Como o jurídico pode usar a Inteligência Artificial de forma estratégica

Aposto que todos vocês já ouviram falar que a IA precisa estar na estratégia da empresa.
É uma frase excelente e muito real, mas me incomoda que ela tenha sido constantemente
dita sem exemplos práticos e reais.

Sinceramente, dizer que a IA precisa ser estratégica é como falar que você “só” precisa
fazer mais gols que o adversário para ganhar um jogo de futebol.

Tenho visto muito valor quando olhamos para a camada de negócios a Applied AI, pois
nessa camada olhamos para a tecnologia como meio e não fim em si mesma.

O uso para tarefas relacionadas a área jurídica que temos feito por aqui, tem obtido muitos
resultados por alguns detalhes importantes e que passarei a seguir.

Ao longo dos anos fomos testando vários frameworks e metodologias, percebi muita coisa
que funcionou e principalmente que não funcionou. O que que vou mostrar aqui não é uma
bala de prata, porém, é o que funciona na New Rizon.

É a nossa metologia chamada North Star Goal!

A nossa aposta é tão grande, que muitos projetos entramos no risco após usar a metodologia para avaliar o ROI

A New Rizon nasceu a partir da identificação de uma oportunidade em projetos lá em 2008
quando me certifiquei como Scrum Master.

Então unir diversas práticas consagradas de gestão faz parte dos valores que carrego, dito
isto, aplicando Design Science a partir de metodologias ágeis, OKR (criado pelo grande
Andy Grove na Intel lá década de 1970), North Star Metric (Sean Ellis por volta de 2014),
Gestão da Qualidade Total (aqui estamos falando dos anos 50, mas bastante difundido por
W. Edwards Deming, neste livro de 86 que me marcou bastante no começo de carreira –
apenas para constar, li esta versão em 2003 – não sou tão velho assim rs), Gerenciamento
por Diretrizes (e tudo que veio de bom do modelo Toyota de produção).

Essa união também dialoga com o conceito, amplamente adotado por profissionais de
finanças e que carrego comigo há algum tempo de que:

Uma empresa nada mais é do que uma coleção de projetos!

Se observarmos, todo sucesso ou falha, tem em comum projetos bem ou mal sucedidos,
com isto, podemos ter a visão geral da metologia North Star Goal:

Você executa este processo para delimitar o projeto e entender se o que nasceu de ideia, é
realmente o que será seguido.

Vamos ao primeiro passo:

Dentro do Empurrão entendemos os desafios ou dores que forçaram essa necessidade de
mudança. Vou citar um exemplo real com um escritório de advocacia que irei preservar o
nome.

Como Empurrão, este grande escritório de advocacia consultiva queria aumentar a receita
sem aumento de pessoal e também sem aumentar preço
Já na Atração, buscamos entender os benefícios esperados que fazem essa mudança
parecer promissora. Este escritório queria ganho de eficiência e escalabilidade para o time
sênior.

É bastante comum termos vários projetos (entenda aqui também como sinônimo de
problemas, dores, desafios). Então nesta fase, fazemos uso de alguns frameworks de
priorização

O segundo passo é comumente deixado para o final e aprendi que é um grande erro. Afinal
Você só pode gerenciar o que pode medir.

Dentro dos resultados operacionais, estabelecemos como este resultado é medido, de
forma clara para indicar o andamento sempre que necessário, voltando ao exemplo do
grande escritório, o resultado operacional esperado era reduzir de 2h30 para 30min o tempo
de elaboração de contratos de M&A (isto considerando as premissas já acertadas).

Para os resultados estratégicos, avaliamos como medir o impacto duradouro que este
projeto irá gerar. Neste caso, aumentar assertividade e padronizar os documentos.

Somente após a motivação e a medição estabelecidos é que partimos para a execução de
fato:

Na Execução é onde estabelecemos a Estratégia de dados, partindo da premissa de que
alguma fonte de dado relevante já exista, mesmo que bruta (como PDFs, gravações,
áudios), ou mesmo dados um pouco mais estruturados (como planilhas e bancos
relacionais). Para o escritório em questão, selecionamos minutas de contratos “exemplares”
para treinar a IA.

Também é muito importante avaliar os Aceleradores e ferramentas, afinal, em um mundo
de hoje qualquer reinvenção da roda é custosa e prejudicial, existem inúmeras ferramentas
prontas de qualidade ofertadas como SaaS (Software as a Service) ou PaaS (Platform as a
Service), além do que a própria empresa já deva possuir de APIs, conectores próprios ou
mesmo seus softwares. Avalio o que já possuímos na New Rizon como microsserviço para
ser utilizado e acelerar o projeto, desde um controle de login com governança de dados a
integrações mais complexas que podem já ter sido realizadas no passado. Para o escritório
usamos um sistema de código aberto chamado flowise para criar o chatbot e integramos ao
GED que a empresa usava chamado iManage.
Aí sim avaliamos o Desenvolvimento da solução para entender o que será criado de forma
totalmente customizada, então desenvolvemos sistema para integração com o bot e
governança no acesso aos dados.
Ao final da etapa de execução, trabalhamos o Fluxo de implantação e aculturamento da
equipe e executamos a vetorização dos dados.

O último passo é negligenciado em muitos projetos e é o principal responsável pelas falhas
que vemos por aí, afinal, tirar um projeto do zero é extremamente fácil, manter é que é o
desafio, “é fácil” como um jardim:

“Você só tem que escovar o orvalho todas as manhãs, cortar a grama dia sim, dia não, e
passar o rolo uma vez por semana. Faça isso por 500 anos e você terá um bom gramado
também.” (Hunt, A. & Thomas, D. em 1999 no livro O programador pragmático)

Se no planejamento de Continuidade vocês não começarem entendendo as Limitações
do que está sendo implantado, as expectativas serão frustradas e consequentemente o
resultado não será o esperado. No caso do escritório, tornarmos a solução limitada na
edição de documentos já existentes ou para criar a partir de prontos, isto iria requerer uma
vetorização maior de dados ou muito uso de tokens, modelos com mais tokens como o
Gemini não performaram como esperado.

Os Custos precisam ser levantados antes, sem essa de caixa-preta, todo dinheiro é finito e
não se calcula VPL ou TIR sem estimativa de custo.
Ao deixar bem especificado como no dia-a-dia o time será afetado, sem burocratizar e
demonstranto o quanto a solução é importante para o Human-in-the-loop, as pessoas
garantirão o sucesso! Em uma área jurídica, por exemplo, o advogado de sempre fazer a
revisão, a responsabilidade pelo contrato gerado é e continua sendo do advogado.

Para fechar a etapa de continuidade, o plano de monitoramento e evolução precisa ser
traçado, afinal, estamos falando de soluções que demandam segurança, latência e
governança no acesso às informações.

Ao longo do projeto precisamos entender se algo foi mudado, se o engajamento esfriou e
ter mapeado como isso será ajustado. Para gerar contratos mesmo, o LLM já fora trocado 3
vezes até encontrar o que performasse melhor, o time foi treinado em Engenharia de
Prompt e só aí começamos a extrair valor da solução.

Por maiores (e excepcionais) que sejam os recentes avanços, um projeto de inteligência
artificial ainda é um projeto de software e exatamente por isto, precisamos dar a devida
atenção, monitoramento e cuidado para que consigamos extrair valor de forma sustentável
por muitos e muitos anos.