Direito SP
Mestrado e Doutorado

Aula 2 · Labtech 2026

Extração, tabulação
e anonimização

Extrair dados de um documento é fazer perguntas a ele. O pesquisador escreve as perguntas; a máquina responde e mostra onde leu cada resposta.

Prof. Anderson Fraiha Machado Disciplina eletiva · 2026

Direito SP
Mestrado e Doutorado

Retomada

Na Aula 1 vocês coletaram os documentos. Hoje vamos transformá-los em dados

Coluna do corpus.csv	Diz
id, tribunal, classe	de que processo se trata
data, órgão julgador	quando e onde
inteiro_teor_path	onde está o texto

Que coluna falta nesta planilha para responder à sua pergunta de pesquisa?

Todas as que dependem de ler: o resultado, o fundamento, o valor.

Labtech · IA para a Pesquisa Aplicada ao Direito02

10 min. Projetar o corpus.csv e o registro.json de um aluno.

Direito SP
Mestrado e Doutorado

Tabulação manual

Triagem, leitura e variáveis, dinâmica em grupos.

Labtech · IA para a Pesquisa Aplicada ao Direito03

Direito SP
Mestrado e Doutorado

0 · Tabulação manual · dinâmica

Mesmas seis decisões, a mesma planilha, todos os grupos

Variável	O que anotar
Desconsideração deferida?	sim / não / parcial
Fundamento	art. 50 do CC / art. 28 do CDC / outro
Modalidade	direta / inversa
Valor em discussão	em reais, se houver

Triagem

serve para a pesquisa?

Leitura

busca as informações

Planilha

preenche

14 minutos. Cada integrante lê duas decisões; o grupo consolida.

Labtech · IA para a Pesquisa Aplicada ao Direito04

4 min de montagem. 2 das 6 decisões são inelegíveis — a turma NÃO é avisada. Decisões curtas, até 3 páginas, das íntegras do STJ (CC-BY).

Direito SP
Mestrado e Doutorado

0 · Tabulação manual · reporte

As planilhas dos grupos não batem, e ninguém errou

Nas inelegíveis

uns grupos tabularam, outros descartaram

No "parcial"

ninguém definiu o que conta como parcial

No fundamento

a decisão cita os dois artigos: qual prevalece?

Sem domínio definido e regra de decisão, cada pesquisador codifica de um jeito.

Labtech · IA para a Pesquisa Aplicada ao Direito05

12 min de reporte. Planilhas lado a lado no telão; ficam visíveis até o fechamento.

Direito SP
Mestrado e Doutorado

0 · Tabulação manual · o instrumento

O livro de códigos é a primeira versão do guia de extração

Pergunta	Domínio	Regra de decisão	Exemplo
A desconsideração foi deferida?	sim · não · parcial · não identificado	parcial = deferida só para parte dos sócios ou dos bens	“defiro em relação ao sócio A”
Qual o fundamento?	art. 50 CC · art. 28 CDC · outro	se citar os dois, vale o que a decisão aplica	“com base no art. 50”

Não se tabula tudo: cada variável existe porque serve à tese da pesquisa.

Labtech · IA para a Pesquisa Aplicada ao Direito06

Conceitos: variável, domínio, unidade de análise, critério de elegibilidade.

Direito SP
Mestrado e Doutorado

0 · Tabulação manual · escala

Quanto tempo levaria para tabular o corpus inteiro

14 min

um grupo de quatro para 6 decisões curtas

≈9 min

de trabalho por decisão

50 horas

para as 340 do seu corpus, sem a segunda leitura

Labtech · IA para a Pesquisa Aplicada ao Direito07

Pergunta natural: e se a máquina procurasse palavras?

Direito SP
Mestrado e Doutorado

1 · Limites das palavras-chave

A palavra-chave encontra o tema, mas não o sentido da decisão

Negação“não é caso de desconsideração da personalidade jurídica”
O verbo inverte o resultado“indefiro o pedido de desconsideração”
Palavra certa, sentido errado“a desconsideração, embora pleiteada, não se justifica”
Adjetivação“evidente abuso” × “ausente qualquer abuso”

Labtech · IA para a Pesquisa Aplicada ao Direito08

10 min, ao vivo nas mesmas 6 decisões: a regra ingênua marca como positivas decisões que negam o pedido.

Direito SP
Mestrado e Doutorado

1 · Limites das palavras-chave

Extrair é passar do texto corrido para a tabela

Não estruturado

A sentença, o acórdão, a petição
Texto corrido, cada um de um jeito
Lido por pessoas

Estruturado

A planilha, o corpus_extraido.csv
Uma linha por caso, uma coluna por variável
Lido por máquinas e por análises

Labtech · IA para a Pesquisa Aplicada ao Direito09

5 min.

Direito SP
Mestrado e Doutorado

2 · Reconhecimento de entidades

NER: a máquina marca nomes, datas e leis no texto

Pessoa

partes, advogados, magistrados

Organização

empresas, órgãos

Local

comarcas, endereços

Tempo

datas e prazos

Legislação

artigos e leis citados

Jurisprudência

decisões citadas

Categorias do LeNER-Br, a leitura básica: documentos jurídicos brasileiros anotados para treinar esse tipo de modelo.

Labtech · IA para a Pesquisa Aplicada ao Direito10

5 min de conceito + 6 min de demonstração num acórdão real.

Direito SP
Mestrado e Doutorado

2 · Reconhecimento de entidades

O que o NER resolve e o que ele não resolve

Ajuda

Partes, datas, valores e leis citadas
É a primeira passada da anonimização (Bloco 5)

Não chega

"A desconsideração foi deferida?" não é uma entidade
É uma interpretação

Labtech · IA para a Pesquisa Aplicada ao Direito11

4 min. Pergunta que leva ao Bloco 3: e se a máquina lesse como um pesquisador?

Direito SP
Mestrado e Doutorado

3 · Mineração com LLMs

Do livro de códigos ao guia de extração

Pergunta

Domínio

Regra

Exemplo

Na dúvida

não identificado

Escrever um guia de extração é escrever um prompt estruturado. A Aula 5 usa a mesma técnica no revisor.

Demonstração: o guia + uma das 6 decisões num assistente de IA, conferido com o gabarito dos grupos.

Labtech · IA para a Pesquisa Aplicada ao Direito12

5 min + 7 min de demonstração.

Direito SP
Mestrado e Doutorado

3 · Mineração com LLMs · o que aparece

O assistente responde, mas não no formato que a pesquisa precisa

Cada vez num formato

texto corrido, que não cabe na planilha

Afirma sem base

afirma o que não está no documento

Sem fonte

não diz onde leu

Como obrigar a resposta a caber na planilha, mostrar de onde veio e dizer quanto confia?

Labtech · IA para a Pesquisa Aplicada ao Direito13

3 min. Fica no ar durante o intervalo.

Direito SP
Mestrado e Doutorado

Intervalo

Na volta: esquema, trecho de origem e grau de segurança.

Labtech · IA para a Pesquisa Aplicada ao Direito14

Direito SP
Mestrado e Doutorado

4 · Extração com esquema · fundamentos

Um LLM prevê a continuação mais provável

Não consulta fontea menos que você entregue o texto: por isso o documento vai junto com a pergunta.
Soa igual quando acerta e quando inventapor isso o trecho de origem é o controle.

Modelos gerais × jurídicos

O LEGAL-BERT (leitura complementar) é o exemplo clássico de modelo treinado em texto jurídico.

Labtech · IA para a Pesquisa Aplicada ao Direito15

7 min.

Direito SP
Mestrado e Doutorado

4 · Extração com esquema

O livro de códigos em formato que a máquina é obrigada a respeitar

{
  "deferida":   ["sim","não","parcial",
                 "não identificado"],
  "fundamento": ["art. 50 CC","art. 28 CDC",
                 "outro","não identificado"],
  "modalidade": ["direta","inversa",
                 "não identificado"],
  "valor":      "número (R$)",
  "trecho_origem": "citação literal
     que sustenta cada resposta"
}

Saída estruturada garante o formato, não o acerto.

Labtech · IA para a Pesquisa Aplicada ao Direito16

6 min.

Direito SP
Mestrado e Doutorado

4 · Extração com esquema · o Jev

Jev: decisões dentro do esquema, com grau de confiança

O fabricante diz	Como ler
"Não alucina"	não consegue responder fora do esquema, pode marcar a alternativa errada com toda a formalidade
"É calibrado"	confiança alta deveria significar acerto alto: é alegação, e a turma vai testar
Probabilidade e confiança em cada resposta	útil para decidir o que vai para revisão humana

TypeSafe AI, lançado em 15/09/2026, em acesso antecipado. Plano B: GPT ou Claude com saída estruturada.

Labtech · IA para a Pesquisa Aplicada ao Direito17

7 min, com demonstração nas 6 decisões do Bloco 0.

Direito SP
Mestrado e Doutorado

4 · Extração com esquema · grau de segurança

O grau de segurança precisa ser medido, não declarado

Codificar à mão

o gabarito do Bloco 0

Comparar

variável por variável

Conferir a confiança

ela acompanha o acerto?

Regra de revisão

sem trecho ou abaixo do limiar → humano

Labtech · IA para a Pesquisa Aplicada ao Direito18

5 min.

Direito SP
Mestrado e Doutorado

5 · Anonimização · por que agora

Os documentos vão para um serviço externo e o dataset pode ser publicado: por isso anonimizar agora

Conceito	Onde está na LGPD
Dado pessoal · dado pessoal sensível	art. 5º, I e II
Dado anonimizado · anonimização	art. 5º, III e XI
Dado anonimizado deixa de ser pessoal, salvo se reversível	art. 12
Pseudonimização: só volta a identificar com informação guardada à parte	art. 13, § 4º

Labtech · IA para a Pesquisa Aplicada ao Direito19

3 min + 6 min. Conferir a redação dos artigos antes do slide.

Direito SP
Mestrado e Doutorado

5 · Anonimização · as técnicas

Quatro técnicas; o que muda é se dá para reverter

Técnica	Exemplo	Reversível?
Mascaramento	João S*	em parte
Supressão	o nome some do texto	não
Pseudonimização	João Silva → PARTE_017, tabela guardada à parte	sim, com a tabela
Anonimização	nenhum caminho de volta à pessoa	não

Labtech · IA para a Pesquisa Aplicada ao Direito20

4 min.

Direito SP
Mestrado e Doutorado

5 · Anonimização · revisão humana

O NER faz a primeira passada. O que ele deixa passar

O nome na razão social: “Fulano Silva Comércio Ltda.”
O apelido e o parentesco que denunciam.
O endereço que identifica.

O programa exige uma versão tratada para revisão humana, sem presumir que o automatizado basta.

Decisão é pública (Res. CNJ 121/2010). Republicá-la num dataset, com nome, para outra finalidade, é outra coisa.

Labtech · IA para a Pesquisa Aplicada ao Direito21

5 min de demonstração + 2 min da tensão. Leitura: Csányi et al.

Direito SP
Mestrado e Doutorado

6 · Artefato

O Extrator Jurídico aplica o guia de extração a cada documento

Extrator Jurídico

As perguntas do pesquisador, respondidas dentro do esquema, cada uma com o trecho que a sustenta e o grau de confiança.

Entracorpus.csv anonimizado + o guia de extração.
Saicorpus_extraido.csv: variável, trecho de origem e confiança.
E aindaa versão anonimizada e o registro.json.

Labtech · IA para a Pesquisa Aplicada ao Direito22

3 min + 12 min de demonstração: gabarito × grupos × máquina, lado a lado. Os humanos também discordavam entre si.

Direito SP
Mestrado e Doutorado

6 · Artefato · onde ele falha

Onde a ferramenta erra, de propósito

Extrai o inelegível

a triagem precisa estar no guia

Erra no "parcial"

domínio mal definido vira erro em série

Trecho que não sustenta

existe, mas não diz o que a resposta diz

Anonimização vaza

o nome embutido passa

Labtech · IA para a Pesquisa Aplicada ao Direito23

5 min.

Direito SP
Mestrado e Doutorado

7 · Oficina

O guia de extração da sua pesquisa

10'

Guia

3 variáveis, com domínio e regra

Rodar

em 10 documentos

10'

Codificar à mão

2 documentos e comparar

Registro

salvar o registro.json

No laboratório: 3 a 5 variáveis, 20 documentos, 5 codificados à mão.

Labtech · IA para a Pesquisa Aplicada ao Direito24

27 min. Cobrar: domínio com "não identificado"? triagem no guia? trecho conferido?

Direito SP
Mestrado e Doutorado

Laboratório 2 de 5

Construa o guia, aplique com o Extrator e meça onde vocês discordam

Descrição da tarefa realizada.
Ferramenta utilizada.
Resultado: o corpus_extraido.csv e o guia.
Verificação: a comparação dos 5 documentos codificados à mão.
Pelo menos uma limitação ou risco identificado.

Labtech · IA para a Pesquisa Aplicada ao Direito25

O registro.json já traz esses itens e é recomendado como anexo.

Direito SP
Mestrado e Doutorado

Fechamento

Trezentos documentos extraídos com o mesmo guia,
cada resposta com o trecho de origem e a confiança medida.

Esquema fixo, confiança medida, anonimização antes de sair da máquina. Na Aula 3, esses dados viram um painel.

anderson.machado@fgv.br Aula 3: jurimetria

Labtech · IA para a Pesquisa Aplicada ao Direito26

Retomar o guia de extração da oficina: o que era planilha divergente no começo da aula virou esquema, trecho e grau de segurança.

Extração, tabulaçãoe anonimização

Na Aula 1 vocês coletaram os documentos. Hoje vamos transformá-los em dados

Tabulação manual

Mesmas seis decisões, a mesma planilha, todos os grupos

Triagem

Leitura

Planilha

As planilhas dos grupos não batem, e ninguém errou

Nas inelegíveis

No "parcial"

No fundamento

O livro de códigos é a primeira versão do guia de extração

Quanto tempo levaria para tabular o corpus inteiro

A palavra-chave encontra o tema, mas não o sentido da decisão

Extrair é passar do texto corrido para a tabela

Não estruturado

Estruturado

NER: a máquina marca nomes, datas e leis no texto

Pessoa

Organização

Local

Tempo

Legislação

Jurisprudência

O que o NER resolve e o que ele não resolve

Ajuda

Não chega

Do livro de códigos ao guia de extração

Pergunta

Domínio

Regra

Exemplo

Na dúvida

O assistente responde, mas não no formato que a pesquisa precisa

Cada vez num formato

Afirma sem base

Sem fonte

Intervalo

Um LLM prevê a continuação mais provável

Modelos gerais × jurídicos

O livro de códigos em formato que a máquina é obrigada a respeitar

Jev: decisões dentro do esquema, com grau de confiança

O grau de segurança precisa ser medido, não declarado

Codificar à mão

Comparar

Conferir a confiança

Regra de revisão

Os documentos vão para um serviço externo e o dataset pode ser publicado: por isso anonimizar agora

Quatro técnicas; o que muda é se dá para reverter

O NER faz a primeira passada. O que ele deixa passar

O Extrator Jurídico aplica o guia de extração a cada documento

Extrator Jurídico

Onde a ferramenta erra, de propósito

Extrai o inelegível

Erra no "parcial"

Trecho que não sustenta

Anonimização vaza

O guia de extração da sua pesquisa

Guia

Rodar

Codificar à mão

Registro

Construa o guia, aplique com o Extrator e meça onde vocês discordam

Trezentos documentos extraídos com o mesmo guia,cada resposta com o trecho de origem e a confiança medida.

Visão geral — clique para ir ao slide

Extração, tabulação
e anonimização

Trezentos documentos extraídos com o mesmo guia,
cada resposta com o trecho de origem e a confiança medida.