Luis Assunção

Ciência de Dados e Inteligência Artificial, tecnologias cada vez mais presentes nas áreas Humanas e que no ano de 2017 foram extremamente discutidas em grandes eventos de Startups, LegalTechs, Conferências de Direito, Fóruns e até mesmo de Hackathons (maratona de codificação e inovação); contudo ainda geram muita dificuldade de  compreensão em relação a sua aplicabilidade, motivando a elaboração desse artigo.

Mas quais são os benefícios para o mundo jurídico?

A entrada do processo e peticionamento eletrônico, que finalizou a circulação de documento em forma de papel, foi um primeiro passo para a modernização do mundo jurídico. No entanto, o “modelo de negócio” continuou o mesmo, por vários motivos, principalmente pela adoção do formato em PDF como meio de comunicação das peças jurídicas, que não traz nenhuma forma  de indexação e/ou busca de palavras ou temas, muito menos permte qualquer tipo de análise automatizada mais profunda, que gere indicadores, análises de causa-raíz e estatísticas; ferramentas estas que facilitariam o dia a dia dos magistrados e advogados, trazendo celeridade nas análises dos processos, bem como um diagnóstico mais aprofundado do seu próprio trabalho e assim, estariam alinhados com a nova visão da Jurimetria.

IA – INTELIGÊNCIA ARTIFICIAL

Inteligência Artificial é a área da Ciência da Computação orientada ao entendimento, construção e validação de sistemas inteligentes, isto é, que exibem, de alguma forma, características associadas ao que chamamos inteligência“.   (Rich & Knight, 1994).

Existem muitos exageros no potencial emprego do conceito de Inteligência Artificial nas soluções de negócio e do Direito. A generalização superficial da adoção dessa tecnologia transmite para os leigos uma sensação de ferramenta mágica, que resolverá sozinho qualquer tipo de problema ou questão.

A Inteligência Artificial é um conceito abrangente, que envolve um conjuntos de várias tecnologias que procuram “imitar” as características humanas (como, por exemplo, a capacidade de ler e entender a linguagem natural). Essas ferramentas tecnológicas, de forma individualizada, resolvem uma necessidade específica. Por exemplo, a tecnologia de big data, de uma forma simplista, está ligada a capacidade de armazenamento de dados (textos, imagens, sons…) em larga escala, em analogia a capacidade humana de memorizar informações, como ilustrado na figura a seguir:

ai

MACHINE LEARNING

Machine Learning é um conjunto de técnicas e modelos estatísticos, permitindo que máquinas desenvolvam modelos e façam predições sem a necessidade de reprogramação. Conforme vão sendo expostas a novos dados, vão aprendendo mais e se adaptando de forma independente. Em conjunto com a capacidade de armazenamento do big data é possível extrapolar o espaço amostral e processar um grande volume e variedade de dados, ampliando em muito o escopo da análise.

Esses modelos analíticos permitem que pesquisadores, cientistas de dados e analistas possam “produzir decisões e resultados confiáveis e repetitíveis” e descobrir os “insights escondidos” através do aprendizado das relações e tendências históricas nos dados.

esquema

 

INDEXAÇÃO PARA EMPODERAMENTO

A Ciência de Dados aplicado ao Direito traz um empoderamento ao magistrado e ao advogado no que se refere ao aprofundamento dos fatos e dos casos reais, permitindo um melhor diagnóstico e aumentando a amplitude de entendimento  em uma visão mais completa do histórico de processos.

Conhecer a realidade é o primeiro passo para transformá-la.

A extração de termos, com o uso automatizado (robotização), pode ser realizada com técnicas (algoritmos) de NLP – Processamento da Linguagem Natural, além do uso de dicionários específicos, denominados “Bases de Conhecimento”  (knowledge bases), que possuem um conhecimento já previamente armazenado e categorizado (p.ex. dicionário de termos que caracterizam um agravante;  lista de entidades; lista de localidades; lista de termos em latim – juridiquês,  etc).

A extração de termos (indexação) é o primeiro passo para o real entendimento, e posterior correlação com as consequências, realizado com a adoção de modelos estatísticos que vão correlacionar as características de cada processo (peça inicial), com seus outros respectivos documentos (acordo ou sentença).

O passo seguinte será a adoção de métodos quantitativos e estatísticos, que irão combinar de forma massiva todas as variáveis e informações extraídas das peças, para entender o comportamento de um conjunto similar de casos, permitindo análise comparativas e regionalizadas ao longo do tempo, detalhando as motivações e causa-raíz, estabelecendo probabilidades e indicadores mais precisos e assertivos para cada tipo de situação.   Tal método de análise é também conhecido por Jurimetria.

Com base em todo conhecimento adquirido, e já calculado os indicadores e percentuais probabilísticos, é possível inferir resultados de novos processos a partir de situações similares a processos passados. É possível, por exemplo, estimar valores otimizados para acordos; estimar a probabilidade de obter uma setença favorável; e até propor, de forma automatizada, uma recomendação de estratégia (defesa ou acordo). Nesse momento final do fluxo de informações, poderemos afirmar que existe realmente “uma inteligência” inserida no Direito. E se esse modelo puder ser automatizado para dar escalabilidade e reuso, de uma forma que as estatísticas sejam sempre retroalimentadas ao longo do tempo, então teremos afinal a tecnologia de Machine Learning aplicada de forma plena.

Se pegarmos, por exemplo, uma sentença judicial, é razoável assumir que seu sentido último é produto não só do que a lei diz, mas também de um intrincado e complexo conjunto de fatores sociais, econômicos e culturais envolvidos em um elaborado processo psicossocial de convencimento, influenciável por fatores como os valores políticos e pessoais dos magistrados, a empatia com as partes, a linha de argumentação escolhida por estas, a experiência de vida do juiz, a pressão institucional exercida por órgãos de controle do Poder Judiciário,  o sentido dos precedentes proferidos em casos análogos, dentre inúmeros outros.”   (GUEDES NUNES, 2016).

Ciência de Dados aplicada ao Direito:

Benefícios para empresas com contencioso massivo:

– Análises de causa-raiz, detalhamento dos problemas e reais motivações;

– Atuar na prevenção e reduzir recorrências e entradas de novos processos;

– Melhorar a previsibilidade e assertividade na provisão de perdas;

– Entender comportamentos e estabelecer correlações;

– Identificar recorrências e ofensores;

– Identificar anomalias e índicios suspeitos (fraudes e abusos);

– Redução do custo operacional e redução de perdas;

– Descrever variabilidades e controlar suas incertezas.

Benefícios para magistrados:

– Dar mais celeridade aos processos;

– Melhorar visibilidade e previsibilidade (projetar tendências);

– Estabelecer correlações e entender comportamentos  (Jurimetria);

– Priorizar os casos mais críticos e com agravantes (liminares, ações cautelares);

– Agilizar o entendimento dos casos (pré-diagnóstico);

– Compreensão detalhada de assuntos específicos do caso concreto;

– Destacar as informações mais relevantes (indexação);

Benefícios para o advogado / escritório do autor:

– Melhorar a previsibilidade e eficácia de ganho do processos;

– Melhorar a estratégia baseada em situações similares;

– Acurácia nas informações a serem repassadas aos clientes;

– Descrever variabilidades e controlar suas incertezas.

Fonte http://www.lexmachinae.com

Por Luis Assunção

Comentários

Comentários