Inteligência artificial aplicada para o aumento da produtividade no atendimento de intimações

• Marcus Parreiras UFRJ
• Antônio Vasconcellos PUC-Rio
• Eduardo Mangeli UFRJ
• Emerson Yamamoto UFRJ
• Geraldo Xexéo UFRJ
• Izandro Metello UFRJ
• Lincoln Costa UFRJ
• Pedro Marques UFRJ
• Jano de Souza UFRJ

DOI: https://doi.org/10.5753/wcge.2022.223269

Resumo

Este artigo apresenta uma iniciativa de utilização de Inteligência Artificial no âmbito da Defensoria Pública do Estado do Rio de Janeiro, a Caixa de Intimação com Inteligência Artificial (CICIAR), desde a motivação para o seu desenvolvimento até os benefícios dos usuários do serviço implementado. Os resultados apontam melhorias para a Defensoria Pública do Estado do Rio de Janeiro, tanto na agilização do fluxo de trabalho como na melhor distribuição e planejamento do trabalho, e conseguintemente para a população que a utiliza, como aumento na celeridade e maior acuidade do serviço.

Palavras-chave: Processamento de Linguagem Natural, Intimações, Aprendizado Profundo

Referências

Bengio, Y. (2009). Learning deep architectures for AI. Now Publishers Inc.

Bengio, Y., Ducharme, R., and Vincent, P. (2000). A neural probabilistic language model. Advances in Neural Information Processing Systems, 13.

Bertalan, V. G. F. (2020). Using natural language processing methods to predict judicial outcomes. PhD thesis, Universidade de São Paulo.

Bundy, A. (2017). Preparing for the future of artificial intelligence.

Chatfield, A. T. and Reddick, C. G. (2019). A framework for internet of things-enabled smart government: A case of iot cybersecurity policies and use cases in us federal government. Government Information Quarterly, 36(2):346–357.

Collobert, R. and Weston, J. (2008). A unified architecture for natural language processing: Deep neural networks with multitask learning. In Proceedings of the 25th international conference on Machine learning, pages 160–167.

Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu, K., and Kuksa, P. (2011). Natural language processing (almost) from scratch. Journal of machine learning research, 12(ARTICLE):2493–2537.

da Silva, W. F., Silva, F. S., and da Silva Rabêlo, O. (2021). Tendências no uso de inteligência artificial e sua influência na requalificação da força de trabalho no setor público. Cadernos de Prospecção, 14(3):824–824.

da Silva Duarte, P., Ramos, N. M., Ribeiro, D. Q., and Bastos, A. d. F. V. (2020). A avaliação da acessibilidade web em portais governamentais: o paraná inteligência artificial (piá). Revista Brasileira de Administração Científica, 11(1):53–66.

Dal Pont, T. R., Sabo, I. C., Wilton, P. E. V., Menezes, V. A. d., Copetti, R., Zambrota, L., Martins, P. P., Costa, E. C., Schnitzler, E. L., Santos, P. M., et al. (2021). Classification and association rules in brazilian supreme court judgments on pre-trial detention. In International Conference on Electronic Government and the Information Systems Perspective, pages 131–142. Springer.

de Sousa, R. N. and Prata, D. N. (2019). Resumo automático de textos jurídicos usando grafos com vocabulário controlado e algoritmo k-means com words embedding. REVISTA ESMAT, 11(18):65–80.

de Souza Tavares, R., Lisboa, L. L. A., Zeferino, A. F., Duarte, R. P., and Valverde, B. O. (2020). Judicialização da pandemia de covid-19 no brasil: Estudo de caso sobre a aplicação do método de modelagem de tópicos para agrupamento de documentos jurídicos. Revista Culturas Jurídicas, 7(18).

Divino, S. B. S. and Magalhães, R. A. (2020). Inteligência artificial e direito empresarial: Mecanismos de governança digital para implementação e confiabilidade. Revista dos Tribunais— vol, 1021(2020):191–212.

Dutra, L. A., Stigert, C. C. S., da Silva Pacheco, L. A., et al. (2021). Instrução assistida de pareceres sobre processos judiciais: Assistente conjur. Revista do TCU, 1(148):95–103.

Goldberg, Y. (2016). A primer on neural network models for natural language processing. Journal of Artificial Intelligence Research, 57:345–420.

Josey, A., Lankhorst, M., Band, I., Jonkers, H., and Quartel, D. (2016). An introduction to the archimate® 3.0 specification. White Paper from The Open Group.

LeCun, Y., Bengio, Y., and Hinton, G. (2015). Deep learning. nature, 521(7553):436–444.

Martim, H. d., Lima, J. A. d. O., and Araujo, L. C. (2018). Base de normas jurídicas brasileiras: uma iniciativa de open government data. Perspectivas em Ciência da Informação, 23:133–149.

Mehr, H., Ash, H., and Fellow, D. (2017). Artificial intelligence for citizen services and government. Ash Cent. Democr. Gov. Innov. Harvard Kennedy Sch., no. August, pages 1–12.

Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., and Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in neural information processing systems, 26.

Pedruzzi, P. (2020). Reflexões sobre o impacto da inteligência artificial na prática jurídica. Anais dos Congressos Estaduais de Magistrados-RS, 1(1).

Rao, D. and McMahan, B. (2019). Natural language processing with PyTorch: build intelligent language applications using deep learning. ”O’Reilly Media, Inc.”.

Schwaber, K. and Sutherland, J. (2011). The scrum guide. Scrum Alliance, 21(1).

Socher, R., Perelygin, A., Wu, J., Chuang, J., Manning, C. D., Ng, A. Y., and Potts, C. (2013). Recursive deep models for semantic compositionality over a sentiment treebank. In Proceedings of the 2013 conference on empirical methods in natural language processing, pages 1631–1642.

Sousa, A. W. and Del Fabro, M. D. (2019). Iudicium textum dataset uma base de textos jurdicos para nlp. In XXXIV Simpósio Brasileiro de Banco de Dados: Dataset Showcase Workshop, SBBD.

Souza, F., Nogueira, R., and Lotufo, R. (2020). BERTimbau: pretrained BERT models for Brazilian Portuguese. In 9th Brazilian Conference on Intelligent Systems, BRACIS, Rio Grande do Sul, Brazil, October 20-23 (to appear).

Zhang, Y. and Wallace, B. (2015). A sensitivity analysis of (and practitioners’ guide to) convolutional neural networks for sentence classification. arXiv preprint arXiv:1510.03820.