Checklist de governança para uso de LLMs no jurídico
Um checklist operacional para proteger dados, verificar resultados de LLMs e deixar claras as responsabilidades em escritórios e departamentos jurídicos.
Acesse o Pocket Jurídico e conheça fluxos mais seguros para publicações
Neste artigo8 seções
- Por que criar uma governança de LLMs no jurídico
- Checklist de privacidade antes de enviar uma publicação a um LLM
- Quais controles contratuais e técnicos são indispensáveis
- Como verificar resumos e prazos gerados por IA
- Como distribuir responsabilidades no uso de LLMs
- Como aplicar o checklist em um fluxo de publicações processuais
- Roteiro de auditoria trimestral para governança de LLMs
- Modelo de política interna e erros que devem ser evitados
Por que criar uma governança de LLMs no jurídico
Um checklist de governança para uso de LLMs no jurídico transforma uma experiência isolada com ChatGPT, Claude ou Gemini em um processo controlado. A tecnologia pode resumir publicações, sugerir prazos e organizar ações, mas não substitui a responsabilidade profissional de quem valida a informação e toma a decisão processual.
O risco não está apenas em uma resposta incorreta. Uma publicação enviada ao provedor errado pode expor dados pessoais; um prazo extraído sem contexto pode ser calculado a partir de uma data inadequada; e uma automação sem trilha de auditoria pode dificultar a reconstrução do que aconteceu.
A governança precisa acompanhar todo o ciclo de uso: entrada dos dados, processamento pelo modelo, revisão do resultado, registro da decisão e descarte ou retenção das informações. Essa abordagem é especialmente relevante para equipes que recebem grande volume de publicações em múltiplos diários e tribunais.
A Lei Geral de Proteção de Dados Pessoais, disponível no portal do Planalto, deve orientar a análise de finalidade, necessidade, segurança e direitos dos titulares. Ela não impede o uso de IA, mas exige que o tratamento seja justificável e protegido.
Antes de pensar em automatizar tudo, defina quais tarefas podem receber apoio de um LLM, quais exigem revisão humana e quais devem permanecer exclusivamente sob responsabilidade de um advogado. O mapa de maturidade da automação jurídica com IA ajuda a posicionar essa decisão em etapas realistas.
Checklist de privacidade antes de enviar uma publicação a um LLM
- 1
Classifique o conteúdo
Separe dados públicos, dados pessoais, dados sensíveis, informações protegidas por sigilo profissional e segredos comerciais. Uma publicação judicial pode ser pública e ainda conter CPF, endereço, dados de saúde, informações financeiras ou detalhes de menores de idade.
- 2
Defina a finalidade específica
Registre se o uso servirá para resumir um despacho, localizar uma obrigação, extrair uma data ou sugerir uma tarefa. Evite enviar documentos completos quando apenas um trecho é suficiente para a finalidade autorizada.
- 3
Minimize ou anonimize
Substitua nomes, documentos, endereços e identificadores por marcadores quando esses dados não forem necessários. A anonimização precisa ser avaliada tecnicamente, porque textos muito detalhados podem permitir a reidentificação por combinação de informações.
- 4
Verifique o provedor
Confirme onde os dados são processados, quais são as regras de retenção, se o conteúdo pode ser usado para treinamento e quais controles de acesso, exclusão e auditoria estão disponíveis. Essas condições devem estar documentadas e aprovadas pelo responsável interno.
- 5
Registre a decisão
Mantenha um inventário com aplicação, modelo utilizado, finalidade, categorias de dados, responsável, prazo de retenção e controles aplicados. Sem esse registro, a equipe tende a repetir decisões diferentes para casos semelhantes.
Quais controles contratuais e técnicos são indispensáveis
A contratação de um provedor de LLM deve ser analisada como uma relação de tratamento de dados, e não apenas como a aquisição de uma ferramenta de produtividade. O contrato precisa indicar papéis, instruções, subcontratados, localização do processamento, incidentes, cooperação e encerramento do serviço.
Inclua cláusulas sobre confidencialidade, uso limitado para a finalidade contratada, proibição de utilização dos dados para treinamento quando essa for uma exigência do jurídico, prazos de retenção e eliminação. Também solicite informações sobre auditorias, certificações e comunicação de alterações relevantes no serviço.
No aspecto técnico, prefira contas corporativas com autenticação multifator, gestão centralizada de usuários, segregação por equipe e registros de acesso. Chaves de API não devem aparecer em planilhas, prompts compartilhados ou código sem proteção.
A orientação da ANPD sobre segurança da informação oferece referências úteis para medidas administrativas e técnicas, inclusive para organizações menores. O nível de controle deve ser proporcional ao risco, ao volume e à sensibilidade dos dados.
Também estabeleça limites de contexto. Um conector de IA não deve entregar automaticamente todo o histórico de um processo quando a pergunta exige apenas a última publicação. O princípio da menor exposição reduz o impacto de erros de configuração e ajuda a evitar que uma resposta revele informações de outros clientes, áreas ou processos.
Para integrar a IA ao fluxo de publicações, avalie autenticação, escopos de permissão, logs, expiração de credenciais, criptografia em trânsito e regras de saída. O MCP jurídico para conectar IA a processos e publicações pode ser estruturado com permissões limitadas, contexto por processo e filtros definidos pela organização.
Como verificar resumos e prazos gerados por IA
A revisão humana deve ser definida por risco, não por preferência individual. Um resumo para localizar rapidamente o assunto de uma publicação pode ter revisão amostral; já a extração de prazo, reconhecimento de intimação, identificação de tutela de urgência ou recomendação de medida processual exige conferência antes de qualquer ação.
Crie uma regra simples de aprovação: nenhum prazo entra como definitivo no calendário sem que uma pessoa confira o texto original, o evento processual, a data de publicação ou ciência, a forma de contagem e o responsável pela tarefa. O resultado do LLM deve ser uma sugestão rastreável, não uma fonte autônoma de verdade.
Para medir a qualidade, acompanhe pelo menos cinco indicadores: taxa de acerto do resumo, taxa de correção de prazos, falsos positivos, falsos negativos e tempo médio até a verificação humana. Registre também a gravidade do erro, porque confundir o nome de uma parte é diferente de perder um prazo peremptório.
Um conjunto inicial de validação pode conter 100 a 200 publicações representativas, distribuídas por tribunal, classe processual, tipo de ato e nível de complexidade. Compare a saída do modelo com uma referência revisada por profissionais e repita o teste após mudanças no prompt, no modelo ou no fluxo.
O guia sobre como a IA resume despachos e extrai prazos ajuda a estruturar essa conferência. Para situações de maior risco, consulte também as práticas de validação automática versus revisão humana no monitoramento, especialmente quando a automação estiver conectada ao calendário ou ao gestor de processos.
Um exemplo prático: se o modelo indicar “prazo de 15 dias”, o revisor deve confirmar se são dias úteis ou corridos, qual é o termo inicial, se houve feriado ou suspensão aplicável e qual providência precisa ser realizada. A interface deve facilitar essa comparação, exibindo lado a lado a publicação original, a interpretação da IA e a confirmação do usuário.
Como distribuir responsabilidades no uso de LLMs
- ✓Dono do processo: aprova a finalidade do uso, os níveis de risco e os critérios para automação. Em um departamento jurídico, pode ser o gestor de operações jurídicas; em um escritório, um sócio ou coordenador designado.
- ✓Responsável por privacidade e segurança: avalia base legal, minimização, contratos, acessos, retenção e resposta a incidentes. Essa função não precisa ser um cargo exclusivo, mas deve ter autoridade e tempo para executar os controles.
- ✓Responsável jurídico pelo conteúdo: confere se o resumo preservou o sentido da publicação e se a extração de prazo corresponde ao ato processual. A responsabilidade técnica não deve ser transferida ao fornecedor do modelo.
- ✓Administrador da solução: configura integrações, perfis, conectores, prompts versionados, limites de contexto e logs. Alterações relevantes devem passar por teste e aprovação, não ser feitas diretamente em produção.
- ✓Usuário revisor: confirma, corrige ou rejeita a saída da IA e registra o motivo. Correções devem alimentar um relatório de qualidade, sem transformar automaticamente cada ajuste em treinamento do modelo.
- ✓Fornecedor: deve cumprir as obrigações contratuais, manter os controles prometidos, comunicar incidentes e oferecer informações suficientes para auditoria. O contrato deve deixar claro que a organização continua responsável por suas decisões profissionais.
Como aplicar o checklist em um fluxo de publicações processuais
Em uma operação com centenas ou milhares de processos, a governança precisa aparecer no fluxo diário, e não apenas em uma política esquecida. O Pocket Jurídico, por exemplo, reúne publicações e movimentações de mais de 490 diários e tribunais, identifica o processo e organiza informações para reduzir consultas manuais antes da análise assistida por IA.
Uma configuração segura pode permitir que o conector via MCP consulte somente a publicação recebida, o processo correspondente e os metadados necessários para a tarefa. O acesso a documentos completos, processos de outros clientes ou informações fora do escopo deve exigir uma permissão diferente e, quando necessário, confirmação humana.
Imagine uma publicação trabalhista com dados de saúde do empregado. O sistema pode encaminhar ao modelo um identificador interno, o trecho processual relevante e a instrução para apontar obrigações e datas, ocultando informações que não participam da análise. O revisor visualiza a fonte original no feed, corrige a sugestão e confirma a tarefa no calendário do escritório.
A entrega antecipada de publicações amplia a janela para essa verificação. Em vez de receber a informação perto do limite operacional, a equipe pode analisar a interpretação, distribuir a tarefa e acompanhar a conclusão com histórico de comentários, sem depender de e-mails ou planilhas paralelas.
Para integrações com ERP, CRM ou gestor jurídico, defina eventos que podem ser enviados automaticamente e eventos que exigem aprovação. O guia de sincronização de publicações com ERP e CRM explica como escolher entre envio por evento, consulta periódica e outras arquiteturas sem perder rastreabilidade.
Comece com um piloto de baixo risco, como classificação temática e resumo para triagem. Depois de quatro semanas, compare indicadores de qualidade, tempo de revisão e incidentes antes de ampliar para extração de prazos ou criação automática de tarefas.
Roteiro de auditoria trimestral para governança de LLMs
- 1
Mapeie o que mudou
Liste novos modelos, prompts, integrações, usuários, tribunais monitorados e categorias de dados processadas. Compare a configuração atual com o inventário aprovado no trimestre anterior.
- 2
Revise uma amostra de resultados
Selecione publicações de diferentes áreas e níveis de risco. Calcule taxa de correção de prazos, precisão dos resumos, falsos positivos, falsos negativos e tempo médio de verificação humana.
- 3
Examine acessos e registros
Verifique contas inativas, permissões excessivas, uso de chaves, consultas fora do escopo e falhas de integração. Confirme se os logs permitem identificar usuário, data, versão do modelo, entrada autorizada e decisão tomada.
- 4
Teste privacidade e retenção
Faça um teste controlado para confirmar mascaramento, segregação de contexto, exclusão e limites de armazenamento. Confira se dados de clientes, processos e áreas diferentes permanecem isolados.
- 5
Atualize treinamento e política
Transforme os erros encontrados em exemplos práticos para a equipe. Revise a política quando houver mudança de fornecedor, finalidade, legislação, modelo ou integração com sistemas internos.
- 6
Aprove um plano de correção
Classifique achados por criticidade, responsável e prazo. Suspenda temporariamente uma automação quando houver risco de perda de prazo, exposição de dados ou geração de tarefas incorretas em escala.
Modelo de política interna e erros que devem ser evitados
Uma política interna pode começar com uma regra objetiva: “LLMs são ferramentas de apoio e não substituem a análise profissional, a conferência da fonte original ou a responsabilidade pelo prazo”. Em seguida, indique usos permitidos, usos proibidos, níveis de revisão, dados que não podem ser enviados e procedimento para comunicar incidentes.
Inclua ainda uma exigência de identificação da fonte. Todo resumo ou prazo utilizado em uma decisão deve manter vínculo com a publicação original, o processo, o usuário que revisou, a data da revisão e a versão da instrução ou modelo aplicado.
Outro trecho útil é: “Nenhum resultado gerado por IA poderá criar, alterar ou encerrar um prazo definitivo sem aprovação de usuário autorizado”. Para equipes terceirizadas, acrescente regras de acesso por cliente, confidencialidade, registro de alterações e devolução ou eliminação das informações ao fim do contrato.
Os erros mais comuns são liberar uma conta pessoal para uso de dados de clientes, copiar processos inteiros em uma conversa sem classificação, aceitar o primeiro resumo sem abrir a fonte, não registrar correções e tratar a taxa média de acerto como garantia para todos os tipos de publicação.
Também é arriscado automatizar com base apenas em uma demonstração bem-sucedida. Um modelo pode funcionar para despachos simples e falhar em decisões com múltiplos eventos, intimações eletrônicas, feriados locais ou documentos anexos. O checklist de segurança para jurídicos complementa a política com controles de continuidade e proteção operacional.
Para acompanhar a eficácia perante a diretoria, organize os indicadores em um painel: volume processado, horas economizadas, taxa de revisão, correções de prazo, incidentes de privacidade, disponibilidade da integração e pendências por responsável. O modelo de dashboard jurídico com métricas essenciais pode orientar essa prestação de contas.
Perguntas Frequentes
Quais controles mínimos devo aplicar antes de enviar publicações processuais a um LLM?▼
Classifique os dados, defina a finalidade, minimize informações desnecessárias e confirme as regras de retenção e uso do provedor. Use contas corporativas, controle de acesso, autenticação multifator e registros de auditoria. Também estabeleça uma regra de revisão humana para qualquer prazo, intimação ou recomendação que possa gerar consequência processual.
A LGPD permite usar ChatGPT, Claude ou Gemini em um escritório de advocacia?▼
A LGPD não proíbe automaticamente o uso de serviços de inteligência artificial. O escritório ou departamento jurídico precisa demonstrar finalidade, necessidade, segurança, transparência e base legal adequada ao tratamento realizado. A decisão também deve considerar sigilo profissional, contratos com o fornecedor, localização do processamento e possibilidade de limitar ou anonimizar os dados.
Quando exigir revisão humana de um resultado gerado por LLM?▼
A revisão humana deve ser obrigatória quando o resultado indicar prazo, intimação, tutela de urgência, obrigação de fazer, risco financeiro relevante ou estratégia processual. Resumos usados apenas para triagem podem receber revisão por amostragem, desde que a taxa de erro seja monitorada. A regra deve considerar o impacto do erro, e não somente a confiança informada pelo modelo.
Como medir a acurácia da IA na extração de prazos processuais?▼
Monte uma amostra revisada por profissionais e compare cada saída do modelo com a referência correta. Meça acertos, correções, falsos positivos, falsos negativos e gravidade do erro, separando resultados por tribunal, tipo de ato e área jurídica. Também acompanhe o tempo médio entre a geração da sugestão e a validação humana, porque uma boa taxa de acerto não compensa um fluxo lento ou sem supervisão.
Como evitar vazamento de dados pessoais ao usar MCP com uma IA?▼
Configure o conector para entregar somente o contexto necessário à pergunta, com permissões por usuário, cliente, processo e tipo de documento. Use mascaramento quando nomes, CPF, endereços ou dados sensíveis não forem essenciais para a tarefa. Registre consultas, limite ações de escrita e teste periodicamente se o conector consegue acessar informações fora do escopo autorizado.
Quem é responsável se a IA indicar um prazo errado?▼
A responsabilidade não desaparece porque o resultado foi produzido por um modelo externo. A organização deve definir quem configura o fluxo, quem revisa a publicação e quem aprova o prazo, mantendo registros suficientes para reconstruir a decisão. O contrato com o fornecedor pode distribuir obrigações e prever suporte ou incidentes, mas não substitui a responsabilidade profissional do jurídico.
É seguro enviar o processo inteiro para um modelo de linguagem?▼
Em geral, enviar mais dados do que a tarefa exige aumenta a superfície de risco sem necessariamente melhorar a resposta. Prefira fornecer a publicação, os metadados e os trechos diretamente relacionados à pergunta, ampliando o contexto apenas quando houver justificativa. A decisão deve considerar sigilo, dados sensíveis, finalidade, retenção e controles efetivamente oferecidos pelo provedor.
Com que frequência um escritório deve auditar o uso de LLMs?▼
Uma auditoria trimestral é um bom ponto de partida para revisar modelos, prompts, integrações, acessos, resultados e incidentes. Operações de alto volume ou com automações que criam tarefas e prazos podem exigir acompanhamento mensal de indicadores críticos. Além da periodicidade fixa, faça uma revisão extraordinária após troca de fornecedor, incidente, mudança relevante no modelo ou alteração do fluxo.