Artesanal, em escala industrial

O problema não é julgar com máquinas, mas julgar como máquinas.

Há quem estude a automação do trabalho alheio; Rômulo Soares Valentini estuda a do próprio. Analista judiciário do TRT da 3ª Região — passou pela 45ª Vara do Trabalho de Belo Horizonte, pela Corregedoria do Tribunal e hoje é assessor em gabinete de segunda instância —, prepara minutas de decisões que um magistrado assina, e defendeu na UFMG, em janeiro de 2018, a tese “Julgamento por computadores?”, orientada por Antônio Álvares da Silva, sustentando que a elaboração de minutas de petições e decisões pode ser substancialmente automatizada. Seis dias depois da defesa, no mesmo prédio da Faculdade de Direito, nascia o Instituto IDEIA, o Instituto Direito e Inteligência Artificial, do qual é secretário-geral. Foi professor de Direito do Trabalho na Faculdade de Pedro Leopoldo e convidado na pós-graduação da UFMG, e hoje leciona no programa de pós-graduação da PUC-MG e no Centro de Pesquisa em Direito, Tecnologia e Inovação (DTIBR). Dividiu, em 2020, a coordenação do Congresso Internacional de Direito e Inteligência Artificial da SKEMA Business School e publicou, em 2024, artigo em inglês defendendo que dados gerados pelo trabalho de empregados não sirvam para treinar sistemas de IA sem consentimento e sem remuneração justa.

Por trás do currículo há um gesto que diz muito: em novembro de 2023, em vez de transformar a pesquisa em produto, publicou abertamente no LinkedIn um GPT que monta modelos de sentença a partir das peças do processo, para os colegas testarem e aprimorarem. E há uma frase, dita numa oficina do TRT mineiro em 2017, que poderia ser o lema desta conversa: “E vamos continuar atendendo artesanalmente a uma demanda em escala industrial?”. Falamos sobre minutas e máquinas, sobre quem consente quando o trabalho vira dado, e sobre o que, em quem escreve decisões com ajuda de algoritmos, continua teimosamente artesanal.

1. Antes de qualquer máquina, o primeiro grande trabalho registrado na sua vida acadêmica foi a dissertação de mestrado, defendida na UFMG em 2012, sobre a aplicação de sanções positivas no direito do trabalho: a ideia de que o sistema funciona melhor quando premia quem cumpre a lei, em vez de apenas punir quem a descumpre. Ali já aparece alguém inquieto com o desenho do sistema, não apenas com a operação dele. De onde vem essa inquietação: da sala de aula, da rotina na Justiça do Trabalho, ou de algo anterior a ambas?

Adriana, devo muito da minha trajetória acadêmica às ideias e à orientação do Professor Antônio Álvares da Silva. Acho que todo aluno do curso de Direito passa por um período de “desilusão” quando percebe que aquilo que se vê na teoria e nos ideais de Direito e Justiça não é o que ocorre na prática. Durante esse momento de crise, em um evento na Faculdade de Direito da UFMG, o professor Antônio Álvares lançou um livro intitulado “Reforma do Judiciário: uma justiça para o século XXI”.

Após ler esse livro, que, diferentemente dos textos dogmáticos e das obras de filosofia e teoria do Direito, propunha alternativas concretas e projetos para tentar criar um sistema de jurisdição mais eficiente e em consonância com os valores constitucionais, fiquei bastante interessado e motivado com a pesquisa jurídica voltada ao aperfeiçoamento do serviço público e das instituições.

Isso incentivou — paralelamente aos estudos para o concurso público — uma busca por estudos de textos e obras interdisciplinares e fora da bibliografia usualmente cobrada nos cursos de graduação, me levando para a trajetória acadêmica que se iniciou com o projeto de mestrado.

Posteriormente, as pesquisas nessa vertente de otimização do serviço público para o doutorado me levaram para a área do Direito Eletrônico, na qual tive a oportunidade de, ainda jovem pesquisador, ter contato com grandes mestres e referências nessa área, como José Eduardo de Resende Chaves Júnior, Sebastião Tavares-Pereira, Manuel David Masseno, Dierle Nunes, Leonardo Parentoni, Antonio Martino, dentre tantos outros gigantes que me emprestaram os ombros para que pudesse me apoiar, com muitos dos quais ainda tenho o privilégio de poder discutir esses temas na rede instituída no Instituto IDEIA e no Centro DTIBR.

2. Poucas pessoas vivem o cruzamento desta série tão de dentro: quem minuta decisões no Poder Judiciário e defende, em tese de doutorado, que essa exata tarefa pode ser automatizada está estudando, no limite, a automação da própria mesa. Houve um dia em que a pesquisa encostou na rotina, em que uma minuta saiu diferente por causa do que os estudos mostravam? E, na Justiça do Trabalho, como os colegas receberam a ideia: com curiosidade, com entusiasmo ou com receio?

Acho que foi um choque do início da minha vida profissional ver que boa parte das pessoas tem resistência a mudanças e inovação, mesmo em relação a algo que vá aperfeiçoar os seus processos de trabalho. A visão de muitos colegas de trabalho a meu respeito era do “nerd cientista maluco”, arquétipo que alguns viam com simpatia e outros não.

Após alguns contratempos, felizmente consegui encontrar o meu lugar em unidades de trabalho que valorizam “aquele doido cheio de invencionices”, nas quais pude implementar algumas ideias e procedimentos de otimização do trabalho, na 2ª Vara do Trabalho de Macaé, na 45ª Vara do Trabalho de Belo Horizonte e posteriormente na Corregedoria do Tribunal. Nesse meio-tempo também tive o privilégio de participar de grupos de trabalho para desenvolvimento de sistemas internos no âmbito do CSJT e do CNJ, além de ser muito bem recebido pelos Tribunais Regionais do Trabalho (em especial no âmbito da 8ª, 12ª e 18ª Região) em palestras e eventos sobre inovação no Judiciário e temas afetos à minha tese.

Mas compreendi que a relação das pessoas no que se refere à incorporação da tecnologia e mudanças em processos de trabalho gravita entre dois eixos fundamentais: o triunfalismo tecnológico e o obscurantismo tecnológico. O primeiro eixo enxerga a tecnologia como solução, panaceia e tábua de salvação. O segundo eixo transforma tecnologia em culpada e ameaça existencial.

E, nesse caso, a virtude realmente se encontra no meio-termo. É preciso identificar as potencialidades e limites da tecnologia concreta, verificar o que ela faz bem e suas limitações, para então a utilizarmos a nosso favor sem cair em ilusões ou medo paralisante.

Ao longo desses anos no Poder Judiciário, até recentemente minha “luta” era com os obscurantistas. Afinal de contas, IA generativa e outras técnicas computacionais para otimização das tarefas cotidianas eram raras e, apesar dos estudos e potencialidades, as pessoas tinham dificuldades de adaptação aos novos processos de trabalho e encaravam com ceticismo a possibilidade de trabalhar de modo diferente.

Agora que a coisa mudou e as pessoas estão vendo as “maravilhas” da IA generativa, também tenho que me preocupar com os triunfalistas (risos). E acho que esse é um processo natural. Quando comecei o curso de Direito, os processos eram de papel e amarrados com barbantes, e as minutas eram feitas no Word, sem modelos e com pesquisas na biblioteca. Hoje os processos são eletrônicos, a pesquisa é digital, os modelos são abundantes e as minutas são feitas com o auxílio de IA. E muitos servidores do Poder Judiciário passaram por essa transição e continuam realizando seu trabalho com excelência. O ser humano se adapta às mudanças e, embora haja uma resistência e em alguns casos empolgação com as novidades tecnológicas no início, no longo prazo a tendência é a adaptação e incorporação das ferramentas e novas práticas de trabalho.

Mas acho que continuam me achando um pouco “nerd cientista maluco” (risos).

3. Existe uma conversa que quase nunca chega aos congressos: a que os analistas têm entre si. Quem minuta com IA todos os dias e, ao mesmo tempo, problematiza o que faz — no corredor, no café, nos grupos de mensagens — forma talvez o observatório mais bem posicionado do Judiciário: vê a ferramenta por dentro e sem cerimônia. O que essa conversa de bastidor já sabe sobre a IA nos tribunais que os gabinetes, os anais e as resoluções ainda não sabem?

A resposta para essa pergunta pode ser um pouco frustrante. Não há muitas “conversas de bastidor”. Na verdade, existe um desinteresse crescente por parte da categoria pela interação e troca de experiências mútuas.

Não sei se isso ocorre pelo acúmulo de serviço causado pelo aumento do número de processos e pela falta de recursos humanos e materiais ou pelo próprio design e estrutura de trabalho hierarquizada e segmentada historicamente adotada no Poder Judiciário, que tende a isolar as equipes de magistrados e servidores em suas próprias unidades judiciárias e a delegar à administração o pensamento estratégico e o desenvolvimento de funcionalidades em um formato top-down.

O fato é que a troca de ideias e experiências de trabalho é bem aquém do que poderia ser (afinal de contas, as dores e demandas de trabalho são praticamente as mesmas em todo o território nacional), uma vez que a maior parte das novidades e do conhecimento sobre o que está sendo produzido e desenvolvido fica restrita à administração e aos setores e grupos de trabalho instituídos.

Desse modo, o conhecimento chega com certo atraso para a maior parte dos servidores e, normalmente, o acesso a esse conhecimento é feito pelas vias oficiais e atividades instrucionais promovidas pelas Escolas Judiciais. Isso, por um lado, é positivo, porque mostra que o Poder Judiciário consegue se organizar para promover inovação e avanços de modo institucional. Mas, por outro lado, a maior parte do conhecimento estruturado pelos servidores e magistrados que estão na linha de frente da atividade-fim acaba ficando restrita às suas próprias unidades.

Isso ocorre muitas vezes por receio de que algumas práticas não sejam respaldadas pela administração ou pelos seus pares (e aqui entra diretamente a questão da “Shadow IA”, o uso não comunicado de ferramentas externas e não homologadas pelo Poder Judiciário), mas também pelo simples desinteresse em contribuir para o aperfeiçoamento de uma instituição, sem que haja o devido reconhecimento ou valorização daqueles que desenvolvem e disseminam boas práticas.

4. O título da palestra apresentada no TRT mineiro em 2017 perguntava se um computador é capaz de encontrar a única resposta correta para julgar um caso concreto, e emendava: “E você?”. A tese, por sua vez, sustenta que a máquina pode produzir minutas com eficiência semelhante ou até superior à humana. Aí mora o ponto mais discutido: se dois juízes, diante do mesmo caso, chegam a respostas diferentes, contra que régua se mede a qualidade da resposta da máquina: a jurisprudência consolidada, a revisão de quem assina, ou é preciso aceitar que qualidade de decisão não se mede como se mede um produto?

Eu começaria perguntando inicialmente o que é “qualidade de uma decisão judicial”?

Porque, antes de construirmos um benchmark para a máquina, precisamos encontrar o gabarito que supostamente utilizaremos para avaliá-la.

Se entregarmos o mesmo processo a dez juízes e recebermos decisões diferentes — eventualmente com resultados diferentes, fundamentos diferentes e até avaliações diferentes da prova —, qual delas seria a referência para treinar ou testar o sistema?

Diversos autores no campo da Jurimetria já quebraram a cabeça tentando formular um sistema coerente e sem uma resposta definitiva.

A jurisprudência consolidada, por exemplo, pode ser uma excelente régua para medir conformidade jurisprudencial, mas não é necessariamente uma régua para medir justiça ou qualidade integral da decisão. Se a jurisprudência estiver errada, um sistema que a reproduza perfeitamente será um excelente imitador de um erro. E há ainda outra questão: o Direito também existe para permitir mudança jurisprudencial. Se treinarmos uma máquina para maximizar aderência ao passado, podemos obter enorme consistência exatamente ao preço de congelar a evolução do Direito, como aponta o Professor Ryan Calo, da Universidade de Washington.

Pensar no “percentual de concordância com decisões anteriores em casos semelhantes” é uma métrica que vem sendo utilizada na prática por muitas startups e lawtechs para mostrar a qualidade dos sistemas em desafios “homem x máquina”, mas não parece ser um bom parâmetro, por si só, para pensarmos em uma teoria da decisão judicial.

A aprovação do output da minuta a partir da revisão de quem assina também não resolve essa questão. O dever de revisão decorre do poder-dever de assinar. Se o magistrado assina sem ler ou sem revisar, ele assume o ônus e a responsabilidade pelo texto produzido, mas, certa ou errada, uma sentença assinada é, no sistema atual, juridicamente válida enquanto não for reformada.

Da mesma maneira, medir a qualidade de uma decisão ou de um decisor pelos “índices de reforma pelo tribunal” não parece adequado. A via recursal é um mecanismo institucional de correção, não uma experiência científica demonstrando que uma das duas interpretações era ontologicamente verdadeira. Uma decisão pode inclusive ser reformada por maioria apertada e, posteriormente, a própria jurisprudência pode mudar. Como diria o Professor Antônio Álvares — crítico do excesso de recursos no nosso sistema jurídico —, a instância final tem apenas o privilégio de poder errar por último.

Então talvez estejamos usando a palavra “qualidade” para designar coisas diferentes. Uma decisão pode ser melhor em fidelidade aos autos, pior em clareza, excelente em conformidade com precedentes, discutível na interpretação da norma, superior na coerência argumentativa e ainda controvertida na valoração jurídica final.

É por isso que eu separaria duas classes de problemas.

Existem vários elementos de uma decisão cuja qualidade podemos avaliar de maneira relativamente objetiva quando analisamos uma decisão automatizada. A máquina inventou precedentes? Compreendeu corretamente os pedidos? Identificou as provas existentes? Confundiu partes? Aplicou legislação revogada? Enfrentou os argumentos relevantes? A jurisprudência citada realmente existe? Há contradição entre fundamentação e dispositivo? A decisão respeita precedente vinculante? O cálculo está correto?

Tudo isso pode ser testado e, em várias dessas tarefas, eu sequer partiria da premissa de que o ser humano será necessariamente o melhor parâmetro.

Se uma IA encontra precedentes com mais precisão, deixa escapar menos pedidos, comete menos erros aritméticos ou identifica melhor documentos relevantes, ótimo. A validação de sistemas pode ser sim realizada por meio de comparativos com textos humanos, testes cegos, auditoria e experimentos replicáveis.

Contudo, nas tarefas verdadeiramente valorativas, a questão muda. Qual peso deve ter determinada prova? Até onde vai determinado princípio? Quando duas normas entram em tensão, qual interpretação deve prevalecer? Qual solução concretiza melhor direitos que apontam em direções diferentes?

E essa constatação vale igualmente para humanos e máquinas. Talvez a pergunta correta, portanto, não seja “A IA deu a mesma resposta que o juiz?”, mas sim exatamente o contrário: “Se o juiz e a IA divergiram, temos razões concretas para preferir uma das duas respostas?”

Isso nos leva à questão da legitimidade.

Podemos chegar a uma situação paradoxal em que um sistema produza, em teste cego, textos mais completos, coerentes e tecnicamente corretos do que uma parcela dos julgadores humanos e, ainda assim, não esteja legitimado a julgar, seja por determinação regulatória (como estabelecido pela Resolução CNJ 615/2025) ou por se tratar de questão subjetiva na qual o processo heurístico da máquina será limitado ou diverso do ser humano.

Nesses casos, cito o exemplo da valoração do dano moral em um caso hipotético. Uma senhora idosa humilde com trajes típicos de uma religião africana chega para ser atendida em um restaurante cheio de uma grande e famosa franquia e o funcionário se recusa a deixá-la entrar no estabelecimento falando em voz alta que se recusa a atender “aquela bruxa velha”. Sendo essa a delimitação dos fatos comprovados, existe direito à reparação por danos morais? Caso positivo, qual seria o valor adequado para a reparação? Cada ser humano teria uma resposta diferente para esse questionamento, mas se uma máquina varresse toda a base de dados do Poder Judiciário e falasse que, pela média ponderada da jurisprudência, o valor justo de indenização seria R$ 2.548,92, essa decisão seria mais ou menos legítima do que a decisão humana? A meu ver, essa é uma pergunta impossível de se responder: a máquina se orientou por um processo de tomada de decisão que, para ela, é plenamente possível de ser realizado enquanto para um ser humano isso seria impossível. O que não significa que o critério escolhido pela máquina para encontrar o quantum indenizatório seja mais justo do que a ponderação realizada internamente pelo julgador humano.

Há também um ponto ainda mais incômodo nessa discussão. Quando avaliamos a máquina contra o “juiz humano”, de qual juiz estamos falando? Do juiz ideal, com tempo ilimitado para estudar cuidadosamente um processo? Ou do juiz real de um sistema que exige dezenas de decisões por dia?

Não se pode realizar uma comparação em abstrato entre os sistemas de IA existentes, com todos os seus erros e limitações, e, de outro, o juiz Hércules, de Dworkin, dispondo de tempo infinito para encontrar a resposta correta.

Temos de comparar sistemas reais e isso, nos dias de hoje, significa comparar os LLMs e SLMs desenvolvidos pelo mercado e pelo Poder Judiciário com um magistrado ou servidor estressado e submetido a uma carga de trabalho imensamente maior do que a daqueles que exercem funções análogas em outros países. E talvez o resultado dessa comparação nos incomode.

Por isso eu não diria que uma decisão judicial “não pode ser medida como produto”. Partes dela podem e devem ser medidas. Seria um grande erro abandonar a possibilidade de avaliação empírica e uso de técnicas de jurimetria justamente quando passamos a dispor de ferramentas que permitem realizá-la melhor.

Isso não significa que a qualidade de uma decisão judicial possa ser reduzida a uma especificação de produto em que colocamos o processo na entrada, recebemos uma sentença na saída e medimos sua qualidade pela distância em relação a um gabarito previamente conhecido.

Nos casos fáceis, talvez isso funcione muito bem. Nos casos difíceis, o próprio problema é justamente que o gabarito não estava pronto ou não existe.

E aí chegamos novamente à pergunta de 2017. A questão interessante nunca foi apenas saber se o computador consegue encontrar a única resposta correta, mas sim saber se nós saberemos identificá-la quando a virmos e se saberemos avaliar se o resultado encontrado pela máquina é legítimo e adequado.

E, se não soubermos ou não quisermos fazer esse controle, talvez o maior risco seja programar a máquina para reproduzir com extraordinária eficiência aquilo que decidimos chamar de correto apenas porque já vinha sendo feito assim, o que resultará em máquinas treinadas para satisfazer os nossos próprios vieses humanos e não buscar um aprimoramento do processo decisório.

Se a jurisprudência estiver errada, um sistema que a reproduza perfeitamente será um excelente imitador de um erro.

5. “E vamos continuar atendendo artesanalmente a uma demanda em escala industrial?”: a pergunta, feita em 2017, virou quase um lema. Nove anos depois, com modelos de linguagem instalados nos tribunais e resoluções do CNJ tentando discipliná-los, a fábrica enfim chegou — mas o tom, de uns tempos para cá, soa menos entusiasmado que o da tese: fala-se em bolha, em barões da IA, e há uma síntese sua que ficou na nossa cabeça: a IA não vai causar o fim do mundo, mas vai causar o fim de alguns mundos. Entre o pesquisador que pedia escala industrial e o observador de hoje: o que a automação entregou de fato, o que ainda deve, e o que mudou em você?

Eu não descreveria essa trajetória como uma passagem do entusiasmo ao pessimismo. O que mudou foi o objeto da preocupação. Em 2017, o problema era predominantemente de capacidade: como impedir que um Judiciário artesanal fosse soterrado por uma demanda já industrializada? Em 2026, depois de a capacidade técnica ter avançado muito mais do que se imaginava, a pergunta passou a ser outra: quem controla essa escala, sob quais regras, com quais efeitos sobre o trabalho, a jurisdição e a própria instituição?

Acho que em 2017 a frase “E vamos continuar atendendo artesanalmente a uma demanda em escala industrial?” era um chamado à sobrevivência institucional. Dentro da minha matriz de pensamento acadêmico e profissional que busca a otimização dos processos de trabalho no poder público, eu defendi que a preparação tecnológica do Judiciário é prioridade institucional para buscar alternativas para impedir que um Judiciário artesanal seja soterrado por uma demanda já industrializada pelos litigantes habituais e pela consolidação das grandes bancas de advocacia e pelo início da onda das lawtechs e legaltechs.

Portanto, é preciso esclarecer que a tese nunca consistiu em uma defesa do uso de novas tecnologias para industrializar a prestação jurisdicional, mas em encontrar modos de utilização da tecnologia dentro do Poder Judiciário para responder a uma demanda crescente que já chegava “industrializada”.

Mas, com a evolução dos LLMs, a preocupação deixou de ser como garantir a capacidade do Judiciário de atender ao aumento da demanda e passou a ser se a utilização das novas tecnologias para iniciar uma “guerra de bots” e escalar este modelo não significaria simplesmente escalar um modelo de jurisdição já cheio de vícios e contradições.

Isso porque a tecnologia cada vez mais expõe os problemas estruturais profundos que por muito tempo ignoramos: um sistema que o professor Antônio Álvares denominou de “síndrome do descumprimento das leis”, com uma estrutura jurídica e econômica que vive do conflito e resulta na propositura de milhões de novos processos por ano.

E, de certa maneira, o Judiciário conseguiu caminhar nessa direção, mas isso trouxe um outro problema: ao invés de utilizar a tecnologia para reumanizar o processo e escapar da lógica industrial imposta pelo mercado, se consolidou uma busca por um produtivismo crescente, utilizando a tecnologia não como ferramenta de emancipação, mas como modo de manter a mesma lógica de produção de modo mais acelerado combinado com um arrocho e redução dos quadros de pessoal do Poder Judiciário.

Por esse motivo, deixei de me preocupar com a qualidade do output da máquina (isso a tecnologia tem resolvido a cada nova versão das ferramentas) para pensar sobre a arquitetura institucional que está em volta dela.

A própria regulamentação do CNJ caminha nessa direção, com a Resolução 615/2025 adotando princípios de transparência, segurança, supervisão, avaliação de risco e responsabilização, embora, a meu ver, ainda de modo incipiente e principiológico, com poucas determinações e medidas concretas de controle.

Então o que mudou de fato no meu pensamento? Não acho que o Rômulo atual desmentiu o pesquisador de 2017, mas sim que a hipótese de pesquisa naquela época funcionou muito bem.

Em 2017 a premissa era “precisamos da máquina porque a escala humana e a estrutura do Poder Judiciário não acompanham a escala da massificação das demandas judiciais e a industrialização do conflito”. Desde então, houve uma grande evolução no estado da arte e as ferramentas de IA foram incorporadas ao Poder Judiciário, já possuindo a capacidade de gerar peças consistentes e otimizar processos de trabalho para substituir o modelo artesanal por um modelo industrial.

A pergunta deixa de ser “a máquina consegue fazer?” e passa a ser “a máquina consegue fazer, então iremos construir um novo modelo de jurisdição ou simplesmente fazer a roda girar mais rápido?”

Nesse sentido, a minha visão sobre o tema evoluiu de analisar a máquina como instrumento de auxílio à prestação jurisdicional para seu desenvolvimento e uso como reflexo das estruturas econômicas e de poder.

6. Nosso curador, Manuel David Masseno, que dividiu com você a abertura do I Congresso da SKEMA em 2020, deixou uma provocação: a industrialização do Judiciário não se retroalimentaria com o acesso generalizado à IA generativa, pelos advogados e pelos próprios cidadãos? Já se noticia uma enxurrada de demandas redigidas com máquina, em peças cada vez mais longas — e isso num país que tem, na conta do nosso curador, proporcionalmente o dobro dos advogados e metade dos juízes da Europa. Se cada minuta automatizada de um lado responde a uma petição automatizada do outro, essa corrida termina onde: em equilíbrio, em colapso, ou numa Justiça que só as máquinas conseguem ler?

Foi uma grande honra ter participado ao lado do professor Manuel David Masseno, por quem tenho profunda admiração e respeito. Poder manter contato diário com ele e outros mestres dessa área do Direito e Tecnologia por meio do IDEIA e, sobretudo, debater e levantar questões polêmicas como essas é um grande motivo para que eu continue acreditando na possibilidade de um uso positivo das redes sociais.

Vamos lá. Sobre a provocação em si, eu inverteria um pouco a premissa da pergunta. A IA generativa não está industrializando um Judiciário que antes era artesanal. Ela está chegando a um Judiciário que já foi industrializado há muito tempo, pelo menos na nossa realidade brasileira (talvez ainda não tenha chegado, ao menos não nessa intensidade, a Portugal, terra do Professor Masseno).

Durante a minha pesquisa de doutorado, constatamos que, já em 2016, determinadas manifestações processuais chegavam em minutos, produzidas por automação convencional a partir de modelos padronizados, muito antes da IA generativa.

Talvez tenhamos naturalizado há muito tempo as petições e decisões em “ctrl+c, ctrl+v”. A novidade da IA generativa nessa equação é o ganho de escala proporcionado: algo que já existia artesanalmente ou por automação simples passa a estar disponível, com poucos cliques, para praticamente qualquer pessoa, ao reduzir o custo marginal e a barreira de entrada de novos atores nessa industrialização.

Claro que existe sim um mecanismo evidente de retroalimentação e isso se justifica por razões mercadológicas. Se o custo de produzir uma petição cai de horas para minutos, podemos produzir mais petições. Se o Judiciário responde automatizando a análise e a minuta, o aumento da capacidade de resposta reduz novamente o custo sistêmico do litígio. A parte responde com outra peça automatizada. O tribunal produz outra minuta. O advogado replica. Outro agente resume tudo, e assim por diante.

Gosto de dizer que o problema não é julgar com máquinas, mas julgar como máquinas.

Fato é que nós já desumanizamos o processo judicial, transformando-o em uma linha de produção. Portanto, proibir a máquina para preservar esse modelo significaria, em certa medida, preservar a linha de montagem, só que exigindo que seres humanos continuem operando como seus componentes.

Por isso também não me convence a solução romântica de simplesmente retirar ou proibir o uso da IA generativa no Direito. Compare o ser humano usando apenas um editor de texto simples e uma biblioteca com um ser humano utilizando a internet e sistemas de IA generativa de ponta para produzir dezenas de decisões judiciais por dia. Se pararmos para pensar na qualidade das decisões produzidas neste ritmo de trabalho, eu não aposto no ser humano que trabalha artesanalmente, por melhor que ele seja.

Desse modo, sobretudo nas instâncias nas quais a lógica da massificação já é realidade há muito tempo, com volumes enormes de julgamentos semanais, a comparação entre produzir uma minuta de decisão artesanalmente e uma minuta gerada automaticamente pela IA generativa não é ideal. A comparação real é entre o trabalho realizado por uma máquina em minutos e o de um ser humano trabalhando como uma máquina por exaustivas jornadas diárias.

Mas isso não significa que a saída seja construir uma justiça que somente máquinas consigam ler e trabalhar. Aí mudamos de problema. Ou melhor, passamos a pensar se a industrialização é mesmo o problema. Ninguém questiona que um médico, dentista ou engenheiro deve — sempre que possível — buscar utilizar o melhor estado da arte da técnica e tecnologia possível e abandonar métodos mais arcaicos na medida em que a tecnologia avança e permite realizar os procedimentos com melhor custo-benefício e segurança, de modo que o argumento de que as decisões judiciais industrializadas e massificadas são de baixa qualidade tende a perder força com o avanço tecnológico.

Portanto, creio que o problema real transcende o processo produtivo, de modo que o debate deve migrar para a legitimidade.

Uma máquina pode resumir melhor, localizar precedentes mais rapidamente ou até produzir uma minuta tecnicamente superior à de um ser humano exaurido e trabalhando com ferramentas arcaicas. Mas isso não substitui a pergunta essencial: quem está julgando, segundo quais critérios, com qual responsabilidade e com que possibilidade de contestação?

Eu diria, portanto, que entre “equilíbrio” e “colapso” há uma terceira possibilidade mais interessante: redesenhar o sistema para impedir que o ganho de produtividade seja inteiramente convertido em mais produção de texto processual.

Porque talvez estejamos automatizando a coisa errada. Se uma petição de vinte páginas gera uma contestação de trinta, que produz uma réplica de vinte, que será resumida por uma IA para que outra IA produza uma minuta de quarenta páginas que ninguém lerá integralmente, não conquistamos eficiência. Construímos uma máquina extraordinariamente eficiente para fabricar e consumir redundância.

Nesse cenário, poderíamos usar as ferramentas tecnológicas para pensar fora da caixa e resolver outros problemas de nossa arquitetura processual. Buscar maior estruturação dos dados relevantes do processo, mecanismos capazes de identificar exatamente os pontos controvertidos e auxiliar no exame detalhado das provas produzidas e, sobretudo, mecanismos de responsabilização e maior grau de exigência de responsabilidade de quem assina uma peça automatizada.

Isso será cada vez mais importante quando produzir uma minuta de alta qualidade com dezenas de páginas em minutos se tornar trivial e nos leva a pensar que talvez tenhamos que adotar limites mais rigorosos à redundância e ao tamanho das manifestações e, com isso, repensar a própria cultura jurídica e da prática processual, na qual apontar as particularidades de cada caso e ir ao centro da controvérsia se torna mais importante do que escrever laudas e laudas com filigranas e teses jurídicas.

Então, onde termina a corrida?

Nunca (risos). A tecnologia não cria, por si só, um equilíbrio institucional ótimo. Gosto de falar que o grande filósofo do século XX — Homer Simpson (o do desenho) — falava que existem três jeitos de fazer alguma coisa: o jeito certo, o jeito errado e o jeito dele (que era igual ao jeito errado, só que mais rápido).

Ou seja: sem alterações nos incentivos, estaremos apenas aprofundando os mesmos problemas, errando mais rápido. Cada aumento da capacidade de processamento autoriza um novo aumento do volume produzido. A guerra dos bots nunca terá um vencedor porque cada ator processual responderá ao aumento de capacidade do outro aumentando a própria capacidade de realizar análise e produzir peças jurídicas com o uso da máquina.

Mas repito: a IA generativa não criou essa crise da industrialização dos processos, apenas retirou o último obstáculo que ainda limitava a escala.

E isso pode ser uma oportunidade. Quando a máquina finalmente consegue acompanhar a velocidade da linha de produção, talvez fique impossível continuar fingindo que o problema era apenas falta de produtividade. Teremos de perguntar algo mais incômodo: por que estamos produzindo tudo isso?

Se a resposta continuar sendo “porque o sistema mede produtividade pela quantidade de atos, páginas e processos”, teremos máquinas escrevendo para máquinas e seres humanos apenas assinando o resultado. Isso, sim, seria o fracasso, mas não da máquina.

Seria o fracasso do sistema processual que nós mesmos, seres humanos, construímos e que torna cada vez mais a prestação jurisdicional um serviço público desconectado e desumanizante.

Construímos uma máquina extraordinariamente eficiente para fabricar e consumir redundância.

7. Em novembro de 2023, em vez de guardar a ferramenta ou abrir uma empresa, veio a público no LinkedIn um GPT customizado que analisa a petição inicial e a contestação e monta um modelo de sentença, entregue aos colegas para teste e aprimoramento. Três curiosidades daqui da Toca: por que de graça? O que os testes alheios ensinaram sobre a ferramenta e sobre os colegas? E que fim levou aquele sistema de pré-minutas anunciado na palestra de 2017?

Vamos começar pelo final. O sistema de pré-minutas que mencionei na palestra era um dos projetos que estavam sendo desenvolvidos pelo projeto SINAPSES do CNJ, intitulado “Gerador de Texto Magistrado”, desenvolvido à época pela equipe do Tribunal de Justiça de Rondônia, e que constou posteriormente entre os produtos homologados no relatório “Inteligência Artificial no Poder Judiciário Brasileiro”.

O projeto, assim como a maior parte dos projetos listados no relatório, foi incorporado à iniciativa do SINAPSES, constituída como banco de modelos e ecossistema institucional do Poder Judiciário, que tinha por objetivo, ao mesmo tempo, integrar e acelerar o desenvolvimento das ferramentas e iniciativas dos tribunais na área da inteligência artificial, avançando os projetos com segurança institucional, sob supervisão do CNJ, para desenvolver sistemas e soluções eficientes com segurança jurídica.

Contudo, essa proposta de desenvolvimento lento, seguro e gradual foi atropelada pelo desenvolvimento tecnológico dos transformers, o que resultou na massificação das ferramentas de LLMs e IA generativa, sendo essa situação uma importante mudança de paradigma no âmbito do desenvolvimento de ferramentas de inteligência artificial no âmbito do Poder Judiciário brasileiro.

Isso revela como a corrida por inovação no âmbito tecnológico é imprevisível e tudo pode mudar do dia para a noite, sendo necessário que aqueles que se arriscam no estudo e desenvolvimento de startups se dediquem totalmente a esses projetos e consigam monetizar o trabalho realizado antes de ficarem obsoletos.

Sobre o porquê de disponibilizar produtos e conhecimento de graça, acho que sou uma exceção àquela máxima do capitalismo e do mercado de trabalho contemporâneo, proferida em esquete humorístico do grupo Choque de Cultura: “O sonho de todo o profissional é abandonar a profissão”.

A velocidade das transformações e a hiperconexão de fato geram aquele sentimento de que estamos perdendo tempo e que existe um oceano azul de possibilidades nunca antes vistas para se libertar do trabalho cotidiano e ganhar muito dinheiro.

Mas cada um tem seu talento e disposição para encarar a incerteza. Alguns colegas e profissionais do Direito com esse talento e tino comercial entraram de cabeça nessa onda e desenvolveram suas próprias startups e empresas, chegando a abrir mão de cargos em concursos públicos extremamente concorridos e de posições sólidas na advocacia, com diferentes graus de sucesso. No outro extremo, muitos colegas ainda têm receio de abrir o ChatGPT e nem se deram conta de que a pesquisa do Google mudou. Creio que são a maioria (risos).

No meu caso, não penso em realizar uma transição de carreira. O interesse por essas tecnologias decorre mais da curiosidade pessoal e do interesse acadêmico, e não para fins profissionais ou comerciais. Acho que isso se deve em parte a uma aversão ao risco e à falta de talento para o empreendedorismo, mas mais em virtude de um certo idealismo.

Como cresci em um ambiente de internet colaborativa e muito do que construí eu devo à universidade pública e ao serviço público, bem como a uma rede de apoio constituída por iniciativas voluntárias de troca de conhecimentos, sou mais Linus Torvalds do que Bill Gates e gosto da ideia de difundir e compartilhar conhecimentos sem a necessidade de ter um proveito econômico em contrapartida.

Nesse aspecto, o GPT customizado para elaboração de minutas (novidade do estado da arte naquela época) foi apenas um modo de demonstrar, em termos práticos, um pouco das ideias e potencial do LLM para a realização do trabalho jurídico e, desde então, tanto o sistema quanto as pessoas e startups desenvolveram produtos imensamente melhores do que eu teria sido capaz de fazer sozinho e fico feliz com isso e também por poder usufruir desses avanços tecnológicos no meu dia a dia profissional.

Inclusive, Adriana, essa entrevista é um bom exemplo de como essa cooperação voluntária é extremamente enriquecedora. Essas perguntas e brainstorms me instigaram a revisitar a minha trajetória acadêmica e a sistematização do meu pensamento sobre diversos temas, e isso me levou a criar outro projetinho de GPT customizado: o Professor Rômulo virtual, treinado a partir dos meus textos e insights, que, quem sabe, futuramente irá até responder entrevistas melhor do que eu mesmo (risos).

8. O artigo publicado em 2024 na Brazilian Journal of Law, Technology and Innovation defende que empresas não treinem sistemas de IA com dados gerados pelo trabalho dos empregados sem consentimento e sem remuneração justa. Ora, os sistemas que hoje ajudam a minutar decisões aprenderam com milhões de peças escritas por servidores e magistrados. Pra não errar na conversa, a pergunta é direta: o critério do artigo vale também dentro do Judiciário, com o servidor cujas minutas treinam os modelos tendo direito a consentir e a ser reconhecido, ou o serviço público, pela sua natureza, é caso à parte?

Touché. Uma excelente pergunta que me coloca em uma posição bem difícil, mas vou tentar responder.

Primeiramente, a resposta técnica. O artigo 8º, inciso IV, da Lei nº 9.610/98 (Lei de Direitos Autorais) consolidou o entendimento de que decisões judiciais não geram direitos autorais, ante a primazia do interesse público. Isso posto, e seguindo a lógica do raciocínio construído no artigo — referente à utilização do trabalho produzido para o desenvolvimento de sistemas —, poderíamos considerar que a obrigação de minutar, revisar e assinar decisões encontra-se dentro do escopo regular da natureza dos serviços prestados pelos magistrados e servidores, já sendo remunerada pelo próprio salário, em analogia ao previsto no art. 88 e § 1º da Lei de Propriedade Industrial (Lei nº 9.279/96).

Desse modo, diferentemente do que ocorre com os trabalhadores em geral — cujos contratos de trabalho, em geral, não estabelecem que o uso dos dados produzidos no desempenho de suas atividades seja inerente à natureza do ajuste pactuado e não há exceção legal à consolidação dos direitos autorais e, portanto, a utilização desses dados para a criação de sistemas de inteligência artificial deve ensejar compensação — no âmbito do Poder Judiciário parece claro que as decisões judiciais produzidas por meio do trabalho de servidores podem ser livremente utilizadas pelo poder público e por toda a sociedade para todas as finalidades lícitas.

Há também uma segunda diferença. No Poder Público, consentimento não funciona da mesma maneira que numa empresa privada. A LGPD permite que órgãos públicos tratem dados para cumprir sua finalidade pública e suas atribuições legais, desde que observem as condições do art. 23. A própria ANPD adverte que o consentimento muitas vezes não é a base jurídica mais adequada quando o tratamento é necessário ao exercício das competências estatais, justamente porque não existe escolha real do titular. Afinal de contas, o consentimento só faz sentido quando ele pode efetivamente dizer não.

Contudo, a ausência de copyright não significa automaticamente liberdade irrestrita para apropriação de todo dado produzido pelo trabalho.

Portanto, não me parece coerente dizer que, porque alguém entrou para o serviço público, todo o conhecimento produzido por seu trabalho passou a constituir matéria-prima ilimitadamente apropriável para construção de sistemas destinados, inclusive, a automatizar esse mesmo trabalho.

O problema real estaria em definir uma governança específica. Quem decidiu que aquelas minutas seriam usadas? O servidor sabia? Os dados foram anonimizados? É possível reconstruir seu perfil individual de trabalho? O treinamento serve apenas ao próprio tribunal ou o dataset está sendo entregue a uma empresa privada? O sistema aprende apenas com a decisão pública final ou também com o trabalho invisível de revisão que a produziu? E, principalmente: quem fica com o ganho da automação?

Essa última pergunta me parece ser a chave e que casa bem com a ideia central que escrevi no artigo. A tese proposta naquele trabalho, como uma das respostas à automação, é dar aos trabalhadores alguma participação nos benefícios econômicos obtidos mediante a codificação de seu trabalho e de sua criatividade. No serviço público, isso provavelmente não assumiria necessariamente a forma simplista de pagamento de royalties ou de plus salarial de “R$ X por minuta treinada”. Mas a preocupação com a apropriação do fazer-saber operário e transformação de capital vivo em capital morto permanece: não faz muito sentido capturar o saber acumulado de milhares de servidores, convertê-lo numa máquina que multiplica enormemente a produtividade e tratar todo o ganho institucional como se tivesse surgido espontaneamente da tecnologia.

Nesse sentido, a regulamentação atual do CNJ já aponta parcialmente nessa direção de governança. A Resolução CNJ 615/2025 determina que os dados usados no treinamento observem a LGPD, proteção de dados e segredo de justiça e, no caso de fornecedores de LLMs, restringe o uso dos dados fornecidos pelos usuários do Judiciário para treinamento ou aperfeiçoamento sem fundamento jurídico e autorização correspondentes. Isso não resolve a questão dos direitos do servidor produtor do conhecimento, mas mostra que a resposta institucional já não pode ser simplesmente “o dado está dentro do tribunal, portanto podemos fazer qualquer coisa com ele”.

Portanto, creio que a decisão judicial pode ser pública e utilizada para o desenvolvimento de sistemas eletrônicos, sem que todo o processo de trabalho humano que a produziu seja ignorado e que os servidores do Poder Judiciário sejam valorizados pelos serviços prestados.

Mas aqui tomo a liberdade de levantar outra questão ainda mais incômoda sobre a invisibilidade do trabalho realizado por estes servidores: o “ghost writing judicial” não nasceu com a inteligência artificial.

Há muito tempo uma parcela relevante do trabalho intelectual que resulta numa decisão judicial é realizada por servidores, assessores e estagiários que leem processos, pesquisam precedentes, selecionam fundamentos e elaboram minutas. No final, porém, aparece uma única assinatura, a do magistrado.

Não se trata de igualar a qualidade dos dois trabalhos. Uma minuta só se converte em decisão quando é assinada pelo magistrado, o qual possui o dever de revisão e a responsabilidade por aquilo que foi subscrito. Isso resolve o problema da imputação jurídica da decisão. Mas não resolve necessariamente o problema da autoria material do trabalho que produziu aquela decisão.

E acho que é justamente aí que a discussão sobre os dados de decisões judiciais serem usados para treinamento de IA fica interessante.

Porque o Judiciário criou historicamente uma espécie de divisão entre autoria institucional e autoria intelectual. Para o Direito, o autor da decisão é o juiz que a subscreve. Mas, do ponto de vista do processo produtivo, aquela decisão normalmente integra um processo de trabalho de diversas etapas e é elaborada por uma equipe, sendo resultado de um trabalho distribuído: alguém analisou os documentos, alguém pesquisou, alguém preparou a minuta, alguém revisou e, finalmente, alguém assinou.

Gosto de dizer que o Judiciário trabalha há muito tempo em escala industrial, utilizando servidores e estagiários como “computadores humanos” para realizar tarefas de análise algoritmizada e escolher modelos aplicáveis aos fatos de cada processo e, a partir dessa série de microtarefas, entregar ao magistrado o compilado desses dados para sua conferência, revisão e assinatura. Ou seja: antes de colocarmos computadores nessa linha de produção, já havíamos organizado seres humanos como componentes dela.

Portanto, as decisões produzidas por IA já passam pelo que chamo de “Teste de Turing Jurídico”, assim como as antigas minutas de estagiários e assistentes humanos passavam.

Isso significa que quase a totalidade das decisões judiciais produzidas é publicada sem que o jurisdicionado saiba quem efetivamente redigiu a minuta, sendo avaliadas apenas a qualidade e a adequação do texto final.

Naturalizamos essa prática porque o sistema jurídico concentrou toda a autoria formal na assinatura do magistrado. Logo, é o signatário que assina e aprova o texto que é considerado, para todos os efeitos, como o autor da minuta, ainda que não a tenha elaborado de fato, no todo ou em parte, não havendo, em geral, identificação para o público externo de todas as pessoas que participaram do processo de criação da minuta. E isso foi institucionalmente naturalizado muito antes de aparecer qualquer LLM.

A IA generativa, portanto, não cria o ghost writing judicial, mas sim o revela. Para o público externo, o “Teste de Turing Jurídico” continuará sendo aplicável: não importa se a minuta foi produzida pelo ChatGPT, pelo Claude, pelo magistrado, pelo assessor, pelo estagiário, pela namorada do estagiário, etc. O que importa, unicamente, é a qualidade da minuta que será efetivamente assinada e publicada.

Só que, no problema que estamos discutindo, aparece uma segunda camada.

Imagine que pegamos milhões dessas minutas produzidas anonimamente por assessores e servidores e treinamos com elas um sistema capaz de produzir novas minutas. O trabalho pode então tornar-se invisível duas vezes. Na primeira vez, quando o servidor produz a fundamentação e, embora somente o magistrado apareça como autor institucional da decisão para o público externo, existe registro interno do processo de trabalho. Na segunda, quando essa fundamentação é absorvida pelo modelo, deixa de ser identificável como contribuição daquele trabalhador e passa a reaparecer estatisticamente como “capacidade da inteligência artificial”.

Essa segunda invisibilização me parece qualitativamente diferente e isso tem uma consequência interessante para a discussão do artigo sobre dados produzidos pelo trabalhador. Se admitirmos que os assessores efetivamente produzem conhecimento jurídico (selecionam argumentos, estruturam raciocínios, desenvolvem formas de análise, criam soluções linguísticas), então não parece intelectualmente coerente dizer que essa contribuição deixa de existir simplesmente porque outra pessoa assina o documento final e muito menos quando o objetivo é utilizar milhares dessas contribuições para construir uma tecnologia capaz de reproduzir precisamente todos aqueles microprocessos de trabalho.

No fundo, a IA generativa pode estar nos obrigando a olhar para uma coisa que o Judiciário conseguiu manter confortável e invisível durante décadas: a decisão judicial sempre foi menos individual do que sua assinatura fazia parecer.

No modelo tradicional adotado no Poder Judiciário, essas quatro posições já não coincidiam totalmente há muito tempo, mas, com a IA generativa, a separação pode ficar ainda maior.

Eu não defendo que o assessor ou assistente deva aparecer como coautor de cada sentença ou detentor de direitos sobre cada parágrafo que escreveu. Isso provavelmente criaria mais problemas do que resolveria, inclusive porque, como já demonstrado, a decisão pertence institucionalmente ao exercício da jurisdição, e não a um projeto autoral individual.

Mas também parece não ser adequado se admitir que o fato de o sistema jurídico historicamente ter tornado esse trabalhador invisível perante o jurisdicionado autoriza também torná-lo invisível perante a instituição e o sistema tecnológico que será construído, em última instância, a partir do seu trabalho.

Afinal de contas, no atual sistema de produção, mesmo com o uso institucional de IA generativa, o magistrado continuará visível: despachando, presidindo audiências, assinando as decisões e se responsabilizando pelo conteúdo de seus atos. Entretanto, o mesmo não ocorrerá com os servidores.

Talvez a discussão sobre o uso de dados de decisões do Poder Judiciário para treinamento de sistemas e modelos de IA tenha o mérito de tornar visíveis esses trabalhadores justamente no momento em que corremos o risco de torná-los definitivamente invisíveis dentro da máquina.

E talvez haja aí uma distinção ainda mais importante. O servidor não tem um direito individual ou autoral sobre as minutas de decisão que produz, nem deveria ter. Mas disso não decorre que a Administração tenha um direito ilimitado de extrair seu saber profissional, individualizá-lo, transformá-lo em dataset, entregá-lo a terceiros e utilizá-lo para automatizar seu trabalho sem transparência, participação ou qualquer mecanismo de repartição dos benefícios.

Por isso, creio que de fato não há que se falar na necessidade ou possibilidade de servidores não consentirem sobre cada decisão usada no treinamento e tampouco direito autoral de ser creditado em cada output. Mas, certamente, existe a necessidade de forma juridicamente adequada, com fulcro no princípio de proteção contra a automação, para garantir novos direitos e compensação para aqueles trabalhadores que contribuíram para a formação do corpus e estruturação dos dados necessários para a criação de sistemas eletrônicos de julgamento.

A decisão judicial sempre foi menos individual do que sua assinatura fazia parecer.

9. A persona pública é toda profissional: tese, aulas, instituto, minutas. Esta série existe justamente para mostrar o outro lado da tela. Fora do expediente, o que ocupa as horas em que nada está sendo otimizado? E, depois de tantos anos ensinando máquinas a escrever, o que faz questão de continuar fazendo à mão, no trabalho ou fora dele, mesmo sabendo que uma máquina faria mais rápido?

Quanto a essa questão da persona, creio que tive sorte ao decidir que, após o fim do antigo Orkut, não iria mais criar perfis pessoais em redes sociais. Isso me permitiu, felizmente, construir uma presença digital focada apenas na parte profissional, o que gera um certo conforto mental em épocas de hiperexposição. Mas, como tudo, é uma faca de dois gumes. Essa “ausência de presença” implica ficar um pouco de fora do jogo e da lógica da economia da atenção que move tanto as relações pessoais quanto as profissionais nos dias de hoje.

Sobre a otimização e o tempo livre, o mito de Sísifo — condenado pela eternidade a levar uma pedra pesada ao topo de uma montanha e, ao chegar lá, ver a pedra rolar para baixo e começar tudo de novo — nos instiga a pensar: se Sísifo conseguisse criar uma esteira rolante que levasse a pedra para cima e a buscasse novamente lá embaixo, o que ele faria com o restante de seu tempo?

Acho que essa resposta muda a cada fase e etapa da vida, mas hoje para mim ela é muito clara: ler livros de contos e histórias, ouvir e cantar músicas, brincar de pega-pega, esconde-esconde e três porquinhos e outras coisas que se fazem quando se tem filha e sobrinho no auge dos 3 anos de idade (risos). Sou afortunado por ter o privilégio de fazer parte de um fenômeno muito raro na sociedade capitalista: pais que podem conciliar o trabalho e o tempo livre para brincar, ensinar e aprender com as crianças aqueles sentimentos, valores e sensações que não se encontram dentro de uma tela.

---

Onde encontrar Rômulo Soares Valentini: a tese de doutorado, Julgamento por computadores? As novas possibilidades da juscibernética no século XXI e suas implicações para o futuro do Direito e do trabalho dos juristas, defendida na Faculdade de Direito da UFMG em janeiro de 2018, sob orientação de Antônio Álvares da Silva, está em acesso aberto no repositório da universidade. O artigo de 2024 sobre os dados produzidos por quem trabalha, The use of workers-produced data in Artificial Intelligence-based systems, saiu na Brazilian Journal of Law, Technology and Innovation. E a conversa diária de que ele fala acontece no Instituto IDEIA – Direito e Inteligência Artificial, do qual é secretário-geral. E quem quiser seguir perguntando pode fazê-lo ao Professor Rômulo virtual, o GPT customizado que ele treinou com os próprios textos — projeto que, como conta na resposta 7, nasceu desta entrevista.