Com mais de 75 milhões de processos pendentes e uma média de quatro anos para a conclusão de uma ação, segundo dados do Conselho Nacional de Justiça (CNJ), cresce o interesse pelo desenvolvimento de soluções tecnológicas capazes de aumentar a eficiência da Justiça. Nesse cenário, pesquisadores da Universidade de São Paulo (USP) desenvolvem um modelo de inteligência artificial (IA) de baixo custo voltado para a automação de tarefas jurídicas.
Batizado de LLM4Gov, o projeto integra uma iniciativa mais ampla dedicada ao uso ético da inteligência artificial na governança pública. A proposta é utilizar grandes modelos de linguagem para acelerar atividades repetitivas, como a classificação e organização de processos judiciais, com o objetivo de liberar servidores e magistrados para atividades que exigem interpretação jurídica e tomada de decisão.
IA para organizar o fluxo dos processos judiciais
A solução desenvolvida pela USP em parceria com a Procuradoria-Geral da Fazenda Nacional (PGFN) tem como principal objetivo automatizar a identificação do tema de cada processo logo no início de sua tramitação. Essa etapa, se feita com auxílio da IA, poderia aumentar a precisão do encaminhamento das ações, reduzir o tempo de processamento, evitar gastos desnecessários e reduzir os impactos da demora sobre a vida dos envolvidos.
Atualmente, essa triagem ainda é realizada de forma manual ou semiautomática. Quando há demora ou erro nessa classificação inicial, o processo pode ser encaminhado para setores inadequados, retornando posteriormente para novo direcionamento, o que aumenta o tempo de tramitação. Segundo o professor do Instituto de Ciências Matemáticas e de Computação, Ricardo Marcacini, a utilização de modelos de linguagem permite realizar essa análise essencialmente semântica em larga escala, identificando rapidamente o assunto tratado em cada documento e direcionando o processo ao fluxo adequado desde o início.
Tecnologia desenvolvida para proteger informações sensíveis
Um dos principais diferenciais do LLM4Gov está na forma como foi desenvolvido para atender às exigências de privacidade do setor público. Diferentemente de modelos comerciais de inteligência artificial, nos quais documentos precisam ser enviados para plataformas externas, a solução da USP opera em infraestrutura local e inicia seu treinamento com um processo de anonimização dos dados.
Nessa etapa, informações pessoais são identificadas e removidas antes que qualquer documento seja utilizado no treinamento do modelo. Somente os dados já anonimizados alimentam um modelo de inteligência artificial mais robusto, responsável por transmitir conhecimento a um segundo modelo menor, treinado especificamente para executar tarefas jurídicas. Todo esse processo ocorre em conformidade com a Lei Geral de Proteção de Dados (LGPD) e com o Regulamento Geral sobre a Proteção de Dados (RGPD) europeu, evitando a exposição de informações sensíveis dos cidadãos.
Para reduzir custos computacionais, os pesquisadores empregam técnicas como LoRA (Low-Rank Adaptation) e quantização em 4 bits, que permitem treinar e executar o modelo em computadores com menor capacidade de processamento, dispensando a infraestrutura de alto desempenho normalmente exigida pelos grandes modelos de linguagem. Com isso, a tecnologia torna-se mais acessível viabilizando sua adoção por órgãos públicos com infraestrutura computacional mais limitada.
