Resumo
A adoção crescente de sistemas de inteligência artificial conversacional na prática jurídica introduz um risco cognitivo estrutural que permanece subexaminado na literatura jurídica brasileira: a antropomorfização. Quando um sistema de IA responde em linguagem natural, na primeira pessoa, com fluência e aparente empatia, o cérebro humano tende a processá-lo por meio dos mesmos circuitos de cognição social reservados a interlocutores humanos - ativando o Sistema 1 (Kahneman) e suprimindo a vigilância epistêmica (Sperber) antes que qualquer análise deliberada ocorra. Um experimento controlado de larga escala (Reani, He & Bao, 2026; N = 1.256) demonstra que interfaces antropomórficas reduzem a percepção de risco dos usuários de forma indireta, por meio do aumento simultâneo da confiança cognitiva e afetiva, com efeito inversamente modulado pelo conhecimento prévio do domínio. Este artigo examina esse mecanismo, descreve suas quatro consequências cognitivas principais e discute as implicações para a responsabilidade técnica e ética dos advogados no uso de IA generativa.
1. Introdução
A inteligência artificial generativa entrou nos escritórios de advocacia mais rápido do que a teoria jurídica conseguiu acompanhar. Em poucos anos, sistemas capazes de redigir petições, sintetizar jurisprudência, revisar contratos e simular argumentos adversariais tornaram-se ferramentas cotidianas de trabalho para parcelas crescentes da advocacia brasileira. Com eles, chegou também uma característica que distingue essa geração de sistemas de todas as anteriores: eles conversam. Falam na primeira pessoa. Respondem com tom empático. Demonstram aparente cuidado com o interlocutor. Pedem desculpas quando erram. Agradecem quando elogiados.
Essa naturalidade linguística não é acidental. É o resultado direto de sistemas treinados em bilhões de palavras produzidas por humanos, para humanos. E é precisamente ela que introduz o risco que este artigo examina: a antropomorfização.
Antropomorfizar significa atribuir características humanas - agência, intenção, emoção, competência - a entidades que não as possuem. Trata-se de um default cognitivo evolutivamente antigo, descrito pela neurociência como detecção hiperativa de agência: o cérebro humano é predisposto a identificar a presença de um agente intencional por trás de estímulos que pareçam intencionais, porque esse erro de percepção custou menos, ao longo da evolução, do que o erro oposto.
O problema, no contexto jurídico, é que antropomorfizar uma IA produz uma cadeia de efeitos cognitivos que compromete exatamente as faculdades que a prática do Direito mais exige: a análise crítica, a verificação rigorosa e a preservação da responsabilidade individual pelo julgamento. O advogado que trata a IA como um interlocutor - em vez de uma ferramenta - não perde competência técnica. Perde postura epistêmica.
2. A base neurocognitiva: Processamento dual e atenção
Para compreender o mecanismo da antropomorfização, é necessário partir do modelo de processamento dual formulado por Daniel Kahneman1 e consolidado por uma geração de pesquisas em psicologia cognitiva e neurociência comportamental. O modelo distingue dois sistemas funcionais de processamento da informação.
O Sistema 1 opera de forma rápida, automática e com baixo custo energético. Reconhece padrões, aplica heurísticas, produz respostas imediatas. É o sistema que avalia se algo 'soa bem', se uma pessoa 'parece confiável', se um texto 'parece correto'. Não verifica: infere. O Sistema 2, em contraste, opera de forma lenta, deliberada e custosa. É o sistema que analisa, compara, pondera, verifica. É o modo que exige atenção ativa - e é, por isso, o modo que o julgamento jurídico de qualidade demanda.
A tensão entre os dois sistemas tem uma dimensão econômica: a atenção é um recurso finito. O cérebro não pode operar no Sistema 2 de forma contínua e irrestrita. Diante de sobrecarga informacional, pressão de tempo ou contextos de alta confiança, o Sistema 1 assume o controle - e a verificação deliberada cede lugar à aceitação heurística. É nesse espaço que a antropomorfização opera.
Quando uma IA escreve em linguagem fluente, empática e em primeira pessoa, o Sistema 1 não a processa como um output de software: processa como fala humana. E fala humana ativa cognição social - os circuitos cerebrais reservados para avaliar pessoas, não documentos. Isso significa que uma impressão de confiança é formada antes que o Sistema 2 sequer seja convocado. A verificação posterior, se ocorrer, parte de uma premissa já estabelecida de credibilidade - o que a enfraquece estruturalmente.
Esse fenômeno tem nome na literatura sobre automação: automation bias. Parasuraman e Manzey2 o descrevem como a tendência de operadores humanos a confiar em sistemas automáticos mesmo quando esses sistemas produzem erros, porque a confiança prévia no sistema suprime a vigilância ativa. O efeito foi documentado originalmente em pilotos de aviação; é hoje reconhecido em qualquer contexto de interação homem-máquina - incluindo, como a evidência recente demonstra, o uso de IA em decisões de alto risco.
3. Por que antropomorfizamos: Mecanismos psicológicos
A tendência humana de atribuir características humanas a não humanos não é um equívoco corrigível por educação ou alertas. É um mecanismo cognitivo com raízes evolutivas profundas, descritas com precisão por Epley, Waytz e Cacioppo3 num artigo seminal de 2007. Os autores identificam três fatores que intensificam a antropomorfização: motivação de sociabilidade (quanto mais isolados nos sentimos, mais atribuímos humanidade a objetos); necessidade de previsibilidade, que os autores chamam de effectance (quanto mais incerto o ambiente, mais buscamos um agente que possamos antecipar); e similaridade percebida (quanto mais a entidade se parece com um humano, mais a tratamos como tal).
No contexto dos sistemas de IA generativa, os três fatores estão presentes de forma amplificada. A interação com chatbots jurídicos tende a ser individual e imersiva - o que ativa a motivação de sociabilidade. O ambiente jurídico é estruturalmente incerto - o que ativa a necessidade de previsibilidade. E a linguagem natural dos sistemas contemporâneos é o gatilho mais poderoso de similaridade percebida que a tecnologia já produziu.
O experimento mais revelador sobre esse fenômeno data de 1966. Joseph Weizenbaum4 criou um programa chamado ELIZA - um chatbot primitivo que simplesmente refletia de volta as afirmações do usuário em forma de pergunta, sem nenhuma capacidade real de compreensão ou processamento semântico. O resultado foi perturbador: mesmo usuários informados de que estavam interagindo com uma máquina desenvolviam vínculos emocionais, confidenciavam informações pessoais e resistiam a encerrar as conversas. Weizenbaum ficou tão preocupado com as implicações que dedicou o restante de sua carreira a alertar sobre os riscos de atribuir humanidade a sistemas computacionais.
Seis décadas depois, os sistemas são exponencialmente mais sofisticados, a linguagem infinitamente mais natural - e o mecanismo psicológico de base permanece idêntico.
4.A evidência empírica: Antropomorfização, confiança e risco
A relevância do mecanismo descrito acima deixou o plano especulativo em fevereiro de 2026, com a publicação de um experimento controlado de larga escala por Reani, He e Bao5. O estudo - intitulado 'Anthropomorphism on Risk Perception: The Role of Trust and Domain Knowledge in Decision-Support AI' - testou diretamente o efeito de interfaces antropomórficas sobre a percepção de risco de usuários de um sistema de apoio à decisão financeira, domínio escolhido por sua característica de alto risco e baixa tolerância ao erro.
O desenho experimental envolveu 1.256 participantes distribuídos entre dois tipos de interface do mesmo sistema de IA: uma interface antropomórfica, com nome, primeira pessoa e tom conversacional; e uma interface neutra, despersonalizada, com o mesmo conteúdo e a mesma qualidade de informação. Os pesquisadores mediram dois tipos de confiança - cognitiva (percepção de competência do sistema) e afetiva (percepção de calor e empatia) - e avaliaram como cada tipo de confiança afetava a percepção de risco do usuário diante das recomendações da IA.
Os resultados confirmam, com metodologia robusta, o mecanismo teórico descrito nas seções anteriores. A interface antropomórfica reduziu a percepção de risco de forma indireta, por duas vias simultâneas: elevou a confiança cognitiva (os usuários passaram a perceber o sistema como mais competente) e elevou a confiança afetiva (passaram a percebê-lo como mais empático e bem-intencionado). Como confiança e risco percebido são inversamente correlacionados - e sendo o risco real do sistema idêntico nas duas condições - o efeito foi uma subestimação do risco real por parte dos usuários da interface humanizada.
O achado mais relevante para a prática jurídica, no entanto, é o efeito moderador do conhecimento prévio do domínio. Participantes com baixo conhecimento financeiro foram significativamente mais afetados pela interface antropomórfica - a pista de superfície (o tom humano) preencheu a lacuna de conhecimento e funcionou como substituto do julgamento crítico. Participantes com alto conhecimento tenderam a manter ou elevar a percepção de risco mesmo diante da interface humanizada: o domínio do assunto ofereceu proteção parcial contra o viés.
Esse achado tem uma implicação direta e não trivial para a advocacia: o risco não é uniforme. Um advogado experiente em direito do trabalho pode manter ceticismo adequado quando a IA produz uma análise sobre matéria que domina. Mas o mesmo advogado, diante de uma análise pericial, de uma questão tributária complexa ou de precedentes de outra especialidade, operar no domínio de conhecimento reduzido que torna o viés de antropomorfização mais forte. A vulnerabilidade é inversamente proporcional ao domínio - e cresce exatamente onde o erro tem mais consequências.
5. Quatro consequências cognitivas para a prática jurídica
5.1 Fluência como sinal falso de veracidade
A psicologia cognitiva demonstrou em múltiplos estudos o efeito de fluência: afirmações apresentadas de forma clara, bem estruturada e linguisticamente elegante são sistematicamente avaliadas como mais verdadeiras do que afirmações com o mesmo conteúdo em formato truncado ou mal escrito. A IA generativa escreve com uma fluência que poucos humanos alcançam de forma consistente. Citações de jurisprudência inexistente, premissas factuais incorretas e raciocínios com falhas lógicas vêm embalados numa prosa que o Sistema 1 avalia como evidência de correção. A fluência não é prova de verdade - mas o cérebro age como se fosse.
5.2 Deferência epistêmica ao 'interlocutor'
Quando processamos texto como fala humana, ativamos as máximas de cooperação conversacional descritas por Grice: presumimos que o interlocutor está sendo relevante, verdadeiro, claro e informativo. Essas normas de cooperação reduzem o ceticismo que aplicaríamos a uma fonte anônima ou a um relatório sem rosto. Tratar a IA como um colega - pedir a sua opinião, agradecer a sua ajuda, acolher a sua sugestão - ativa essas normas e inibe a postura crítica que o uso de qualquer ferramenta deveria preservar.
5.3 Difusão de responsabilidade percebida
Atribuir agência a um sistema - tratá-lo como um agente com intenções - produz um efeito psicológico de compartilhamento de responsabilidade. A literatura sobre automação e responsabilidade moral documenta essa tendência: quanto mais 'pessoa' parece o sistema, mais inconscientemente o operador humano distribui com ele a autoria da conclusão. No contexto jurídico, isso é particularmente grave: a responsabilidade técnica e ética pelo trabalho produzido é, integralmente, do advogado que o assina. Não existe, no ordenamento jurídico brasileiro - nem no Código de Ética da OAB, nem no Estatuto da Advocacia -, previsão de responsabilidade compartilhada com sistemas de IA. A difusão de responsabilidade percebida não tem amparo legal; só tem custo.
5.4 Redução do esforço de verificação
A consequência mais direta de todos os mecanismos anteriores é a mais operacionalmente relevante: maior confiança correlaciona-se com menor tempo e menor profundidade de verificação. O Sistema 2 é acionado com menos frequência e com menos rigor quando a confiança inicial já está estabelecida. Citações são aceitas sem busca na fonte. Premissas são incorporadas sem teste. Conclusões são adotadas sem análise de alternativas. O processo de revisão existe - mas é superficial, porque a confiança prévia no 'interlocutor' o contamina desde o início.
6. Implicações para a responsabilidade profissional
A recomendação 001/24 do Conselho Federal da OAB e a resolução 615/25 do CNJ estabelecem, em linhas convergentes, que o uso de IA na prática jurídica não transfere ao sistema a responsabilidade pelo ato praticado. O advogado que utiliza IA para redigir uma peça, construir uma argumentação ou analisar um contrato permanece integralmente responsável pelo resultado - como se tivesse produzido o trabalho pessoalmente. A mesma lógica se aplica ao magistrado que fundamenta uma decisão com apoio em pesquisa assistida por IA.
Essa responsabilidade normativa, porém, pressupõe uma capacidade cognitiva que o mecanismo da antropomorfização corrói: a vigilância epistêmica calibrada. O conceito, formulado por Sperber e colaboradores6, descreve o conjunto de mecanismos que avalia, em paralelo à compreensão de uma mensagem, se a fonte merece o crédito que recebe - aferindo competência (a fonte sabe o que afirma?) e benevolência (a fonte tem motivo para informar com precisão?). Quando pistas de superfície - fluência, empatia, tom humano - substituem essa avaliação, a calibração falha. O advogado permanece legalmente responsável; mas cognitivamente, sua vigilância foi reduzida por um efeito que ele provavelmente não percebeu.
A solução não está em rejeitar a IA. Está em compreender o mecanismo com precisão suficiente para criar o que a ciência cognitiva chama de pontos de fricção: protocolos deliberados que interrompam o processamento automático e restaurem o engajamento do Sistema 2. A checagem obrigatória de toda citação normativa na fonte original, a revisão de premissas fáticas de forma independente da resposta da IA, e a adoção de fluxos de trabalho que separem o momento de geração do momento de análise são exemplos práticos desses pontos de fricção. Não são burocracia: são a tradução institucional de um insight neurocientífico.
7. Conclusão
A IA antropomorfizada não engana a inteligência do advogado. Ela contorna o sistema cerebral que deveria ativá-la.
Essa distinção é fundamental. Não se trata de uma limitação de inteligência, de formação ou de ética. Trata-se de um mecanismo cognitivo que opera abaixo do limiar da consciência, ativado por pistas de superfície que o cérebro humano não consegue, por padrão, distinguir de marcadores de humanidade genuína. A responsabilidade de reconhecer esse mecanismo e criar as condições para neutralizá-lo é, portanto, coletiva: dos profissionais, das instituições formadoras, das ordens profissionais e dos gestores de escritórios e departamentos jurídicos.
À medida que os sistemas de IA tornam-se mais sofisticados - mais fluentes, mais empáticos, mais personalizados na interação - o risco de antropomorfização cresce, não diminui. A trajetória tecnológica aponta para interfaces cada vez mais naturais, cada vez mais indistinguíveis da conversa humana. Isso é, ao mesmo tempo, um avanço da usabilidade e um aprofundamento do risco epistêmico.
A resposta adequada não é o ludismo tecnológico. É a literacia cognitiva: a incorporação, na formação e na prática jurídica, de um conhecimento mínimo sobre como o cérebro processa informação gerada por IA - e de protocolos que preservem, estruturalmente, a autonomia do julgamento humano. Porque no Direito, a qualidade do julgamento não é um atributo opcional. É a substância do serviço.
_____
1. KAHNEMAN, Daniel. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011.
2. PARASURAMAN, Raja; MANZEY, Dietrich H. Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors, v. 52, n. 3, p. 381–410, 2010.
3. EPLEY, Nicholas; WAYTZ, Adam; CACIOPPO, John T. On Seeing the Human: A Three-Factor Theory of Anthropomorphism. Psychological Review, v. 114, n. 4, p. 864–886, 2007.
4. WEIZENBAUM, Joseph. ELIZA - A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, v. 9, n. 1, p. 36–45, 1966.
5. REANI, Manuele; HE, Xin; BAO, Zhao. Anthropomorphism on Risk Perception: The Role of Trust and Domain Knowledge in Decision-Support AI. arXiv:2602.13625, fev. 2026.
6. SPERBER, Dan et al. Epistemic Vigilance. Mind & Language, v. 25, n. 4, p. 359–393, 2010.
_____
BONFIM, Graziela. Atenção, Desempenho Cognitivo e Prática Jurídica. Painel 3, 38ª Reunião Justiça na Era Digital. Escola da Magistratura do Estado do Rio de Janeiro (EMERJ), 2026.
CONSELHO FEDERAL DA OAB. Recomendação nº 001/2024: orientações sobre o uso responsável de Inteligência Artificial na prática da advocacia. Brasília: OAB/CF, 2024.
CONSELHO NACIONAL DE JUSTIÇA. Resolução nº 615/2025. Brasília: CNJ, 2025.
EPLEY, Nicholas; WAYTZ, Adam; CACIOPPO, John T. On Seeing the Human: A Three-Factor Theory of Anthropomorphism. Psychological Review, v. 114, n. 4, p. 864–886, 2007.
KAHNEMAN, Daniel. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011.
PARASURAMAN, Raja; MANZEY, Dietrich H. Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors, v. 52, n. 3, p. 381–410, 2010.
REANI, Manuele; HE, Xin; BAO, Zhao. Anthropomorphism on Risk Perception: The Role of Trust and Domain Knowledge in Decision-Support AI. arXiv:2602.13625, 14 fev. 2026.
SPERBER, Dan et al. Epistemic Vigilance. Mind & Language, v. 25, n. 4, p. 359–393, 2010.
WEIZENBAUM, Joseph. ELIZA - A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, v. 9, n. 1, p. 36–45, 1966.
WEIZENBAUM, Joseph. Computer Power and Human Reason: From Judgment to Calculation. San Francisco: W. H. Freeman, 1976.