Um prazo de 90 dias para a fase de descoberta (discovery) envolvendo milhões de documentos raramente fracassa porque a equipe não consegue ler o material. O fracasso ocorre porque a equipe não consegue priorizar, mensurar e explicar suas decisões de revisão com rapidez suficiente para cumprir os prazos de produção e atender às expectativas de defensibilidade. Nesse cenário, a IA é mais valiosa quando gera produtos de trabalho intermediários e concretos que a equipe de litígio pode encaminhar, amostrar e validar. Pense em marcações de temas (tags) feitas pela IA em cadeias de e-mail e chat, resumos de cláusulas ou comunicações gerados pela IA para orientação rápida, sugestões de custodiantes e entidades para avaliação preliminar do caso, e linhas do tempo criadas pela IA que conectam eventos e datas de diferentes fontes. O advogado permanece responsável pelo que é produzido, pelo que é retido e pela forma como o processo é documentado.
Os tribunais aceitam a Revisão Assistida por Tecnologia (TAR) como uma metodologia válida para eDiscovery com auxílio de IA, desde que o fluxo de trabalho seja defensável. Neste curso, tratamos a TAR como parte da preparação da fase de descoberta, e não como uma “caixa preta”. O objetivo não é substituir a revisão humana. O objetivo é deslocar o esforço do advogado para etapas de maior valor estratégico: definir objetivos de revisão, treinar e refinar o modelo e validar os resultados por meio de amostragem, garantindo que as decisões de produção possam ser defendidas. Focaremos naquilo em que a equipe realmente se baseia. Isso inclui previsões de pertinência (responsiveness) feitas pela IA, alertas de risco de sigilo profissional (privilege) e lotes de revisão sugeridos pela IA. Cada um desses resultados exige um nível diferente de verificação, dependendo do grau de risco e da finalidade do uso.
Na preparação do caso para além da produção de documentos, a IA é extremamente útil ao transformar evidências não estruturadas em uma estrutura pronta para o litígio. Isso significa gerar trechos de linhas do tempo do caso vinculados a documentos com numeração Bates, elementos para roteiros de depoimentos baseados em provas específicas e listas de lacunas informativas que identificam o que o conjunto atual de provas ainda não consegue comprovar. A equipe pode, então, atribuir tarefas de acompanhamento que sejam realmente viáveis: solicitar documentos faltantes, realizar buscas direcionadas ou entrevistar o custodiante adequado. A habilidade que você desenvolverá aqui não é solicitar um resumo genérico, mas sim orientar o modelo a produzir artefatos de revisão que se integrem perfeitamente ao seu fluxo de trabalho e aos seus processos de gestão de registros. Vamos analisar um exemplo concreto do tipo de linha do tempo gerada por IA que as equipes utilizam na fase inicial de preparação do caso.
Em litígios, os deveres profissionais transformam-se em requisitos operacionais no momento em que a IA interage com dados do cliente ou influencia uma decisão sobre a produção de documentos. O dever de competência implica que você deve compreender a natureza e as limitações dos resultados gerados pela IA. Se não for possível explicar como um fluxo de trabalho de TAR (Technology Assisted Review) foi treinado e validado, não será possível defendê-lo caso seja contestado. O dever de confidencialidade significa que os limites de atuação da ferramenta são relevantes. Questões como o que sai do ambiente do escritório, onde os dados são armazenados, quem tem acesso a eles e se são retidos para o treinamento de modelos não são meros detalhes técnicos; elas determinam se houve exposição de material protegido por sigilo profissional ou confidencialidade. O dever de supervisão significa que você não pode delegar o julgamento à ferramenta ou ao fornecedor. Cabe a você definir os objetivos da revisão, aprovar o protocolo e garantir a execução e a documentação de verificações de controle de qualidade. [fontes][/fontes]
Ponto de verificação de responsabilidade profissional
Não insira material do cliente protegido por sigilo ou confidencialidade em ferramentas de IA que não sejam de nível corporativo. Utilize plataformas de revisão aprovadas pela organização, que contem com controles de acesso definidos, políticas de retenção e limitações contratuais quanto ao uso dos dados do cliente pelo fornecedor. Caso a governança de dados não esteja clara, interrompa o processo e submeta a escolha da ferramenta à análise do advogado supervisor antes de realizar o carregamento ou a análise dos dados. [fontes][/fontes]
Uma maneira prática de abordar essa questão é considerar que a IA utilizada em processos de discovery (coleta e análise de provas) opera ou dentro ou fora de um sistema de revisão controlado. Em uma plataforma de revisão, os resultados do TAR podem ser vinculados a coletas de dados, listas de custodiantes, trilhas de auditoria e decisões de classificação. Por outro lado, uma ferramenta de IA voltada ao consumidor final pode armazenar prompts e resultados, utilizá-los para aprimorar seus modelos ou dificultar a verificação dos processos de retenção e exclusão de dados. É nessa lacuna que a exposição de informações sigilosas pode se tornar um fator decisivo para o desfecho do caso. É possível utilizar a IA de forma intensiva, desde que os controles adotados sejam proporcionais aos riscos envolvidos. A seguir, compararemos duas configurações de ferramentas, tal como uma equipe de litígio as avaliaria antes de implementar a IA em um caso específico. [fontes][/fontes]