O STJ deu um passo aparentemente simples na digitalização da atividade jurisdicional. Pela emenda regimental 53, de 30 de junho de 2026, acrescentou o art. 343-A ao regimento interno para determinar que iniciais de ações originárias e recursos dirigidos à Corte tragam um resumo dos fundamentos de fato e de direito, dos pedidos, das decisões impugnadas e dos dispositivos legais invocados1.
A instrução normativa STJ/GP 42, de 19 de agosto de 2026, revelou, entretanto, que não se trata apenas de uma política de concisão. O resumo será estruturado em campos próprios e tem como finalidade expressa facilitar a triagem, a classificação e o agrupamento automatizados de processos por sistemas de inteligência artificial, além da identificação de controvérsias e da organização da pesquisa jurisprudencial.
A exigência ainda depende de portaria específica da presidência do tribunal e, portanto, não se encontra plenamente operacional. Essa circunstância recomenda cautela: ainda não conhecemos a arquitetura que processará essas informações nem podemos atribuir ao STJ falhas hipotéticas de um sistema cuja operação concreta não foi apresentada.
Mas a norma permite discutir algo anterior ao funcionamento de qualquer modelo. Quando o Poder Judiciário exige que uma parte transforme sua petição em uma representação estruturada destinada também ao processamento automatizado, não está apenas pedindo que o advogado escreva menos. Está criando uma nova camada informacional entre aquilo que foi alegado e os mecanismos que organizarão a atenção institucional sobre o processo.
E é nessa camada (mais do que na imagem futurista de “máquinas conversando entre si”) que começam os problemas mais interessantes.
Não estamos apenas resumindo petições
Todo processo judicial contém mais informação do que qualquer julgador consegue considerar simultaneamente. E toda organização judicial seleciona, hierarquiza e resume informações. Ementas, relatórios, classes processuais, assuntos, precedentes e sistemas de indexação existem justamente para tornar administrável um universo de documentos muito maior do que a capacidade humana de leitura.
A novidade, portanto, não está na síntese. Está em transformar a síntese produzida pelo próprio litigante em componente formal de uma infraestrutura automatizada de classificação.
Ao definir previamente os campos que deverão representar cada processo, o tribunal define também aquilo que sua infraestrutura considerará computacionalmente visível. Fundamentos, fatos, pedidos, decisões recorridas e dispositivos legais convertem-se em atributos de uma representação estruturada do caso. Isso pode produzir enormes ganhos de eficiência. Dados estruturados são mais fáceis de pesquisar, comparar, agrupar e processar do que documentos livres de centenas de páginas.
Mas nenhuma estruturação é neutra. Todo esquema de dados contém uma determinada concepção sobre aquilo que pretende representar. Escolher os campos significa escolher quais características do litígio receberão existência própria dentro do sistema. Aquilo que não cabe no esquema continua juridicamente presente na petição, mas pode adquirir menor relevância operacional dentro da infraestrutura que organiza o trabalho posterior.
O resumo estruturado funciona, nesse sentido, como uma pequena ontologia processual. E taxonomias exercem poder. Uma classificação pode determinar a fila em que o recurso ingressa, os processos com os quais será comparado, a controvérsia à qual será associado ou a prioridade com que receberá atenção. Em abstrato, nada disso significa decisão judicial. Na prática, porém, sistemas de classificação distribuem um recurso particularmente escasso: atenção humana.
O problema não começa quando a inteligência artificial erra
Falar genericamente em “erro da IA” pouco ajuda. Sistemas de linguagem não leem documentos como pessoas. Dependendo da arquitetura adotada, um fluxo automatizado pode envolver extração de texto, OCR, segmentação de documentos extensos, seleção de trechos, geração de representações vetoriais, recuperação por similaridade, classificação, sumarização ou geração de texto. Cada uma dessas operações produz erros diferentes.
Um método extrativo pode omitir exatamente o trecho relevante. Uma sumarização abstrativa pode estabelecer uma relação que não estava expressa na fonte. Um classificador pode identificar corretamente a categoria estatística e, ainda assim, compreender mal a questão jurídica. Um sistema de recuperação pode selecionar passagens semelhantes linguisticamente, mas distintas juridicamente.
Há ainda um problema conhecido nos modelos de contexto longo. Em testes com modelos de linguagem submetidos a contextos longos, Liu et al. identificaram variação relevante de desempenho conforme a posição da informação necessária à tarefa: em diversos modelos avaliados, a recuperação foi melhor quando a informação estava no início ou no final do contexto e pior quando aparecia em posições intermediárias, fenômeno que os autores denominaram lost in the middle. Os resultados não permitem presumir comportamento equivalente em um eventual sistema do STJ, mas oferecem um parâmetro relevante de validação para aplicações que processem documentos extensos.
A governança começa justamente quando deixamos de perguntar se “a IA acerta” e começamos a perguntar onde, como e em quais classes de casos ela erra. Uma taxa geral de 98% de acerto, por exemplo, pode significar pouco para um tribunal. Se os 2% restantes estiverem concentrados precisamente em casos atípicos, recursos extensos ou teses minoritárias, a métrica agregada esconderá aquilo que mais interessa ao devido processo. O processo judicial existe também para os casos que não se parecem com os demais.
A eficiência tem um preço que precisa ser distribuído
A estruturação das informações representa uma etapa de pré-processamento. Em vez de o sistema judicial extrair integralmente da petição os elementos necessários à classificação, a própria parte será chamada a entregá-los já organizados.
Isso pode ser perfeitamente justificável. O STJ recebeu centenas de milhares de processos em poucos meses, e qualquer política séria de gestão precisa enfrentar um problema real de escala. Dados estruturados tendem a aumentar consistência, reduzir custo computacional e melhorar sistemas de pesquisa e recuperação.
A digitalização, além disso, também pode corrigir falhas humanas. Triagens feitas exclusivamente por pessoas não são necessariamente transparentes, uniformes ou livres de erro. Um sistema automatizado bem governado pode ser mais verificável do que rotinas informais impossíveis de reconstruir depois.
A questão relevante, portanto, não é opor eficiência a direitos. É identificar como os custos, benefícios e riscos dessa eficiência são distribuídos.
Ao exigir informações estruturadas para viabilizar sua automação, o tribunal transfere ao usuário externo uma parcela do trabalho informacional necessário ao funcionamento de sua própria infraestrutura. O advogado deixa de produzir apenas argumentos jurídicos e passa também a produzir dados destinados à organização computacional do processo.
Essa solução tem precedentes conhecidos. Estados utilizam formulários e bases estruturadas em sistemas tributários, previdenciários e administrativos há décadas. A peculiaridade, aqui, está na função que esses dados poderão desempenhar. Quanto maior for sua importância para mecanismos automatizados de classificação, maior será a necessidade de compreender as consequências institucionais dessa delegação.
A própria instrução normativa evidencia uma primeira assimetria. Se o resumo apresentado pela parte for incompleto ou inexato, concentra-se no advogado o dever de fidelidade das informações fornecidas, com possíveis consequências processuais e disciplinares em situações de inexatidão deliberada ou omissão substancial.
Mas o problema inverso é menos claro: o que ocorre quando o resumo está correto e o sistema o classifica incorretamente?
A parte conhece seu dever quanto à qualidade do dado de entrada. Ainda sabemos pouco, contudo, sobre o dever institucional correspondente: como esses dados serão utilizados, qual será sua relevância para a classificação, como erros poderão ser identificados e quais mecanismos existirão para contestá-los.
É precisamente nesse ponto que a mudança deixa de ser apenas procedimental. Quanto mais relevante for o dado estruturado para a operação do sistema, maior será o incentivo para que a advocacia aprenda não somente a escrever para o juiz, mas também a escrever para o classificador.
A expressão “petição machine-friendly” descreve apenas parte do fenômeno. O que começa a surgir é uma advocacia também orientada à infraestrutura.
Litigantes habituais e escritórios de grande volume poderão identificar, por experiência acumulada, quais formulações, estruturas e combinações produzem classificações mais consistentes. Poderão desenvolver modelos, ferramentas de validação e bases históricas capazes de revelar padrões invisíveis ao advogado que litiga ocasionalmente perante o tribunal.
Surge, assim, uma desigualdade distinta daquela tradicionalmente associada à capacidade econômica de contratar melhores profissionais: uma desigualdade de capacidade de otimização para sistemas digitais.
Esse é um ponto particularmente sensível. Se uma formulação juridicamente adequada, porém pouco adaptada à arquitetura tecnológica, recebe tratamento inferior a outra construída especificamente para maximizar sua legibilidade computacional, deixa-se de premiar apenas a clareza jurídica e passa-se a premiar também a capacidade de adaptação à infraestrutura.
Uma infraestrutura pública não deveria impor ao cidadão o ônus de tornar seu caso inteligível para uma máquina cuja lógica relevante de operação ele desconhece. A adaptação da advocacia à tecnologia pode ser prudência profissional. A universalidade da legibilidade das petições legítimas, porém, continua sendo responsabilidade institucional do tribunal.
Classificar é administrar ou começar a decidir?
A fronteira mais difícil talvez esteja aqui. Nem toda classificação é atividade jurisdicional. Tribunais sempre separaram processos por matéria, classe, órgão julgador ou assunto. Automatizar essa tarefa pode ser apenas modernização administrativa. O problema aparece quando o rótulo passa a produzir consequências jurídicas ou cognitivas relevantes.
A resolução CNJ 615/25 é instrutiva. Seu modelo de risco diferencia tarefas administrativas de usos capazes de interferir em atividades mais próximas da função jurisdicional e classifica como de alto risco sistemas utilizados para formular juízos conclusivos sobre aplicação de normas ou precedentes a determinados fatos.
O AI Act europeu construiu distinção semelhante. Sistemas utilizados por autoridades judiciais para pesquisar e interpretar fatos e direito ou aplicar o direito a fatos concretos são tratados como de alto risco; atividades administrativas meramente auxiliares podem ficar fora dessa categoria. A classificação, portanto, deve ser examinada funcionalmente.
Se um sistema simplesmente identifica que um processo pertence à terceira turma, estamos diante de algo próximo à organização administrativa. Mas se identifica que determinado recurso reproduz controvérsia já submetida a precedente qualificado e, por isso, o direciona a um fluxo processual distinto, a questão muda. O problema não está no rótulo em si. Está na passagem do rótulo à consequência.
É nessa transição que a classificação deixa de apenas descrever o processo e começa a regular seu itinerário.
A transparência necessária é a da consequência
Outro aspecto merece atenção. Textos apresentados pelas partes são, tecnicamente, entradas fornecidas por terceiros. Se forem processados por modelos de linguagem generativa, precisam ser tratados como conteúdo não confiável. Isso exige separação rigorosa entre instruções do sistema e conteúdo dos documentos, proteção contra manipulações adversariais, validação de saídas e testes específicos de segurança.
O ponto é relevante porque modelos generativos não recebem apenas “informações”: recebem sequências de linguagem. Dependendo do desenho da aplicação, determinadas sequências podem tentar alterar o comportamento esperado do sistema. Não há elementos públicos para afirmar que isso ocorrerá no STJ ou que sua futura arquitetura será vulnerável.
É exatamente por isso que governança tecnológica séria não pode começar apenas depois do primeiro incidente. Segurança deve fazer parte da avaliação anterior à implantação.
Também é necessário qualificar o debate sobre transparência. Não é evidente que a abertura completa do código-fonte seja sempre a medida mais útil. Em modelos complexos, milhões ou bilhões de parâmetros pouco dizem ao advogado que deseja compreender por que seu processo recebeu determinado tratamento. Transparência relevante é aquela que permite compreender e contestar a consequência, e não apenas observar a tecnologia.
A instrução normativa 42/26 afirma expressamente que as informações introduzidas no resumo estruturado poderão ser utilizadas para triagem, classificação e agrupamento automatizados de processos. O que ainda não está suficientemente claro, contudo, é a arquitetura dessa utilização: quais sistemas consumirão cada campo, que peso terão essas informações em relação à íntegra da petição, quais decisões de organização processual poderão resultar dessa classificação e quais mecanismos permitirão detectar e corrigir erros.
A diferença é relevante. Transparência sobre a finalidade de um sistema não equivale necessariamente a transparência sobre seu funcionamento. Saber que um dado será utilizado para classificar processos informa o propósito da coleta; não permite, por si só, compreender como essa classificação será realizada, quais consequências poderá produzir ou como poderá ser contestada.
Do processo legal ao devido processo informacional
Danielle Citron chamou atenção, há quase duas décadas, para o technological due process: quando sistemas computacionais passam a incorporar escolhas antes realizadas diretamente por agentes públicos, as garantias procedimentais precisam acompanhar essa mudança.
A questão é particularmente relevante no processo judicial. O contraditório não consiste apenas no direito de falar. Consiste em poder influenciar racionalmente a formação da decisão.
Se uma classificação automatizada puder modificar de maneira material o itinerário do processo, o jurisdicionado precisa ter meios de conhecer sua existência e corrigi-la antes que dela decorra prejuízo.
Isso não significa abrir debate contraditório sobre cada operação computacional. Significa assegurar contestabilidade proporcional à consequência.
Quanto menor a consequência, menos intervenção é necessária. Quanto mais próxima a classificação estiver da produção de efeitos jurídicos individuais, maior deve ser a capacidade de revisão.
Essa proporcionalidade evita tanto o tecnofetichismo quanto a reação oposta de transformar qualquer uso de IA em ameaça à jurisdição.
Automação administrativa pode melhorar significativamente o Judiciário. O objetivo não deve ser impedir sua utilização. Deve ser impedir que decisões institucionais relevantes desapareçam dentro da infraestrutura.
O que deveria acompanhar a expansão do modelo
Se a experiência do STJ for posteriormente nacionalizada pelo CNJ, algumas salvaguardas parecem particularmente importantes.
O resumo deve permanecer inequivocamente subordinado à petição. Em qualquer divergência, prevalece a peça processual. Defeitos sanáveis não devem funcionar como nova barreira autônoma de acesso à jurisdição - orientação que, em boa medida, já aparece no procedimento de regularização criado pela Instrução Normativa.
Classificações que produzam consequência processual relevante devem ser registradas e passíveis de contestação.
O tribunal deve manter versionamento dos modelos e componentes empregados, documentação da finalidade, métricas de desempenho por categoria e registros suficientes para reconstrução de incidentes.
A avaliação deve considerar falsos positivos e falsos negativos separadamente. Confundir um processo comum com um repetitivo pode ter consequência distinta de deixar de identificar uma controvérsia relevante. Métricas precisam refletir essa assimetria.
Testes devem incluir casos raros, documentos extensos, estilos de redação diferentes e situações adversariais.
Sistemas atualizados devem ser reavaliados. Em machine learning, o sistema de hoje não é necessariamente o sistema que será executado depois de uma atualização.
E, finalmente, a implantação deveria ser gradual, com comparação entre fluxo automatizado e fluxo humano, critérios previamente definidos de suspensão e mecanismos de revisão independente.
Um sandbox aplicado à Justiça não pode significar experimentar livremente sobre direitos.
Deve significar exatamente o contrário: criar um ambiente em que ainda seja possível experimentar antes que o erro determine o destino do processo.
Afinal, há jurisdição quando as máquinas conversam?
A formulação talvez deva ser invertida. O problema nunca foi saber se existe jurisdição entre máquinas. Máquinas não exercem jurisdição, assim como não assumem responsabilidade moral pelo que produzem.
A questão é saber quanto da atividade que antecede o julgamento pode ser mediada por sistemas automáticos sem tornar invisível o caminho que levou ao resultado.
Joseph Weizenbaum já advertia, em 1976, que a pergunta fundamental sobre computadores não é apenas o que conseguem fazer, mas o que devemos permitir que façam. Hoje é possível formular a questão de maneira mais precisa. Automação não é incompatível com jurisdição. Automação irrecuperável é.
Enquanto for possível identificar a informação de entrada, reconstruir as transformações relevantes, conhecer os critérios que produziram uma consequência e localizar a autoridade capaz de corrigi-la, a tecnologia permanece instrumento do processo.
Quando apenas a assinatura humana for visível, mas o percurso que produziu a decisão já não puder ser reconstruído, teremos preservado a forma da responsabilidade e perdido boa parte de sua substância.
O desafio do resumo estruturado do STJ, portanto, não consiste em decidir se advogados e tribunais poderão utilizar inteligência artificial. Eles utilizarão.
Consiste em impedir que, em nome da eficiência, o processo seja progressivamente convertido numa sequência de representações da qual ninguém mais consiga retornar ao caso original.
_____
STJ. Emenda Regimental nº 53, de 30 de junho de 2026.
STJ. Instrução Normativa STJ/GP nº 42, de 19 de agosto de 2026.
CONSELHO NACIONAL DE JUSTIÇA. Resolução nº 615, de 11 de março de 2025, com alterações posteriores.
EUROPEAN UNION. Regulation (EU) 2024/1689 - Artificial Intelligence Act.
CITRON, Danielle Keats. Technological Due Process. Washington University Law Review, v. 85, 2008.
NISSENBAUM, Helen. Accountability in a Computerized Society. Science and Engineering Ethics, v. 2, 1996.
SANTONI DE SIO, Filippo; VAN DEN HOVEN, Jeroen. Meaningful Human Control over Autonomous Systems: A Philosophical Account. Frontiers in Robotics and AI, 2018.
RUSCHEMEIER, Hannah; HONDRICH, Lukas J. Automation bias in public administration – an interdisciplinary perspective from law and psychology. Government Information Quarterly, 2024.
LIU, Nelson F. et al. Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, v. 12, 2024.
JURAFSKY, Daniel; MARTIN, James H. Speech and Language Processing. 3. ed., versão on-line.
WEIZENBAUM, Joseph. Computer Power and Human Reason: From Judgment to Calculation. San Francisco: W. H. Freeman, 1976.
WIENER, Norbert. Some Moral and Technical Consequences of Automation. Science, v. 131, 1960.
COUNCIL OF EUROPE – CEPEJ. European Ethical Charter on the Use of Artificial Intelligence in Judicial Systems and their Environment.
_____
1. Emenda Regimental 53, de 30 de junho de 2026, do STJ, que acrescentou o artigo 343-A ao Regimento Interno: "Nos termos de ato regulamentar da presidência, todas as iniciais de ações originárias e as petições de recurso dirigidas ao STJ deverão conter resumo dos fundamentos de fato e de direito, dos pedidos formulados, do teor das eventuais decisões impugnadas e dos dispositivos legais invocados pelo autor ou pelo recorrente, conforme o caso".