Nexum AI: Plataforma de Inteligência Artificial e Busca Híbrida para Gestão de Litigância em Massa no Setor Público

• Rhedson Esashika UEA https://orcid.org/0009-0007-6605-7148
• Carlos M. S. Figueiredo UEA https://orcid.org/0000-0002-4484-4411
• Tiago de Melo UEA https://orcid.org/0000-0002-3158-2299

DOI: https://doi.org/10.5753/lasdigov.2026.22090

Resumo

Este artigo apresenta uma plataforma de Inteligência Artificial para apoio à gestão da litigância em massa no setor público. A abordagem proposta integra recuperação híbrida de informação, agrupamento semântico e Modelos de Linguagem de Grande Porte para auxiliar a identificação de processos semelhantes, a organização de padrões recorrentes de litigância e a elaboração assistida de documentos jurídicos. A plataforma combina busca lexical e vetorial com extração estruturada de elementos centrais, como fatos, fundamentos jurídicos e pedidos. Além disso, adota uma estratégia human-in-the-loop, preservando o papel de magistrados e servidores na revisão e validação do conteúdo gerado. Uma avaliação exploratória preliminar com cinco analistas judiciários indicou percepção positiva sobre identificação de casos similares, padronização de minutas e organização do fluxo de trabalho. De modo geral, a proposta busca contribuir para maior eficiência, padronização e suporte analítico em fluxos judiciais repetitivos.

Referências

Bambroo, P., Adhikary, S., Bhattacharya, P., Chakraborty, A., Ghosh, S., and Ghosh, K. (2025). Marro: multi-headed attention for rhetorical role labeling in legal documents. Artificial Intelligence and Law, pages 1–30.

Belarmino, M., Coelho, R., Lotufo, R., and Pereira, J. (2025). Aplicação de large language models na análise e síntese de documentos jurídicos: Uma revisão de literatura.

Brandizzi, L. and Rodrigues, G. (2025). Juridiscovery: Automated analysis of legal dispute triggered by public policies using artificial intelligence. In Legal Knowledge and Information Systems. IOS Press.

CNJ (2024). O uso da inteligência artificial generativa no poder judiciário brasileiro: relatório de pesquisa. Technical report, CNJ, Brasília. Acesso em: 15 mar. 2026.

CNJ (2025). Painel de grandes litigantes. Acesso em: 15 mar. 2026.

CNJ Justiça em Números (2025). Justiça em números 2025: ano-base 2024. Technical report, CNJ, Brasília. Acesso em: 15 mar. 2026.

COLIEE (2026). Overview – competition on legal information extraction/entailment 2026.

Devlin, J., Chang, M.-W., Lee, K., and Toutanova, K. (2019). Bert: Pre-training of deep bidirectional transformers for language understanding.

Esashika, R., Figueiredo, C. M., and de Melo, T. (2025). Structuring information from initial petitions using llms: A study in brazilian courts of justice. In Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), pages 546–557. SBC.

Esashika, R., Figueiredo, C. M., and de Melo, T. (2026). Discovery of legal patterns in civil petitions via llm-based fact extraction and density clustering. In Proceedings of the 17th International Conference on Computational Processing of Portuguese (PROPOR 2026)-Vol. 1, pages 416–424.

Grootendorst, M. (2022). Bertopic: Neural topic modeling with a class-based tf-idf procedure.

Nigam, S. K. et al. (2025a). Traceretriever: A hybrid pipeline integrating bm25, vector search, and cross-encoder re-ranking.

Nigam, S. K., Patnaik, B. D., Thomas, A. V., Shallum, N., Ghosh, K., and Bhattacharya, A. (2025b). Structured legal document generation in india: A model-agnostic wrapper approach with vidhikdastaavej.

Nouwens, J., Borg, A., and Prakken, H. (2024). An application of case-based reasoning to decision-making in dutch administrative law. Legal Knowledge and Information Systems, page 131.

OpenAI, Achiam, J., Adler, S., and Agarwal, S. (2024). Gpt-4 technical report.

Touvron, H., Martin, L., Stone, K., and Albert, P. (2023). Llama 2: Open foundation and fine-tuned chat models.

Wehnert, S., Padmanabhan, V., and Luca, E. W. D. (2024). Lumi: Legal understanding and matching through interactive highlighting. In Legal Knowledge and Information Systems. IOS Press.

Wehnert, S., Valappil, B. B. C., and De Luca, E. W. (2025). Llms, knowledge graphs, and hybrid search: Task-specific approaches to legal ai in coliee. In Workshop of the Tenth Competition on Legal Information Extraction/Entailment (COLIEE’2025) in the 21th International Conference on Artificial Intelligence and Law (ICAIL).

Zhang, L. and Ashley, K. D. (2025). Mitigating manipulation and enhancing persuasion: A reflective multi-agent approach for legal argument generation. arXiv preprint arXiv:2506.02992.

Zin, M. M. et al. (2024). Leveraging llm for identification and extraction of normative statements. In Legal Knowledge and Information Systems. IOS Press.