Page 195 - Demo

Rev. Trib. Reg. Trab. 3ª Reg., Belo Horizonte, v. 70, n. 110, p. 189-214, jul./dez. 2024195(TJRO), por exemplo, desenvolveu o sistema “Sinapses”, uma plataforma que utiliza IA para classificar processos e elaborar minutas de despachos, decisões e sentenças. O “Sinapses” é integrado ao Processo Judicial Eletrônico (PJe) e foi projetado para apoiar juízes e servidores, reduzindo a carga de trabalho repetitiva e permitindo maior foco em atividades de maior complexidade. Da mesma forma, o Tribunal de Justiça do Estado de Minas Gerais (TJMG) utiliza IA para a análise de decisões anteriores e a identificação de precedentes que podem ser aplicados em casos similares, promovendo maior uniformidade na jurisprudência (Supremo Tribunal Federal, 2023).Outro exemplo relevante é o uso de IA no Tribunal de Justiça do Estado de São Paulo (TJSP), que emprega algoritmos para realizar a triagem de petições iniciais e processos relacionados à execução fiscal. Com o auxílio da tecnologia, é possível classificar e priorizar os casos de acordo com critérios estabelecidos, otimizando o fluxo de trabalho e reduzindo atrasos. O TJSP também utiliza IA para análise preditiva, ajudando a identificar processos que têm maior probabilidade de serem solucionados por acordos extrajudiciais, incentivando a mediação e a resolução consensual de conflitos (Rodrigues, 2024).As aplicações práticas de IA no sistema Judiciário não se limitam à triagem de processos. Em algumas jurisdições, a tecnologia também tem sido utilizada para transcrição automática de audiências, identificação de inconsistências em documentos e até mesmo no apoio à gestão administrativa dos tribunais. Essas ferramentas não apenas aumentam a eficiência operacional, mas também contribuem para a redução de custos, permitindo que recursos sejam alocados de forma mais estratégica (Caliendo; Pinto, 2024).No entanto, a introdução de IA no Judiciário brasileiro também levanta questões importantes. Embora os sistemas automatizados, como o “Victor”, representem avanços significativos, eles dependem da qualidade dos dados fornecidos e da precisão dos algoritmos utilizados. Erros na programação ou dados incompletos podem comprometer os resultados, levando a decisões equivocadas ou enviesadas. Além disso, há o desafio da transparência algorítmica, pois muitos sistemas de IA operam como “caixas-pretas”, onde o processo de tomada de decisão é difícil de ser compreendido ou auditado por humanos. Isso pode gerar preocupações sobre a imparcialidade e a segurança jurídica, especialmente em casos em que as decisões automatizadas têm impacto direto nos direitos das partes envolvidas (Peck Pinheiro; Rocha, 2023).