Graduação
Inteligência artificial
e solução de conflitos
Ontem vocês acharam a dor. Hoje descobrem que tipo de inteligência resolve cada uma.
Graduação
A parede de ontem, agora com caneta na mão
- As três dores mais votadas, lidas em voz alta.
- A parede saiu de ontem sem classificação nenhuma.
- O critério é o do jogo de ontem: regra clara e conferível é AU; aprendeu de exemplos é IA.
Peguem uma caneta
Vão ao mural e marquem cada post-it: AU para automação, IA para inteligência artificial. Quando o processo tiver as duas coisas, escrevam as duas. Dez minutos.
Graduação
O Dia 2 inteiro, hora a hora
dinâmica15 min
aula60 min
intervalo15 min
jogo15 min
aula105 min
intervalo90 min
convidado45 min
laboratório45 min
intervalo15 min
avaliação60 min
entrega15 min
fim
Graduação
Usar IA generativa para prever resultado de processo é usar a ferramenta certa para a pergunta errada.A tese do diaLabtech · FGV Direito SP, 2026
Graduação
O que é IA,
LLM e GPT?
A base conceitual entra agora, porque a partir daqui ela faz falta.
Graduação
Complete a frase antes de mim
Peça em voz alta
A sala completa a frase junto. Todo mundo acerta mais ou menos a mesma coisa, e ninguém leu processo nenhum para isso.
Os números aqui são ilustração. O que vale é a frase rodando ao vivo no projetor, com a turma apostando antes.
Graduação
Agora uma que a sala inteira completa junto
Por que esta é fácil
Vocês ouviram essa sequência a vida inteira. A aposta do modelo fica concentrada quase toda num lugar só. Na frase do réu, ela estava espalhada entre cinco.
É a régua toda: quanto mais repetida a sequência, mais concentrada a aposta. Por isso ele acerta a forma da petição, que se repete, e erra o número do processo, que é arbitrário.
Graduação
Ele não consultou o processo. Escolheu a continuação mais provável
- O buscador completa sua frase sem saber nada sobre você.
- Ele viu milhões de frases parecidas e aposta na continuação mais frequente.
- Um modelo de linguagem faz isso, palavra após palavra, com texto jurídico no meio do treino.
- Por isso ele acerta a forma da petição e erra o número do processo.
Graduação
O conceito pode ser antigo, mas a pergunta continua a mesma
John McCarthy, 1956
O ramo da ciência da computação que se preocupa com a automação de comportamentos inteligentes.
- Em 1956o problema era fazer a máquina resolver o que exigia raciocínio.
- Hojefala-se em sistemas capazes de pensar como seres humanos — e é aí que a definição começa a prometer demais.
- Para nósimporta menos o que a definição promete e mais que tipo de tarefa cada tecnologia resolve.
Graduação
Não é que ficou inteligente. É que passou da nossa marca em tarefas medíveis
Graduação
Toda IA que existe hoje é fraca. A forte ainda não saiu do papel
IA fraca (ou estreita)
- Faz uma tarefa específica, e só ela
- Reconhecer voz, classificar imagem, extrair texto de um PDF
- Depende dos dados com que foi treinada
- Não generaliza para fora do que foi especificado
- É isto que está em todo sistema em produção hoje
IA forte (ou geral)
- Resolveria tarefas de qualquer domínio
- Pressupõe alguma forma de autoconsciência
- Raciocinar, aprender e decidir como um humano
- Vai além do que foi programado
- Não existe um único caso real
Graduação
Uma segue a regra que alguém escreveu. A outra procura a regra nos dados
Sistema especialista
- Regras definidas pelo programador, uma a uma
- Determinístico: mesma entrada, mesma saída
- Erra onde a regra não previu o caso
- Quem erra é quem escreveu a regra
- Ex.: cálculo de prazo processual
Machine learning
- Regras aprendidas a partir de exemplos
- Probabilístico: devolve o mais provável
- Erra onde os exemplos eram enviesados ou escassos
- Quem erra é quem escolheu os dados
- Ex.: separar petições por assunto
Graduação
Um sistema especialista é uma árvore que alguém desenhou
Cada galho foi escrito por alguém
Nenhum apareceu sozinho. Se o resultado sai errado, dá para apontar a pergunta onde o caminho errou — e corrigir aquela linha.
É exatamente assim que um sistema calcula prazo processual. A árvore é a mesma; o que muda é que ela tem duzentos galhos, e um deles é o feriado forense.
Graduação
A máquina não aprende com a resposta. Aprende com a correção
- Dadosmilhares de exemplos já resolvidos por gente.
- Treinoo modelo chuta, erra, e é corrigido, muitas vezes.
- Testeuma parte dos dados fica escondida, para ver se ele decorou ou entendeu.
- Acuráciaa nota dele na parte escondida. Nunca é 100%, e isso não é defeito.
Graduação
Três jeitos de aprender, e o que separa os dois primeiros é o rótulo
Supervisionado
Aprende com exemplos já rotulados por humanos. Ex.: mil sentenças marcadas como procedente ou improcedente.
Não supervisionado
Recebe os dados sem rótulo e procura padrão sozinho. Ex.: agrupar dez mil petições sem ninguém dizer quais grupos existem.
Por reforço
Aprende por tentativa e erro, com prêmio e punição. Ex.: um agente que testa caminhos até achar o que funciona.
No supervisionado, alguém rotulou. Esse alguém é normalmente o profissional mais júnior da equipe — e é o viés dele que entra no modelo.
Graduação
As famílias de tarefa
Seis famílias. Escolher a errada custa caro, e o prompt não conserta.
Graduação
Com rótulo: ou você prevê um número, ou escolhe uma caixa
Previsão (regressão)
- Devolve um número
- Prever o valor de condenação em uma disputa
- Prever quanto tempo um recurso vai demorar
- Pede histórico estruturado, não texto solto
- Erra feio quando o passado muda de regra
Classificação
- Devolve uma caixa, entre caixas que já existem
- Dizer se a peça é petição, contestação ou sentença
- Triar um processo por assunto na distribuição
- Pede exemplos rotulados de cada caixa
- Erra quando aparece uma caixa que ninguém previu
Graduação
Sem rótulo: ou você encolhe o texto, ou junta o que se parece
Simplificação
- Reduz o tamanho mantendo o que importa
- Resumir uma peça pelas palavras-chave
- Extrair as variáveis que explicam um resultado
- O ganho é tempo de leitura
- O risco é que o resumo decide o que some
Agrupamento
- Junta o que é parecido, sem saber os nomes dos grupos
- Separar dez mil documentos por conteúdo
- Achar teses repetidas dentro de um acervo
- O ganho é enxergar o que ninguém catalogou
- O risco é achar grupo onde só há ruído
Graduação
O T transforma o que já existe. O G escreve o que não existia
Transformação — o T de GPT
- Entra um conteúdo, sai o mesmo conteúdo em outra forma
- Traduzir, reescrever em linguagem simples, virar tabela
- A referência está na entrada: dá para conferir
- É onde a tecnologia está mais madura
- Ex.: transformar uma sentença de 40 páginas em ficha de 10 campos
Geração — o G de GPT
- Entra um pedido, sai conteúdo que não estava em lugar nenhum
- Redigir minuta, criar hipótese, propor argumento
- Não há entrada para conferir: a fonte precisa vir de fora
- É onde mora a alucinação
- Ex.: escrever a minuta de contestação a partir do caso
As duas moram na mesma sigla e na mesma janela de chat. O risco jurídico de cada uma é completamente diferente.
Graduação
Três palavras, e cada uma resolve um problema diferente
Generative
Gera texto de forma autônoma e coerente, calculando a probabilidade de cada termo dado o contexto em que ele apareceria.
Pre-trained
Já vem treinado. O que ele aprendeu está codificado num espaço abstrato que pode ser manipulado matematicamente.
Transformer
A arquitetura que traduz uma sequência de um domínio para outro passando pela ideia, e não pela palavra.
Graduação
O G começa aqui: uma palavra de cada vez
Um verso de 1843
Gonçalves Dias abriu a Canção do Exílio assim. O modelo não sabe disso. Ele sabe que, depois de “palmeiras onde”, alguém escreveu “canta” um número enorme de vezes.
Autônomo não quer dizer livre: quer dizer sem você no meio. Cada palavra sai de uma aposta, e a aposta seguinte já conta com a anterior.
Graduação
A palavra que ele escreveu virou a pergunta seguinte
O ciclo
“canta” entrou na frase e agora faz parte da pergunta. É o mesmo cálculo de novo, com um contexto maior. É só isso que ele faz, do começo ao fim de qualquer resposta.
Repare na aposta: 74% num artigo de uma letra. Quanto mais travada a construção, mais concentrada a probabilidade — e mais seguro ele parece.
Graduação
Esta a sala inteira acerta junto. E ele também
Aposta concentrada
Noventa e três por cento num lugar só. Quando a sequência é famosa, a probabilidade se junta — e é aí que ele parece saber do que está falando.
Até aqui, nada de errado: o verso é de 1843 e está em todo livro escolar do país. A próxima palavra é que interessa.
Graduação
A aposta se divide — olhem o segundo lugar
Não é delírio: é cursinho
Em cursinho alguém emendou o verso com a tabela de senos para a turma decorar antes da prova. O macete pegou, foi copiado à exaustão e entrou no treino. Para o modelo, “sabiá” e “seno” viraram vizinhos.
Trinta por cento, e não por acaso: o modelo não distingue Gonçalves Dias de apostila de cursinho — os dois são só texto que ele viu, e o que foi mais repetido pesa mais. O G é isto, e para por aqui: cinco palavras, cinco apostas, nenhuma consulta a nada.
Graduação
De que banco estamos falando?
- Fiquei muito tempo esperando no banco.
- Tinha muita fila no banco. Agora é instituição financeira.
- Um sofá iria bem, mas um banco já serve. Agora é mobília.
- A palavra não mudou. O que mudou foi a vizinhança dela na frase.
Espaço latente
O modelo não guarda palavras: guarda posições. Termos que aparecem em contextos parecidos ficam perto, e é a vizinhança que desfaz a ambiguidade.
Vale para 'recurso', 'instância', 'parte' e 'execução'. É por isso que o mesmo termo jurídico volta certo numa frase e errado na outra.
Graduação
Se são posições, dá para fazer conta com elas
A distância entre homem e rei é a mesma que separa mulher de rainha. Não é truque: é consequência de guardar significado como posição. Direção vira sentido, e é isso que o P de pre-trained deixa pronto antes de qualquer pergunta sua.
Graduação
Traduzir é passar pela ideia, não pela palavra
leite
motosserra
Van Gogh
Torre EiffelÉ isto que o transformer faz: codifica a frase numa sequência de ideias e decodifica no domínio de saída. Por isso a mesma máquina traduz, resume e reescreve.
Graduação
Agora vocês são o decoder
Ninguém traduziu ícone por ícone: vocês leram a ideia e escreveram a frase. Só deu certo porque conhecem o repertório — e o do modelo é o texto em que ele foi treinado. Fora dele, chuta com a mesma confiança.
Graduação
Quatro caixas encaixadas, e o chat é só a porta
- Nem toda IA é machine learning. Cálculo de prazo é regra.
- Nem todo machine learning é LLM. Classificar petição não precisa de chat.
- Daqui a quinze minutos vocês vão receber dez dores e escolher a família de cada uma.
- Escolher a família errada é o erro caro. O prompt malfeito custa cinco minutos.
E onde ele quebra: número de processo, artigo de lei e nome de precedente. São a parte do texto com forma regular e conteúdo arbitrário — ele acerta a forma e inventa o conteúdo.
Graduação
Quando o problema tem regra clara, IA é o caminho caro
- Dez situações reais de escritório e de tribunal.
- Seis famílias, mais a alternativa nenhuma delas.
- A 3 e a 9 são o par que separa simplificar de transformar.
- Vinte segundos por pergunta, em grupos.
As duas pegadinhas
Duas das dez se resolvem melhor sem IA nenhuma. Uma planilha e um filtro bastam, e a turma vai marcar gerar nas duas.
Graduação
Construção de um
currículo de respeito
O currículo não é o de hoje. É o do profissional que você pretende ser.
Graduação
Projete-se no mundo que está chegando
- Ontem vocês viram o degrau do estagiário sumir. Ele não volta.
- O que sobra é o que a máquina não faz: decidir sob incerteza, assumir o resultado e saber que aquilo é verdade.
- Então a pergunta não é que vaga você quer. É que profissional você pretende ser quando chegar lá.
- Escreva isso. Com as habilidades que pretende ter, e o caminho para tê-las.
Inventar aqui é permitido
O currículo não é o de hoje — é o de 2030. A vontade de crescer entra no papel, e é ela que vocês vão aprender a escrever sem mentir.
Graduação
Use uma delas para estruturar, e saiba o que pedir a cada uma
NotebookLM
Carregue o histórico, os certificados e os anúncios de vaga. Ele só responde com o que está nos arquivos, e mostra de onde tirou. É aqui que você separa o que já é fato.
Claude
Bom para dar forma: seções, ordem, tom, versão curta e versão longa. Não sabe nada sobre você além do que você colar — e por isso preenche lacuna com invenção.
ChatGPT
Mesma função do anterior. Útil para gerar três versões do mesmo trecho e escolher, em vez de aceitar a primeira que aparecer.
A divisão do trabalho: o acervo diz o que é verdade, o chat diz como fica bom. Trocar os papéis é como o currículo inventado nasce.
Graduação
Vire a mesa: o que eles vão ver de valor em você?
Agora vocês são quem contrata
Trezentos currículos na mesa e vinte entrevistas para dar. Em cinco minutos, escrevam os seis critérios que vocês usariam para escolher — e não vale nenhum que sirva para qualquer candidato.
Só depois entram quatro versões do mesmo trecho, sem dizer quem escreveu. Cada grupo pontua pelos critérios da própria sala, vota, e só então se revela a origem.
Graduação
Almoço
Voltamos 14h00, com o convidado já na sala.
Graduação
Caso II
Poder Judiciário
Como o trabalho chega e sai da mesa de quem decide.
Graduação
Entrevista com o convidado de honra
Graduação
Da dor ao
problema solucionável
O mesmo canvas de ontem, agora sobre o que o Judiciário acabou de contar.
Graduação
Seja objetivo! Reclamação não é dor
| Pergunta | O que escrever | O erro comum |
|---|---|---|
| Quem sofre? | o papel de quem sente, não o tribunal | escrever o nome da vara |
| O que ele faz? | o gesto concreto, com verbo | descrever o sistema |
| Como ele faz? | o caminho de hoje: planilha, e-mail, papel, sistema | pular o passo chato |
| Qual o gargalo? | onde a fila para, e o que fica esperando | apontar tudo como gargalo |
| Quanto custa o processo? | tempo e dinheiro por rodada, com número | deixar em branco |
| Quanto custa o erro? | a consequência real quando passa errado | responder nada demais |
As mesmas seis perguntas de ontem, agora sobre o que vocês acabaram de ouvir. Escrevam as dores novas e preguem no mesmo mural — a parede do Judiciário cresce ao lado da de segunda.
Graduação
Exercício aplicado
Setor público
Compõe a nota dos 30% de exercícios em classe. Feito em sala, entregue em sala.
Graduação
Registro do Laboratório
Compartilhe suas percepções e descobertas
Ferramenta
qual você usou
Como usei
o que você pediu a ela
Fontes
de onde veio o material
Prompt
copiado e colado, sem resumir
Impacto
o que mudou no seu tempo
Individual, em silêncio, aqui na sala. Mesmo formulário de ontem, agora sobre o exercício do setor público.
Graduação
Vocês escolheram a tecnologia.
Amanhã aparece o outro lado da mesa
Até aqui vocês desenharam sozinhos, como se do outro lado não houvesse ninguém com interesses próprios.