A inteligência artificial aplicada no Judiciário TJRO

1. A inteligência artificial aplicada no Judiciário TJRO VII JURISTCS - Jurisprudência nos Tribunais de Contas Goiânia - 28/06/2019

2. Roteiro • Conceitos • Inteligência Artificial • Aprendizado de máquina • IA Forte x IA Fraca • IA no TJRO • Sinapses • Módulo Gabinete • IA no Judiciário • Automatização de tarefas

3. Allan Turing No séc. XIX, surge a figura de Alan Turing, mas só em 1956 é que a inteligência artificial começa a ser reconhecida como ciência.

4. O que é IA Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a elaborar dispositivos que simulem a capacidade humana de raciocinar, perceber, tomar decisões e resolver problemas, enfim, a capacidade de ser inteligente. “Inteligência artificial é a inteligência dada a um agente que consegue perceber o ambiente em que está inserido e tomar decisões de alto desempenho, em velocidade superior à humana”. McCarthy(1956)

5. O que se espera da Inteligência Artificial Trecho do trailer do filme O Exterminador do Futuro: Gênesis, disponível em https://www.youtube.com/watch?reload=9&v=UZnkAElIe_c

6. Nvidia GPU No ano de 1999, a Nvidia cria a unidade de processamento gráfico. Uma tecnologia que revolucionou a computação e possibilita a utilização de IA. Imagem disponível em https://www.nvidia.com/object/gpu.html

7. Na prática temos o real “poder” da GPU... Trecho do vídeo criado pela Nvidia ilustrando a diferença entre a processamento sequencial e paralelo, disponível em https://www.youtube.com/watch?v=-P28LKWTzrI

8. Machine Learning Aprendizado de Máquina (Machine Learning) é “A capacidade de melhorar o desempenho na realização de alguma tarefa por meio da experiência.” Mitchell (1997)

9. Inteligência Artificial “Fraca” É um ramo da inteligência artificial que depende de interação contínua de um humano. Não decide sozinha. Não evolui sozinha. Depende de treinamento, de ser ensinada a como “pensar e agir”.

10. Inteligência Artificial “Fraca” Depende de uma grande quantidade de exemplos. Depende de um treinamento baseado em um grande número de exemplos da mesma coisa.

11. Inteligência Artificial “Forte” Uma forma de IA classificada como “auto-consciente”, está relacionada com a criação de computadores com consciência e que possam pensar, e não somente simular raciocínios, mas raciocinar e resolver problemas.

12. IA no TJRO - Sinapses

13. História Em meados de 2017 o TJRO institui uma equipe formada por 4 analistas, com intuito de prospectar o uso de IA na celeridade do processo judicial. Várias empresas foram contactadas, porém não havia nada no mercado com maturidade suficiente para atender a demanda exigida.

14. História O intuito naquele momento, era atender à uma solicitação do Desembargador Walter Waltenberg, que almejava a automatização do processo de concessão de medicamentos, minimizando o esforço realizado por seus assessores em pesquisas e triagens. Diante da demanda, a então Secretária de TIC, Ângela Carmem, instituiu um setor de inovação, coordenado pela Diretora do DeGov Alessandra Lima.

15. Contratações / Parcerias Uma frente de trabalho para a contratação de empresas foi instituída, realizando um Estudo Técnico Preliminar (ETP), que culminaria em 4 processos distintos de aquisição. Parte da equipe realizou viagens de sondagem, para conhecer sistemas similares já existentes em outros órgãos e empresas privadas.

16. Contratações / Parcerias Na esfera pública, os sistemas Aptus(MPF) e Sapiens(AGU) foram as soluções mais robustas encontradas, porém atendiam apenas em parte às necessidades e eram de difícil customização ao modelo de negócio do TJRO.

17. Estudos Em paralelo ao processo de contratação, a equipe foi incumbida de realizar treinamentos em Data Science e Inteligência Artificial com a finalidade de desenvolver internamente a ferramenta preterida. A escolha da instituição se deu pelos treinamentos da Data Science Academy, os quais serviram de norte para os integrantes da equipe, iniciando o treinamento em outubro de 2017.

18. Licitações fracassadas O ETP resultou em 4 processos de licitação para desenvolvimento de soluções de IA: • Pesquisa Cognitiva • Assistente Inteligente • ChatBot • Mentoria Destes quatro, apenas o ChatBot teve êxito. Diante disso, o que aprendemos?

19. Sucesso! Com o avançar dos estudos, a equipe apresentou em janeiro de 2018 o primeiro protótipo, um modelo para predizer, baseado no despacho, qual o movimento a ser aplicado, o qual foi batizado de TIPO_DE_MOVIMENTO_MAGISTRADO. Era ainda uma versão rústica do ponto de vista de software, sem integração com nenhum sistema e totalmente dependente da entrada manual de dados para realizar predições. A gestão do Tribunal entendeu que os resultados haviam sido satisfatórios, e o então Presidente destinou equipes de assessores para auxiliar no treinamento de novos modelos.

20. Nacionalização Em outubro de 2018, uma equipe do CNJ, dirigida pelo Juiz Auxiliar do CNJ, Dr Bráulio Gabriel Gusmão, esteve em visita ao TJRO para conhecer o projeto. A visão da equipe em relação ao sistema ia de encontro com os anseios do CNJ, em prover um ambiente baseado em serviços, que não tolhesse a capacidade de inovar dos tribunais.

21. CNJ - CIA O CNJ criou o Centro de Inteligência Artificial, um espaço para pensar, pesquisar e produzir inovação para o processo judicial eletrônico. • Para cada necessidade, uma pesquisa. • Independência e colaboração • Validação jurídica e ética dos modelos • Meritocracia e técnica

22. Inteligência Artificial no TJRO Uma ferramenta que utiliza inteligência artificial para a automatização de tarefas repetitivas, podendo ser aplicado em qualquer área além da judiciária (administrativa, fiscal, etc.).

23. Inteligência Artificial no TJRO - Sinapses Uma infraestrutura que permite a criação de modelos de inteligência artificial e sua utilização sem acoplamento ou internalização em qualquer sistema, havendo uma comunicação, uma conversa.

24. Inteligência Artificial no TJRO - Sinapses Capacidade da IA em extrair o conteúdo de um dado não estruturado e gerar informações para a inteligência: • A partir de um dado não estruturado: arquivo pdf, imagem, html; • Utiliza técnica OCR (Optical Character Recognition - Reconhecimento Óptico de Caracteres) para extrair o texto de imagens; • Dado estruturado é o banco de dados, são as informações organizadas, necessárias para utilização de IA.

25. Tecnologias envolvidas Sinapses - Backend - e outros microserviços - Java - Thorntail - JPA - Hibernate - JAX-RS - Resteasy - CDI - Weld - SGBD - Postgresql - Kafka - Junit - Mockito - Jboss Arquillian - Banco H2 - Jacoco - Keycloak - Minio - Quartz - Swagger Infraestrutura comum para os sistemas - GIT - Gitlab-ci - Zipkin - Sonar - JWT - Docker - Kubernetes - Microprofile Metrics - Prometheus Sinapses - Frontend - Angular 7 - Primeng - nginx

26. Tecnologias envolvidas Modelos de IA - Tensorflow - NLTK - Spacy - Sklearn - Gensim - Pandas - Numpy - Keras - Tflearn * na nova versão do sinapses pode-se utilizar qualquer framework python Cranium - Python 3.6 - Flask - uWSGI

27. Módulo Gabinete Uma interface única para todos os sistemas processuais do TJRO. • Minuta com editor de texto completo • Melhor gerenciamento de demandas • Modelos de documentos (particulares / da Vara / do Tribunal) • Organização e marcação por meio de etiquetas (tags) • Localizadores - processos organizados automaticamente por meio de regras personalizáveis

28. Predição de tipo de movimento processual

29. Gerador de texto - Autocomplete

30. Identificação de seções em um Acórdão Pesquisa em documentos

31. Qual o cenário ideal para aplicação de IA? • Quanto mais perguntas objetivas, mais fácil será. • Quanto mais tarefas repetitivas, melhor. • Quanto menor a necessidade de pensamento, de compreensão por um humano, melhor. • Quanto mais exemplos da mesma tarefa, melhor será.

32. Qual o cenário ideal para aplicação de IA? A inteligência artificial ajudará nas atividades repetitivas, onde a pessoa gasta muito tempo analisando o documento para tomar uma ação. Essas pessoas irão aproveitar este tempo em atividades mais especializadas.

33. Inteligência Artificial no Judiciário • Grande volume de processos • Casos repetitivos

34. Triagem de Grande Massa - TGM Classificação das classes de grande massa de processos na area cível e especial • Fornecimento de energia • Bancos • Companhias Aéreas • Empresas de telefonia • Fornecimento de água • Seguro DPVAT

35. Tarefas Repetitivas x Tempo 227.728¹ casos novos no ano base de 2017 Um(a) assessor(a) leva, em média, 2 minutos e 50 segundos para realizar a triagem de um processo, sendo que: • 2 minutos é o tempo gasto para ler a petição inicial e identificar do que se trata. • 50 segundos é o tempo gasto em procedimentos no sistema • São dados 11 cliques para realizar toda a tarefa ¹ Disponível em http://www.cnj.jus.br/files/conteudo/arquivo/2018/08/44b7368ec6f888b383f6c3de40c32167.pdf fls. 28

36. Tarefas Repetitivas x Tempo 227.728 processos novos 2 minutos e 50 segundos = 170 segundos 227.728 processos * 170 segundos = 38.713.760 segundos 38.713.760 / 60 = 645.229,33 minutos 645.229,33 / 60 = 10.753,82 horas

37. Tarefas Repetitivas x Tempo 227.728 processos novos = 10.753,82 horas Um(a) servidor(a) público(a) trabalha 40 horas semanais = 160 hrs/mês 10.753,82 horas / 160 hrs/mês = 67,21 meses Normalmente são 11 meses de trabalho por ano – 1 de férias 67,21 meses / 11 = 6,11 anos Ou 6 servidores para fazer em 1 ano

38. Tarefas Repetitivas x Tempo 227.728 processos novos = 6 pessoas e 1 ano Se houverem apenas 5 triagens em cada processo 30 pessoas em 1 ano.

39. Tarefas Repetitivas x Tempo x IA Com o Sinapses, a mesma triagem dos 227.728 processos levaria apenas alguns minutos. O Sinapses permite a leitura automatizada da petição inicial e organiza o processo na sua respectiva caixa/bloco.

40. Próximos passos • “busca reversa” por jurisprudência. Não haverá mais a necessidade de pesquisa, antes de iniciar a minuta, o sistema apresentará todo o arcabouço necessário para sua construção, baseando-se na similaridade do processo. • Geração da minuta (decisão/despacho/sentença)

41. Convênio CNJ O projeto está em parceria com o CNJ por meio do Termo de Cooperação Técnica n. 042/2018. Contato do gestor do projeto no CNJ: Dr. Bráulio Gabriel Gusmão - (61) 2326-5000 braulio.gusmao@cnj.jus.br

42. Idealização e realização do projeto Des. Presidente Walter Waltenberg foi quem fez o pedido e permitiu a criação do projeto. Secretária de TIC Ângela Carmem, alocou pessoal e deu suporte técnico/operacional para os estudos e execução.

43. Idealização e realização do projeto Ainda no ano de 2008 o Des. Walter Waltenberg já dizia que deve se buscar um Judiciário célere, acessível, com foco no cidadão e dotado de instrumentos de inteligência artificial que ajudem o juiz a se concentrar no que é realmente relevante: a prolação da sentença. Disponível em https://www.conjur.com.br/2008-jul-04/tj-ro_sugere_cnj_adocao_gestao_processual

44. Realização do projeto Curadoria Juridica Abdon Ribeiro Elias Cabral Fabio Augusto Fabricio Aires Frankllyn Souza Gisele Fernandes Luiz Gustavo Mariana Balbi Mariele Szczepaniak Michele Marcelo Poliana Lessa Vanessa Dinon Gestão Presidente: Des. Walter Waltenberg Silva Júnior Secretário: Fabiano Gutierrez Dir. DSI: Luciano de Souza Cortes Desenvolvimento Alcides Fernando Cleiton Augusto Felipe Colen Mikaell Araujo Pablo Moreira

45. bit.ly/sinapses-juristcs link resumo das telas do sinapses felipecolen@tjro.jus.br obrigado!!