Jonatan Jamar

IA responsável · Projeto pessoal

Triagem de publicações jurídicas com IA e revisão humana

Resumo executivo. Construí uma automação no-code, funcional ponta a ponta, que faz a triagem de publicações de diário oficial: extrai dados estruturados com LLM (Claude Haiku via API Anthropic), cruza com uma base de processos que simula um CRM, identifica responsáveis, alimenta um painel de acompanhamento e envia e-mails marcados como [REVISAR]. A classificação de urgência é feita por regras determinísticas fora do modelo, e nenhuma ação final acontece sem revisão humana. O case não é sobre IA: é sobre desenhar um processo confiável em um domínio onde erro tem consequência.

Papel
Concepção, desenho do processo e implementação
Stack
Make.com, API Anthropic (Claude Haiku), planilha como CRM simulado, Gmail
Status
Funcional ponta a ponta, com dados fictícios de demonstração (caderno do DJERJ)

Contexto

Escritórios de advocacia monitoram diários oficiais diariamente. Perder uma intimação pode significar perder um prazo, e perder um prazo pode significar perder um caso. A triagem manual é repetitiva, sujeita a fadiga e cara: exatamente o perfil de tarefa em que automação ajuda e em que automação mal desenhada é perigosa.

O problema certo

A pergunta que define o projeto não foi “como automatizar a triagem?”, e sim: o que esta automação jamais pode fazer?

Ela jamais pode: substituir a análise jurídica, calcular prazos oficialmente, agir sem supervisão ou esconder de onde tirou uma informação. A partir dessas restrições, desenhei o processo.

Desenho da solução

1 · Entrada. Caderno do diário oficial em PDF (nas demonstrações, um caderno fictício do DJERJ).
2 · Extração com LLM. Claude Haiku extrai apenas informações expressamente mencionadas: processo, partes, teor. Tarefa probabilística: o lugar certo para o modelo.
3 · Cruzamento determinístico. Dados extraídos cruzados com a base de processos (planilha simulando um CRM) para identificar o responsável.
4 · Urgência por regras, fora do LLM. Decisão de risco não é tarefa para modelo probabilístico. Regras determinísticas, auditáveis e editáveis.
5 · Saídas. Painel de acompanhamento e envio de e-mail alerta ao responsável, sempre marcado como [REVISAR].
6 · Revisão humana obrigatória. O advogado valida antes de qualquer ação valer. O sistema propõe; a pessoa decide.

Guardrails e confiabilidade

  • Separação probabilístico × determinístico: LLM extrai, regras decidem. Essa fronteira é a decisão de arquitetura mais importante do projeto.
  • Guardrails contra prompt injection: o conteúdo do diário é tratado como dado não confiável, nunca como instrução.
  • Log de auditoria: cada item processado é rastreável da publicação de origem até o lembrete criado.
  • Convenção [REVISAR]: todo evento criado se declara provisório. O sistema comunica a própria incerteza em vez de fingir precisão.
  • Falha segura: na dúvida (dado ausente, cruzamento ambíguo), o item vai para revisão humana em vez de seguir o fluxo.

Por que isso é um case de produto, não de tecnologia

Qualquer pessoa consegue pedir a um LLM que “leia um PDF e crie eventos na agenda”. O trabalho de produto está em outro lugar: definir o que o sistema não pode fazer, decidir onde o modelo entra e onde regras determinísticas mandam, desenhar a revisão humana como parte do fluxo (não como remendo) e tornar cada saída rastreável. É a diferença entre demo de IA e processo em que alguém pode confiar.

Resultados e estágio

  • Automação funcional ponta a ponta, demonstrável com dados fictícios.
  • Evidência prática de IA aplicada com governança: extração por LLM, decisão determinística, human-in-the-loop, auditoria.

Aprendizados

  • O valor de uma automação com IA está menos no modelo e mais nas fronteiras que você desenha ao redor dele.
  • Comunicar incerteza ([REVISAR]) gera mais confiança do que aparentar certeza.
  • Em domínio regulado ou de risco, “human-in-the-loop” não é limitação do produto: é o produto.

Outputs

Painel de acompanhamento com eventos de exemplo e e-mail com dados fictícios.

Painel de triagem em planilha, com colunas de número do processo, prazo em texto original, urgência final, resumo da publicação e status PENDENTE_DE_REVISAO em todas as linhas
Painel de acompanhamento. Cada publicação processada vira uma linha com o prazo no texto original, a urgência definida por regras e o resumo extraído. Todas as linhas nascem em PENDENTE_DE_REVISAO: nenhum item é dado como tratado sem o advogado.
E-mail de alerta com assunto DEMO REVISAR prazo urgente, listando publicação, processo, tribunal, juízo, tipo de ato, prazo informado, trecho de evidência, urgência sugerida pelo modelo e urgência final aplicada pela regra
E-mail de alerta. Traz o trecho de evidência literal da publicação e separa a urgência sugerida pelo modelo da urgência final aplicada pela regra. O rodapé declara que a data é provisória e não substitui controle oficial de prazos.

Demonstração técnica com dados fictícios em caderno simulado do DJERJ. Nenhum dado real de processo ou de cliente é exibido.

Competências demonstradas

Desenho de processo com IA · separação probabilístico × determinístico · human-in-the-loop · guardrails e segurança de prompt · auditabilidade · automação no-code multissistema · pensamento de risco em domínio sensível