A justiça preditiva usa inteligência artificial para analisar grandes volumes de decisões, dados processuais e características de casos a fim de estimar possíveis resultados judiciais. A técnica já integra um movimento mais amplo de digitalização do Judiciário, no qual sistemas são empregados para classificar processos, organizar documentos, localizar precedentes e apoiar tarefas funcionais.
A Comissão Europeia para a Eficiência da Justiça, do Conselho da Europa, reconhece a existência de instrumentos voltados a antecipar o possível resultado de casos levados ao Judiciário. Esses sistemas operam predominantemente com aprendizado de máquina: são treinados com parte de uma base de dados e, diante de um novo processo, identificam regularidades estatísticas associadas a resultados anteriores.
Previsão não é decisão
O modelo não compreende o Direito da mesma forma que um jurista. Ele pode encontrar características frequentemente relacionadas à concessão de uma tutela de urgência, por exemplo, sem compreender a fundamentação jurídica que levou às decisões. A distinção é relevante porque a ferramenta não determina qual seria a decisão correta; ela produz uma estimativa baseada nos padrões observados.
O uso desses recursos pode ampliar a pesquisa jurisprudencial e permitir a análise de milhares de decisões em escala que não seria reproduzida manualmente. Também pode indicar a probabilidade histórica de procedência ou improcedência, padrões de determinado tribunal, a duração provável de etapas processuais e mudanças na orientação jurisprudencial. Essas informações podem influenciar a estratégia processual de advogados e auxiliar o Judiciário na triagem, classificação e estruturação de procedimentos.
No Supremo Tribunal Federal, o Projeto Victor, desenvolvido em colaboração com a Universidade de Brasília, utiliza inteligência artificial para avaliar recursos extraordinários e identificar problemas relacionados à repercussão geral. Conforme o STF, o tempo necessário para uma etapa da análise caiu de aproximadamente 40 minutos para 5 segundos. O exemplo, contudo, está relacionado à aceleração do procedimento e não significa que a produção do julgamento tenha sido automatizada.
Risco de reprodução de padrões
A capacidade de aprender com decisões anteriores também concentra o principal risco da justiça preditiva. Se os dados históricos contiverem desigualdades, vieses institucionais, interpretações superadas ou efeitos de circunstâncias que não deveriam se repetir, o sistema poderá reproduzir essas características ao estimar resultados futuros.
O modelo não dispõe, por si só, de uma teoria jurídica que determine quando um padrão histórico deixou de ser legítimo. Quanto melhor reproduzir o comportamento passado do sistema judicial, maior poderá ser sua capacidade de reproduzir também problemas presentes nesse histórico. A opacidade algorítmica dificulta a compreensão dos dados, critérios e razões que levaram a determinado resultado.
O caso State v. Loomis, decidido em 2016 pela Suprema Corte de Wisconsin, tornou-se referência no debate sobre o uso de algoritmos em decisões judiciais. Eric Loomis foi avaliado pelo sistema Compas e posteriormente condenado. A Suprema Corte permitiu a consideração do resultado, mas estabeleceu cautelas e limitações, entre elas questões relacionadas à validação do sistema e a possíveis classificações desproporcionais de grupos.
A controvérsia mostra a diferença entre informar que casos com determinadas características tiveram certo comportamento histórico e concluir que uma pessoa deve receber tratamento jurídico específico. Também evidencia que o problema não está necessariamente no uso de uma ferramenta estatística, mas na importância atribuída a seu resultado na decisão.
Governança e responsabilidade
Modelos de aprendizado de máquina dependem dos dados utilizados. Distorsões existentes nesse material podem ser reproduzidas ou ampliadas sem que tenha havido programação deliberada de uma discriminação. Por isso, a transparência dos algoritmos e das bases de dados é uma questão central para o emprego da inteligência artificial na tomada de decisões judiciais.
A responsabilidade não pode ser atribuída ao algoritmo. Ela permanece com as pessoas e instituições que criam, implantam, utilizam e apoiam essas ferramentas. O Conselho Nacional de Justiça estabeleceu parâmetros sobre ética, transparência e governança da inteligência artificial no Poder Judiciário por meio da Resolução nº 332/2020.
Em 2025, o CNJ atualizou a regulamentação com a Resolução nº 615/2025, que incorporou preocupações específicas sobre inteligência artificial generativa e estabeleceu normas de governança, auditoria, fiscalização e uso responsável. Entre as diretrizes estão transparência, não discriminação, devido processo, motivação, responsabilidade e supervisão humana.
Outro risco é que a própria previsão altere o comportamento do sistema que pretende antecipar. Se uma ferramenta indicar baixa probabilidade de sucesso para determinado tipo de ação, partes e instituições poderão deixar de recorrer ou mudar suas estratégias. Com isso, os dados usados em previsões futuras também se transformarão.
A justiça preditiva pode oferecer ganhos de eficiência, apoiar a pesquisa jurisprudencial e revelar padrões difíceis de identificar manualmente. Mas o Direito não se limita a regularidades estatísticas: envolve normas, princípios, fatos singulares, interpretação, argumentação, valores e transformação social. A previsão pode ser produzida por uma máquina; a decisão continua vinculada à responsabilidade institucional e constitucional do Poder Judiciário.
