Direito SP
Mestrado e Doutorado
Aula 2 · Labtech 2026

Extração, tabulação
e anonimização

Extrair é entrevistar: o pesquisador escreve as perguntas, a máquina aplica — e mostra onde leu cada resposta.

Prof. Anderson Fraiha Machado Disciplina eletiva · 2026
Direito SP
Mestrado e Doutorado
Retomada

Semana passada vocês acharam os documentos. Hoje eles viram dados

Coluna do corpus.csvDiz
id, tribunal, classede que processo se trata
data, órgão julgadorquando e onde
inteiro_teor_pathonde está o texto

Que coluna falta nesta planilha para responder à sua pergunta de pesquisa?

Todas as que dependem de ler: o resultado, o fundamento, o valor.

Labtech · IA para a Pesquisa Aplicada ao Direito02
10 min. Projetar o corpus.csv e o registro.json de um aluno.
Direito SP
Mestrado e Doutorado
01

Tabulação manual

Triagem, leitura e variáveis — dinâmica em grupos.

Labtech · IA para a Pesquisa Aplicada ao Direito03
Direito SP
Mestrado e Doutorado
0 · Tabulação manual · dinâmica

Mesmas seis decisões, a mesma planilha, todos os grupos

VariávelO que anotar
Desconsideração deferida?sim / não / parcial
Fundamentoart. 50 do CC / art. 28 do CDC / outro
Modalidadedireta / inversa
Valor em discussãoem reais, se houver
1

Triagem

serve para a pesquisa?

2

Leitura

busca as informações

3

Planilha

preenche

14 minutos. Cada integrante lê duas decisões; o grupo consolida.

Labtech · IA para a Pesquisa Aplicada ao Direito04
4 min de montagem. 2 das 6 decisões são inelegíveis — a turma NÃO é avisada. Decisões curtas, até 3 páginas, das íntegras do STJ (CC-BY).
Direito SP
Mestrado e Doutorado
0 · Tabulação manual · reporte

As planilhas não batem — e ninguém errou

Nas inelegíveis

uns grupos tabularam, outros descartaram

No "parcial"

ninguém definiu o que conta como parcial

No fundamento

a decisão cita os dois artigos: qual prevalece?

Sem domínio definido e regra de decisão, cada pesquisador codifica de um jeito.

Labtech · IA para a Pesquisa Aplicada ao Direito05
12 min de reporte. Planilhas lado a lado no telão; ficam visíveis até o fechamento.
Direito SP
Mestrado e Doutorado
0 · Tabulação manual · o instrumento

O livro de códigos: o embrião do guia de extração

PerguntaDomínioRegra de decisãoExemplo
A desconsideração foi deferida?sim · não · parcial · não identificadoparcial = deferida só para parte dos sócios ou dos bens“defiro em relação ao sócio A”
Qual o fundamento?art. 50 CC · art. 28 CDC · outrose citar os dois, vale o que a decisão aplica“com base no art. 50”

Ninguém tabula "tudo": as variáveis estão amarradas à tese da pesquisa.

Labtech · IA para a Pesquisa Aplicada ao Direito06
Conceitos: variável, domínio, unidade de análise, critério de elegibilidade.
Direito SP
Mestrado e Doutorado
0 · Tabulação manual · escala

A conta de escala, como na Aula 1

14 min
um grupo de quatro para 6 decisões curtas
≈9 min
de trabalho por decisão
50 horas
para as 340 do seu corpus — sem a segunda leitura
Labtech · IA para a Pesquisa Aplicada ao Direito07
Pergunta natural: e se a máquina procurasse palavras?
Direito SP
Mestrado e Doutorado
1 · Limites das palavras-chave

A palavra-chave acha o tema, não acha o sentido

  • Negação“não é caso de desconsideração da personalidade jurídica”
  • O verbo muda tudo“indefiro o pedido de desconsideração”
  • Palavra certa, sentido errado“a desconsideração, embora pleiteada, não se justifica”
  • Adjetivação“evidente abuso” × “ausente qualquer abuso”
Labtech · IA para a Pesquisa Aplicada ao Direito08
10 min, ao vivo nas mesmas 6 decisões: a regra ingênua marca como positivas decisões que negam o pedido.
Direito SP
Mestrado e Doutorado
1 · Limites das palavras-chave

Extrair é atravessar a distância entre dois tipos de documento

Não estruturado

  • A sentença, o acórdão, a petição
  • Texto corrido, cada um de um jeito
  • Lido por pessoas

Estruturado

  • A planilha, o corpus_extraido.csv
  • Uma linha por caso, uma coluna por variável
  • Lido por máquinas e por análises
Labtech · IA para a Pesquisa Aplicada ao Direito09
5 min.
Direito SP
Mestrado e Doutorado
2 · Reconhecimento de entidades

NER: a máquina marca nomes, datas e leis no texto

Pessoa

partes, advogados, magistrados

Organização

empresas, órgãos

Local

comarcas, endereços

Tempo

datas e prazos

Legislação

artigos e leis citados

Jurisprudência

decisões citadas

Categorias do LeNER-Br, a leitura básica: documentos jurídicos brasileiros anotados para treinar esse tipo de modelo.

Labtech · IA para a Pesquisa Aplicada ao Direito10
5 min de conceito + 6 min de demonstração num acórdão real.
Direito SP
Mestrado e Doutorado
2 · Reconhecimento de entidades

Onde o NER ajuda — e onde ele não chega

Ajuda

  • Partes, datas, valores e leis citadas
  • É a primeira passada da anonimização (Bloco 5)

Não chega

  • "A desconsideração foi deferida?" não é uma entidade
  • É uma interpretação
Labtech · IA para a Pesquisa Aplicada ao Direito11
4 min. Pergunta que leva ao Bloco 3: e se a máquina lesse como um pesquisador?
Direito SP
Mestrado e Doutorado
3 · Mineração com LLMs

Do livro de códigos ao guia de extração

1

Pergunta

2

Domínio

3

Regra

4

Exemplo

5

Na dúvida

não identificado

Escrever um guia de extração é engenharia de prompt. Vocês já estão fazendo — a Aula 5 dá o nome.

Demonstração: o guia + uma das 6 decisões num assistente de IA, conferido com o gabarito dos grupos.

Labtech · IA para a Pesquisa Aplicada ao Direito12
5 min + 7 min de demonstração.
Direito SP
Mestrado e Doutorado
3 · Mineração com LLMs · o que aparece

A resposta vem — mas não do jeito que a pesquisa precisa

Cada vez num formato

texto corrido, que não cabe na planilha

Segurança fingida

afirma o que não está no documento

Sem fonte

não diz onde leu

Como obrigar a resposta a caber na planilha, mostrar de onde veio e dizer quanto confia?

Labtech · IA para a Pesquisa Aplicada ao Direito13
3 min. Fica no ar durante o intervalo.
Direito SP
Mestrado e Doutorado

Intervalo

Na volta: esquema, trecho de origem e grau de segurança.

Labtech · IA para a Pesquisa Aplicada ao Direito14
Direito SP
Mestrado e Doutorado
4 · Extração com esquema · fundamentos

Um LLM prevê a continuação mais provável

  • Não consulta fontea menos que você entregue o texto — por isso o documento vai junto com a pergunta.
  • Soa igual quando acerta e quando inventapor isso o trecho de origem é o controle.

Modelos gerais × jurídicos

O LEGAL-BERT (leitura complementar) é o exemplo clássico de modelo treinado em texto jurídico.

Labtech · IA para a Pesquisa Aplicada ao Direito15
7 min.
Direito SP
Mestrado e Doutorado
4 · Extração com esquema

O livro de códigos em formato que a máquina é obrigada a respeitar

{
  "deferida":   ["sim","não","parcial",
                 "não identificado"],
  "fundamento": ["art. 50 CC","art. 28 CDC",
                 "outro","não identificado"],
  "modalidade": ["direta","inversa",
                 "não identificado"],
  "valor":      "número (R$)",
  "trecho_origem": "citação literal
     que sustenta cada resposta"
}

Saída estruturada garante o formato, não o acerto.

Labtech · IA para a Pesquisa Aplicada ao Direito16
6 min.
Direito SP
Mestrado e Doutorado
4 · Extração com esquema · o Jev

Jev: decisões dentro do esquema, com grau de confiança

O fabricante dizComo ler
"Não alucina"não consegue responder fora do esquema — pode marcar a alternativa errada com toda a formalidade
"É calibrado"confiança alta deveria significar acerto alto — é alegação, e a turma vai testar
Probabilidade e confiança em cada respostaútil para decidir o que vai para revisão humana

TypeSafe AI, lançado em 15/09/2026, em acesso antecipado. Plano B: GPT ou Claude com saída estruturada.

Labtech · IA para a Pesquisa Aplicada ao Direito17
7 min, com demonstração nas 6 decisões do Bloco 0.
Direito SP
Mestrado e Doutorado
4 · Extração com esquema · grau de segurança

Segurança não se declara: se mede

1

Codificar à mão

o gabarito do Bloco 0

2

Comparar

variável por variável

3

Conferir a confiança

ela acompanha o acerto?

4

Regra de revisão

sem trecho ou abaixo do limiar → humano

Labtech · IA para a Pesquisa Aplicada ao Direito18
5 min.
Direito SP
Mestrado e Doutorado
5 · Anonimização · por que agora

Os documentos vão para um serviço externo — e o dataset pode ser publicado

ConceitoOnde está na LGPD
Dado pessoal · dado pessoal sensívelart. 5º, I e II
Dado anonimizado · anonimizaçãoart. 5º, III e XI
Dado anonimizado deixa de ser pessoal — salvo se reversívelart. 12
Pseudonimização: só volta a identificar com informação guardada à parteart. 13, § 4º
Labtech · IA para a Pesquisa Aplicada ao Direito19
3 min + 6 min. Conferir a redação dos artigos antes do slide.
Direito SP
Mestrado e Doutorado
5 · Anonimização · as técnicas

Quatro técnicas, quatro graus de volta

TécnicaExemploReversível?
MascaramentoJoão S*em parte
Supressãoo nome some do textonão
PseudonimizaçãoJoão Silva → PARTE_017, tabela guardada à partesim, com a tabela
Anonimizaçãonenhum caminho de volta à pessoanão
Labtech · IA para a Pesquisa Aplicada ao Direito20
4 min.
Direito SP
Mestrado e Doutorado
5 · Anonimização · revisão humana

O NER faz a primeira passada. O que ele deixa passar

  • O nome na razão social: “Fulano Silva Comércio Ltda.”
  • O apelido e o parentesco que denunciam.
  • O endereço que identifica.

O programa exige uma versão tratada para revisão humana, sem presumir que o automatizado basta.

Decisão é pública (Res. CNJ 121/2010). Republicá-la num dataset, com nome, para outra finalidade, é outra coisa.

Labtech · IA para a Pesquisa Aplicada ao Direito21
5 min de demonstração + 2 min da tensão. Leitura: Csányi et al.
Direito SP
Mestrado e Doutorado
6 · Artefato

O Extrator Jurídico faz a cada documento a entrevista do guia

Extrator Jurídico

As perguntas do pesquisador, respondidas dentro do esquema, cada uma com o trecho que a sustenta e o grau de confiança.

  • Entracorpus.csv anonimizado + o guia de extração.
  • Saicorpus_extraido.csv: variável, trecho de origem e confiança.
  • E aindaa versão anonimizada e o registro.json.
Labtech · IA para a Pesquisa Aplicada ao Direito22
3 min + 12 min de demonstração: gabarito × grupos × máquina, lado a lado. Os humanos também discordavam entre si.
Direito SP
Mestrado e Doutorado
6 · Artefato · onde ele falha

Mostrar o artefato falhando é parte da aula

Extrai o inelegível

a triagem precisa estar no guia

Erra no "parcial"

domínio mal definido vira erro em série

Trecho que não sustenta

existe, mas não diz o que a resposta diz

Anonimização vaza

o nome embutido passa

Labtech · IA para a Pesquisa Aplicada ao Direito23
5 min.
Direito SP
Mestrado e Doutorado
7 · Oficina

O guia de extração da sua pesquisa

10'

Guia

3 variáveis, com domínio e regra

5'

Rodar

em 10 documentos

10'

Codificar à mão

2 documentos e comparar

2'

Registro

salvar o registro.json

No laboratório: 3 a 5 variáveis, 20 documentos, 5 codificados à mão.

Labtech · IA para a Pesquisa Aplicada ao Direito24
27 min. Cobrar: domínio com "não identificado"? triagem no guia? trecho conferido?
Direito SP
Mestrado e Doutorado
Laboratório 2 de 5

Construa o guia, aplique com o Extrator e meça onde vocês discordam

  • Descrição da tarefa realizada.
  • Ferramenta utilizada.
  • Resultado: o corpus_extraido.csv e o guia.
  • Verificação: a comparação dos 5 documentos codificados à mão.
  • Pelo menos uma limitação ou risco identificado.
Labtech · IA para a Pesquisa Aplicada ao Direito25
O registro.json já traz esses itens e é recomendado como anexo.
Direito SP
Mestrado e Doutorado
Fechamento

Trezentos documentos, o mesmo guia.
Cada resposta com o trecho e a segurança medida.

Esquema que a máquina respeita, confiança que se mede, anonimização antes de sair da máquina. Na próxima aula, as perguntas para quem não está no papel.

anderson.machado@fgv.br Aula 3: questionários
Labtech · IA para a Pesquisa Aplicada ao Direito26
Retomar o guia de extração da oficina: o que era planilha divergente no começo da aula virou esquema, trecho e grau de segurança.
1 / 26

Visão geral — clique para ir ao slide

Fim da Aula 2Voltar à trilha do curso