A justiça preditiva usa inteligência artificial para encontrar padrões em decisões judiciais e estimar possíveis resultados de processos ainda pendentes. A ferramenta pode ampliar a pesquisa jurídica e apoiar a organização do Judiciário, mas não compreende o Direito como um jurista nem determina, por si só, qual é a decisão correta.
Modelos de aprendizado de máquina são treinados com dados históricos. Eles podem relacionar características processuais, legislação, competência e aspectos temporais a resultados anteriores. Com isso, ajudam a identificar a probabilidade histórica de procedência ou improcedência, padrões de determinado tribunal, mudanças na jurisprudência e a duração provável de etapas processuais.
O Supremo Tribunal Federal utiliza o Projeto Victor, desenvolvido em colaboração com a Universidade de Brasília, para avaliar recursos extraordinários e identificar questões relacionadas à repercussão geral. Conforme o STF, o tempo de uma etapa da análise caiu de aproximadamente 40 minutos para 5 segundos. Esse resultado acelera o procedimento, mas não significa que a produção da decisão judicial tenha sido automatizada.
O passado como limite
A principal dificuldade está na origem dos dados. Se decisões anteriores refletirem desigualdades, vieses institucionais, mudanças jurisprudenciais ou circunstâncias históricas superadas, o algoritmo poderá reproduzir essas características ao fazer novas estimativas. Quanto mais precisamente o sistema reproduzir o comportamento histórico, maior também pode ser sua capacidade de repetir padrões problemáticos.
A literatura citada no estudo aponta incompatibilidades entre o processamento baseado em dados e a aplicação do Direito ao caso concreto. Também destaca problemas de transparência, vieses e dificuldade de reduzir juízos jurídicos valorativos a padrões algorítmicos. Um sistema pode encontrar correlações estatísticas sem compreender a razão jurídica que levou às decisões usadas no treinamento.
O caso State v. Loomis, decidido em 2016 pela Suprema Corte de Wisconsin, é uma referência nesse debate. Eric Loomis foi avaliado pelo sistema Compas e depois condenado. A corte permitiu considerar o resultado da ferramenta, mas estabeleceu cautelas e limitações diante da falta de transparência, de validações específicas e de possíveis classificações desproporcionais de grupos.
Regras para o uso da inteligência artificial
O Conselho Nacional de Justiça estabeleceu parâmetros para ética, transparência e governança da inteligência artificial no Judiciário por meio da Resolução nº 332/2020. Em 2025, a Resolução nº 615/2025 atualizou a regulamentação e incluiu preocupações relacionadas à inteligência artificial generativa, além de normas sobre auditoria, fiscalização e uso responsável.
As regras mantêm como referências a transparência, a não discriminação, o devido processo, a motivação, a responsabilidade e a supervisão humana. A responsabilidade, portanto, continua atribuída às pessoas e instituições que criam, implantam, utilizam ou apoiam essas ferramentas, e não ao algoritmo.
Há ainda um efeito sobre o próprio sistema judicial: se uma previsão indicar baixa chance de êxito, partes e instituições podem mudar suas estratégias. O comportamento alterado passa a influenciar os dados usados em previsões futuras. Nesse cenário, o algoritmo deixa de ser apenas um observador e se torna parte do sistema que tenta prever.
A inteligência artificial pode mapear padrões difíceis de localizar manualmente, mas previsão não equivale a decisão. O Direito também envolve normas, princípios, fatos singulares, interpretação, argumentação, valores e transformações sociais. O desafio é preservar a responsabilidade institucional e constitucional do Poder Judiciário no ponto em que termina a estimativa produzida pela máquina e começa a decisão judicial.
