An Empirical Study of Simulated Litigation Detection in Brazil: A Machine Learning Approach

• Amilcar A. Netto CESAR School
• Péricles B. C. Miranda UFRPE / Cesar School
• André C. A. Nascimento UFRPE

DOI: https://doi.org/10.5753/eniac.2026.28545

Resumo

As lides simuladas (simulated lawsuits), nas quais as partes agem em conluio para obter uma decisão favorável, impõem um ônus substancial e pouco examinado ao Judiciário brasileiro. Este artigo investiga se tais casos podem ser sinalizados automaticamente a partir de dados institucionais rotineiramente disponíveis. Avaliamos comparativamente uma ampla gama de métodos de aprendizado de máquina em 6,412 acordos da Justiça do Trabalho do Recife, dos quais apenas 1,75% são simulações confirmadas: classificadores supervisionados (KNN, árvores de decisão, florestas aleatórias, gradient boosting) combinados com sobreamostragem e subamostragem; quatro detectores de anomalias (Local Outlier Factor, Isolation Forest, One-Class SVM, Mahalanobis Robusto); e um pipeline de AutoML. A principal constatação é negativa, porém informativa: todos os métodos têm desempenho próximo ao acaso, com o melhor alcançando apenas ROC AUC = 0,5976 e AUCPR = 0,0242. As características disponíveis (valor da causa, capital social, código CNAE, porte da empresa, valor do acordo) carecem do sinal discriminativo que a tarefa exige, conclusão reforçada por análises de boxplot e t-SNE que evidenciam forte sobreposição entre as classes. O artigo contribui com um benchmark transparente e reprodutível para um problema difícil e raramente estudado, bem como com recomendações baseadas em evidências para enriquecer os fluxos de dados judiciais com características textuais, temporais e baseadas em redes. Concluímos que os modelos atuais não estão operacionalmente prontos e, até que dados mais ricos se tornem disponíveis, devem no máximo auxiliar os juízes sob rigorosa supervisão humana e salvaguardas éticas.

Referências

Aggarwal, C. C. (2015). Data Classification: Algorithms and Applications. CRC Press, Taylor & Francis Group, Boca Raton.

Baesens, B., Höppner, S., and Verdonck, T. (2021). Data engineering for fraud detection. Decision Support Systems, 150:113492.

Barroso, L. R. (2024). Inteligência artificial: Promessas e riscos. Revista Direito Público.

Blázquez-García, A. et al. (2020). A review on outlier/anomaly detection in time series data. ACM Computing Surveys. arXiv preprint, Accessed: 15 December 2024.

Branco, P., Ribeiro, R., and Torgo, L. (2023). Ennclassif: Edited nearest neighbor for multiclass imbalanced problems. [link]. Accessed: 23 November 2024.

Chawla, N. V., Bowyer, K. W., Hall, L. O., and Kegelmeyer, W. P. (2002). Smote: Synthetic minority over-sampling technique. Journal of Artificial Intelligence Research, 16:321–357.

Conselho Nacional de Justiça (CNJ) (2025). Resolução sobre uso ético de ia no judiciário. Available at: [link].

Faceli, K. et al. (2021). Inteligência artificial: uma abordagem de aprendizado de máquina. LTC, Rio de Janeiro.

Faria, G. A. (2022). Detecção de fraudes em compras governamentais via aprendizado de máquina.

Ferreira, V. and de Matos, V. P. (2024). Litigância abusiva no brasil: Criação de fraudes e erosão da confiança. Available at: [link] Accessed: 2025-05-13.

Gomes, G. S. L. (2024). Machine learning para créditos ilegais de icms. Revista de Administração Pública (RAP).

Hawkins, D. M. (1980). Identification of Outliers. Chapman and Hall, London.

TJPE (2023). Projeto bastião: Relatório técnico. Technical report, TJPE. Available at: [link].

Wade, C. (2020). Hands-On Gradient Boosting with XGBoost and scikit-learn. Packt Publishing, Birmingham.

Xavier, O. C. (2022). Identificação de evasão fiscal com redes neurais. SciELO.

Zhang, J. and Mani, I. (2003). knn approach to unbalanced data distributions: A case study involving information extraction. In Proceedings of the ICML Workshop on Learning from Imbalanced Datasets II, pages 42–48, Washington DC. AAAI Press.