IA no judiciário e dados abertos

Como estruturar dados judiciais, acessá-los e abri-los para a pesquisa

Julio Trecenti · Insper, LabDados FGV Direito SP, CEOE/Unifesp

30/10/2026

Estruturar dados ficou fácil, mas acesso e legitimidade seguem em aberto

1

Dá para fazer?

Estruturar texto judicial ficou fácil e barato.

2

Como acessamos?

Os grandes repositórios têm portas pagas e estreitas.

3

Podemos fazer?

Os dados são públicos, mas têm informação pessoal.

Temos a chance de criar bases estruturadas do Judiciário em escala nunca vista. Talvez seja o projeto mais importante da área agora.

Estruturar textos judiciais ficou fácil

Uma sentença pode virar uma linha de tabela

“… apreendidos 03 pinos de cocaína e 65 porções de maconha em poder do réu … Ante o exposto, julgo procedente a denúncia para condenar o acusado à pena de 5 anos e 10 meses de reclusão, em regime inicial fechado …”

Trecho ilustrativo de sentença criminal

variável valor
cocaina_pinos 3
maconha_porcoes 65
decisao condenado
pena_anos 5,83

O Judiciário guarda quase tudo em texto livre. A variável que responde à pergunta de pesquisa quase nunca está nos metadados.

Saídas estruturadas reduziram a extração de dados a poucas linhas de código

Anotação manual

Padrão-ouro, mas cara e difícil de padronizar.

Expressões regulares

Funcionam no caso que você viu e quebram no próximo.

Machine learning

Generaliza, mas exige uma base anotada antes.

LLM com saída estruturada

Pré-treinado. Você descreve as variáveis e recebe a tabela.

class Sentenca(BaseModel):
    decisao: Literal["condenado", "absolvido", "arquivado"]
    qtd_cocaina: float
    pena_anos: float

O esquema vira uma gramática, e o modelo só pode gerar o que cabe nela. Em Python, dataframeit; em R, ellmer.

O Jev responde perguntas fechadas sem gerar texto

O Jev (TypeSafe AI, setembro de 2026) é um modelo “System One”:

  • recebe o texto e perguntas tipadas;
  • devolve só as opções definidas;
  • dá uma probabilidade para cada resposta.

Modelo fechado, com acesso por API.

Choice Qual foi o resultado? procedente · 0,97

Score Qual a gravidade do dano? média · 0,74

Noul A sentença decide com base na inversão do ônus? sim · 0,52

Respostas ilustrativas

No nosso teste com sentenças do TJSP, o Jev foi mais rápido e o Gemini, mais preciso

12 variáveis fechadas em 120 sentenças cíveis, com gabarito por consenso de modelos fortes e adjudicação cega, sem juristas. LabDados, set/2026.

Já existem alternativas abertas ao Jev que rodam na sua própria máquina

O que é Abertura
Kev família de modelos tipados sobre Qwen, de 0,8B a 27B, compatível com o SDK do Jev pesos e treino abertos, Apache-2.0
this-that-model modelo tipado de 2 bilhões de parâmetros, cerca de 30 ms em GPU de notebook pesos no Hugging Face, MIT
poorjev mesma interface do Jev, com modelo de NLI local código MIT
LLMs de pesos abertos modelo local com saída estruturada (Outlines, Ollama, vLLM) varia por modelo

Modelo local significa texto que não sai de casa, custo marginal perto de zero e experimento reproduzível. Mas falta testar essas alternativas em português jurídico: esse benchmark ainda está por fazer.

Uma oportunidade para a pesquisa empírica em Direito

Já usamos essas ferramentas em pesquisas e em órgãos públicos

O projeto mais importante da área é criar métodos e repositórios abertos

Coletar

raspagem e APIs

Estruturar

esquema e modelo

Validar

amostra humana, triagem por confiança

Proteger

anonimizar, publicar variáveis

Abrir

repositório, licença, documentação

Métodos seguros, baratos e fáceis de usar, para que pesquisar o Judiciário não dependa de uma equipe de engenharia.

Repositórios estruturados abertos, para pesquisadores e sociedade civil, sem que cada grupo refaça tudo do zero.

Só que há duas perguntas no caminho: como acessamos e se podemos usar.

Como acessamos os dados do Judiciário?

Por muito tempo, pesquisar o Judiciário dependia de papel e de robôs

2010

Sem base pronta. No estudo do CARF, aprendi a escrever robôs.

2012

LAI em papel. No estudo de adoção, os dados vieram impressos.

2014

Um raspador por tribunal, com sessões e captchas.

2016

Dados abertos chegam ao Executivo, não ao Judiciário.

2020 a 2024

CNJ

O CNJ centraliza com DataJud, PDPJ-Br e Jus.br.

O passo zero da pesquisa empírica em Direito sempre foi engenharia, não estatística.

O CNJ passou a concentrar os dados dos tribunais na PDPJ-Br

PJe eproc e-SAJ Projudi outros sistemas

Codex extrai dados dos processos eletrônicos

PDPJ-Br, a plataforma que integra os tribunais (Res. CNJ 335/2020), com um data lake central

DataJud

Base nacional de estatísticas (Res. 331/2020), com API pública de metadados

Jus.br

Portal de serviços (Res. 455/2022), com consulta unificada de processos por login

API do data lake

Acesso a dados consolidados para instituições (Res. 574/2024 e Portaria 316/2024)

Esquema simplificado.

Cada caminho de acesso entrega uma parte diferente dos dados

O que entrega Quem usa Em massa? Custo
Site do tribunal processos e decisões qualquer pessoa não grátis
API do DataJud só metadados, sem partes, valor nem texto quem aceita os termos 120 requisições/min grátis
Jus.br processo e documentos públicos usuário com login não grátis
Data lake PDPJ partes e decisões, sem petições instituições habilitadas até 200 milhões/mês R$ 0,0015 a 0,0019 por chamada

O DataJud ajuda a listar casos e sortear amostras, mas a pesquisa precisa de partes, valores e texto, que estão nos caminhos mais fechados.

O acesso completo foi desenhado para grandes instituições

Para usar a API do data lake, a Portaria CNJ 316/2024, art. 5º, exige ao mesmo tempo:

  • políticas de privacidade e proteção de dados;
  • infraestrutura de segurança da informação;
  • auditoria capaz de reconstruir cada acesso;
  • disponibilidade acima de 95%;
  • gestão de identidade para ao menos 200 mil usuários únicos por mês.

Universidades podem ser dispensadas dos dois últimos itens, a critério da Presidência do CNJ. Pesquisadores individuais não estão cobertos.

R$ 1 mil a 35 mil por mês, em planos de uma API privada que revende dados judiciais públicos (abril de 2026)

Enquanto isso, a comunidade liberta os dados por conta própria

Libertar dados é capturar, limpar, estruturar e publicar:

  • juscraper: raspadores abertos para mais de 25 tribunais, DataJud e Jus.br
  • juscraper-app: o mesmo, sem programar
  • JudeData (USP): dados do STF em CSV documentado
  • Brasil.IO, Base dos Dados e Querido Diário: a linhagem brasileira

Raspar resolve uma pesquisa, não a infraestrutura. Isso exige governança, fôlego e colaboração dos tribunais.

Podemos usar esses dados em pesquisa?

Dado público não é o mesmo que dado aberto

Dado público

Open Knowledge Foundation, Open Definition

dados.gov.br: mais de 19 mil conjuntos. A política federal é referência, mas alcança o Executivo, não o Judiciário.

Todo dado público deveria ser aberto?

O próprio CNJ trata sentenças e nomes das partes como dados públicos

“dados públicos: dados estruturados e não estruturados relativos a número único, classe e assuntos do processo, nome das partes e de seus advogados, decisões, sentenças, votos e acórdãos […]”

Portaria CNJ 316/2024, art. 2º, I, remetendo à Res. CNJ 121/2010

Ou seja, o dado é público e contém informação pessoal. A pergunta não é se ele é acessível, mas em que condições pode ser reutilizado.

Como os tribunais têm tratado esses dados

STJ: espelhos de acórdãos

ZIP, CSV e JSON, com licença CC-BY. dadosabertos.web.stj.jus.br

TJDFT: API pública de jurisprudência

“sem limitações legais de uso dos arquivos por programas de terceiros”

tjdft.jus.br, Transparência, Webservice ou API

O TJSP tem dados públicos, mas não abertos

  • A consulta é pública, sem cadastro.
  • Não há download em massa nem licença aberta.
  • Busque “PIX”: aparecem chaves que são CPFs.

As empresas de consulta processual já baixaram tudo. Quem esbarra é a pesquisa, que pode travar no comitê de ética.

Consulta de jurisprudência do TJSP, com 16.159.987 acórdãos listados (out/2026).

A mesma decisão pode ser aberta ou não, dependendo do tribunal

STJ TJDFT TJSP
Decisões públicas sim sim sim
Têm dados pessoais sim sim sim
Acesso por máquina oficial sim sim não
Licença aberta CC-BY uso sem limitação legal não

Primeiro caminho

São públicos, logo deveriam ser abertos. O TJSP só está atrasado, e a pesquisa é legítima.

Segundo caminho

Têm dados pessoais, logo pedem comitê de ética. Mas aí a resposta muda com o tribunal.

Mudar de tribunal não deveria mudar o que é ético pesquisar.

Podemos abrir os dados em camadas, conforme o risco

Aberta

Variáveis estruturadas e metadados, sem identificar pessoas, para qualquer finalidade.

Protegida

Textos anonimizados, com finalidade declarada e termo de uso.

Restrita

Dados identificados e cruzamentos, em sala segura e com comitê de ética.

Estruturar também protege: a base publica decisao e pena_anos, e não o texto. E a mesma IA ajuda a anonimizar.

LGPD, art. 7º, §3º (finalidade, boa-fé e interesse público) e inciso IV (pesquisa). Res. CNS 510/2016, art. 1º, parágrafo único (informações de acesso público).

O que precisamos de tribunais, comitês e universidades

CNJ Abra a PDPJ para download em massa. Iniciativas dos tribunais ajudam, mas a chave está na base central.

Comitês e reguladores Deem critérios coerentes para pesquisa com dado público, independentes do tribunal.

Pesquisa e universidades Construam juntos métodos validados e repositórios abertos, com modelos que possamos auditar.

Dado público só é público de verdade quando é aberto.

Obrigado!

Julio Trecenti

julioazt@insper.edu.br

Slides e código abertos no repositório de slides. Redigido com apoio do Claude Code (Claude Opus 5.5). As afirmações e eventuais erros são meus.

estes slides

juscraper

juscraper-app

Insper