Quando redes neurais vão ao tribunal: como sistemas multiagentes estão mudando a IA jurídica

Um dos problemas mais persistentes dos modelos de linguagem em tarefas profissionais é a tendência de mentir com convicção. No direito, onde cada referência à lei precisa ser precisa e a lógica da argumentação, impecável, essa fraqueza se torna crítica. Pesquisadores da Universidade Tsinghua e a empresa russa AiYurist chegaram, de forma independente, à mesma resposta: para que uma rede neural pare de alucinar, ela precisa de um oponente.

No fim de 2025, a equipe da Tsinghua publicou o preprint «Chinese Court Simulation with LLM-Based Agent System», em que analisa de forma sistemática a fraqueza fundamental da abordagem tradicional de IA jurídica. O esquema clássico — o usuário faz uma pergunta, o sistema busca documentos relevantes na base e o modelo gera a resposta — parece lógico, mas na prática falha por causa do confirmation bias. A rede neural encontra o primeiro argumento adequado e passa a construir toda a lógica em torno dele, ignorando os fatos contraditórios. Falta a ela um crítico interno capaz de dizer: «Espere, este artigo da lei diz exatamente o contrário».

A solução se mostrou elegante e, pensando bem, óbvia. Os pesquisadores chineses aplicaram o princípio do contraditório — o mesmo sobre o qual se apoia todo o sistema judicial. Eles criaram dois agentes de IA, um promotor e um advogado, ambos rodando sobre um grande modelo de linguagem. Além de gerar argumentos, os agentes atacavam ativamente a posição do oponente. Quando o advogado citava uma norma inexistente, o promotor a refutava imediatamente. O resultado impressionou: o número de alucinações caiu drasticamente e a qualidade da argumentação jurídica aumentou. Como num tribunal de verdade, a verdade nascia do debate.

Entre um experimento acadêmico e um produto funcional, porém, existe um abismo que quem atua na prática conhece bem. A russa AiYurist, que em paralelo construía um sistema multiagente para tribunais arbitrais com base em seu próprio modelo aberto, o Ken1.0, tentou levar o trabalho dos colegas chineses para o ambiente de negócios real — e descobriu que a arquitetura desmorona por completo ao entrar em contato com a realidade. A abordagem acadêmica, que funcionava muito bem em datasets controlados, não resistia ao caos dos processos reais, em que os documentos chegam em formatos diferentes, as normas jurídicas se contradizem e o contexto do caso pode mudar radicalmente de um parágrafo para outro.

A equipe da AiYurist foi além e construiu o que chama de primeiro sistema de simulação judicial da Rússia. Em vez de dois agentes, são dez, cada um com seu papel e sua área de responsabilidade. Essa arquitetura fica mais próxima de um processo judicial real: além das partes em disputa, há juiz, peritos e analistas que verificam fatos e avaliam provas. Ampliar o número de agentes resolve ainda outro problema importante: impede que o sistema fique preso no embate entre duas posições e abre espaço para uma análise mais nuançada.

É importante entender o contexto em que esses sistemas surgem. O setor jurídico é um dos mais conservadores e, ao mesmo tempo, um dos mais sobrecarregados de rotina. Advogados corporativos gastam dezenas de horas analisando jurisprudência, prevendo o desfecho de processos e preparando argumentos. As simulações multiagentes não substituem o advogado: elas oferecem uma ferramenta para submeter a própria tese a um teste de estresse antes mesmo de ajuizar a ação. Trata-se de um nível de preparação para o processo fundamentalmente diferente.

O caso também é revelador num sentido mais amplo. Ele ilustra uma tendência geral no desenvolvimento de sistemas de IA: a transição de modelos monolíticos, que resolvem a tarefa em uma única passagem, para conjuntos orquestrados de agentes especializados. O mesmo princípio já funciona em programação, onde um revisor de IA verifica o código de um desenvolvedor de IA, e na medicina, onde modelos de diagnóstico verificam uns aos outros. O direito é o próximo campo de testes, e aqui os riscos são especialmente altos: um erro no código gera um bug; um erro no tribunal gera prejuízo financeiro real.

A principal lição da história da Tsinghua e da AiYurist é simples, mas importante. A arquitetura multiagente está longe de ser um brinquedo acadêmico: é um padrão arquitetural que vai definir a próxima geração de ferramentas profissionais de IA. Ainda assim, o caminho de um preprint de pesquisa até um produto pelo qual clientes corporativos pagam exige mais do que escala — exige repensar a própria arquitetura de acordo com as condições reais de um sistema jurídico específico.