4 minutos para leitura


Em grande parte dos debates sobre o que é machine learning e como essa tecnologia pode ser usada na área jurídica, a impressão é a de que se trata de uma nova descoberta tecnológica quando, na verdade, o machine learning é apenas uma descoberta em evidência. Muito em função de seus usos possíveis e do tempo que otimiza na advocacia.

Diferente dos seus primórdios, o machine learning usado agora realiza cálculos matemáticos complexos. Esses cálculos podem ser automaticamente inseridos em um big data uma e outra, e outra vez, e assim sucessivamente, com uma velocidade cada vez maior.

É porque o machine learning, que significa aprendizado de máquina em português, é um treinamento feito com as máquinas, para que aprendam com os dados inseridos nelas. Contudo, pode ser que em um certo momento seja desnecessário treiná-las, pois, passam a reconhecer sozinhas as tarefas específicas que precisam desempenhar. Ou seja, cada vez que são expostas a novas informações, adaptam-se, independentemente de haver um novo treinamento.

Dentre os fatores que fazem o machine learning se sobressair, está inclusa a oferta de dados disponíveis, que torna-se maior e mais variada a cada dia, especialmente no meio jurídico. Afinal, todos os dias o Judiciário recebeu cerca de 76,7 mil novos processos no ano de 2018. A informação é do último Relatório Justiça em Números, elaborado pelo Conselho Nacional de Justiça (CNJ).

Portanto, há muitas informações processuais disponíveis no país e que podem contribuir para que escritórios de advocacia e departamentos jurídicos elaborem estratégias para elevar sua competitividade e gerenciar riscos.

Assim, é notório o ganho das empresas e negócios jurídicos que utilizam a análise de dados feita com a aplicação de aprendizado de máquina. As ideias extraídas dessas informações possibilita que haja mais eficiência e assertividade na execução de tarefas, em comparação com empreendimentos semelhantes que ainda não se ativeram às oportunidades proporcionadas pelo uso da tecnologia.

O que é machine learning e quais são suas metologias

Por exemplo, existem departamentos jurídicos que ao entender o que é machine learning e as vantagens do uso das tecnologias em evidência, elaboraram junto a empresas desenvolvedoras de software, uma solução capaz de detectar fraudes em processos.

Quem é do meio jurídico sabe que existem profissionais de advocacia que utilizam-se de todas as possibilidades para fazer com que um litígio tenha um resultado satisfatório para si. Para isso, não se furtam de utilizar meios escusos e fraudulentos, na intenção de driblar o Poder Judiciário.

Em função do que o machine learning apresenta, felizmente os departamentos jurídicos e escritórios de advocacia conseguem identificar essa prática duvidosa e alertar o Judiciário sobre a situação.

Isso é possível em função dos métodos de aplicação do machine learning. Os mais conhecidos são os métodos de aprendizado supervisionado e o aprendizado não-supervisionado. Entretanto, há outros: o aprendizado semi-supervisionado e o aprendizado por reforço.

Além do volume de informações, o maior acesso às inovações tecnológicas, a partir de investimentos razoáveis, em comparação com o início da oferta de novas ferramentas, tornaram as soluções jurídicas baseadas em machine learning uma alternativa viável.

1. Aprendizado supervisionado

Os algoritmos desenvolvidos por aprendizado supervisionado são aqueles treinados a partir de exemplos rotulados. Seu maior uso é em aplicações cujos dados históricos contribuem para identificar padrões e, dessa forma, determinar prováveis eventos futuros.

Um exemplo do uso de aprendizado de máquina supervisionado é a análise da tendência de julgamento. Com base no histórico, pode-se antecipar quais processos são passíveis de acordo, ganho ou perda.

2. Aprendizado semi-supervisionado

Uma das diferenças do aprendizado semi-supervisionado para o anterior é o tipo de dado manipulado. Além dos rotulados, também são explorados dados não rotulados no treinamento de máquina.

A princípio, opta-se por esse tipo de aprendizado quando o investimento para obter dados rotulados é acima do esperado ou do possível em ser realizado.

3. Aprendizado não-supervisionado

Há dados que não possuem histórico. Sendo assim, não há como treinar a máquina para encontrar uma determinada resposta ou padrão. Dessa maneira, a alternativa é deixar o algoritmo explorar as informações para identificar estruturas semelhantes entre elas.

Na prática, esse tipo de aprendizado serve para analisar segmentos de processos com características semelhantes que, ao serem tratados, revelam informações que podem ser usadas estrategicamente pelo departamento jurídico ou escritório de advocacia.

Quando a intenção é diferenciar tópicos de sentenças judiciais, propor itens e encontrar diferenças em ações judiciais semelhantes, pode-se, também, recorrer ao aprendizado não-supervisionado de máquina.

4. Aprendizado por reforço

Soluções de navegação, a robótica e a indústria dos jogos são as que mais utilizam o aprendizado por reforço, que é baseado em testes. Faz-se a primeira tentativa e se observa o resultado. Depois, uma segunda e observa-se novamente. Faz-se uma terceira e assim sucessivamente até identificar o que retorna um melhor resultado em um determinado espaço de tempo.

Independentemente do tipo de aprendizado, o objetivo do machine learning é encontrar um padrão robustos nos dados e, assim, gerar subsídios para a inovação.

O próprio Convex Legal Analytics é uma solução desenvolvida pela Softplan com esse propósito. No eBook Legal Analytics: uma nova plataforma para advogados e departamentos jurídicos essa intenção de oferecer a escritórios de advocacia e departamentos jurídicos análise de dados para a inovação é ainda mais evidente.

Sobre a Softplan

A Softplan é uma das maiores empresas no desenvolvimento de software do Brasil, com cerca de 1,9 mil colaboradores e 29 anos de atuação.

É reconhecida pelo pioneirismo do desenvolvimento do Sistema de Automação da Justiça (SAJ). Atualmente, a empresa é líder em soluções de transformação digital, analytics e inteligência artificial para o ecossistema da Justiça Brasileira.

Por meio de uma ampla linha de produtos e serviços, a Softplan atende aos segmentos de Tribunais, Procuradorias, Ministérios Públicos e Advocacia.