Prevendo Decisões Judiciais em Tribunais Brasileiros de Primeira Instância com Aprendizagem de Máquina

Um dos maiores problemas enfrentados por escritórios de advocacia ou setores jurídicos de empresas é o planejamento do contingenciamento de recursos, dadas as perspectivas de sentenciamento dos seus processos jurídicos. Atualmente, um grupo de advogados, através de processos completamente subjetivos e não-padronizados, analisa um grande volume de processos e emitem um parecer sobre o que pode vir a ocorrer nos próximos meses quanto às possíveis condenações. Portanto, decisões sobre contingenciamento são tomadas em cima de processos de inferência pouco rigorosos. Este artigo apresenta modelos de previsão de sentenças jurídicas de tribunais brasileiros de primeira instância construídos a partir de 61 bases de dados provenientes de todas as regiões do Brasil, totalizando mais de 600 mil processos. Para a construção destas bases, foram utilizados apenas dados disponíveis publicamente nos sites dos tribunais. Para a construção destes modelos, foram utilizados ensembles de Árvores de Decisão, cujos hiperparâmetros foram ajustados pelo método Population Based Training. Os resultados mostraram que existe uma grande variabilidade na complexidade das bases espalhadas pelo país, o que gera modelos com qualidades completamente diferentes entre si. Neste estudo, nossos modelos apresentaram precisões que variaram de 36% a 79%.