Obsolescência do julgador? IA, Minority Report e linha de produção de decisões

Em 23 de maio de 2026, Luís Roberto Barroso proferiu uma declaração que rapidamente polarizou o debate jurídico brasileiro. Segundo o ex-ministro do Suprem Tribunal Federal, “não tenho nenhuma dúvida de que este é o futuro: a IA produzindo decisões com maior objetividade do que os juízes” ¹, acrescentando que o juiz terá o ônus argumentativo de demonstrar por que não está seguindo a inteligência artificial ².

A afirmação não surgiu no vácuo. Com a IA, o STF reduziu o estoque de processos de 150 mil para 20 mil, por meio de um programa capaz de selecionar temas em que já havia precedente, eliminando recursos repetitivos ³. Barroso reconheceu, contudo, os limites desse avanço: o programa de minuta de decisão não foi liberado porque ainda não existe um código de ética maduro o suficiente para deixar a inteligência artificial produzindo decisões ⁴.

Essa tensão entre a potência técnica da IA e a imaturidade ética de sua governança é o epicentro do debate deste artigo. Para além da questão da eficiência, incorpora-se a análise de três dimensões adicionais: o risco de transferência de responsabilidade ao algoritmo; a impossibilidade de uma objetividade pura no julgamento jurídico; e as hipóteses legítimas de automação assistida no campo das demandas de massa.

Minority Report como metáfora jurídica

Publicado em 1956, The Minority Report, de Philip K. Dick, é uma narrativa que explora temas de livre-arbítrio, determinismo e as implicações éticas da justiça preventiva. Ambientada em uma sociedade futura onde se utiliza indivíduos precognitivos para prever crimes antes que ocorram, a história levanta questões profundas sobre a natureza da escolha e do destino ⁵.

A analogia com o presente não é apenas metafórica, mas estrutural. Embora não existam “precogs” propriamente ditos, componentes centrais do futuro imaginado em Minority Report tornaram-se realidade. Departamentos de polícia em todo o mundo vêm usando sistemas orientados por dados para prever quando, onde e por quem crimes poderão ser cometidos ⁶. A chamada “Minority Report View” sugere que algoritmos seriam usados para prever o cometimento de crimes e intervir preventivamente ⁷.

Transposta ao julgamento civil e criminal automatizado, a questão central da obra de Dick se reformula com precisão: quem responde quando o sistema erra? Há alguém em posição institucional de reconhecer o erro, ou a máquina já ocupa o lugar de autoridade que deveria pertencer ao humano? Dick não questiona apenas a eficiência preditiva; questiona a legitimidade de um sistema que pune antes do ato, retirando do julgamento sua dimensão ética fundamental.

Promessa da objetividade e problema do viés

O argumento central de Barroso, a objetividade superior da IA, merece escrutínio empírico. A experiência norte-americana com o algoritmo Compas (Correctional Offender Management Profiling for Alternative Sanctions) é paradigmática. Ao agirem com base em suas previsões de risco, juízes de múltiplos estados implicitamente delegam decisões normativas a um software, para além dos já documentados vieses raciais e etários ⁸.

A investigação da ProPublica demonstrou que réus negros eram quase duas vezes mais propensos do que réus brancos a serem classificados com risco elevado sem efetivamente reincidir, enquanto réus brancos eram com muito maior frequência classificados como baixo risco mesmo quando chegaram a cometer novos crimes ⁹. Algoritmos de previsão podem herdar vieses humanos e perpetuar discriminações injustas contra grupos historicamente desfavorecidos ¹⁰, tornando o Compas um exemplo paradigmático de como desigualdades estruturais se reproduzem sob aparência de objetividade ¹¹.

A objetividade algorítmica é sempre uma objetividade derivada. Ela reflete, com precisão matemática, as distorções do mundo que a alimentou, revelando que a promessa de neutralidade técnica encobre, frequentemente, escolhas normativas não declaradas.

Automation bias e transferência silenciosa de responsabilidade

Quando o juiz passa a ter o ônus de justificar o porquê de discordar da IA, a responsabilidade nominal permanece humana, mas a autoridade decisória efetiva migra silenciosamente para o sistema. A esse fenômeno a ciência cognitiva e o direito dão o nome de automation bias.

O automation bias consiste na tendência de indivíduos de depender excessivamente de decisões ou propostas geradas por máquinas, resultando na incapacidade de detectar falhas da automação e em deterioração geral da qualidade decisória ¹². Produz duas consequências graves no ambiente judicial. A primeira é a ancoragem cognitiva: o viés de ancoragem consiste na tendência de confiar excessivamente em um pedaço de informação recebido inicialmente, de modo que o julgamento final tende a ser ajustado a partir desse ponto de partida ¹³. O output da IA torna-se a âncora implícita da deliberação, estreitando o espaço de julgamento autônomo antes mesmo de o juiz começar a raciocinar sobre o caso.

A segunda consequência é ainda mais grave do ponto de vista democrático, a diluição de responsabilidade. Auxiliares decisórios automatizados tendem a criar um “amortecedor moral”, mecanismo psicológico de distanciamento que resulta em sentido diminuído de agência moral e accountability do ator humano ¹⁴. Embora os governos possam exigir que humanos tomem as decisões finais, permanece problemático tolerar abordagens orientadas por dados sem salvaguardas procedimentais robustas. Os juízes precisam ser treinados sobre o automation bias. Estudos demonstraram que indivíduos que recebem esse treinamento são mais propensos a examinar criticamente as sugestões de um sistema automatizado ¹⁵.

Persiste, ainda, um paradoxo normativo: em processos judiciais não há verdade objetiva independente do procedimento, e parece pouco crível que uma IA possa rastrear o erro de outra IA operando a partir de critérios puramente objetivos. Não existem critérios externos ao procedimento que possam estabelecer a correção de uma decisão judicial ¹⁶. Se o juiz for capturado pelo automation bias, o erro pode tornar-se irrastreável e juridicamente irresponsabilizável. Acaso o próprio sistema recursal utilize IA, é possível que uma não corrija a outra IA, porquanto a análise seja apenas objetiva.

Incoerência de uma objetividade pura: subjetividade como condição do direito

A promessa de decisões “objetivas” pela IA repousa sobre um pressuposto filosófico que o próprio direito rejeita há séculos, o de que seria possível separar a norma do sujeito que a interpreta. O debate mais denso sobre esse ponto encontra-se na tensão clássica entre Herbert Hart e Ronald Dworkin.

Para Hart ¹⁷, a textura aberta da norma exige que os tribunais exerçam a discricionariedade nos casos não regulamentados juridicamente. Dworkin, por sua vez, rejeita a discricionariedade como algo admissível, mas não suprime a subjetividade; ao contrário, converte-a em elemento estrutural da interpretação. Para ele, além das regras, os princípios jurídicos são juridicamente vinculantes para os agentes públicos ¹⁸. Princípios como dignidade da pessoa humana, proporcionalidade ou boa-fé não são variáveis quantificáveis; são construções interpretativas que demandam ponderação contextual, histórica e moral.

No Brasil, o artigo 489, parágrafo 1º, do CPC/2015 exige que o juiz demonstre o raciocínio lógico que o levou da norma ao fato¹⁹. Essa exigência de accountability argumentativa revela que o próprio ordenamento reconhece a subjetividade como componente estrutural do julgamento e tenta controlá-la por meio da fundamentação, não suprimi-la por meio da automação. O sistema jurídico, portanto, já incorporou há muito a subjetividade como dado irredutível e incontornável do julgamento. A fundamentação algorítmica não equivale à exigida pelo artigo 93, IX, da Constituição, tampouco captura a “dimensão do peso” dworkiniana na colisão de princípios ²⁰. Postular uma objetividade pura no julgamento não é apenas epistemicamente ingênuo, é potencialmente inconstitucional.

IA como ferramenta do juiz: automação legítima nas demandas de massa

Feitas essas ressalvas, seria equivocado concluir que a IA não tem espaço legítimo na atividade judicial. A questão não é se usar IA, mas como e onde usá-la e com que nível de autonomia decisória. Há um campo específico em que a automação assistida não apenas é admissível, como pode ser um imperativo de justiça: o das demandas repetitivas estruturadas sobre elementos objetivos verificáveis e amparadas por presunções legais consolidadas.

O CNJ já desenvolveu modelos de automação que funcionam exatamente na interface entre instrução automatizada e decisão humana, como o Prevjud e o Sisperjud ^{21 22}. Nesses modelos, a IA opera sobre elementos predefinidos, tais como dados cadastrais, verificação de vínculos previdenciários, checagem de prazos e confronto com teses fixadas em jurisprudência vinculante, enquanto o juiz concentra sua capacidade hermenêutica nos casos que efetivamente demandam ponderação principiológica, análise de prova ou conformação às especificidades do caso concreto.

A Resolução nº 615/2025 do CNJ determina que o uso dessas ferramentas será de caráter auxiliar e complementar, sendo vedada a utilização como instrumento autônomo de tomada de decisões judiciais sem a devida orientação, interpretação, verificação e revisão por parte do magistrado, que permanecerá integralmente responsável pelas decisões tomadas ²³. Esse é o modelo correto: a IA como ferramenta a serviço do juiz, não em seu lugar. Nesse arranjo, a automação aumenta a capacidade decisória sem substituir o julgamento, amplia a justiça sem esvaziar a responsabilidade.

Julgador obsoleto? Reflexão final

A obsolescência do julgador não é um evento futuro, é um processo em curso. Mas ela não é inevitável. A IA não tornará o juiz desnecessário de uma vez. Tende a torná-lo progressivamente residual se o sistema institucional não criar salvaguardas que preservem a densidade do ato de julgar.

Minority Report não nos adverte sobre a capacidade preditiva das máquinas, mas sobre o que acontece quando uma sociedade abdica do julgamento como ato humano, incerto e falível, em favor de uma certeza fabricada. A Precrime condenava com base em probabilidades e ninguém mais precisava decidir. O juiz que precisa justificar por que discorda da IA já não é plenamente o sujeito do julgamento, segue estrutura análoga.

O caminho legítimo é o inverso: a IA que precisa justificar por que merece a atenção do juiz. Uma ferramenta que organiza, sinaliza, verifica e sugere, mas que encontra na autoridade do magistrado, e não na eficiência do software, o fundamento de qualquer decisão que afete a liberdade, o patrimônio ou a dignidade de um ser humano. A responsabilidade pelo julgamento não pode ser terceirizada para um sistema. Ela é o que torna o julgamento um ato jurídico, e não uma operação estatística. A questão não é se a IA julga melhor do que os juízes. É se o julgamento, como ato de linguagem, de responsabilidade e de humanidade, pode ser delegado a uma máquina sem que o direito deixe de ser direito. Enquanto essa resposta não estiver dada, o julgador permanece insubstituível.

___________________________

Notas

BARROSO, Luís Roberto. Declaração no 5º Fórum Esfera. Guarujá, SP, 23 mai. 2026. Disponível em: Direito News, 23 mai. 2026. Acesso em: 28 mai. 2026.

Ibidem.

Ibidem.

Ibidem.

DICK, Philip K. The Minority Report. Fantastic Universe, v. 4, n. 6, 1956. Republicado em: Selected Stories of Philip K. Dick. New York: Pantheon Books, 2002.

THE CONVERSATION. Predictive policing AI is on the rise: making it accountable to the public could curb its harmful effects. The Conversation, 24 jun. 2025.

HOUSTON LAW REVIEW. Criminal Justice in the Data State. 63 Hou. L. Rev. 37, 2025.

VERBEECK, B.; PEKTAS, C. Code is law: how COMPAS affects the way the judiciary handles the risk of recidivism. Artificial Intelligence and Law. Heidelberg: Springer Nature, 2024. DOI: 10.1007/s10506-024-09389-8.

ANGWIN, Julia; LARSON, Jeff; MATTU, Surya; KIRCHNER, Lauren. Machine Bias. ProPublica, 23 mai. 2016. Disponível em: propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing.

LEPRI, B. et al. apud NCBI/PMC. From fair predictions to just decisions? Conceptualizing algorithmic fairness and distributive justice in the context of data-driven decision-making. PMC9589041.

MUSEUM OF FAILURE. COMPAS: Machine Bias. Disponível em: museumoffailure.com/exhibition/compas-racist-ai.

BORGES, B.; HOELZL, I. Automation bias in public administration: an interdisciplinary perspective from law and psychology. Government Information Quarterly. Amsterdam: ScienceDirect/Elsevier, 2024.

TVERSKY, A.; KAHNEMAN, D. apud SPRINGER NATURE. The impact of AI errors in a human-in-the-loop process. Cognitive Research: Principles and Implications. Heidelberg: Springer, 2024. DOI: 10.1186/s41235-023-00529-3.

CUMMINGS, M. L. apud OXFORD ACADEMIC. Human-AI Interactions in Public Sector Decision Making: “Automation Bias” and “Selective Adherence” to Algorithmic Advice. Journal of Public Administration Research and Theory, v. 33, n. 1, p. 153 et seq., 2022.

CITRON, D. K. apud SPRINGER NATURE. Judicial Decision-Making in the Age of Artificial Intelligence. In: AI and Law. Heidelberg: Springer Nature, 2023. Cap. 15.

Automation Bias in the AI Act: On the Legal Implications of Attempting to De-Bias Human Oversight of AI. European Journal of Risk Regulation. Cambridge: Cambridge University Press, 2025. Disponível em: arxiv.org/abs/2502.10036.

HART, Herbert L. A. O Conceito de Direito. 3. ed. Lisboa: Fundação Calouste Gulbenkian, 1994. Ver também: MORAES, M. V.; LEAL, M. C. H. A discricionariedade judicial e a definitividade da decisão judicial: a teoria de Hart e as críticas apontadas por Dworkin. Revista de Direitos e Garantias Fundamentais, v. 20, n. 1, p. 49-70, 2019.

DWORKIN, Ronald. Levando os Direitos a Sério. Trad. Nelson Boeira. São Paulo: Martins Fontes, 2002.

BRASIL. Lei n. 13.105, de 16 de março de 2015. Código de Processo Civil. Art. 489, parágrafo 1º. Brasília: Presidência da República, 2015.

DWORKIN, Ronald. Op. cit. (nota 18).

CONSELHO NACIONAL DE JUSTIÇA. Justiça 4.0: integração de sistemas agiliza decisões de processos previdenciários. Portal CNJ, set. 2022.

CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 595, de 2024. Sistema de Perícias Judiciais (Sisperjud). Disponível em: atos.cnj.jus.br

CONSELHO NACIONAL DE JUSTIÇA. Sistema de precedentes garante segurança jurídica e decisões ágeis. Portal CNJ, 18 ago. 2021. Ver também: BRASIL. Código de Processo Civil (Lei n. 13.105/2015), arts. 926 e 927.