IA para eDiscovery

Quando alguém fala hoje em "IA no eDiscovery", pode estar se referindo a quase qualquer coisa. Um chatbot que um paralegal abre no navegador. Um modelo de codificação preditiva que ordena documentos pela probabilidade de relevância. Um modelo de linguagem de grande porte resumindo um único PDF sob demanda. Todos são reais, e todos são coisas diferentes.

Durante a maior parte da última década, o setor de eDiscovery se organizou em torno de uma definição estreita - revisão assistida por tecnologia baseada em classificadores supervisionados, treinados com um conjunto semente (seed set) e refinados por rodadas de validação. Esse trabalho continua valioso. Mas o que a IA é capaz de fazer dentro de uma revisão mudou, e a linguagem que usamos para descrevê-lo não acompanhou essa mudança.

Este texto é uma tentativa de dar nome a esse guarda-chuva. O que a IA para eDiscovery realmente abrange em 2026, que tipos de trabalho ela realiza dentro de um caso e onde a Claira se encaixa?

O que IA para eDiscovery significa hoje

IA para eDiscovery é a IA generativa aplicada aos artefatos do litígio - documentos, e-mails, anexos, transcrições, imagens - a serviço da fase de revisão e análise. É a camada entre a coleta e a produção, onde se tomam decisões sobre cada documento do acervo.

As tecnologias de revisão mais antigas dependiam de padrões: listas de palavras-chave, regex, conjuntos semente de TAR, agrupamento de quase duplicatas. Essas ferramentas ainda fazem parte do arsenal e continuam úteis. A mudança com a IA generativa é que o modelo lê cada documento como um revisor leria, em contexto, com discernimento, de acordo com os seus critérios, e produz um resultado que você pode defender por escrito.

O trabalho se divide em algumas categorias reconhecíveis. Não são produtos separados. São tarefas diferentes que você pede ao mesmo motor de revisão.

Revisão de primeiro nível na escala de todo o acervo

A primeira coisa que a IA para eDiscovery faz é ler cada documento do conjunto e formar uma posição sobre ele. Não uma pontuação de relevância gerada por um classificador. Uma resposta fundamentada à sua pergunta de revisão, com uma justificativa que você pode apontar.

Essa é a parte que antes era impossível em escala. Ou você colocava um exército de pessoas para fazer, ou treinava um modelo com uma amostra e confiava na extrapolação. Ambas as abordagens têm modos de falha conhecidos. Os documentos que você mais precisa encontrar costumam ser justamente aqueles que uma amostra tem menos probabilidade de revelar.

Com a Claira, o seu revisor escreve a pergunta, a Claira lê cada documento dentro do Nuix Discover e você recebe uma decisão codificada, acompanhada de uma justificativa por escrito para cada um. Dezenas de milhares de documentos por hora. O trabalho do revisor passa a ser verificar os casos limítrofes e confirmar o óbvio, e não fazer cada leitura do zero.

Codificação objetiva

A segunda categoria é o trabalho com fatos estruturados, que historicamente tem sido o item mais caro do orçamento. Autor, destinatários, data, tipo de documento, idioma, relações entre anexos, candidatos a tarjamento. O tipo de campo que fica no painel de metadados e do qual todo fluxo de trabalho posterior depende.

Feita por humanos, a codificação objetiva é lenta e inconsistente. Feita por um classificador, cobre apenas aquilo para o qual o classificador foi treinado. Feita por um modelo que segue instruções e tem o documento diante de si, funciona como faria um paralegal cuidadoso, em cada documento, sem se cansar. O resultado é gravado diretamente nos campos do Nuix Discover, pronto para ser filtrado, ordenado e usado em relatórios como qualquer outro dado codificado.

Leitura da substância: sigilo profissional (privilégio), dados pessoais (PII), resumos, cronologias

Um terceiro grupo é o trabalho que exige ler a substância, e não a forma. Sinalizar documentos que podem ser privilegiados. Extrair informações pessoais que precisam ser tratadas antes da produção. Gerar resumos curtos que os revisores podem usar para priorizar a análise. Montar linhas do tempo datadas que transformam uma pasta de e-mails em uma narrativa.

É aqui que a IA para eDiscovery começa a se mostrar diferente da geração anterior de ferramentas. O modelo não está classificando segundo um esquema fixo. Está respondendo a uma pergunta - a sua pergunta - sobre um documento. O mesmo motor de revisão que produz uma decisão de relevância pode produzir um sinalizador de privilégio, uma extração de dados pessoais, um resumo de um parágrafo e uma entrada de cronologia, dependendo do que você pediu.

Você pode ver o mapa completo do que se enquadra nesse guarda-chuva na visão geral dos fluxos de trabalho da Claira.

Contexto do caso

O que amarra tudo isso é o contexto específico do caso. Um modelo que lê documentos sem conhecer o caso está fazendo busca. Um modelo que lê documentos conhecendo a sua tese do caso, as partes, as questões em disputa, os períodos relevantes e a linguagem que importa para você está fazendo revisão.

A Claira trata esse contexto como um objeto de primeira classe no caso. Você o escreve uma vez, continua refinando-o, e cada varredura que você executa o herda. É assim que você mantém dezenas de milhares de decisões consistentes sem precisar reexplicar o caso ao modelo a cada vez.

É também assim que você mantém o trabalho defensável. Os critérios ficam registrados por escrito. As decisões fazem referência a eles. A trilha de auditoria vem junto.

O que ela não substitui

A IA para eDiscovery não substitui as partes da revisão que exigem julgamento profissional. Ela não decide o que é privilegiado em uma situação controversa. Não bate o martelo sobre um segredo comercial limítrofe. Não aprova uma produção. O advogado responsável pelo caso continua sendo o advogado responsável pelo caso.

O que ela faz é o trabalho de alto volume, orientado por critérios, que costumava consumir a maior parte das horas de revisão, e ainda coloca os casos limítrofes diante das pessoas que devem decidi-los. O trabalho do advogado continua o mesmo. O dia do advogado é que fica diferente.

Para um panorama mais completo de onde a IA se encaixa no fluxo de trabalho de eDiscovery como um todo, da coleta à produção, nosso guia prático sobre como a IA se encaixa no eDiscovery moderno é um bom complemento a este texto.

Por onde começar

Se você está avaliando IA para eDiscovery em um caso que já está em revisão, a questão não é qual categoria escolher. As categorias funcionam em conjunto. A maioria das equipes começa com a revisão de primeiro nível em um recorte definido, valida o resultado comparando-o com o que seus revisores teriam feito e, depois, expande para a codificação objetiva e para os fluxos de trabalho voltados à substância, quando passa a confiar no motor.

A maneira mais fácil de ver como isso funciona nos seus dados é percorrer o processo com alguém. Agende uma sessão de trabalho conosco e vamos configurá-la com uma amostra realista de um caso real.

Esse é o guarda-chuva. Revisão generativa que lê cada documento em contexto, codifica-o, justifica a decisão e devolve à sua equipe as horas que antes se perdiam na revisão de primeiro nível.