Sentença sem juiz? O uso da inteligência artificial nas decisões judiciais

Graduado em Direito pela Universidade Federal do Rio Grande do Norte (UFRN). Pós-graduando em Inovação e Inteligência Artificial Aplicada ao Direito pelo Damásio Educacional/IBMEC. Advogado e Sócio-Fundador do Escritório de Advocacia Alves, Duarte e Advogados (OAB/RN 9.107). Aprovado no concurso público para o cargo de Juiz Substituto do Tribunal de Justiça do Estado do Tocantins (Edital nº 01/2025), com resultado homologado. Ex-Conciliador do Juizado Especial Cível e Criminal do Tribunal de Justiça do Rio Grande do Norte — TJRN. ORCID: 0009-0001-9425-2668. E-mail: lfduartef84@gmail.com. Este artigo constitui versão condensada de pesquisa desenvolvida pelo autor em monografia de conclusão de curso de pós-graduação, ainda inédita, da qual reproduz, em síntese, a tese, o percurso argumentativo e parte do aparato de fontes.

1 INTRODUÇÃO

Em fevereiro de 2025, o Superior Tribunal de Justiça colocou em operação motor de inteligência artificial generativa destinado à análise de processos e à elaboração de minutas de decisões. No ano anterior, o Supremo Tribunal Federal havia passado a operar ferramenta da mesma natureza, voltada à produção de minutas de relatórios e decisões e à triagem preliminar de reclamações constitucionais. Em março de 2025, o Conselho Nacional de Justiça editou a Resolução nº 615, que revogou a disciplina anterior e estabeleceu, para o Poder Judiciário, arquitetura regulatória fundada em classificação de riscos. Os três fatos ocorreram em pouco mais de um ano: os dois primeiros instalaram, na cúpula do Judiciário brasileiro, tecnologia capaz de produzir texto decisório; o terceiro procurou discipliná-la. Este artigo examina a distância entre eles.

A pergunta que organiza a investigação pode ser formulada em uma linha: até que ponto a inteligência artificial pode participar da formação da decisão judicial sem descaracterizar a jurisdição? A formulação exige duas precisões. A primeira é de recorte: investiga-se a decisão judicial, e não a gestão processual — o objeto começa onde a máquina passa a contribuir para o conteúdo daquilo que se decide. A segunda é de método: a pergunta pressupõe resposta a outra, anterior e menos examinada — o que faz um juiz quando decide? Sem descrição realista da atividade decisória humana, qualquer comparação com o desempenho de um sistema computacional recai em erro de premissa, e o erro contamina a conclusão nos dois sentidos possíveis: idealizado o julgador, superestima-se o que a automação destrói; ignorada a arquitetura processual que o cerca, subestima-se. Por isso o percurso começa pelo juiz, e não pela máquina.

Sustenta-se, como hipótese, que a Resolução CNJ nº 615/2025 acertou na escolha da técnica regulatória — a graduação por risco, de inspiração europeia — e falhou em três pontos que, tomados em conjunto, produzem regime de governança sem capacidade de imposição: a transparência facultativa do art. 19, § 6º; a ausência de consequência disciplinar do art. 40; e o alcance subjetivo que, por força da posição constitucional do Supremo Tribunal Federal, deixa-o de fora — justamente o tribunal que opera o parque generativo mais avançado do país. A hipótese subjacente, que as seções desenvolvem e a conclusão enuncia, é a de que o valor ameaçado pela automação da decisão não é a exatidão, que a decisão judicial nunca teve, nem a transparência, que o processo mental do julgador jamais ofereceu, mas a imputabilidade — a possibilidade de atribuir o resultado a alguém que por ele responda.

A pesquisa é de natureza bibliográfica, documental e jurisprudencial. No plano bibliográfico, recorre-se à literatura estrangeira sobre comportamento judicial, modelos computacionais de raciocínio jurídico, avaliação algorítmica de risco e processo penal, tendo por marco teórico a teoria positiva da decisão judicial de Richard Posner, adotada por sua função específica no argumento: fornecer a descrição realista da cognição judicial contra a qual o desempenho da máquina será medido. No plano documental, examinam-se a Resolução CNJ nº 615/2025 e seu ecossistema normativo, a Lei Geral de Proteção de Dados e, em direito comparado, o Regulamento (UE) 2024/1689, a Carta Ética Europeia da CEPEJ e o art. 22(3) do Regulamento Geral sobre a Proteção de Dados. No plano jurisprudencial, analisam-se decisões do Superior Tribunal de Justiça e de tribunais locais relativas ao uso de ferramentas generativas. Registre-se advertência de método: nenhuma afirmação de fato normativo ou jurisprudencial foi incorporada ao texto sem conferência na fonte primária.

2 COMO PENSA O JUIZ: A COGNIÇÃO JUDICIAL ANTES DA MÁQUINA

2.1 O modelo legalista e a zona aberta

Toda discussão sobre o emprego de inteligência artificial na atividade jurisdicional pressupõe, ainda que de modo tácito, uma resposta à pergunta sobre o que faz um juiz quando decide. Quem imagina a decisão judicial como operação de subsunção — a norma na premissa maior, o fato na menor, a conclusão no dispositivo — tende a enxergar na máquina a promessa de execução mais rápida e mais uniforme daquilo que o juiz humano já faria. Quem parte de outra descrição da atividade decisória chega a conclusões distintas sobre o que pode, e o que não pode, ser transferido a um sistema computacional.

O modelo que sustenta a primeira leitura recebe, em Posner, o nome de legalismo: o legalista decide por aplicação de regras preexistentes, não exerce discricionariedade fora de matérias ministeriais e não busca orientação fora dos textos jurídicos convencionais.^[1] A tese de Posner não é a de que o legalismo seja falso, mas a de que o seu domínio encolheu: “O legalismo existe e, portanto, nem tudo é permitido. Mas o seu reino encolheu e acinzentou, a ponto de hoje se limitar, em larga medida, aos casos rotineiros — de sorte que muito é permitido aos juízes”.^[2] Casos rotineiros são a maioria esmagadora do acervo; o que o autor acrescenta é que essas decisões tendem a ser as menos relevantes para o desenvolvimento do direito. A insuficiência do modelo legalista não é quantitativa: é qualitativa — ele descreve bem o que menos importa.

Como o material legalista se revela incapaz de gerar respostas aceitáveis para todas as questões que o juiz é obrigado a decidir, forma-se um espaço em que o julgador dispõe de discricionariedade decisória. Posner o denomina open area, zona aberta: “Essa incapacidade, e essa dificuldade ou impossibilidade, criam uma zona aberta na qual os juízes dispõem de discricionariedade decisória — uma lousa em branco sobre a qual inscrevem suas decisões —, em vez de serem compelidos a uma decisão determinada pelo ‘direito'”.^[3] Duas qualificações acompanham o conceito. A primeira: a liberdade do juiz na zona aberta é involuntária — não decorre de arbítrio ou ativismo, mas da incapacidade estrutural do material jurídico convencional de decidir todos os casos.^[4] A segunda: nem toda a zona aberta é preenchida por política; a lista de fatores extralegais inclui traços de personalidade, experiência pessoal e profissional e considerações estratégicas de natureza institucional.^[5]

Contra a célebre analogia entre o juiz e o árbitro esportivo, Posner opõe a parábola dos três árbitros a quem se pergunta a epistemologia das bolas e dos strikes:

> O primeiro árbitro explica que os marca como são; o segundo, que os marca como os vê; o terceiro, que não há bolas nem strikes até que ele os marque. O primeiro árbitro é o legalista. O segundo é o juiz pragmático de primeiro grau (como ele os vê). O terceiro é o juiz de apelação que decide os casos na zona aberta. Sua atividade é criação, e não descoberta.^[6]

A parábola merece retenção: ela reaparecerá quando se examinar a classificação de riscos do Anexo da Resolução CNJ nº 615/2025, porquanto a distância entre automatizar o primeiro árbitro e automatizar o terceiro é exatamente a distância entre o baixo risco e o alto risco na arquitetura regulatória brasileira.

2.2 Intuição, incerteza e pré-concepções

A originalidade de How Judges Think não está no diagnóstico da discricionariedade, que o realismo jurídico já formulara, mas na descrição do que ocorre na mente do julgador quando decide nesse espaço. A conclusão que Posner extrai da literatura psicológica é que o pensamento judicial, na zona aberta, opera de modo predominantemente intuitivo — e intuição, aqui, não é sinônimo de irracionalidade: é a capacidade de alcançar um repositório subconsciente de conhecimento sedimentado pela experiência.^[7] Os juízes tampouco se sentem atraídos por metodologias decisórias sistemáticas — e o autor menciona, nominalmente, o teorema de Bayes, as árvores de decisão e a inteligência artificial — pela distinção, cara aos economistas, entre risco e incerteza: os métodos formais exigem probabilidades quantificáveis, e boa parte das decisões judiciais é tomada em condições nas quais as variáveis relevantes não admitem quantificação.^[8] A zona aberta é, por construção, o reino da incerteza.

Sobre as pré-concepções, Posner recorre à teoria bayesiana da decisão: fatores políticos e pessoais formam pré-concepções, com frequência inconscientes, que o julgador leva consigo ao caso — o que explica como um juiz pode acreditar, com sinceridade, que suas decisões não sofrem influência extralegal, enquanto observadores neutros constatam o oposto.^[9] Na conclusão da obra, cunha para o fenômeno a expressão pensamento telescopado: o pensamento de juízes ocupados, obrigados a decidir sob incerteza, é emocional, intuitivo ou fundado em senso comum, e não avança passo a passo a partir de premissas explícitas.^[10] Duas ressalvas impedem que a descrição descambe em irracionalismo. A primeira: os juízes já dispõem, se não de algoritmos formais contra o ponto cego, ao menos de substitutos rudimentares — o processo adversarial e o direito ao voto divergente.^[11] A segunda: é mais plausível que os juízes ajam de boa-fé e se apoiem em intuição e emoção, como quaisquer pessoas obrigadas a decidir sob incerteza, do que supor-lhes vontade deliberada de decidir por política ou implicância.^[12]

2.3 A fundamentação como tecnologia de controle da opacidade

Se a decisão judicial se forma, ao menos em parte, por via intuitiva e sob influência de pré-concepções inconscientes, como submetê-la a controle? A resposta que os ordenamentos construíram não foi a supressão da intuição, mas a exigência de que a decisão se exponha em texto suscetível de exame — no direito brasileiro, o dever de fundamentação do art. 93, IX, da Constituição, densificado no art. 489, § 1º, do Código de Processo Civil. Posner leva a análise a um ponto que a doutrina processual raramente enuncia com tanta crueza: “A decisão judicial publicada pode ser mais bem compreendida como uma tentativa de explicar como a decisão, ainda que (como é o mais provável) alcançada por via intuitiva, poderia ter sido alcançada com base em raciocínio lógico, passo a passo”.^[13] O voto precede a fundamentação; a pesquisa realizada na fase de redação é justificatória, e não exploratória, distorcida pelo viés de confirmação — de modo que, em muitos casos, o raciocínio exposto não é a causa real da decisão, mas uma racionalização.^[14]

A constatação não deprecia a motivação; redefine-lhe a função. A fundamentação não é ata psicológica do processo mental do julgador — é o instrumento que submete uma decisão parcialmente opaca a um padrão de racionalidade auditável por terceiros. Disso decorre consequência direta sobre o objeto deste artigo: o debate contemporâneo sobre a explicabilidade algorítmica costuma apresentar-se como problema inédito, mas a premissa é, ao menos em parte, falsa. O direito jamais teve acesso ao processo mental do julgador humano; o que exigiu, e continua a exigir, é que a decisão venha acompanhada de razões que permitam a terceiros avaliá-la, contestá-la e reformá-la. A caixa-preta não nasceu com o algoritmo. O que a inteligência artificial promove não é a criação da opacidade — é sua transformação de escala e de natureza: a opacidade do juiz humano é individual e enfrentável pelos instrumentos que o processo já oferece; a opacidade algorítmica é sistêmica, replicável em escala industrial e, em certos arranjos, protegida por segredo comercial oponível ao próprio jurisdicionado. E há um agravante: se a fundamentação humana já é, em parte, racionalização a posteriori, a ferramenta generativa que redige minutas sob encomenda industrializa exatamente essa racionalização — veste com aparato argumentativo qualquer conclusão que se lhe apresente.

Resta o passo que abre a seção seguinte, e ele se encontra no próprio Posner, em hipótese contrafactual de precisão notável:

> A mentalidade judicial teria pouco interesse se os juízes nada mais fizessem que aplicar regras claras de direito […] a fatos apurados sem viés nem pré-concepções. Então os juízes estariam em vias de ser substituídos por programas digitais de inteligência artificial.^[15]

A frase foi escrita em 2008 e tinha, à época, o estatuto de ironia acadêmica. Dezessete anos depois, o Conselho Nacional de Justiça classificaria a formulação de juízos conclusivos sobre a aplicação da norma jurídica a fatos concretos como atividade de alto risco — e não de risco excessivo, vedado. O que era hipótese contrafactual tornou-se objeto de disciplina normativa. E a ironia contém um argumento: se a substituição do juiz pela máquina é consequência lógica da descrição legalista da atividade judicial, então a defesa da automação decisória e a defesa do formalismo compartilham a mesma premissa — e a refutação empírica do legalismo atinge as duas.

3 A MÁQUINA CHEGA AO JUDICIÁRIO

3.1 O que a tecnologia efetivamente faz

“Inteligência artificial no Judiciário” é expressão que abriga realidades heterogêneas, e boa parte da confusão do debate público decorre de tratá-las como uma coisa só. Kevin Ashley, na obra que sistematizou o campo, descreve o que os sistemas contemporâneos realizam sobre textos jurídicos: recuperação e classificação de documentos, extração de informação, identificação de argumentos, sumarização e predição de resultados.^[16] Nada disso é, em sentido próprio, “julgar” — são operações sobre a camada linguística do direito, e a observação carrega consequência: um sistema que opera sobre a linguagem das decisões aprende a forma das decisões, não o juízo que as produziu.

Para os fins deste artigo, o inventário será lido sob uma tripartição funcional: (i) a automação de atos ordinatórios — certidões, triagens, movimentações —, que não toca o mérito; (ii) o apoio à decisão — pesquisa, agrupamento por similaridade, sugestão de precedentes, elaboração de minutas —, que toca o mérito sem subscrevê-lo; e (iii) a decisão propriamente dita, em que o produto da máquina se converte, com ou sem chancela meramente formal, no juízo conclusivo sobre a aplicação da norma ao fato. A tripartição encontra correspondência na tipologia de Tania Sourdin — tecnologias de apoio, de substituição e disruptivas^[17] — e, como se verá, na lógica subjacente ao Anexo da Resolução CNJ nº 615/2025. Registre-se, ainda, o que a camada preditiva significa à luz da seção anterior: a jurimetria prevê resultados judiciais a partir de variáveis que não são doutrinárias,^[18] de modo que a predição algorítmica é, em sentido exato, a constatação empírica de que o julgador humano é padrão antes de ser silogismo — confirmação, e não superação, da tese posneriana.

3.2 A infraestrutura brasileira e o parque dos tribunais superiores

A chegada da inteligência artificial ao Judiciário brasileiro não foi um evento, mas uma sedimentação normativa. A espinha dorsal é a Plataforma Digital do Poder Judiciário (Resolução CNJ nº 335/2020), que se define como plataforma única para aplicações e inteligência artificial; sobre ela correm o DataJud (Resolução nº 331/2020) e o Codex (Resolução nº 446/2022), que alimenta a base nacional e serve de fonte de treinamento para os modelos; e o ciclo fecha-se no Sinapses, plataforma nacional de armazenamento, versionamento e auditoria de modelos, reposicionada pela Resolução nº 615/2025 como inventário nacional e instrumento de governança.^[19] A leitura conjunta autoriza uma síntese: o Judiciário brasileiro converteu-se, deliberadamente e por norma, numa plataforma de dados sobre a qual a inteligência artificial não é um acréscimo, mas o passo seguinte do próprio desenho.

No Supremo Tribunal Federal, a trajetória resume a evolução funcional da tecnologia: o Victor (2017) faz triagem de recursos extraordinários por similaridade textual; a VitórIA (2023) agrupa processos; o salto ocorre com a MARIA (2024), primeira ferramenta generativa da Corte, que produz minutas de relatórios e decisões e realiza triagem preliminar de reclamações.^[20] Entre o Victor e a MARIA percorreu-se, em sete anos, a distância entre classificar petições e redigir esboços de decisão. No Superior Tribunal de Justiça, o percurso é análogo: o Sócrates e o Athos operam a gestão de precedentes; o STJ Logos, lançado em fevereiro de 2025, é o motor generativo da Corte, voltado à análise de processos e à elaboração de minutas — no primeiro semestre de 2026, 891 usuários haviam sido capacitados para utilizá-lo.^[21] Fora da cúpula, o diagnóstico é de capilaridade, e a fotografia mais completa da fase formativa é a de Janine Ramos: em levantamento concluído em fevereiro de 2022, sobre os sítios eletrônicos dos 91 tribunais brasileiros, identificou 97 projetos de inteligência artificial, presentes em cerca de 56% das cortes, e registrou que todos se declaravam e se estruturavam como apoio, não como substituição.^[22] O dado é anterior à difusão dos modelos generativos — e é precisamente essa descontinuidade que aqui se examina.

O discurso institucional é uniforme — apoio, jamais substituição. Mas o inventário revela uma constante que importa reter: a fronteira entre apoiar e decidir não é um fato técnico — é uma prática; e é nas suas violações, reais e potenciais, que residem os perigos examinados a seguir. Em registro comparado, a experiência chinesa serve de espelho: o Sistema 206 — documentado por Yadong Cui, então presidente do Tribunal Superior de Xangai, em obra que é documento oficial, e não literatura acadêmica independente — assiste o processo penal da prova à sentença, com padronização probatória, escore de dano social e predição de pena,^[23] e mostra aonde a lógica da eficiência conduz quando não encontra o contrapeso de um regime robusto de direitos fundamentais. Lá, a pergunta “pode a máquina julgar?” foi respondida na prática pela afirmativa assistida; a pergunta que restou — quem responde pelo erro do sistema? — é exatamente a que o direito brasileiro não pode deixar de responder.

4 OS PERIGOS: VIÉS, OPACIDADE E O RISCO DE SUBSTITUIÇÃO

4.1 Viés algorítmico e a arquitetura corretiva do processo

O sistema COMPAS tornou-se o caso paradigmático do debate sobre avaliação algorítmica de risco no processo penal. Katherine Forrest — que atuou como juíza federal nos Estados Unidos — demonstra que o manual do sistema não revela o método de aprendizado empregado, o algoritmo, os dados de entrada, os pesos atribuídos ou o conjunto de dados de treinamento, e que quase todos os fatores das escalas de necessidade operam como código para raça: os algoritmos tornam a injustiça estrutural autorreforçada, pois os fatos da desigualdade convertem-se em indicadores de risco.^[24]

A seção anterior estabeleceu que o juiz humano decide, em parcela relevante dos casos, apoiado em intuição e pré-concepções inconscientes. Daí decorre objeção evidente: se o humano já é enviesado, qual exatamente é o argumento contra o viés da máquina? A objeção tem lastro empírico — estudos registram a influência de âncoras numéricas arbitrárias na fixação da pena e a baixa acurácia preditiva de magistrados^[25] — e Forrest a concede integralmente, chegando a confessar que não conhece a própria taxa de acerto.^[26] Concedida a premissa, ela desloca o eixo do debate com dois argumentos normativos. Individualização: não existe decisão de liberdade “de grupo” — todas as decisões que juízes tomam sobre liberdade são individuais, e a Constituição exige mais do que a inferência que atribui ao indivíduo as propriedades estatísticas das classes de referência a que foi alocado. Responsabilização: a decisão humana é imprecisa, mas, quando falha, é possível imputar a falha a alguém pessoalmente.^[27] A esses Sourdin acrescenta um terceiro, o da corrigibilidade: o viés perpetuado por um sistema pode permanecer além de contestação, ao contrário do juiz humano, que pode ser questionado e repreendido por conduta discriminatória.^[28]

O retorno a Posner fecha o argumento. O viés judicial humano não opera em ambiente desprotegido: opera dentro de arquitetura processual construída ao longo de séculos precisamente para corrigi-lo. Posner identifica dois de seus componentes como substitutos rudimentares de um algoritmo de correção de vieses — o processo adversarial e o direito ao voto divergente^[29] —, aos quais o processo brasileiro acrescenta o dever de fundamentação do art. 93, IX, da Constituição e o sistema recursal. O viés algorítmico, ao revés, é injetado em ponto do sistema em que nenhuma dessas salvaguardas incide: não há contraditório sobre o peso de uma variável, nem voto divergente dentro de um modelo. A pergunta correta, portanto, não é qual dos dois — juiz ou máquina — erra menos. É se o erro produzido permanece contestável. Registre-se, a propósito, que o art. 10, II, da Resolução CNJ nº 615/2025 veda o desenvolvimento e o uso de soluções que valorem traços de personalidade para avaliar probabilidade de cometimento de crime ou de reiteração delitiva: o Poder Judiciário brasileiro vedou expressamente, em norma do seu órgão de controle, aquilo que o sistema norte-americano praticou — vedação que, registre-se desde já, não alcança o Supremo Tribunal Federal e ainda não encontra equivalente em lei federal de alcance geral.

4.2 A supervisão humana como confirmação assistida

O desenho regulatório brasileiro pressupõe que a revisão posterior pelo magistrado seja capaz de neutralizar o erro do sistema. O pressuposto é frágil, e as fontes convergem de origens distintas: Sourdin reporta, com Crootof, viés de automação, superconfiança e ancoragem em juízes sobrecarregados;^[30] Zerilli identifica a zona de complacência que surge quando o sistema é confiável, mas imperfeito, e registra estudo em que a mera presença do escore de risco agravou as penas de réus pobres e abrandou as de réus abastados, embora todos tivessem recebido escores idênticos — o escore não neutralizou o estereótipo: deslocou o eixo da culpabilidade para o risco;^[31] e Timothy Wu, recolhido por Sourdin, descreve o pior híbrido como a combinação entre a brutalidade irrefletida da justiça por software e uma presença humana simbólica destinada a apaziguar os sujeitos a ela.^[32]

O retorno a Posner converte essas observações empíricas em argumento jurídico. Se o pensamento judicial é telescopado — emocional, intuitivo, apoiado em senso comum, sem percurso passo a passo a partir de premissas explícitas —, então a revisão humana de um resultado algorítmico não constitui juízo independente: é confirmação assistida. O escore ou a minuta não substituem a intuição — fornecem-lhe uma âncora, e oferecem ao viés justificação aritmética ou textual. Daí a proposição que a conclusão desenvolverá: a supervisão humana deve deslocar-se do resultado para o comando.

4.3 A revisão que a lei brasileira não assegura como humana

O art. 20 da Lei Geral de Proteção de Dados assegura ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado. A redação original previa revisão por pessoa natural; a Lei nº 13.853/2019, conversão da Medida Provisória nº 869/2018, suprimiu a expressão, e o § 3º, que permitiria à autoridade nacional exigir revisão por pessoa natural, foi vetado. O resultado, conferido no texto compilado vigente, é que o direito brasileiro assegura revisão, mas não assegura revisão humana — em divergência expressa com o art. 22(3) do Regulamento Geral sobre a Proteção de Dados europeu, que garante o direito à intervenção humana.^[33] Duas limitações agravam o quadro: o direito incide apenas sobre decisões tomadas “unicamente” com base em tratamento automatizado, de modo que intervenção humana meramente formal afasta a incidência da norma; e a ressalva de segredo comercial e industrial do § 1º esvazia o direito à explicação — o titular não a obtém; quem pode obtê-la é a autoridade, que pode ou não agir.

O Superior Tribunal de Justiça enfrentou o problema em 2024: reconheceu à plataforma a possibilidade de suspender de imediato o perfil do motorista, sem notificação prévia, quando em risco a segurança dos usuários, mas assegurou-lhe o direito à revisão, com informação dos motivos e oportunidade de defesa — o contraditório pode ser diferido, nunca suprimido.^[34] O precedente é, no ponto, exemplar da tese aqui sustentada: o que o direito preservou não foi a exatidão da decisão automatizada, mas a existência de alguém a quem exigir contas por ela.

4.4 Do erro ao ataque: a alucinação e a injeção de comandos

A partir de 2025 consolidou-se no Brasil linha decisória que sanciona a apresentação em juízo de jurisprudência inexistente gerada por ferramenta de inteligência artificial, tratada como litigância de má-fé com fundamento nos arts. 79 a 81 do Código de Processo Civil, com comunicação à Ordem dos Advogados do Brasil.^[35] Em paralelo, a Quinta Turma do Superior Tribunal de Justiça decidiu, em 8 de abril de 2026, que relatório produzido por inteligência artificial generativa não possui confiabilidade epistêmica mínima para servir de prova penal, nem substitui a perícia oficial, porquanto a ferramenta pode apresentar informações imprecisas, irreais ou fabricadas, ainda que com aparência de fidedignidade.^[36] O dado institucional do caso merece registro: não foi a defesa quem recorreu à máquina, mas a própria autoridade policial, que, diante de dois laudos oficiais concluindo pela impossibilidade de correlacionar o material de áudio e imagem ao fato, submeteu-o a ferramentas generativas e converteu o resultado em relatório técnico apto a embasar a denúncia. O problema desloca-se, assim, da má-fé individual para a arquitetura institucional. A decisão converge, sem citá-la, com a regra que Serena Quattrocolo formulara em sede doutrinária: quando não houver validação técnica posterior possível, o juiz deve excluir do juízo sobre a culpa a prova produzida por sistema opaco.^[37] A ancoragem dogmática brasileira é dupla: os arts. 158-A a 158-F do Código de Processo Penal, que impõem à prova rastreabilidade e documentação de cada etapa, e o art. 159, que submete a perícia a perito oficial, com quesitos e assistente técnico — perito é agente identificável, sujeito a compromisso e a responsabilidade pessoal — o sistema generativo não depõe, não se submete ao regime dos peritos e não pode ser responsabilizado.

Em maio de 2026, o Comitê Nacional de Inteligência Artificial do Judiciário aprovou manifestação técnica sobre injeção de comandos, reconhecendo a possibilidade de inserção de instruções ocultas em peças processuais, de modo que petições aparentemente ordinárias operem como vetor de ataque aos sistemas dos tribunais — casos reais foram detectados no sistema Galileu, do Tribunal Regional do Trabalho da 8ª Região, e no Superior Tribunal de Justiça.^[38] O deslocamento é conceitual: da preocupação com o erro para a preocupação com o ataque. A alucinação é involuntária — falha do sistema; a injeção de comandos é deliberada — conduta de parte dirigida a manipular o instrumento decisório do juízo. E a conexão com o marco teórico é mais profunda do que parece: Posner identificou no processo adversarial um substituto rudimentar de algoritmo de correção de vieses, porque cada parte tem forte incentivo para trazer ao juízo aquilo que a outra omitiria. A injeção de comandos converte esse incentivo em vetor de ataque: o mesmo interesse parcial que, dirigido ao juiz humano, produzia correção — porque submetido a contraditório e a sanção — passa a produzir manipulação quando dirigido a um sistema que não distingue argumento de instrução.

4.5 O núcleo indelegável: a imputabilidade

Cumpre responder à pergunta formulada no início: o que exatamente se perde quando se automatiza uma decisão que nunca foi puramente lógica? A resposta não é a exatidão — a decisão humana nunca a teve. Tampouco é a transparência — o processo mental do julgador sempre foi opaco. O que se perde é a imputabilidade. Fontes de origens muito distintas convergem no ponto: Forrest sustenta que a falha humana pode ser imputada a alguém pessoalmente; Van Wingerden e Plesničar advertem que delegar à máquina permitiria infligir sofrimento penal legítimo sem que ninguém se sinta responsável;^[39] Sourdin recolhe de Melissa Perry a advertência de que não se pode presumir que a autorização legal conferida a autoridade humana se estenda a sistema automatizado, e de Taruffo o critério operacional mais útil — apenas a discricionariedade fraca ou regulada, racionalizável de antemão, é candidata plausível à automação; a discricionariedade forte, racionalizável apenas ex post, não o é.^[40] A zona aberta de Posner é, por definição, o domínio da discricionariedade forte.

O terceiro árbitro da parábola posneriana não é definido por sua acurácia: é definido por ser alguém a quem a marcação se imputa. Uma máquina que produza o mesmo resultado não substitui o terceiro árbitro. Ela suprime a posição.

5 A RESPOSTA REGULATÓRIA: A RESOLUÇÃO CNJ Nº 615/2025 E O DIREITO COMPARADO

5.1 A arquitetura por risco e a decisão sobre AR4

Editada em 11 de março de 2025 e publicada em 14 seguinte, a Resolução CNJ nº 615 revogou expressamente a Resolução nº 332/2020 (art. 46), com eficácia a partir do centésimo vigésimo dia da publicação (art. 47), e organizou a matéria em torno de classificação de riscos, técnica de inspiração evidente no direito europeu. O art. 10 enuncia vedações — o risco excessivo: soluções que não permitam revisão humana, que valorem traços de personalidade para predição criminal, que ranqueiem pessoas para avaliar direitos ou que realizem reconhecimento biométrico de emoções. O art. 11, combinado com o Anexo, distribui as demais soluções entre alto e baixo risco: no alto risco figuram, entre outras, a valoração de meios de prova (AR2), a tipificação de fatos como crimes (AR3) e a formulação de juízos conclusivos sobre a aplicação da norma jurídica a fatos concretos (AR4); no baixo risco, atos ordinatórios, jurimetria e a produção de textos de apoio com versão final do magistrado.^[41]

A decisão regulatória mais consequente está em AR4: a formulação de juízos conclusivos foi classificada como de alto risco, e não como de risco excessivo. Vale dizer: o Conselho Nacional de Justiça admitiu a inteligência artificial na função decisória, submetida a auditoria, em vez de proibi-la. A parábola dos três árbitros oferece a tradução exata da arquitetura: automatizar o primeiro árbitro corresponde ao baixo risco — automação de atos vinculados, sem problema jurídico relevante; automatizar o terceiro corresponde a AR4 — e AR4 não foi vedado. O critério de Taruffo condena a escolha: a zona aberta é o domínio da discricionariedade forte, que não é candidata plausível à automação. Registre-se, porém, a leitura mais caridosa, que este artigo adota antes de propor a correção: como o parâmetro humano de comparação jamais foi medido,^[42] a classificação de AR4 como alto risco pode ser lida como precaução diante de incerteza, e não como endosso à automação decisória. Auditar, contudo, pressupõe gabarito — e a zona aberta, por construção, não o tem.

5.2 Os três déficits

Transparência facultativa. O art. 19 admite o uso de sistemas generativos como ferramentas de auxílio à gestão ou de apoio à decisão, com preferência pelo acesso institucional monitorado (§ 1º) e faculdade de contratação privada na ausência de solução corporativa (§ 2º); nesta última hipótese, o § 3º, II, impõe caráter auxiliar e complementar, vedada a utilização como instrumento autônomo de tomada de decisões judiciais sem revisão do magistrado. O art. 21 impõe rotulagem dos sistemas e de seus produtos automatizados. E então vem o § 6º do art. 19: a menção ao uso de inteligência artificial generativa na decisão é faculdade do signatário, com mero registro interno para fins estatísticos. A incoerência é tripla. Interna: o art. 21 exige que o sistema se identifique e que seus produtos automatizados exibam rótulo compreensível, mas o § 6º dispensa que a decisão judicial o faça — rotula-se o instrumento, e não o ato decisório que dele resulta, sob uma norma que enuncia a explicabilidade entre seus princípios (art. 3º). Processual: se juízes humanos gozam de credenciais pessoais que fundamentam a confiança neles depositada, das quais um sistema não dispõe, o dever de fundamentação deveria intensificar-se quando a decisão é assistida por máquina^[43] — o § 6º o atenua. Sistêmica: o art. 20 da LGPD assegura revisão de decisão automatizada — direito que pressupõe saber que a decisão foi automatizada; a faculdade do § 6º subtrai ao jurisdicionado a informação sem a qual o direito não pode ser exercido. E há a incoerência com o parâmetro doutrinário mais exigente: Sourdin sustenta que decisões apoiadas por inteligência artificial devem explicar não apenas como se chegou ao resultado em termos de prova e de direito, mas também como o sistema desenvolveu a decisão^[44] — o § 6º dispensa até a primeira camada.

Ausência de consequência. O art. 40 estabelece que o uso em desacordo com a resolução é monitorado sem caráter disciplinar. O contraste com a seção anterior é o achado mais desconfortável do trabalho: enquanto a norma dirigida ao Judiciário se declara desprovida de consequência, advogados vêm sendo sancionados por litigância de má-fé pelo emprego descuidado das mesmas ferramentas. E a assimetria não é hipotética. Em julho de 2026, o Órgão Especial do Tribunal de Justiça de São Paulo manteve, sem aplicação de qualquer sanção, o arquivamento de reclamação disciplinar instaurada contra magistrado que invocara precedente inexistente gerado por ferramenta generativa — ao fundamento, constante do voto da Corregedora-Geral, de que o erro não foi intencional neste momento em que se está aprendendo a utilizar a inteligência artificial.^[45] No mesmo período, no mesmo tribunal, advogados que incorreram em equívoco idêntico foram multados por litigância de má-fé — em um dos casos, em cinco por cento do valor da causa — e oficiados à Ordem dos Advogados do Brasil. O mesmo erro, dois regimes. Há, portanto, assimetria sancionatória — rigor crescente sobre a advocacia, ausência de consequência normativa para o uso indevido por magistrados —, agravada pela combinação com o § 6º: o advogado que se vale de ferramenta generativa está sujeito a sanção, ao passo que o magistrado que dela se vale não está sequer obrigado a informá-lo.

O Supremo fora do alcance. Por sua posição constitucional, o Supremo Tribunal Federal não se submete ao poder regulamentar do Conselho Nacional de Justiça, cuja competência, nos termos do art. 103-B, § 4º, da Constituição, alcança os demais órgãos do Poder Judiciário — e a Resolução CNJ nº 396/2021, que instituiu a Estratégia Nacional de Segurança Cibernética do Poder Judiciário, exclui-o expressamente de seu âmbito. A consequência é que a norma não alcança justamente o tribunal com o parque de inteligência artificial generativa mais avançado do país — o mesmo que opera ferramenta destinada à elaboração de minutas de decisões. A lacuna não é reparável por via regulamentar: sua correção depende de autorregulação da própria Corte, de emenda regimental ou de disciplina legal.

5.3 O parâmetro comparado

O Regulamento (UE) 2024/1689 classifica como de alto risco, no ponto 8, alínea a, do Anexo III, os sistemas destinados a auxiliar autoridade judiciária na pesquisa e na interpretação dos fatos e do direito e na aplicação do direito a um conjunto concreto de fatos — descrição que coincide, quase termo a termo, com o AR4 brasileiro. A ambos correspondem obrigações de gestão de risco, governança de dados, documentação técnica, supervisão humana e transparência, cuja exigibilidade, quanto ao Anexo III, foi diferida para dezembro de 2027 pelo pacote normativo conhecido como Digital Omnibus.^[46] A fronteira, note-se, foi traçada no mesmo lugar nos dois lados do Atlântico. A Carta Ética Europeia da CEPEJ (2018) enuncia cinco princípios — respeito aos direitos fundamentais; não discriminação; qualidade e segurança; transparência, imparcialidade e equidade; e controle pelo usuário —, dos quais o quinto é o ascendente direto do art. 32 da resolução brasileira.^[47] O art. 22(3) do RGPD assegura o direito à intervenção humana em decisões automatizadas — o dispositivo que fecha o arco aberto pelo art. 20 da LGPD: o direito brasileiro assegura revisão; o europeu assegura revisão humana. E a França, na Lei nº 2019-222 (art. 33), vedou a reutilização de dados identificadores de magistrados para avaliar, analisar, comparar ou predizer suas práticas profissionais^[48] — a resposta regulatória mais radical registrada na bibliografia, em diálogo direto com o achado de Ashley de que os modelos preditivos operam sobre o comportamento do julgador, e não sobre o mérito da causa.

6 CONCLUSÃO

O trabalho partiu de uma pergunta sobre o juiz e chegou a uma pergunta sobre a responsabilidade. Posner demonstrou que o legalismo, conquanto exista, governa apenas os casos rotineiros, e que na zona aberta o magistrado decide por intuição, emoção e pré-concepções frequentemente inconscientes, em liberdade que não escolheu. Dessa descrição extraiu, em 2008 e em tom de ironia, a hipótese que organizou este artigo: se os juízes apenas aplicassem regras claras a fatos apurados sem viés, estariam a caminho de ser substituídos por programas de inteligência artificial. Dezessete anos depois, o Anexo da Resolução CNJ nº 615/2025 classificou a formulação de juízos conclusivos como atividade de alto risco, e não de risco excessivo. A ironia converteu-se em norma. E a ironia continha um argumento que permanece válido: a defesa da automação decisória e a defesa do formalismo compartilham a mesma premissa, e a refutação empírica da segunda atinge a primeira.

As seções intermediárias acrescentaram três achados que a premissa legalista não antecipa. O primeiro é técnico: predizer não é decidir — os modelos preditivos operam sobre o comportamento do julgador, não sobre o mérito da causa. O segundo é institucional: o viés humano opera dentro de arquitetura construída para corrigi-lo, ao passo que o viés algorítmico incide em ponto do sistema em que nenhuma salvaguarda processual alcança — a pergunta relevante nunca foi qual dos dois erra menos, mas se o erro permanece contestável. O terceiro é normativo, e resulta da convergência de fontes que não se citam entre si: uma juíza federal norte-americana, uma processualista italiana, duas pesquisadoras europeias de justiça criminal, uma professora australiana e uma turma do Superior Tribunal de Justiça chegaram, por caminhos que não se cruzam, ao mesmo ponto — o que se perde na automação da decisão não é exatidão, nem transparência: é imputabilidade. A decisão judicial nunca foi exata; nunca foi transparente quanto à sua formação — por isso o direito criou o dever de fundamentar. O que ela sempre foi, e o que a torna decisão, é atribuível a alguém que responde por ela. Uma máquina que produza resultado equivalente não substitui o julgador: suprime a posição de onde se responde.

Daí decorrem cinco proposições de lege ferenda. Primeira: tornar obrigatória a menção ao uso de inteligência artificial generativa na decisão, revogando-se a faculdade do art. 19, § 6º, da Resolução nº 615/2025 — incompatível com a rotulagem do art. 21, com a explicabilidade do art. 3º, com o art. 93, IX, da Constituição e com o art. 20 da LGPD. Segunda: instituir consequência disciplinar para o uso em desacordo, corrigindo-se a assimetria produzida pelo art. 40 em face do regime aplicado à advocacia. Terceira: estender o regime ao Supremo Tribunal Federal, por autorregulação, emenda regimental ou disciplina legal. Quarta: deslocar a supervisão humana do resultado para o comando, porquanto a revisão posterior é estruturalmente enviesada pela ancoragem e pelo viés de automação — na linha do ethical-by-design recolhido pela Carta Ética Europeia. Quinta: restaurar, em sede legislativa, o direito à revisão por pessoa natural no art. 20 da LGPD, cujo contraste com o art. 22(3) do RGPD é, no ponto, integral.

Resta o fecho. Posner escreveu que o direito é ensinado como se os juízes fossem computadores, e não intelectos humanos limitados a navegar mares de incerteza.^[49] A frase foi concebida como crítica ao ensino jurídico; serve hoje como descrição de um programa institucional em curso. O juiz da parábola — aquele para quem não há bolas nem strikes até que ele os marque — não se define pela acurácia de suas marcações: define-se por ser alguém a quem a marcação se imputa. A máquina não criou a opacidade da decisão judicial; tornou-a industrial. E o que o direito precisa preservar não é a certeza do resultado, que jamais teve, mas a possibilidade de atribuí-lo a alguém que responda.

NOTAS

[1] POSNER, Richard A. How judges think. Cambridge, MA: Harvard University Press, 2008, p. 7-8. Exemplar consultado: second Indian reprint, Nova Délhi, Universal Law Publishing, 2011, de paginação idêntica à da edição original — a obra não conheceu segunda edição. Tradução nossa, aqui e nas demais transcrições da obra.

[2] Ibid., p. 1.

[3] Ibid., p. 9.

[4] Ibid., p. 9.

[5] Ibid., p. 10.

[6] Ibid., p. 81.

[7] Ibid., p. 107-108.

[8] Ibid., p. 109.

[9] Ibid., p. 11 e 369.

[10] Ibid., p. 369.

[11] Ibid., p. 115.

[12] Ibid., p. 112.

[13] Ibid., p. 110.

[14] Ibid., p. 110-111.

[15] Ibid., p. 5. Em nota ao mesmo trecho, o autor declara não saber por que os originalistas não são entusiastas da inteligência artificial (p. 5, nota 10).

[16] ASHLEY, Kevin D. Artificial intelligence and legal analytics: new tools for law practice in the digital age. Cambridge: Cambridge University Press, 2017, p. 3-5 e 12-13.

[17] SOURDIN, Tania. Judges, technology and artificial intelligence: the artificial judge. Cheltenham: Edward Elgar Publishing, 2021, p. 2-3.

[18] POSNER. How judges think, p. 24; ASHLEY. Artificial intelligence and legal analytics, p. 114 e 124.

[19] BRASIL. Conselho Nacional de Justiça. Resoluções nº 335/2020, nº 331/2020, nº 446/2022 e nº 615/2025 (arts. 4º, 16 e 23-25).

[20] BRASIL. Supremo Tribunal Federal. Chamamento Público nº 001/2023; notícias institucionais sobre a ampliação do uso de inteligência artificial (2024).

[21] BRASIL. Superior Tribunal de Justiça. Notícias institucionais de 11 fev. 2025 (lançamento do STJ Logos) e de 27 jul. 2026 (capacitação de 891 usuários).

[22] RAMOS, Janine Vilas Boas Gonçalves. Inteligência artificial no Poder Judiciário brasileiro: projetos de IA nos tribunais e o sistema de apoio ao processo decisório judicial. 2022. Dissertação (Mestrado) – Universidade de Brasília, Brasília, 2022, p. 172-178 e 204.

[23] CUI, Yadong. Artificial intelligence and judicial modernization. Tradução de Cao Yan e Liu Yan. Singapura: Springer Nature; Xangai: Shanghai People’s Publishing House, 2020, p. 72, 100-101 e 134. Sobre a posição institucional do autor, p. xxxiii-xxxiv.

[24] FORREST, Katherine B. When machines can be judge, jury, and executioner: justice in the age of artificial intelligence. Hackensack, NJ: World Scientific Publishing, 2021, p. 65-66, 73-74 e 97. Tradução nossa.

[25] CHIAO, Vincent. Transparency at sentencing: are human judges more transparent than algorithms? In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022, p. 34-56, esp. p. 46-47; BAGARIC, Mirko; HUNTER, Dan. Enhancing the integrity of the sentencing process through the use of artificial intelligence. In: RYBERG; ROBERTS, op. cit., p. 122-144, esp. p. 124.

[26] FORREST. When machines can be judge, jury, and executioner, p. 53-54.

[27] FORREST. When machines can be judge, jury, and executioner, p. 8 e 37. A formulação em termos de classes de referência é de LIPPERT-RASMUSSEN, Kasper. Algorithm-based sentencing and discrimination. In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022, p. 74-96, esp. p. 74.

[28] SOURDIN. Judges, technology and artificial intelligence, p. 226.

[29] POSNER. How judges think, p. 115.

[30] SOURDIN. Judges, technology and artificial intelligence, p. 135-136, recolhendo Rebecca Crootof.

[31] ZERILLI, John. Algorithmic sentencing: drawing lessons from human factors research. In: RYBERG; ROBERTS, op. cit., p. 165-183, esp. p. 170 e 179. O estudo é de Skeem, Scurich e Monahan (2019).

[32] SOURDIN. Judges, technology and artificial intelligence, p. 135, recolhendo Timothy Wu.

[33] BRASIL. Lei nº 13.709/2018, art. 20, com a redação da Lei nº 13.853/2019; UNIÃO EUROPEIA. Regulamento (UE) 2016/679, art. 22(3). A conferência foi realizada sobre o texto compilado vigente da Lei nº 13.709/2018: o caput não contém a expressão “por pessoa natural” e o artigo encerra-se no § 2º.

[34] BRASIL. Superior Tribunal de Justiça. Recurso Especial nº 2.135.783/DF. Terceira Turma. Relatora: Ministra Nancy Andrighi. Julgado em 18 jun. 2024. Informativo nº 817.

[35] BRASIL. Lei nº 13.105/2015, arts. 79-81; Lei nº 8.906/1994, art. 34. Entre os casos documentados: BRASIL. Tribunal Regional do Trabalho da 2ª Região (6. Turma). Processo nº 1001128-84.2024.5.02.0044. Relator: Des. Fernando Cesar Teixeira França, 16 de fevereiro de 2026 (multa de 5% do valor da causa e ofício à Ordem dos Advogados do Brasil); BRASIL. Tribunal de Justiça do Estado de São Paulo (34. Câmara de Direito Privado). Processo nº 1106363-51.2024.8.26.0002. Relator: Des. Gomes Varjão (multa de 5% e ofício à Ordem); BRASIL. Tribunal de Justiça do Estado do Paraná (9. Câmara Cível). Agravo de Instrumento nº 0108267-74.2025.8.16.0000. Relator: Des. Luis Sérgio Swiech, 30 de junho de 2026 (multa de 2% do valor atualizado da causa).

[36] BRASIL. Superior Tribunal de Justiça (5. Turma). Habeas Corpus nº 1.059.475/SP. Relator: Min. Reynaldo Soares da Fonseca, 8 de abril de 2026. DJEN, 14 abr. 2026. A Corte suspendeu a ação penal, com fundamento nos arts. 158-A, 158-B e 159 do Código de Processo Penal.

[37] QUATTROCOLO, Serena. Artificial intelligence, computational modelling and criminal proceedings: a framework for a European legal discussion. Cham: Springer, 2020, p. 96 e 227-228. Tradução nossa.

[38] BRASIL. Conselho Nacional de Justiça. Comitê Nacional de Inteligência Artificial do Judiciário. Manifestação Técnica nº 1/2026. Relator: Conselheiro Rodrigo Badaró. Aprovada em 28 maio 2026.

[39] VAN WINGERDEN, Sigrid; PLESNIČAR, Mojca M. Artificial intelligence and sentencing: humans against machines. In: RYBERG; ROBERTS, op. cit., p. 230-251, esp. p. 247.

[40] SOURDIN. Judges, technology and artificial intelligence, p. 89 (recolhendo Melissa Perry) e p. 230-231 (recolhendo Michele Taruffo).

[41] BRASIL. Conselho Nacional de Justiça. Resolução nº 615, de 11 de março de 2025, arts. 10 e 11 e Anexo.

[42] FORREST. When machines can be judge, jury, and executioner, p. 55-56.

[43] SOURDIN. Judges, technology and artificial intelligence, p. 233.

[44] SOURDIN. Judges, technology and artificial intelligence, p. 263 (Tabela 9.2 — formulação da própria autora, a partir dos princípios da OCDE, da Austrália e da CEPEJ).

[45] BRASIL. Tribunal de Justiça do Estado de São Paulo (Órgão Especial). Reclamação disciplinar apresentada pela OAB/SP; voto da Corregedora-Geral da Justiça, Des. Silvia Rocha, na sessão de 1º de julho de 2026 (“tal erro, neste momento em que estamos aprendendo a utilizar a inteligência artificial, não foi intencional”); julgamento concluído na sessão de 8 de julho de 2026, com negativa de provimento aos recursos e manutenção do arquivamento, sem instauração de processo administrativo disciplinar. Conforme noticiado: MIGALHAS, 14 jul. 2026 e 22 jul. 2026. Quanto aos advogados: TJSP, Conselho Superior da Magistratura, Processo nº 1001904-24.2024.8.26.0543 (recurso não conhecido; ofício à OAB); TJSP, 34ª Câmara de Direito Privado, Processo nº 1106363-51.2024.8.26.0002 (multa de 5% por litigância de má-fé); TJSP, 11ª Câmara de Direito Privado, Processo nº 2057948-55.2026.8.26.0000 (multa por litigância de má-fé e ofício à OAB).

[46] UNIÃO EUROPEIA. Regulamento (UE) 2024/1689, de 13 de junho de 2024, Anexo III, ponto 8, alínea a. Sobre o diferimento da exigibilidade das obrigações relativas ao Anexo III para dezembro de 2027, no âmbito do pacote Digital Omnibus, conferir o texto consolidado em vigor.

[47] CONSELHO DA EUROPA. CEPEJ. Carta ética europeia sobre o uso da inteligência artificial nos sistemas judiciais e em seu ambiente. Estrasburgo, dez. 2018.

[48] FRANÇA. Loi nº 2019-222, du 23 mars 2019, de programmation 2018-2022 et de réforme pour la justice, art. 33, que introduziu a vedação no art. L. 111-13 do Code de l’organisation judiciaire: « Les données d’identité des magistrats et des membres du greffe ne peuvent faire l’objet d’une réutilisation ayant pour objet ou pour effet d’évaluer, d’analyser, de comparer ou de prédire leurs pratiques professionnelles réelles ou supposées ». A violação sujeita-se às penas dos arts. 226-18, 226-24 e 226-31 do Código Penal francês. Registro doutrinário em SOURDIN, Tania. Judges, technology and artificial intelligence. Cheltenham: Edward Elgar, 2021.

[49] POSNER. How judges think, p. 377. No original: “as if judges were computers rather than limited human intellects navigating seas of uncertainty”. Tradução nossa.

REFERÊNCIAS

ASHLEY, Kevin D. Artificial intelligence and legal analytics: new tools for law practice in the digital age. Cambridge: Cambridge University Press, 2017.

BAGARIC, Mirko; HUNTER, Dan. Enhancing the integrity of the sentencing process through the use of artificial intelligence. In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. p. 122-144.

BRASIL. [Constituição (1988)]. Constituição da República Federativa do Brasil de 1988. Brasília, DF: Presidência da República, 1988.

BRASIL. Decreto-Lei nº 3.689, de 3 de outubro de 1941. Código de Processo Penal.

BRASIL. Lei nº 8.906, de 4 de julho de 1994. Dispõe sobre o Estatuto da Advocacia e a Ordem dos Advogados do Brasil (OAB).

BRASIL. Lei nº 13.105, de 16 de março de 2015. Código de Processo Civil.

BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD).

BRASIL. Lei nº 13.853, de 8 de julho de 2019. Altera a Lei nº 13.709, de 14 de agosto de 2018.

BRASIL. Conselho Nacional de Justiça. Resolução nº 331, de 20 de agosto de 2020. Institui a Base Nacional de Dados do Poder Judiciário – DataJud.

BRASIL. Conselho Nacional de Justiça. Resolução nº 335, de 29 de setembro de 2020. Institui a Plataforma Digital do Poder Judiciário Brasileiro – PDPJ-Br.

BRASIL. Conselho Nacional de Justiça. Resolução nº 332, de 21 de agosto de 2020. Dispõe sobre a ética, a transparência e a governança na produção e no uso de inteligência artificial no Poder Judiciário. Revogada pela Resolução nº 615, de 11 de março de 2025.

BRASIL. Conselho Nacional de Justiça. Resolução nº 396, de 7 de junho de 2021. Institui a Estratégia Nacional de Segurança Cibernética do Poder Judiciário – ENSEC-PJ.

BRASIL. Conselho Nacional de Justiça. Resolução nº 446, de 14 de março de 2022. Institui a plataforma Codex.

BRASIL. Conselho Nacional de Justiça. Resolução nº 615, de 11 de março de 2025. Estabelece diretrizes para o desenvolvimento, utilização e governança de soluções desenvolvidas com recursos de inteligência artificial no Poder Judiciário. Disponível em: https://atos.cnj.jus.br/atos/detalhar/6001. Acesso em: 20 ago. 2026.

BRASIL. Conselho Nacional de Justiça. Comitê Nacional de Inteligência Artificial do Judiciário. Manifestação Técnica nº 1/2026 — injeção de comandos. Relator: Conselheiro Rodrigo Badaró. Aprovada em 28 maio 2026.

BRASIL. Superior Tribunal de Justiça (5. Turma). Habeas Corpus nº 1.059.475/SP. Relator: Min. Reynaldo Soares da Fonseca, 8 de abril de 2026. DJEN, 14 abr. 2026.

BRASIL. Superior Tribunal de Justiça (3. Turma). Recurso Especial nº 2.135.783/DF. Relatora: Min. Nancy Andrighi, 18 de junho de 2024. Informativo de Jurisprudência, n. 817.

CHIAO, Vincent. Transparency at sentencing: are human judges more transparent than algorithms? In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. p. 34-56.

CONSELHO DA EUROPA. Comissão Europeia para a Eficiência da Justiça (CEPEJ). Carta ética europeia sobre o uso da inteligência artificial nos sistemas judiciais e em seu ambiente. Estrasburgo: CEPEJ, dez. 2018.

CUI, Yadong. Artificial intelligence and judicial modernization. Tradução de Cao Yan e Liu Yan. Singapura: Springer Nature; Xangai: Shanghai People’s Publishing House, 2020.

FORREST, Katherine B. When machines can be judge, jury, and executioner: justice in the age of artificial intelligence. Hackensack, NJ: World Scientific Publishing, 2021.

FRANÇA. Loi nº 2019-222, du 23 mars 2019, de programmation 2018-2022 et de réforme pour la justice. Journal Officiel de la République Française, 24 mars 2019.

LIPPERT-RASMUSSEN, Kasper. Algorithm-based sentencing and discrimination. In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. p. 74-96.

POSNER, Richard A. How judges think. Cambridge, MA: Harvard University Press, 2008.

QUATTROCOLO, Serena. Artificial intelligence, computational modelling and criminal proceedings: a framework for a European legal discussion. Cham: Springer, 2020.

RAMOS, Janine Vilas Boas Gonçalves. Inteligência artificial no Poder Judiciário brasileiro: projetos de IA nos tribunais e o sistema de apoio ao processo decisório judicial. 2022. 252 f. Dissertação (Mestrado em Direito, Regulação e Políticas Públicas) – Universidade de Brasília, Brasília, 2022.

RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. (Studies in Penal Theory and Philosophy).

SOURDIN, Tania. Judges, technology and artificial intelligence: the artificial judge. Cheltenham: Edward Elgar Publishing, 2021.

UNIÃO EUROPEIA. Regulamento (UE) 2016/679 do Parlamento Europeu e do Conselho, de 27 de abril de 2016 (Regulamento Geral sobre a Proteção de Dados).

UNIÃO EUROPEIA. Regulamento (UE) 2024/1689 do Parlamento Europeu e do Conselho, de 13 de junho de 2024, que estabelece regras harmonizadas em matéria de inteligência artificial. Jornal Oficial da União Europeia, L, 12 jul. 2024.

VAN WINGERDEN, Sigrid; PLESNIČAR, Mojca M. Artificial intelligence and sentencing: humans against machines. In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. p. 230-251.

ZERILLI, John. Algorithmic sentencing: drawing lessons from human factors research. In: RYBERG, Jesper; ROBERTS, Julian V. (org.). Sentencing and artificial intelligence. New York: Oxford University Press, 2022. p. 165-183.