Triagem de documentos jurídicos, não parecer

O departamento jurídico de uma empresa média recebe contratos de fornecedor, notificações, aditivos, termos de parceria e comunicados de órgãos públicos pelo mesmo canal. Antes de qualquer análise acontecer, alguém precisa abrir cada documento, identificar o que é, ver se tem prazo e decidir quem lê. Esse é o trabalho que atrasa o resto.

Vale começar pelo que não está sendo proposto aqui. O Jev, modelo da TypeSafe AI, devolve decisões tipadas com probabilidade e não gera texto: ele não escreve parecer, não interpreta cláusula e não substitui a avaliação de um profissional habilitado. Este guia é de comunidade e não dá orientação jurídica. O que o desenho abaixo faz é triagem: classificar, priorizar e apontar onde olhar.

O desenho das perguntas

Duas etapas. A primeira classifica o documento; a segunda, quando faz sentido, localiza trechos.

Etapa 1: o que chegou e com que pressa

{
  "state": {
    "titulo_do_arquivo": "Notificacao_extrajudicial_fornecedor_XY.pdf",
    "texto": "... texto extraído do documento ...",
    "remetente": "escritório externo",
    "recebido_em": "2026-09-15"
  },
  "questions": {
    "tipo_de_documento": {
      "type": "choice",
      "instructions": "Que tipo de documento é este?",
      "criteria": {
        "contrato_novo": "Proposta de contrato ainda não assinado.",
        "aditivo_ou_renovacao": "Altera ou prorroga um contrato existente.",
        "notificacao_extrajudicial": "Comunicação formal de exigência ou descumprimento.",
        "comunicacao_de_orgao_publico": "Ofício, intimação ou comunicado de órgão público.",
        "termo_ou_politica": "Termos de uso, política de privacidade, código de conduta.",
        "outro": "Não se encaixa em nenhum dos tipos acima."
      }
    },
    "urgencia_aparente": {
      "type": "score",
      "instructions": "Qual a urgência que o próprio documento expressa?",
      "criteria": [
        "Nenhuma urgência declarada.",
        "Pede retorno, sem prazo específico.",
        "Cita prazo para manifestação.",
        "Cita prazo curto ou consequência imediata em caso de silêncio."
      ]
    },
    "complexidade_de_leitura": {
      "type": "score",
      "instructions": "Quanto esforço de leitura especializada este documento exige?",
      "criteria": [
        "Documento padrão, sem alteração relevante.",
        "Documento padrão com pontos alterados.",
        "Documento extenso ou com cláusulas atípicas.",
        "Documento atípico, com estrutura ou matéria incomum."
      ]
    },
    "menciona_prazo": {
      "type": "noul",
      "instructions": "O texto menciona algum prazo, data-limite ou contagem de dias para resposta?"
    },
    "menciona_penalidade": {
      "type": "noul",
      "instructions": "O texto menciona multa, rescisão, penalidade ou consequência por descumprimento?"
    }
  }
}

Etapa 2: onde olhar dentro do documento

Quando o documento é longo, vale localizar trechos em vez de mandar o time ler tudo. O desenho vem da receita oficial de busca linha a linha: numerar as linhas, mandar uma pergunta de escolha sobre qual linha melhor responde a uma consulta e uma pergunta de sim ou não sobre se o documento contém a resposta.

No experimento oficial dessa receita, 218 linhas dos termos de serviço do GitHub foram pontuadas em uma requisição, e a lição prática é a combinação das duas perguntas: a ordenação diz onde olhar, e a pergunta de existência diz se há resposta. No experimento, a consulta sobre arbitragem recebeu existência 0,14 mesmo com a melhor linha marcando 0,86 de relevância — ou seja, havia uma linha “mais parecida”, e não havia resposta. Em jurídico, essa distinção é tudo.

Há um limite conhecido: uma pergunta de escolha aceita no máximo 255 opções, então documentos com mais de 255 linhas exigem mais de uma passagem.

O que o código faz com a resposta

Piso de confiança primeiro. Tipo de documento com confiança baixa vai para um analista, sem roteamento automático. Confundir aditivo com notificação custa um prazo.

Regras determinísticas depois. menciona_prazo acima do corte marca o documento para extração de datas e escala a fila, independentemente da nota de urgência. menciona_penalidade acima do corte etiqueta para revisão de risco.

Combinação por último, e só para ordenar a fila de leitura.

t = r.answers["tipo_de_documento"]

if t.confidence < PISO or t.choice == "outro":
    return fila_analista(doc, motivo="tipo indefinido")

if r.answers["menciona_prazo"].noul > 0.5:
    marcar_para_extracao_de_datas(doc)     # a data sai em outra etapa, no código

ordem = 0.6 * (r.answers["urgencia_aparente"].score / 3) \
      + 0.4 * (r.answers["complexidade_de_leitura"].score / 3)
fila_de_leitura(doc, tipo=t.choice, ordem=ordem,
                distribuicao=t.probabilities)

Nenhum ramo conclui nada sobre o mérito. Todos terminam em uma fila de leitura humana com uma etiqueta e uma ordem.

Onde entra a pessoa

Em tudo que é análise, por definição, e em três pontos do fluxo:

Na confirmação do prazo. O modelo apenas sinaliza que existe menção a prazo. Quem lê a data, calcula a contagem e registra o compromisso é uma pessoa apoiada por código, porque comparação de datas é um limite declarado do modelo.

Na faixa de confiança baixa, que é onde documentos atípicos caem — e documento atípico é justamente o que mais precisa de olho treinado.

Na amostragem dos casos automáticos, para medir se a régua de urgência corresponde à urgência real observada.

Custo

Assumindo cinco mil documentos por mês — suposição deste artigo — e um state de cerca de oito mil tokens por documento: ao preço oficial de US$ 0,042 por milhão de tokens de entrada, com saída gratuita, e o dólar estimado em R$ 5,40, cada documento sai por cerca de R$ 0,0018 e o mês por cerca de R$ 9,07. A fórmula está em quanto custa uma decisão.

Para comparação, o experimento oficial de reordenação de busca jurídica gastou US$ 0,0645 em 1.200 chamadas sobre 1.536.002 tokens de entrada, com o modelo jev-1.12. É a ordem de grandeza que esse tipo de tarefa tem.

Onde isso quebra

Datas, que em jurídico são o assunto mais sensível de todos. A documentação oficial diz que o jev-1.13 lê datas como texto, não como quantidade ordenada, e que comparar datas piora com formatos misturados e com limites de domínio como trimestres e janelas de liquidação. Contagem de prazo processual não é tarefa para o modelo: extraia as partes com perguntas fechadas, como na receita de extrair datas, e faça a conta no código com o calendário e os feriados corretos.

Indireção. “Esta cláusula contraria o artigo citado no anexo II?” é uma pergunta com vários saltos, e a documentação aponta indireção como um dos nove modos de falha declarados. Reduza os saltos: aponte o trecho pelo nome e pergunte uma coisa de cada vez.

Geração. O modelo não redige cláusula, não resume e não escreve minuta. A documentação diz que ele não é treinado para gerar texto e que forçar isso encadeando escolhas funciona mal e fica lento.

State grande. Contrato inteiro no state derruba a acurácia e ainda esconde qual parte gerou a resposta errada. A etapa 2 existe exatamente para isso: em vez de perguntar sobre o documento todo, pontue linhas. O efeito está em context rot.

A lista completa dos limites está em limites do Jev, e os outros fluxos em casos de uso.