar identificação automática?
Talvez isso seja simplesmente a próxima geração da advocacia.
Mas existe uma fronteira desconfortável esperando logo adiante.
🚨 Conhecimento público, expertise e informação privilegiada
Podemos imaginar uma escala.
Nível 0 — conhecimento público
O tribunal explica como determinada ferramenta funciona.
Todos podem estudar.
Perfeitamente saudável.
Nível 1 — expertise técnica
Um escritório contrata especialistas extraordinariamente competentes em inteligência artificial.
Eles entendem genericamente sistemas semelhantes.
Vantagem competitiva legítima.
Nível 2 — conhecimento interno anterior
Um profissional trabalhou no desenvolvimento ou operação de determinada infraestrutura e posteriormente passa a prestar consultoria.
Agora aparecem perguntas sobre confidencialidade, conflitos e limites profissionais.
Nível 3 — informação obtida indevidamente
Alguém obtém informações internas que não deveriam estar disponíveis.
🚨
Aí já estamos em outro universo.
E o grande problema é que, olhando de fora, distinguir os níveis intermediários pode ser extremamente difícil.
- Para saber mais:
https://eljefemidnightlunch.blogspot.com/2026/08/better-call-cobol-o-dia-em-que.html
🕵️ O insider mudou
Durante décadas nossa imagem clássica do insider era simples:
“Eu sei antes.”
O funcionário conhece uma informação relevante antes do mercado.
Passa para alguém.
Alguém negocia.
A informação torna-se pública.
O mercado reage.
A vantagem desaparece.
Mas sistemas algorítmicos introduzem outro tipo de conhecimento.
O insider do século XXI pode não saber o que acontecerá.
Ele pode saber:
“Como o sistema funciona.”
Observe a evolução:
INSIDER 1.0
"Eu sei antes."
↓
INSIDER 2.0
"Eu tenho dados que você não possui."
↓
INSIDER 3.0
"Eu sei como você será classificado."
↓
INSIDER 4.0
"Eu sei como a máquina vai ler você."
Essa última frase deveria causar algum desconforto.
Porque conhecimento sobre comportamento algorítmico pode ser reutilizável.
Enquanto determinada arquitetura permanecer operacional, compreender suas características pode continuar tendo valor.
🧨 E se alguém tentar jogar com o sistema?
Agora entramos no território adversarial.
SEO começou com uma ideia perfeitamente razoável:
“Vamos tornar páginas compreensíveis para mecanismos de busca.”
Depois alguém percebeu:
“Espere... se entendermos o ranking, talvez possamos subir nele.”
Nasceram otimizações legítimas.
Depois vieram técnicas agressivas.
Depois spam.
Depois manipulação.
Depois mecanismos tentando detectar manipulação.
Depois manipuladores tentando escapar dos detectores.
Uma corrida armamentista.
Imagine a versão jurídica:
IA auxilia recuperação jurídica
↓
advogados estudam IA
↓
descobrem heurísticas
↓
petições são otimizadas
↓
tribunal detecta gaming
↓
algoritmo muda
↓
mercado adapta novamente
Parabéns.
Acabamos de inventar:
Black Hat Legal SEO.
🎰 Justiça Gacha: SSR Algorithm Whisperer
Agora chegamos ao cenário deliberadamente alarmista.
Imagine dois cidadãos formalmente iguais perante a Justiça.
Um contrata um escritório comum.
Outro possui recursos para contratar uma estrutura capaz de estudar profundamente os sistemas automatizados envolvidos.
A diferença poderia virar:
F2P LAWYER
Direito............. ██████████
Jurisprudência...... █████████
Retórica............ █████████
AI Intelligence..... ██
WHALE LAW FIRM
Direito............. ██████████
Jurisprudência...... ██████████
Retórica............ ██████████
AI Intelligence..... ██████████
SSR CARD UNLOCKED:
"ALGORITHM WHISPERER +10"
É engraçado.
Até deixar de ser.
Porque uma infraestrutura pública não deveria criar vantagens materiais simplesmente porque uma das partes possui maior capacidade de compreender peculiaridades ocultas do intermediário tecnológico.
⚖️ A Justiça pode continuar cega — mas a máquina talvez não seja
A imagem tradicional da Justiça vendada representa imparcialidade.
Mas sistemas automatizados introduzem outra pergunta.
Não basta perguntar:
“A máquina sabe quem são as partes?”
Precisamos perguntar:
“Ela trata representações juridicamente equivalentes de maneira suficientemente equivalente?”
Imagine a mesma tese produzida em cinco formas:
A → linguagem tradicional
B → linguagem simplificada
C → estrutura extremamente explícita
D → ordem dos argumentos modificada
E → semanticamente otimizada
Passamos todas pela mesma infraestrutura.
Se alterações estilísticas sem diferença jurídica substantiva provocarem resultados radicalmente diferentes na recuperação ou sumarização...
temos um problema.
Isso é testável.
Aliás, deveria ser testado.
🧪 Red Team de toga
Sistemas judiciais baseados em IA deveriam ser submetidos a testes adversariais extremamente agressivos.
Não apenas:
“O modelo responde corretamente?”
Mas:
“Um escritório extremamente competente consegue fazê-lo responder diferentemente?”
Teste documentos equivalentes.
Troque estrutura.
Troque ordem.
Troque terminologia.
Teste chunking.
Teste documentos enormes.
Teste citações.
Teste ambiguidades.
Teste conteúdo adversarial.
Teste prompt injection.
Teste tentativas deliberadas de aumentar artificialmente relevância.
E faça tudo supondo que do outro lado existe alguém:
inteligente, financiado e motivado.
Porque eventualmente haverá.
🔐 Não esconda tudo
Existe uma tentação perigosa:
“Então ninguém deve saber como funciona.”
Cuidado.
Security through obscurity possui limitações conhecidas.
Se apenas vinte pessoas conhecem características importantes de um sistema:
CONHECIMENTO RARO
↓
VALOR AUMENTA
↓
INCENTIVO PARA OBTER
↓
RISCO DE INSIDER
Transformamos conhecimento técnico em commodity premium.
Aspectos necessários à igualdade processual deveriam possuir transparência adequada.
Detalhes cuja publicação criasse vulnerabilidades reais precisariam naturalmente de proteção.
Essa fronteira exige governança.
💣 Não espere o primeiro escândalo
Talvez nada parecido aconteça.
Tomara.
Talvez os sistemas sejam projetados de maneira extremamente robusta.
Excelente.
Talvez as ferramentas permaneçam restritas a tarefas onde esse tipo de vantagem seja irrelevante.
Melhor ainda.
Mas segurança possui uma regra maravilhosa:
não esperamos o incidente para descobrir a ameaça.
Quando projetamos Internet Banking, presumimos atacantes.
Quando protegemos mainframes, presumimos abuso de credenciais.
Quando construímos sistemas antifraude, presumimos fraudadores tentando compreendê-los.
Por que uma infraestrutura de IA aplicada ao Judiciário deveria ser projetada presumindo usuários passivos?
Se bilhões de reais podem depender de processos, o incentivo econômico já existe.
A única variável desconhecida é se existe alguma vantagem explorável.
☕ Dois sujeitos chegaram nisso tomando café
E talvez esta seja a parte mais provocativa.
Esta hipótese não nasceu numa consultoria milionária.
Não nasceu num laboratório de segurança.
Não nasceu numa universidade.
Nasceu numa conversa.
Começamos discutindo censura.
Passamos por Google.
Meta.
Microsoft.
LinkedIn.
Yahoo.
Copernic.
ChatGPT.
Gemini.
Algoritmos.
Prompt injection.
IA no Judiciário.
E em algum momento apareceu uma pergunta:
“Se os advogados começarem a escrever pensando também na IA, quanto valerá saber exatamente como essa IA interpreta o documento?”
Então colocamos:
R$ 300 milhões.
E o problema apareceu imediatamente.
Agora imagine alguém que não está tomando café.
Imagine um escritório com centenas de milhões de reais em disputa.
Imagine orçamento.
Equipe.
Dados.
Especialistas.
Tempo.
Infraestrutura.
E incentivo econômico.
A pergunta relevante não é:
“Eles fariam alguma coisa ilegal?”
Essa pergunta acusa pessoas que nem conhecemos e não leva muito longe.
A pergunta de segurança é muito melhor:
“Se existir uma vantagem explorável, haverá incentivo suficiente para alguém procurá-la?”
A resposta parece difícil de ignorar.
🧙♂️ O insider do século XXI
Durante décadas tememos o sujeito que possuía informação antes do mercado.
A próxima geração talvez seja diferente.
Talvez a informação mais valiosa não seja:
“Sei qual será a decisão.”
Talvez seja:
“Sei como o sistema que ajuda a organizar a decisão representa aquilo que você escreveu.”
Isso não significa que chegaremos lá.
Significa que precisamos pensar nisso antes.
Porque quando algoritmos começam a intermediar instituições, conhecer o algoritmo pode adquirir valor econômico.
E quando conhecimento possui valor econômico, alguém tentará obtê-lo.
Essa não é uma acusação.
É simplesmente uma velha propriedade humana.
Portanto, se a inteligência artificial realmente ocupar espaço relevante no futuro do Judiciário, transparência, auditabilidade, segregação de funções, gestão de insiders, testes adversariais, igualdade de acesso e supervisão humana não poderão ser tratados como acessórios tecnológicos.
Eles passarão a fazer parte da própria arquitetura da Justiça.
Porque a Justiça pode usar inteligência artificial.
Pode usar embeddings.
Pode usar RAG.
Pode usar modelos que ainda nem inventamos.
Mas existe uma propriedade que ela não pode terceirizar:
a igualdade entre aqueles que chegam diante dela.
E talvez a pergunta que o mercado jurídico devesse começar a fazer hoje não seja:
“Como posso usar IA para escrever uma petição melhor?”
Talvez seja:
“O que acontecerá quando alguém descobrir como escrever uma petição melhor para a IA?”
☕🧙♂️⚖️
E aí, meus caros...
chamem o Red Team antes que chamemos a corregedoria.
