Decisões Judiciais Automatizadas: Sistema Baseado em Programação, Templates e IA Generativa

Abstract

O aumento contínuo do volume processual e a necessidade de padronização de textos gerados em decisões judiciais ou outros documentos no meio jurídico motivam até hoje diversas tentativas de criar ferramentas de automação de documentos. Modelos de linguagem de larga escala (LLMs) ampliam o potencial de automação, mas a geração direta de texto traz riscos de alucinação e dificuldades de verificação que podem ser tão grandes quanto os potenciais ganhos de produtividade. Este trabalho propõe uma abordagem intermediária, o tipo human in the loop (HITL) que transforma o problema de redação automática por um problema de geração de códigos, capaz de criar de documentos em Microsoft Word, usando exclusivamente conteúdos previamente elaborados por humanos. O trabalho fornece três contribuições principais: um esquema de marcação em diferentes estruturas baseado em tags; um prompt estruturado que, a partir de um documento anotado e um conjunto de metadados, produz um código na linguagem de programação Python capaz de gerar novos documentos, preservando formatação, marcações e aplicar regras de complexas, baseadas no contexto e variáveis definidas no template fornecido; uma aplicação interativa na web para configuração de templates parametrizados, geração de códigos usando LLMs e criação dos documentos a partir do preenchimento de um formulário criado automaticamente. Em avaliação exploratória com especialistas em decisões judiciais, a estratégia mostrou viabilidade prática, reduzindo alucinações ao restringir a saída ao espaço definido pelas anotações e padronizando trechos repetitivos de decisões. As limitações concentram-se na qualidade da anotação e na cobertura de variações em problemas de borda. A abordagem é replicável para outros tipos de documentos, como contratos, petições e despachos repetitivos, podendo impactar positivamente na produtividade de diversos atores do sistema de justiça.

The continuous growth in case volume and the need to standardize texts produced in judicial decisions and other legal documents have long motivated attempts to build document automation tools. Large Language Models (LLMs) expand the automation frontier, but direct text generation increases hallucination risks and verification burdens that can offset productivity gains. This work proposes an intermediate, human in the loop (HITL) approach that reframes the automatic drafting problem as a code generation problem, aiming to create Microsoft Word documents using exclusively human authored content. It offers three main contributions: a tag based markup scheme for multiple structural layers; a structured prompt that, given an annotated document and metadata, produces Python code capable of generating new documents while preserving formatting, and applying complex, context dependent rules based on variables of the template; and a web based interactive application for configuring parameterized templates, generating code via LLMs, and instantiating documents from an automatically generated form. In an exploratory evaluation with specialists in judicial decisions, the strategy proved practically viable: it reduced hallucinations by constraining outputs to the annotated space and standardized repetitive sections of decisions while keeping humans in control of the final content. Limitations center on annotation quality and coverage of edge cases. The approach is replicable for other document types, such as contracts and routine orders, and can positively impact the productivity of various actors across the justice system