Desenvolvimento de um pipeline automatizado de extração semântica de publicações judiciais voltado a escritórios de advocacia Combinando Modelos de Linguagem de Larga Escala (LLM) com a arquitetura de Geração Aumentada por Recuperação (RAG), convertendo textos jurídicos brutos em informações estruturadas.
Uso das tecnologias digitais e Inteligência Artificial em grandes escritórios de advocacia, gerando inteligência e rapidez confiável nas tarefas rotineiras e previsíveis do dia a dia de um grande escritório, trazendo grande retorno financeiro e redução dos riscos judiciais.
Pesquisa aplicada com abordagem qualitativa na análise das estruturas semânticas das publicações judiciais. A dimensão quantitativa também está presente na avaliação de desempenho do modelo, mensurada por meio do tempo de processamento, acurácia de extração e análise de custo-benefício operacional.
A acurácia média foi de 95,3%, medida sobre 300 publicações anotadas manualmente, com inconsistências residuais causadas majoritariamente por falhas de OCR na fonte e ambiguidades sintáticas O custo de API para processar 600 publicações diárias foi inferior a R$ 1,00.
Essa pesquisa buscou desenvolver uma pesquisa multidisciplinar e aplicada, onde a computação pode trazer grandes resultados para áreas parceiras, como nesse caso, o uso da IA na redução de custos e riscos para um grande escritório de advocacia.
O modelo apresentou grande retorno financeiro e de qualidade de dados, mitigando os riscos de perder prazos judiciais, usandop recursos de baixo custo. O modelo também apresenta os resultados em dashboards para a gestão estratégica do escritório.
Development of an automated pipeline for the semantic extraction of judicial publications tailored for law firms, combining Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG) architecture to convert raw legal texts into structured information.
The use of digital technologies and artificial intelligence in large law firms generates intelligence and reliable speed in routine, predictable daily tasks, resulting in significant financial returns and a reduction in litigation risks.
Applied research employing a qualitative approach to analyze the semantic structures of judicial publications. A quantitative dimension is also included in the model's performance evaluation, measured by processing time, extraction accuracy, and an operational cost-benefit analysis.
The average accuracy was 95.3%, measured across 300 manually annotated publications, with residual inconsistencies caused primarily by source OCR errors and syntactic ambiguities. The API cost to process 600 publications daily was less than R$ 1.00.
This study aimed to conduct multidisciplinary, applied research demonstrating how computing can yield significant results for partner fields—specifically, the use of AI to reduce costs and risks for a large law firm.
The model delivered significant financial returns and high data quality—mitigating the risk of missing court deadlines—while utilizing low-cost resources. It also presents results via dashboards to support the firm's strategic management.