Artigo apresentado como Trabalho de Conclusão de Curso, com base no ano de 2019/2020. Entre outras tecnologias, aborda a Inteligência Artificial e seu funcionamento, de maneira sucinta, para explanar o seu funcionamento e os desafios que podem obstar.

INTRODUÇÃO

A inteligência artificial é ferramenta cada vez mais utilizada na sociedade, inclusive no âmbito do Poder Judiciário, haja vista a iminente Quarta Revolução Industrial que ocorre por meio da computação cognitiva. Estima-se, por consequência disto, que cerca de 80% dos empregos da forma que conhecemos hoje não venham mais a existir até 2030, segundo Nuzzi (2017).

Neste aspecto, vários debates vêm se produzindo na seara jurídica, de forma a incitar questionamentos e preparar o campo para viabilização da aplicação de tais tecnologias, com o fim de combater a morosidade processual, bem como revolucionar a forma de aplicação do Direito, momento em que pode-se citar a vigência do Processo Judicial Eletrônico, que já importou em significativo impacto da tecnologia na realidade concreta, dando o primeiro passo à implantação da computação cognitiva: dados tratáveis para a criação do big data.

Em escala global, o Brasil encontra-se atrasado no que pertine à aplicabilidade da computação cognitiva no intuito de racionalizar e melhorar a forma produtiva do judiciário. A exemplo, a Inglaterra e os Estados Unidos têm se destacado na produção teórica e prática sobre a utilização dos sistemas de inteligência artificial e tecnologias diversas, como o Luminance (site oficial), que opera de forma a realizar pesquisas complexas com delimitação de precedentes, julgados e doutrinas a serem utilizadas.

No entanto, no ano de 2019, o Superior Tribunal de Justiça e o Supremo Tribunal Federal deram início aos projetos pilotos Sócrates e Victor, que, embora operem de forma diferente, ambos visam a redução da morosidade processual na qual o sistema judiciário brasileiro se acomete.

No que toca a morosidade processual, dados do Conselho Nacional de Justiça, em sua revista Justiça em Números 2020 (ano base 2019), estimam que existem 80 milhões de processos em tramitação atualmente, e, em um procedimento que dependa de tramitação até o segundo grau de jurisdição, leva-se cerca de 11 anos de decurso processual para que se atinja o trânsito em julgado e a consecutiva entrega satisfativa do direito.

O uso dos artifícios de inteligência artificial somente vem a contribuir com princípios norteadores dos procedimentos jurisdicionais, colocando, em ênfase, a celeridade processual, a razoabilidade do processo e o princípio da eficiência.

Contudo, como realizar tais atividades sem que se atinja outros princípios, como o juiz natural? Ou, quais as implicações que a utilização dessas inteligências poderiam ser efetivamente onerosas ao exercício regular de profissões relacionadas ao direito, da forma serventuária ao exercício da advocacia? Estariam os profissionais aptos ao futuro que os permeia?

Nesta perspectiva, a hipótese é de que os profissionais deverão desenvolver técnicas laborais para que a computação cognitiva sirva de impulso ao trabalho exercido pelos operadores do Direito. Em relação ao juiz natural, explicar que a decisão, de fato, nunca sairia da competência do juiz, uma vez que o sistema entrega minutas, e não a própria sentença, assim, não ferindo ao princípio citado, outrossim, serviria de forma a agilizar a entrega satisfativa com colação de jurisprudências, doutrinas e dispositivos que se apliquem diretamente ao caso específico, através dos algoritmos precisos da computação cognitiva.

Estudar e pormenorizar tais questões depende de pesquisas por meio de artigos e situações hodiernas em sociedades que já aplicaram tais sistemas e pesquisas, de forma a adaptar as evoluções que, de fato, acontecerão e dialogar com os movimentos conservadores contra a evolução que remonta o ludismo nas primeiras revoluções industriais.

            Por abordar tema relevantemente novo e de elevado impacto social, a metodologia exploratória terá fundamental importância. A pouca familiaridade com o assunto, aliada ao receio de redução de empregos é nítida. De praxe, o humano tende a temer aquilo que desconhece, razão pela qual o conhecimento é a ferramenta provedora de clarividência. Assim, explorar e familiarizar-se com o assunto é assaz válido. Aproximar-se, também, do funcionalismo da inteligência artificial e saber diferenciar conceitos como big data, robô, machine learning e entender sua origem e desenvolvimento até a modelação da presente Quarta Revolução Industrial.

            O procedimento de pesquisa ocorreu por meio de pesquisas bibliográficas (livros, ebooks) e por artigos que tratam sobre o tema. Foi utilizado, por igual, dados do judiciário, como tempo de tramitação processual com análise através de números fornecidos pelo Conselho Nacional de Justiça.

            Após a correlação dos dados, o foco foi a abordagem qualitativa entre os dados conseguidos das estatísticas analisadas, com o fim de explicitar os principais impactos da pesquisa: se positivos ou negativos e quais precauções seriam necessárias para o desenvolvimento pleno das tecnologias no meio judicial.

2. Definição de Inteligência Artificial: Escorço Histórico

O conceito de Inteligência Artificial é mais bem explanado após detalhar sua consecução, começando por sua origem e desenlaces, para, somente assim, possamos diferenciar o que, por muitas vezes, confunde-se com atos meramente operacionais.     

Oliveira (2019) menciona que a ânsia em descobrir se uma máquina poderia esboçar comportamentos humanos é antiga, remontando diversas mitologias, como a grega, em que Éfeso, deus do fogo e da tecnologia teria “criado mulheres mecânicas, serviçais de ouro, que respondiam aos seus desejos e também mesas com três pernas, dotadas de rodas, que podiam deslocar-se autonomamente nos palácios dos deuses”.

Atento a isto, percebe-se que, mesmo quando inexistia qualquer domínio sobre o assunto, tampouco máquinas realmente autônomas como as atuais (cita-se os robôs que trabalham na produção de automóveis, bem como aqueles que auxiliam em pequenos afazeres domésticos, como os robôs aspiradores) sempre esteve presente, na sociedade, o interesse em seu desenvolvimento.

Mesmo no século XVII, Hobbes expressaria tal ideia. Em passagem de seu livro, O Leviatã, menciona que o raciocínio humano decorre da habilidade de realizar algoritmos, relações numéricas complexas. Sendo assim, caso o raciocínio humano fosse sistematizado, poderia, portanto, ser replicado.

Com a evolução histórica, Lovelace, estudiosa inglesa, interessada pelos estudos de Babbage[1], concluiu que os computadores são somente utilizados para a consecução de atividades das quais são previamente programadas, não podendo ser autônomas, uma vez que, para tal atributo, se exige originalidade e criatividade, características unicamente humanas.

Um século após, Turing e Church enunciam que todas as máquinas existentes são equivalentes entre si e, em palavras simples, poderiam realizar qualquer cálculo que tivesse resultado. Assim, se Hobbes (2014, p. 46) diria que o cérebro humano, ao raciocinar, não faz mais do que operações matemáticas, logo, seria possível reproduzi-lo e criar, por conseguinte, a inteligência artificial.

Turing (1950) foi quem deu maior ênfase a estes estudos, criador do “Jogo da Imitação”, o qual baseava-se em avaliar se um homem e uma máquina eram capazes de manter uma conversa sem que o humano desconfiasse que estava sendo respondido por um programa computacional. Ainda, defendeu que não levaria mais de 30 anos para que os primeiros computadores racionais fossem elaborados. Embora tenha tido uma falha considerável de, pelo menos, 20 anos em sua previsão, foi assertivo em dizer que, no futuro, a computação cognitiva estaria sendo objeto de estudo e eventual aplicação, até mesmo, na função julgadora.

Neste espeque, sobressai que a Inteligência Artificial, em si, não se confunde com o corpo operacional (hardware), mas é uma operacionalização da racionalização humana que poderia ser expressa por um simples programa (software).

Hoje, assistentes virtuais, como a Alexa, conseguem entreter o ser humano com suas funcionalizações, evitando desgastes físicos ao acender uma lâmpada pelo comando de voz, tocar a música preferida ou fechar as cortinas ao anoitecer, o que não seria possível caso não houvesse a primeira imaginação dos corpos autômatos, ou, a cogitação de que o pensamento humano poderia ser expresso por algoritmos.

Por fim, cabe dizer que o conceito de inteligência artificial é complexo, mas, grosso modo, Turner (2019, p. 16, tradução livre) conceitua como “habilidade concedida a uma entidade não natural para tomar decisões por meio de um processo avaliativo”.

3. A Quarta Revolução Industrial

Revolucionar está intrinsecamente relacionado ao ato de romper: renuncia-se paradigmas para que novas ideias surjam e possam ser trabalhadas de maneira mais efetiva.

As primeiras revoluções tiveram como marco a restruturação geral de uma sociedade, em que a criação de centros urbanos e o modo de vida, como conhecemos hoje, fosse implantado e aceito como o mais eficiente.

Nelas, as atividades humanas repetitivas foram alvo de reestruturações no decorrer dos séculos, sendo que, a princípio, foram substituídas atividades rotineiras que seriam replicadas com maior índice de acerto do que por humanos, afinal, é fato que sistemas conseguem realizar tais atividades de forma mais célere e eficiente. Pugliano (2018 p. 17), em “Os robôs querem seu emprego”, é assertivo em afirmar “qualquer função que seja previsível e rotineira será um alvo para o melhoramento da eficiência através da automatização”. Foi o que aconteceu em diversos setores industriais impactando empregos que existiam no século anterior, que foram substituídos, sendo exigido, por outro lado, especialização.

Por sua vez, a quarta Revolução Industrial, para Steibel, Vicente e Jesus (2019, p.54):

Envolve sistemas ciberfísicos, nos quais os humanos interagem com máquinas, e também se coloca a “internet das coisas”, na qual as máquinas interagem entre si. A principal diferença entre essa atual fase e os avanços tecnológicos anteriores é a grande interação entre os mundos físico, digital e biológico. Um dos aspectos fundamentais da quarta Revolução Industrial é a ampliação das possibilidades e dos potenciais de aplicação da Inteligência Artificial

Neste aspecto, este momento vem com o intuito de atingir, ainda mais, os setores industriais e áreas não afetadas anteriormente, nas quais se destacam o Direito e a Medicina: “o efeito real da próxima onda de automatização será mais sentida pela classe trabalhadora anteriormente protegida, que inclui por exemplo quadros médios de gestão, profissionais da área do direito e da medicina” , conforme Pugliano (2018, p. 23)

Isto ocorre, pois o fator crucial desta ruptura se dá pelo implemento da computação cognitiva: profissionais intelectuais agora competem com sistemas automatizados que conseguem tomar decisões próprias através de seus bancos de dados e o aprendizado de máquina.

Todavia, tal implementação tecnológica deve ser encarada como o surgimento da internet, que nos ensinou que seus potenciais e usos estão muito além das definições primariamente cogitadas, pois, o que foi criado apenas com o intuito de comunicação governamental, hoje, é ferramenta indissociável do dia-a-dia, com sua valorização ainda mais ascendente devido à pandemia do corona-vírus ocorrida no ano de 2020, o que potencializou o processo disruptivo social.

Schwab (2016, p. 16) explica que a quarta revolução industrial é algo fabricado por nós mesmos e está sobre nosso controle. Ou seja, é fruto da criatividade humana. Portanto, sua aplicação e impactos serão percebidos na medida que forem permitidos.

            O que é necessário é a preparação. Augusto Comte, conforme uma de suas frases mais famosas “ver para prever a fim de prover”, diria que este é o momento de previsões, a fim de que, no presente, se trabalhe a especialização dos profissionais com o intuito de que estes estejam aptos a encarar as alterações em seus cargos.

            O primeiro passo já está sendo feito: estima-se que boa parte dos empregos, da forma que conhecemos, não venham mais existir até 2030. O artigo “Estas profissões podem acabar até 2030 (ao menos para os humanos)” da jornalista Camila Pati, publicado pela revista Exame (online) anota 10 profissões com previsão de automação, entre elas, chamam atenção os pilotos de aviões, contadores e analistas jurídicos.

Diante destes impactos, a sociedade deve rever paradigmas, para que se adeque e reestruture as profissões impactadas.

4. funcionalismo da inteligência artificial

Em nosso cotidiano estamos cercados de sistemas de inteligência artificial que desempenham variadas atividades, algo que poderia ser considerado inimaginável há uma década. Se desejamos acender uma luz ou fechar uma cortina sem sair do conforto de uma cama, a ALEXA  pode ajudar; a comodidade de não precisar de chaves para ligar automóveis se deve ao Tesla; se não queremos ter o trabalho de pesquisar filmes compatíveis às nossas preferências, o Sistema de Indicação da Netflix se encarrega disto, sendo apenas alguns dos exemplos.

No entanto, indaga-se: como é o funcionamento de um sistema de inteligência artificial? Esta é uma questão que se responde com base em qual funcionalidade ele se encarrega: se de análise de dados (analytics/knowledge-based) ou de aprendizagem autônoma (machine learning – aprendizado de máquina).

Para Gutierrez (2019, p. 85), sistemas de análise de dados, “a grosso modo, são aqueles que cruzam dados já estruturados e nos ajudam a fazer correlações e buscar padrões”. Neste espeque, os dados analisados e os parâmetros de tratamentos de dados apenas são princípios nos quais o utilizador pode manipular dentro de um contexto.

Por sua vez, o aprendizado de máquina são, segundo Engelmann e Werner (2019, p. 156), “algoritmos que exigem programação mínima para aprender regras baseadas em padrões que identificam por conta própria”.

O aprendizado se dá por meio da coleta de dados encontrados no sistema de armazenamento, chamado de “big data”. A partir da colheita das informações, com base nas experiências pré-estruturadas, se tem a tomada de decisão, de forma que quanto mais dados forem insertos no sistema, mais se constata o aprendizado, este que ocorre de forma autônoma, permitindo às máquinas que generalizem e apliquem predições e, através destas, captem problemas que humanos, por vezes, não eram capazes de perceber.

Desta forma, ao contrário da programação clássica, não há pelo programador a inserção de todos os dados/hipóteses possíveis e uma resposta direcionada, mas, sim, um treinamento consistente na apresentação de situações e a permissão de que o sistema generalize, e, portanto, seja criado um modelo capaz de aprender a partir de predições inscritas naqueles dados.

O modelo fica cada vez mais assertivo conforme mais dados são apresentados no treinamento, sendo, portanto, uma ordem direta de proporcionalidade.

Por exemplo, em um sistema de reconhecimento de imagem, o programador apresenta várias imagens de cadeiras. Nesta situação, demonstra que cadeiras podem ter duas pernas, três pernas, encostos e formatos variados. Demonstra também objetos parecidos, mas que não são cadeiras, como banquetas e poltronas. Contudo, apesar de introduzir muitos exemplos, não se consegue demonstrar todos os tipos de cadeiras existentes no mundo, mas foi exibido que existem vários formatos e diversas possibilidades para o que são cadeiras. A partir daí, o machine learning, consegue identificar qualquer imagem de cadeira, mesmo que esta imagem não tenha sido apresentada antes, por meio da generalização.

Logo, se apresentados dados que demonstram qual a resolução possível para um caso, a máquina pode criar soluções para aquele determinado litígio.  

Importante consignar, também, que existem três principais espécies de abordagens no machine learning: a supervisionada, não supervisionada e por reforço. As duas primeiras são as mais utilizadas no cotidiano e sua diferença principal encontra-se na rotulação de dados: o sistema supervisionado “etiqueta” os dados, demonstrando, por exemplo, casos que foram e que não foram fraudes, de forma que, ao analisar a situação e visualizar os dados de sua “memória” o modelo entenda o que pode ser, por exemplo, uma fraude em cartão de crédito. Neste aspecto, pode ser utilizado para classificações (exemplo da fraude), ou, para regressões, que podem ter o objetivo de fazer estimativa em valores de ações, por meio de uma regressão lógica. CORTIZ (2020, online) comenta que:

Hoje, as técnicas utilizadas na IA dividem-se nas seguintes abordagens principais: o aprendizado supervisionado, o aprendizado não supervisionado e o aprendizado por reforço. Mais comuns, tanto o aprendizado supervisionado quanto o não supervisionado dependem de um grande volume de dados para que a máquina aprenda. No primeiro caso, os dados precisam ter sido previamente “rotulados”, como uma espécie de etiqueta sobre o que representam. Quando um conjunto de dados sobre transações de cartão de crédito possui um campo que especifica se houve ou não fraude, por exemplo, há o aprendizado supervisionado, sendo possível treinar um sistema antifraude para classificar compras futuras.

Em seu turno, o aprendizado não supervisionado tem o condão de proceder segmentações de grupo e dispensam a rotulação, sendo muito utilizado em sistemas de recomendação, separação de clientela por gostos e afinidades, entre outros casos. Por fim, o aprendizado por reforço é aquele que dispensa o uso de dados: a máquina aprende através de sua interação com o ambiente, em uma sequência de erros e acertos, até que se alcance a perfeição; é muito comum na área de Robótica e jogos.

É com base nestas abordagens que a computação cognitiva atinge patamares que a capacidade humana não consegue alcançar, sobretudo na análise de dados e entrega de resposta precisa. A aplicação vai além do que apenas conceder comodismo e conforto ao homem no bem estar de sua casa ou de seu carro, mas sim, como forma de viabilizar mais eficiência à prestação de serviços outrora realizados apenas pela inteligência humana.

O artigo de Engelmann e Werner (2019, p.160) pondera que a computação cognitiva pode substituir o advogado em certas práticas, utilizando um experimento realizado pela LawGeex, empresa de inteligência artificial da área jurídica por meio de uma competição entre 20 advogados e sua Inteligência Artificial:

A tarefa consistiu em revisar cinco termos de confidencialidade. Os resultados foram surpreendentes. A IA conseguiu encontrar 94% das incongruências, enquanto que a média dos advogados humanos encontrou apenas 85%; um dos advogados humanos conseguiu chegar ao mesmo percentual da IA, ou seja, 94%; entretanto, o trabalho de um advogado humano achou apenas 67% das incongruências. Quer dizer, este advogado humano deixou passar 27% das incongruências que existiam nos termos examinados.

Outra questão foi o tempo gasto; a IA terminou a atividade em menos de 26 segundos, enquanto que a média dos advogados humanos utilizou uma hora e meia de trabalho para a execução da mesma tarefa.

Extrai-se disto que a inteligência artificial conseguiu realizar com primazia, ainda em 2017, trabalho que humanos demorariam muito tempo para fazer e, mesmo assim, atingindo índices de imperfeição, se colocado em ênfase o trabalho do advogado cujo êxito foi de 67%.

Visualiza-se que já adentramos ao nível de replacement Technologies (tecnologia de substituição), na qual Sourdin (2018, online) aponta que “a tecnologia pode substituir funções e atividades que foram realizadas anteriormente por seres humanos”. Contudo, ainda existe o nível disruptivo (disruptive Technologies) que pode alterar sobremaneira a forma com que conhecemos a prática de atividades, sobretudo, judiciária.

5. Aplicação no Judiciário

A aplicação da computação cognitiva ao funcionalismo do poder judiciário consagraria princípios processuais e constitucionais valiosos, sobretudo a celeridade e eficiência, previstos no art. 37, da Constituição Federal/88, em que se implanta na função de auxiliar na eficiência tão almejada nos tempos hodiernos.

As máquinas auxiliam na produção de documentos que são complexos e realização de cálculos e pesquisa das quais o humano não pode competir. O Reino Unido e os Estados Unidos já desenvolveram sistemas que automatizam funções e propulsionam a atividade de todas as partes do judiciário, a exemplo, o Luminance, desenvolvido pela Universidade de Cambridge, que faz a revisão e procura cláusulas abusivas contratuais, auxiliando advogados na elaboração de cláusulas mais seguras, bem como análise de qualquer outro documento que lhe seja submetido. Ainda, cita-se o DoNotPay, criado em 2016 em funcionamento em Nova York e Londres, que atua como um advogado online, para contestar multas de estacionamento, como se constata do artigo de Felipe e Perrota (2018, p. 5).

Ante a complexidade destes sistemas, vê-se que o Brasil se encontra demasiadamente atrasado, no entanto, já dá seus primeiros passos.

O Projeto Sócrates, do Superior Tribunal de Justiça, iniciado em agosto de 2019, tem como objetivo a análise de recursos do Superior Tribunal e confecção de sugestões de minutas. No Seminário Novos Processos e Tecnologia, realizado na sede do referido tribunal, em 23/09/2019, no qual estive presente, o Ministro João Otávio de Noronha expôs que seu funcionamento, embora sugira decisões e seu conteúdo, não retira do julgador a decisão, esta somente prolatada após a devida leitura de todo o ato.

            Já o Projeto Victor, do Supremo Tribunal Federal, que teve seu início em setembro de 2019, tem seu funcionamento, por ora, limitado à realização de juízo acerca de repercussão geral, em conferência de requisitos e juízo de admissibilidade, respondendo os quesitos estão adequados. A respeito deste sistema, Luiz Fernando Martins de Castro (2020, online), em “Uso da Inteligência Artificial no meio jurídico: mitos e realidade”, explica que:

A ferramenta analisa se um recurso encaminhado àquela Corte trata de um tema já excluído da apreciação do tribunal por não cumprir com o requisito da repercussão geral, isto é, por não representar benefício coletivo, seja em termos jurídicos, econômicos, políticos ou sociais. Na prática, uma tarefa que consumia, em média, 44 minutos de atenção de um funcionário passou a ser realizada em apenas cinco segundos. De acordo com o Tribunal, atualmente o sistema se ocupa apenas de 23 dentre 1.065 assuntos ou teses possíveis, mas já existem outros temas sob treinamento, sendo razoável antever o crescimento brutal de seu emprego e os ganhos de produtividade.

Sendo assim, percebe-se que a Inteligência Artificial é uma realidade da qual o Brasil não pode escapar. O ministro Paulo de Tarso, em palestra na Fundação Henrique Cardoso, em São Paulo, manifestou que a resistência brasileira quanto à implantação desses sistemas é uma questão de mudança de mentalidade, ainda, que países como Uruguai e Chile já estão mais avançados que o Brasil.

Ainda assim, é inegável que não há como competir com a computação cognitiva em tarefas que sejam repetitivas, só que isto não importa na extinção da advocacia, mas sim na valorização de elementos que são precipuamente humanos. A matéria “Advocacia 4.0: Manual Completo do Advogado do Futuro”, do blog Freelaw, faz um apontamento de que, na atualidade, o advogado que se limite ao conhecimento de apenas uma determinada área do direito, irá, sim, ser inutilizado, devendo o novo profissional adotar técnicas de subjetividades, abordagem, empatia, além de noções de empreendedorismo e técnicas de Growth Hacking, Customer Success, Gestão de Conflitos, Soft Skills.[2]

            ​​​​Importante ressaltar o tema de Tecnologia, Inovação e Cultura da Advocacia-Geral da União (Enastic AGU), debatido no segundo dia do Encontro Nacional, em que o presidente do Superior Tribunal de Justiça (STJ), ministro João Otávio de Noronha explicitou que o advento das novas tecnologias possibilitou mais eficiência e mais qualidade (STJ, 2020, online):

Não deixamos reduzir a qualidade do trabalho; muito pelo contrário, demos mais celeridade e qualidade. Deslocamos uma série de funcionários das secretarias para os gabinetes e outros setores carentes. Esse salto tecnológico foi importante para rever os processos de trabalho.

Na mesma ocasião, o Ministro fez questão de salientar que a atividade humana não foi substituída, contudo, houve melhora significativa na triagem dos processos e seleção de matérias repetitivas:

Vamos nos valer da inteligência artificial, de programas que racionalizam os processos, mas o computador não decide, não faz voto. Ele pesquisa numa base de dados e propõe decisões, que muitas vezes precisam ser corrigidas (...) ela vai propor informações sobre as teses existentes, mas a decisão será sempre humana.

Nada obstante, Sourdin (2018, online), entende que as Inteligências Artificiais poderiam, em 10, 20, ou 30 anos, remodelar completamente o sistema judiciário, eliminando comportamentos humanos variáveis, uma vez que existem juízes mais emocionais, outros mais racionais. No mesmo sentido, ressalta que existem três níveis de alteração tecnológica:

As I have noted in previous work, there are three main ways in which technology is already reshaping the justice system. First, and at the most basic level, technology is assisting to inform, support and advise people involved in the justice system (supportive system). Second, technology can replace functions and activities that were previously carried out by humans (replacement Technologies). Finally, at a third level, technology can change the way that judges work and provide for very different forms of justice (disruptive technology), particularly where processes change significantly, and predictive analytics may reshape the adjucative role. It is at these second and third levels that issues emerge in terms of the impact of technology on the role and function of a judge in so far as the adjucative function is concerned.[3]

Do citado texto, extrai-se que existem três níveis de tecnológicos que afetam o meio jurídico, sendo, o primeiro, como uma forma de suporte: seriam os programas de computador, como Word, Excel, até os mais específicos, como SISCOM e bancos de pesquisas de jurisprudência (cita-se sites de Tribunais, Jusbrasil), que não utilizam inteligência artificial. Já o segundo nível consubstancia-se na tecnologia de substituição, esta que toma o lugar do homem em certas atividades e é o que se presencia na atualidade: práticas humanas estão sendo alterados por programas específicos com índices assertivos maiores, sendo nas diversas áreas e diversos setores. O último nível de tecnologia, o disruptivo, no entanto, é algo que se encontra distante da realidade concreta, haja vista que pesquisadores não têm previsão de quando um sistema de IA poderia conquistar a singularidade. Neste nível, acredita-se que haverá uma dissociação abrupta na sociedade, podendo, de fato, atingir sobremaneira a atividade do julgador.

Atento a estes dados, estima-se que a profissão do juiz tem 40% de chance de ser substituída:

Uma pesquisa realizada em 2017, procurou identificar a probabilidade de determinadas profissões serem substituídas pela automação, por força da inteligência artificial. Em relação aos advogados, identificou-se 3,5% de probabilidade de substituição pelo aprofundamento da inteligência artificial; já a atividade dos juízes em 40% de probabilidade de substituição pela inteligência artificial. (Engelmann e Werner, 2018, p. 158)

Todavia, como dito, para que haja uma substituição, far-se-ia necessário a existência de uma Inteligência Artificial Geral, a ponto de alcançar a singularidade[4], aquela que pode replicar todo o conhecimento humano, o que, por ora, corresponde a uma realidade distante, haja vista que a tecnologia existente permite que se faça sistemas específicos para problemas específicos, o que não é similar à inteligência humana.

Por outro lado, tais especificidades podem ser aplicadas, em conjunto, num mesmo sistema, tornando o seu “corpo” prático e capaz de desenvolver atividades diversas, o que traz, consigo, um grande aliado à prática judiciária.

Neste raciocínio, atividades meramente procedimentais, com foco em combater a morosidade, como despachos de natureza mais simples: determinar realização de pesquisas aos sistemas conveniados, despachos iniciais e até mesmo sentenças de homologação de acordo ou aquelas com altos índices de repetição, como indenizações por inscrições indevidas em sistemas de proteção de crédito, podem ser realizados por sistemas de Inteligência Artificial, com a observação das normas públicas e atentos a transparência.

6. Morosidade processual

A praxe forense é repleta de comentários acerca da lentidão processual, fato que corresponde a vivência jurídica destes locutores.

A realidade fática do andamento processual é o que perpetua esse pensamento, visto o procedimento quase “ad eternum” de alguns processos. Não se ignora que há tempos se discute meios para viabilizar eficiência e celeridade: o incentivo à autocomposição (art. 3º, §2º do CPC) e a procedimentos extrajudiciais (inventários, divórcios) são exemplos.

Tal fato se dá pela superlotação do judiciário, com processos paralisados, na contramão da entrega da atividade satisfativa em tempo razoável.

Segundo dados do Conselho Nacional de Justiça, na revista “Justiça em Números, edição 2020 (ano base 2019), estima-se que um processo de conhecimento leve, em média, 3 anos e 5 meses até a baixa na primeira instância. Caso vá à fase de cumprimento de sentença/execução, soma-se mais 8 anos e 3 meses, o que significa dizer que há processos judiciais com duração média de 11 anos e 8 meses.

Outro dado relevante são os processos ainda pendentes, com média de 4 anos e 2 meses de duração. Destaca-se o segundo grau de jurisdição do Tribunal de Justiça do Paraná, com processos pendentes há 6 anos e 5 meses.

O curioso, nesta situação, é que os dados demonstram que a fase cognitiva, que demanda dilação probatória e o convencimento do juiz é mais rápida que a fase executiva, na qual o juiz apenas emite atos executórios para a concretização do direito.

Nada obstante, a 2ª instância tem se mostrado mais célere, visto que o tempo médio até o julgamento é de 10 (dez) meses. Mesmo assim, ainda se trata de um tempo desproporcional.

Com base nisto, entende-se que o judiciário se encontra em situação precária, sem conseguir fazer jus aos princípios norteadores da atividade processual, isto, por si só, gera a sensação social de ineficácia, pois, problemas que deveriam ser resolvidos de forma célere, demoram anos para apresentarem seus resultados.

Parte da morosidade se dá pelo congestionamento, ou seja, o período que o processo fica parado, sem movimentação: 82% na fase de execução e 58% no conhecimento. Isto demonstra que se um processo de conhecimento tem duração de 4 anos até a baixa, durante 2 anos e 32 dias, aproximadamente, os autos se encontraram parados. Se posto em evidência um processo de execução, equivaleria a 3 três anos e 28 dias, aproximadamente.

Tais dados revelam uma realidade drástica que necessita de uma solução, sendo a Inteligência Artificial uma possível saída, haja vista que atividades meramente procedimentais, como despachos para determinar a realização de penhoras,  simples prosseguimentos de feito ou sentença com mera análise documental e de direito, que podem ser facilmente atribuídas a um sistema de machine learning.

Por outro lado, a morosidade poderia ter sido acentuada o ano de 2020, devido a pandemia ocasionada pelo Corona-Vírus e as limitações impostas para se assegurar a saúde sanitária social. No entanto, por mais que processos físicos estivessem suspensos, os eletrônicos continuaram com tramitação. Não fosse a implantação do PJ-e (Processo Judicial Eletrônico), vários processos continuariam suspensos e sem andamento.

Há de se falar, também, no plano do TJMG de virtualização de todos os processos físicos, conforme as Portarias Conjuntas Nºs 1025/PR/2020 e 1026/PR/2020. Tal fato auxilia na extinção dos procedimentos físicos, ao menos na seara cível, o que colabora para o desenvolvimento de novas tecnologias contra a morosidade processual e alimenta o sistema com possíveis dados aptos a tratamento para o treinamento dos sistemas de cognição artificial.

7. Principais DESAFIOS e princípios afrontados

O ordenamento jurídico e a Constituição Federal impõem princípios que permeiam toda relação pessoal e processual para uma melhor interação social e jurídica.

Vários destes princípios possuem aspectos que se encaixam perfeitamente mesmo diante revoluções, como os princípios da boa-fé processual (art. 5º do CPC), dignidade da pessoa humana (art. 1º, III da CF), devido processo legal (art. 5º, LIV da CF), ampla defesa e contraditório (art. 5º, LV da CF), enfim.

Entretanto, a realidade concreta pode se ver forçada a readaptar princípios corolários, o que enseja desafios na processualística clássica.

Um dos princípios a ser debatido é o juiz natural, que, embora não tenha previsão no texto constitucional, é percebido de forma implícita em seus artigos, a exemplo, art. 5º, XXXVII: "não haverá juízo ou tribunal de exceção" e art. 5º, XXXV: "a lei não excluirá da apreciação do Poder Judiciário lesão ou ameaça a direito".

Tal princípio consiste, portanto, na garantia de saber de antemão quem irá julgar: um sujeito competente, imparcial e independente.

Entretanto, como saber que tal sistema de inteligência artificial é imparcial? Haja vista a necessidade de treinamento anterior para que se tome as decisões acertadas.

Leva-se em conta que carregar o aprendizado de máquina com vieses estereotipados e preconceituosos não é algo que foge à realidade, como foi percebido em sistemas de reconhecimento de face, utilizado para identificar procurados, que errou significativamente na identificação de criminosos, apontando inocentes e gerando prisões indevidas (UOL, 2020), e o mecanismo de seleção de candidatos da Amazon, que se comportou de maneira machista, pois apenas selecionava homens para os cargos vagos, devido a percepção do sistema que levou em consideração a maior quantidade do gênero masculino nos cargos gerais e de chefia, concluindo, portanto, que homens estavam mais aptos aos cargos (EXAME, 2018).

CORTIZ (2020), em seu artigo “Inteligência Artificial, equidade, justiça e consequências”, demonstra que os dados utilizados para o treinamento podem resultar em um modelo que perpetue tendências indesejadas:

Um sistema de IA bem treinado é capaz de reconhecer padrões pouco visíveis até mesmo para um especialista. Contudo, a fonte e a qualidade dos dados utilizados nesse sistema influenciam como ele irá se comportar. Nesse contexto, em 2016, a rede de jornalismo investigativo ProPublica divulgou um artigo que colocou um novo desafio: os dados podem ter vieses discriminatórios, e a IA é capaz de potencializá-los. Com o título provocativo Machine Bias (viés de máquina, em tradução livre), o texto mostrou que um dos sistemas mais utilizados nos Estados Unidos para avaliar o risco de reincidência criminal apresentava resultados enviesados pela cor da pele do indivíduo analisado, classificando pessoas negras como duas vezes mais propícias à reincidência do que pessoas brancas. Ao aprender os padrões das sentenças emitidas pelos juízes, o sistema passou a deliberar de forma parecida. O caso nos faz refletir se é certo que um sistema perpetue comportamentos indesejados, ainda que tenha aprendido com um histórico de decisões humanas.

Por consequência, grande preocupação cinge na existência de vieses, o que afetaria a equidade na aplicação da justiça, afrontando, portanto, a imparcialidade do juiz.

Mas, como eliminar estes vieses, seria isto algo possível?

Para responder tal questão, a princípio, necessário avaliar se o pensamento humano é parcial. Cediço que todos têm inclinações e percepções de vida diferente, o que acarreta visualizações diversas devido às circunstâncias.

Estas formas de pensar inconscientes são chamadas de heurísticas e, Natanael Lud (2018, p. 28-32), em sua dissertação “Desconfiando da (im)parcialidade dos sujeitos processuais”, explica que, em síntese, correspondem a vieses comportamentais com base em nossa experiência guardada no “banco de dados” do cérebro. Considerando isto, quando um indivíduo é indagado sobre determinada situação já conhecida, tende a responder de forma intuitiva com as informações constantes de sua memória (muitas vezes imprecisas), podendo conduzi-lo a decisões equivocadas com base em premissas duvidosas. No mesmo artigo, o autor cita uma situação na qual é possível inferir as inclinações de um julgador:

Observe-se a primeira cena do documentário “Justiça”, dirigido por Maria Augusta Ramos, em que um cidadão negro, guardador de carros, em uma cadeira de rodas - aparentemente com as pernas amputadas - é levado até uma sala de audiência, onde o juiz lhe pergunta se a acusação realizada contra ele é verdadeira, ao que responde que não. Em seguida, o juiz pergunta como se deu sua prisão, ao que responde que estava na rua, no carnaval, quando pessoas, ao passarem por ele, deixaram ali objetos que possivelmente haviam sido furtados. Em seguida, policiais se aproximaram, abordaram o cidadão e questionaram onde estavam os demais infratores. O cidadão informa ainda que os policiais o agrediram e insistiram para que desse informações acerca dos mesmos. Por não ter o cidadão provido as informações, relata que os policiais o levaram para a delegacia de polícia, onde ele afirmou novamente que não sabia do paradeiro dos marginais, insistindo ainda que, diante de sua limitação física, seria impossível que pulasse muros para assaltar casas. É possível observar que o juiz determina que se tome nota em ata apenas de questões pontuais da narrativa do cidadão, desconsiderando o fato de estar em uma cadeira de rodas, tratando o caso como apenas mais um simples relato de furto. Apenas mais adiante, quando o cidadão pede que responda pela acusação recolhido a um hospital, e não à cadeia, face às suas dificuldades de locomoção, é que o magistrado se atenta para suas condições físicas.

No caso citado, é perceptível a incidência do viés de estereótipo em duas situações diferentes: num primeiro momento, o julgador parece predisposto a considerar o cidadão culpado, tendo em vista a história narrada, seus trajes, sua ocupação e sua etnia. Entretanto, ao tomar ciência da condição física do acusado e do fato de que ele já estava na cadeira de rodas quando foi preso, o julgador parece mudar sua linha interpretativa, provavelmente por considerar que seja difícil que uma pessoa com as pernas amputadas participe de um assalto a uma residência em que, inclusive, a fuga teria se dado pulando-se um muro alto.

Neste aspecto, não se olvida que os treinadores são humanos, portanto, pessoas com inclinações e tendências, eivados de heurísticas de pensamento. Consequentemente, se não é possível eliminar tal comportamento do homem, não é possível afastá-lo completamente da tomada de decisão em sistemas de machine learning supervisionados/não supervisionados, mas mitigá-los a ponto de torná-lo o mais próximo da imparcialidade.

Noutro giro, certos vieses são inaceitáveis, como o machismo e o preconceito racial, elididos em muitas ocasiões.

Para combater isto deve-se colocar em voga outro princípio, intrínseco à Administração Pública: a transparência. Sendo questão que alterará sobremaneira a sociedade, necessário a devida atenção popular e análise de dados que possam carregar vieses preconceituosos ou que conduzam a decisões equivocadas.

Não pode se ignorar que se trata de uma tarefa difícil, afinal, como explicado, o machine learning ocorre por meio de dados pré-existentes no big data, que são em grande monta (milhões, em um sistema que se desenvolva perfeitamente).

Nesta situação, a transparência algorítmica se relaciona diretamente com a transparência que pauta a administração pública (art. 37 da Constituição Federal): é necessário saber quais dados estão sendo incertos no sistema e se estes representam vieses humanos indesejáveis, utilizando-se de corpos técnicos e participação democrática da sociedade, aliando conhecimentos técnicos e populacionais de forma aberta.

Outro desafio se encontra na explanação das decisões. Como cediço, toda decisão tem que ser fundamentada, com previsão no artigo 93, IX da Constituição. Neste raciocínio, para que uma decisão possa, futuramente, ser tomada por uma inteligência artificial, necessita-se que os motivos que conduziram àquele conhecimento sejam expostos de forma clara, de modo que demonstre aos interessados quais foram os fatos e fundamentos que condicionaram aquele posicionamento.

Apesar disto, muitas vezes, sistemas de IA tomam decisões que não explicam os porquês daquele posicionamento, com leitura ininteligível até por técnicos da área de computação.

Para que se consolide na área jurídica o uso da computação cognitiva na elaboração fática de minutas, necessita-se de evolução quanto a área do conhecimento Explanable AI (Inteligência Artificial Explicada). Em razão disto, vários trabalhos neste sentido vêm sendo produzidos, por se tratar de questão intrigante no cenário.

Neste aspecto, tais desafios têm de ser superados antes da plena aplicação da IA, contudo, alguns sistemas já se mostram exitosos, prontos para utilização, conforme se percebeu no decorrer deste ensaio.

Assim sendo, tal situação apenas corrobora a necessidade de ratificação das decisões por um agente humano, ou seja, o juiz que necessariamente deve analisar o conteúdo exposto naquele ato decisório, não afrontando o princípio do juiz natural.

8. conclusão

Com a construção deste trabalho, pôde-se perceber que o tema escolhido é muito peculiar, em ascensão no meio judicial e em toda sociedade, em razão da Quarta Revolução Industrial, período este demarcado pela utilização da Inteligência Artificial nos diversos setores industriais e sociais.

A modificação da forma que conhecemos o meio de trabalhar se impõe na seara jurídica, e o uso destes sistemas irá conferir eficiência no andamento processual, todavia, como se percebeu no decurso deste ensaio, ainda existem desafios a serem superados.

Devido ao fato de os mecanismos de inteligência artificial serem abastecidos com dados primeiramente humanos, nota-se a existência de vieses e características que são inaceitáveis. Neste aspecto, necessário a criação de estruturas de reanálise de dados, para que sejam excluídas características potencialmente preconceituosas dos dados insertos para o treinamento da máquina.

Isto consagraria a transparência administrativa e, também, a transparência algorítmica, de modo a proporcionar segurança jurídica aos jurisdicionados, que saibam a origem dos dados e como estes são tratados no sistema.

Demais disto, as conclusões a serem obtidas pelo uso de inteligência artificial devem ser claras, de leitura inteligível. Portanto, necessário avanços na seara de Explanable AI para que se tenha decisões proferidas sem intermédio de um humano.

Ao momento, sabe-se que, ao menos na atividade julgadora, a posição do humano está assegurada.

Todavia, práticas de mero procedimento podem ser facilmente substituídas, bem como causas simples que não dependam de interpretação extensiva, como, por exemplo, Indenizações por Dano Moral em decorrência de inscrição indevida em sistemas protetivos de crédito.

Em relação aos advogados, o trabalho demonstrou que os sistemas de IA serão utilizados de forma a auxiliar o trabalho. No entanto, deverão se atentar a utilização de técnicas de gestão empresarial, com o foco em empreendedorismo, haja vista que o trabalho repetitivo, sobretudo a elaboração de peças, pode ser facilmente alvo de substituição, levando em conta o cenário de Replacement Technologies.

A seu turno, o Judiciário já adota certos modelos de tecnologia cognitiva, em sua maioria voltados a análise e segmentação de conteúdo, como é o caso do Victor, sistema pertencente ao Supremo Tribunal Federal.

Por fim, conclui que a morosidade processual é um problema que deve ser solucionado e o uso de sistemas de inteligência artificial vão ajudar sobremaneira a atividade no âmbito do Direito, em todos os polos. Não há como fugir: o futuro é certo. Por outro lado, devem ser tomadas todas as medidas assecuratórias para que esta mudança seja menos onerosa possível aos jurisdicionados e aos agentes insertos neste contexto.

referências

BRASIL. Código de Processo Civil Lei 13.105 de 2015. Disponível em < http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2015/lei/l13105.htm>. Acesso em 02 ago. 2020.

BRASIL. Constituição da República Federativa do Brasil. Brasília, DF: Senado Federal: Centro Gráfico, 1988.

BRASIL. Tribunal de Justiça de Minas Gerais. Portaria Conjunta nº 1.025, de 14 de julho de 2020. Diário do Judiciário Eletrônico, Poder Judiciário, Minas Gerais, 13 de jul. de 2020. Edição nº 130, p. 3. Acesso em < http://www8.tjmg.jus.br/institucional/at/pdf/pc10252020.pdf> Acesso em 28 set. 2020.

BRASIL. Tribunal de Justiça de Minas Gerais. Portaria Conjunta nº 1.026, de 14 de julho de 2020. Diário do Judiciário Eletrônico, Poder Judiciário, Minas Gerais, 13 de jul. de 2020. Edição nº 130, p. 3. Acesso em < http://www8.tjmg.jus.br/institucional/at/pdf/pc10262020.pdf> Acesso em 28 de set. 2020.

BRITO, Carina. Sistema de reconhecimento facial erra, e homem negro é preso por engano. UOL. 2020. Online, < https://www.uol.com.br/tilt/noticias/redacao/2020/06/25/homem-e-preso-apos-erro-de-tecnologia-de-reconhecimento-facial-nos-eua.htm>. Acesso em: 25 set. 2020.

CONSELHO NACIONAL DE JUSTIÇA. Justiça em Números 2020: ano-base 2019. Brasília: CNJ, 2020.

CORTIZ, Diogo. Inteligência Artificial: equidade, justiça e consequências. 2020. Online, <https://cetic.br/pt/publicacao/ano-xii-n-1-inteligencia-artificial-equidade-justica-e-consequencias/>. Acesso em 20 set. 2020.

ENGELMANN e WERNER. Inteligência artificial e Direito. Inteligência artificial e direito: ética, regulação e responsabilidade / coordenação Ana Frazão e Caitlin Mulholland. – São Paulo: Thomson Reuters Brasil, 2019.

ESTADÃO. Inteligência artificial é utilizada para aliviar demanda na justiça. 07 de Outubro/2019. Online. Disponível em <https://politica.estadao.com.br/noticias/geral,inteligencia-artificial-e-testada-para-aliviar-demanda-da-justica,70003041371> Acesso em: 07 set. 2019.

GUTIERREZ, Andriei. É possível confiar em um sistema de Inteligência Artificial? Práticas em torno da melhora da sua confiança, segurança e evidências de accountability. Inteligência artificial e direito: ética, regulação e responsabilidade / coordenação Ana Frazão e Caitlin Mulholland. – São Paulo: Thomson Reuters Brasil, 2019.

HOBBES, Thomas, 1588 – 1679. Leviatã [tradução Rosina D’Angina]. 1ª Edição. São Paulo: Martin Claret, 2014.

LUMINANCE TECHNOLOGIES LTDA. Luminance, 2020. Site oficial com informações sobre o sistema. Disponível em: <www.luminance.com> Acesso em: 14 set. 2020.

NUZZI, Ronaldo. 80% das carreiras atuais não existirão mais em 2030; veja se sua carreira está na lista. Administradores. 2017. Online. Disponível em: < https://administradores.com.br/noticias/80-das-carreiras-atuais-nao-existirao-mais-em-2030-veja-se-sua-carreira-esta-na-lista> Acesso em: 03 ago. 2020.

OLIVEIRA, Arlindo. Inteligência Artificial. Portugal: Fundação Francisco Manuel dos Santos, janeiro de 2019.

PUGLIANO, John. Os Robôs Querem o Seu Emprego. 1ª Edição. Desassossego, junho de 2018.

PRODANOV, Cleber Cristiano. Metodologia do trabalho científico [recurso eletrônico] : métodos e técnicas da pesquisa e do trabalho acadêmico / Cleber Cristiano Prodanov, Ernani Cesar de Freitas. – 2. ed. – Novo Hamburgo: Feevale, 2013.

RESENDE, Julia. Robô advogado: Os advogados humanos serão substituídos?. Freelaw. 2019. Online. Disponível em: <https://blog.freelaw.work/robo-advogado/>. Acesso em 07 ago. 2019.

SOURDIN, Tania. Judge V Robot? Artificial Intelligence and Judicial Decision-Making. UNSW Law Journal, volume 41 (1). Online, <http://www.unswlawjournal.unsw.edu.au/article/judge-v-robot-artificial-intelligence-and-judicial-decision-making>. Acesso em: 07 ago. 2019.

STEIBEL, Fabro; VICENTE, Victor; JESUS, Diego. Inteligência artificial e Direito. Inteligência artificial e direito: ética, regulação e responsabilidade / coordenação Ana Frazão e Caitlin Mulholland. – São Paulo: Thomson Reuters Brasil, 2019.

Supremo Tribunal de Justiça. Presidente do STJ destaca importância da inteligência artificial na gestão e no planejamento da Justiça. 2020. Disponível em: < http://www.stj.jus.br/sites/portalp/Paginas/Comunicacao/Noticias/02072020-Presidente-do-STJ-destaca-importancia-da-inteligencia-artificial-na-gestao-e-no-planejamento-da-Justica.aspx>. Acesso em: 13 ago. 2020.

TURING, Alan. Computing Machinery And Intelligence.  DCC UFJR. Online, < https://dcc.ufrj.br/~luisms/turing/MachineIntelligence.pdf>. Acesso em: 07 set. 2020

SILVA, Natanael Lud Santos e. Os vieses de cognição e o processo jurisdicional democrático: um estudo sobre a mitigação de seus efeitos e o debiasing. PUC-MG. Belo Horizonte, 2018. Online, <http://www.biblioteca.pucminas.br/teses/Direito_SilvaNLS_1.pdf>. Acesso em: 20 set. 2020.

VICENTE, João Paulo. Reconhecimento facial erra muito, e você deveria se preocupar com isso. UOL. São Paulo, 2019. Online, < https://www.uol.com.br/tilt/noticias/redacao/2019/05/27/tecnicas-de-vigilancia-como-identificacao-facial-ainda-sao-falhas.htm>. Acesso em: 25 set. 2020.


[1] Charles Babbage (1837) desenvolveu a máquina diferencial. Arlindo Oliveira (2019 – Inteligência Artificial) descreve “O primeiro projecto de Babbage foi a máquina diferencial, uma máquina de calcular mecânica, baseada em rodas dentadas (...) que poderia ser usada para calcular diversas tabelas matemáticas de forma automática (...). Embora Babbage nunca tenha conseguido construir a máquina diferencial (apenas algumas partes dela) isso não o impediu de publicar, em 1837, uma descrição de um sistema muito mais ambicioso, o engenho analítico(...) era muito mais poderoso e flexível que a máquina diferencial, e podia ser programado para executar sequenciais arbitrárias de instrução, de forma similar à dos computadores modernos” – (Oliveira, Arlindo – Inteligência Artificial, 2019, Fundação Francisco Manuel dos Santos, p. 38 e 39)

[2] São métodos de empreendedorismo. Growth Hacking é uma técnica de desenvolvida em startups que utiliza a criatividade, o pensamento analítico e métricas sociais para vender produtos e ganhar a exposição. Por sua vez, Customer Success é a forma de lidar com o cliente, no intuito de garantir sua satisfação com a empresa. Já a Gestão de Conflitos se relaciona a técnicas que auxiliam o profissional a adquirir habilidade no momento de lidar com uma situação complicada. Por último, Soft Skills São as competências sociais, emocionais e mentais ligadas à personalidade de cada um, que estão em alta: colaboração, flexibilidade, capacidade de trabalhar sob pressão, comunicação eficaz, orientação para resultados e liderança de equipe.

[3] “Como observei no trabalho anterior, existem três maneiras principais pelas quais a tecnologia já está remodelando o sistema de justiça. Primeiro, e no nível mais básico, a tecnologia está ajudando a informar, apoiar e aconselhar as pessoas envolvidas no sistema de justiça (sistema de apoio). Segundo, a tecnologia pode substituir funções e atividades que foram realizadas anteriormente por seres humanos (Tecnologias de substituição). Finalmente, em um terceiro nível, a tecnologia pode mudar a maneira como os juízes trabalham e fornecer formas muito diferentes de justiça (tecnologia disruptiva), particularmente onde os processos mudam significativamente e a análise preditiva pode reformular o papel adjuvante. É nesses segundo e terceiro níveis que surgem questões em termos do impacto da tecnologia no papel e na função de um juiz no que diz respeito à função adjuvante.” (tradução nossa)

[4] Singularidade, segundo Cortiz (2020, online), consiste na teoria de que inteligência artificial se desenvolveria a ponto de superar a inteligência humana, no entanto, tal conceito é rechaçado por pesquisadores.


Autor


Informações sobre o texto

Trabalho realizado como um dos requisitos para graduação pela Faculdade Dinâmica do Vale do Piranga - FADIP.

Este texto foi publicado diretamente pelo autor. Sua divulgação não depende de prévia aprovação pelo conselho editorial do site. Quando selecionados, os textos são divulgados na Revista Jus Navigandi.

Comentários

0

Autorizo divulgar minha mensagem juntamente com meus dados de identificação.
A divulgação será por tempo indeterminado, mas eu poderei solicitar a remoção no futuro.
Concordo com a Política de Privacidade e a Política de Direitos e Responsabilidades do Jus.

Regras de uso