# O guia definitivo de automação de fluxos de trabalho de eDiscovery com IA _2026-08-11_ A maioria das equipes de contencioso já opera um fluxo de trabalho de eDiscovery automatizado, e a maioria delas não o descreve dessa forma. A ingestão roda em horários programados. A deduplicação, o encadeamento de e-mails (threading) e a identificação de quase duplicados acontecem sem que ninguém aperte um botão. Os termos de pesquisa se propagam por todo o caso em segundos. Essa automação é real e está madura. Depois, ela para. Para exatamente no momento em que alguém precisa decidir o que um documento significa. Tudo o que vem antes dessa decisão está automatizado há anos. A decisão em si ainda é tomada por uma pessoa lendo um documento de cada vez em uma tela, e é aí que se concentram hoje o custo, a demora e a inconsistência de um caso moderno. Este guia trata de eliminar essa lacuna. Não tirando os advogados do fluxo de trabalho, mas automatizando a leitura, para que o julgamento humano seja aplicado a um conjunto menor e mais bem organizado de decisões. ## Automação é uma sequência, não um interruptor Não existe um botão único que automatize uma revisão. O que existe, na prática, é uma sequência de passagens de bastão, e cada uma delas está automatizada ou não está. Um caso passa por coleta, processamento, triagem, avaliação de primeiro nível, controle de qualidade e produção. A automação já conquistou as três primeiras etapas. A quarta, a avaliação de primeiro nível, é a que escala mal, porque escala com o número de pessoas. Adicionar revisores é uma resposta linear a um problema que cresce mais rápido do que linearmente. A pergunta útil, portanto, é restrita. Qual etapa ainda exige que uma pessoa leia cada item, e essa leitura pode ser delegada sem perder o registro de por que cada decisão foi tomada? Se a resposta à segunda parte for não, você não tem automação. Tem um atalho, e atalhos não sobrevivem a uma impugnação. ## A camada de integração decide se a automação é real Boa parte do que é vendido como automação de fluxo de trabalho é, na verdade, realocação do fluxo de trabalho. A ferramenta fica fora da sua plataforma de revisão, então você exporta os documentos para ela, processa-os em outro lugar e depois importa os resultados de volta. Cada uma dessas etapas é uma nova cópia dos dados, uma nova questão de custódia e um novo ponto em que o fluxo de trabalho pode falhar. A Claira adota a abordagem oposta. Ela funciona como uma extensão da interface do usuário dentro do Nuix Discover, o que significa que não há mudança de plataforma, nem ambiente paralelo, nem migração de dados a planejar. Os revisores abrem o mesmo caso que sempre abrem. O painel da Claira aparece ao lado da lista de documentos que eles já usam, e os resultados são gravados diretamente em campos do Nuix Discover que já existem no caso. Isso importa mais do que parece. Um fluxo de trabalho automatizado que exige uma exportação não é automatizado de ponta a ponta, porque alguém precisa gerenciar a exportação, verificar o caminho de ida e volta e conciliar o que retornou. Um fluxo de trabalho automatizado que vive dentro da plataforma simplesmente roda. ## Volume de processamento é a verdadeira finalidade da automação O motivo para automatizar a leitura não é a novidade. É que o volume de dados sujeitos a discovery em um caso médio superou o número de horas que uma equipe consegue dedicar a ele. Executar um Bulk Scan na Claira aplica um prompt salvo e um campo conectado a um conjunto selecionado de documentos no Nuix Discover, e o processamento avança em um ritmo que nenhuma equipe de revisão consegue acompanhar. Um modelo que lê cerca de dez mil documentos por hora muda o que vale a pena revisar. A amostragem deixa de ser uma necessidade orçamentária e passa a ser uma escolha deliberada. Você pode aplicar um critério de responsividade, uma triagem de sigilo profissional (privilégio) e uma passagem de codificação objetiva a toda a população e ainda terminar dentro de um prazo que antes o obrigaria a reduzir o conjunto primeiro. Os resultados são gravados no campo conectado do Nuix Discover enquanto a tarefa ainda está em andamento, de modo que a revisão do resultado pode começar antes do fim da execução. Execuções maiores podem ser enviadas para processamento em segundo plano e continuar no servidor depois que o navegador é fechado. A mecânica está documentada no [guia do Bulk Scan](https://support.claira.to/docs/en/ai-review/bulk-scan), e as decisões de sequenciamento em torno de uma execução muito grande são tratadas com mais profundidade no nosso artigo anterior sobre [como conduzir uma revisão por IA em grande escala](https://www.claira.to/stories/running-a-large-scale-ai-review). ## Automatize as entradas, não apenas as saídas A falha mais comum em uma revisão automatizada não é um modelo ruim. É uma instrução inconsistente. Se o critério muda de uma execução para outra, ou entre a pessoa que escreveu o prompt e a pessoa que o executa no mês seguinte, o resultado muda junto, e a inconsistência passa a estar espalhada por toda a população, em vez de ficar restrita a um único revisor. A solução é tratar as entradas como artefatos do fluxo de trabalho por mérito próprio. O Case Context guarda o contexto do caso, as partes, a terminologia e as questões, para que toda análise no caso raciocine a partir do mesmo entendimento compartilhado, e não do que o autor do prompt se lembrou de incluir. Os prompts salvos guardam o próprio critério. Os campos conectados guardam o destino. Juntos, esses três elementos tornam uma execução repetível, que é a verdadeira definição de um processo automatizado. Há uma disciplina que acompanha isso. Teste um prompt em uma pequena amostra com revisão individual antes de usá-lo em uma execução em lote. Mantenha uma configuração salva por fluxo de trabalho para que a configuração não se desvie. Registre o modelo, o prompt e o mapeamento de campos no registro do caso. É o mesmo controle de mudanças que qualquer escritório aplicaria a um modelo de documento. ## O que um fluxo de trabalho automatizado não deve reter A automação levanta uma pergunta legítima de clientes e de advogados da parte contrária. Para onde foram os documentos, e quem está com eles agora? A resposta da Claira é de arquitetura, não de contrato. Cada análise é uma solicitação e uma resposta. O texto do documento e, no caso de uma análise de mídia, o arquivo de origem são enviados a um endpoint de modelo fixado na região da implantação, a resposta retorna e é gravada no campo do Nuix Discover. O conteúdo do cliente é processado por solicitação e não é usado para treinar modelos de propriedade da Claira. O que permanece do lado da Claira são metadados operacionais, ou seja, registros de análises, situação de faturamento e configuração do caso, que é justamente o que torna a trilha de auditoria possível. O armazenamento temporário das análises de mídia, quando usado, é criptografado, tem acesso controlado e é excluído após o processamento. A arquitetura completa, incluindo as regiões de implantação no Canadá e na Austrália, está descrita na [documentação de privacidade e segurança](https://support.claira.to/docs/en/administration/privacy-and-security). A consequência prática é que as suas provas não ganham um segundo endereço. Elas permanecem no Nuix Discover, onde o seu registro de custódia já as contabiliza. Um fluxo de trabalho automatizado não gera um conjunto de produção. Ele gera um conjunto priorizado, codificado e explicado de decisões candidatas, cada uma com a fundamentação anexada, gravadas em campos nos quais você já confia. O que vem depois não muda. Um advogado faz a amostragem do resultado, verifica as divergências, ajusta o critério onde o modelo foi amplo ou restrito demais e toma a decisão final, que é gravada no campo de produção. O que muda é a distribuição do esforço. Menos tempo gasto lendo documentos que nunca iriam importar e muito mais tempo dedicado aos que decidem o caso. Se quiser ver a sequência rodando de ponta a ponta, você pode [agendar uma demonstração rápida](https://www.claira.to/meet) e acompanhar um Bulk Scan gravando resultados no Nuix Discover em tempo real. A automação nunca iria fornecer o julgamento. Ela só iria fornecer a leitura, e a leitura era a parte que não escalava.