Mineração de processos assistida por LLMs : avaliação de estratégias de interação para usuários não especialistas no poder judiciário

Abstract

O crescente volume processual no sistema judiciário brasileiro demanda soluções que otimizem os fluxos de trabalho, sendo a mineração de processos uma ferramenta valiosa para essa finalidade. Contudo, a complexidade inerente a essa área limita significativamente sua adoção por profissionais do direito, criando uma barreira entre o potencial da tecnologia e sua aplicação prática. Esta pesquisa investigou o uso de Large Language Models (LLMs) como interfaces cognitivas para democratizar o acesso às tecnologias de mineração de processos, utilizando dados reais da plataforma Judiciário & Mineração de Processos (JuMP). O estudo comparou sistematicamente duas estratégias distintas de implementação: engenharia de prompts diretos e

arquitetura baseada em agentes inteligentes. A avaliação foi conduzida utilizando os modelos GPT- 4o e Gemini 2.0 Flash, através de testes empíricos que envolveram diferentes cenários de

complexidade computacional e volumes de dados. Os resultados demonstraram superioridade da abordagem baseada em agentes inteligentes para o processamento de grandes volumes de dados e execução de computações complexas, apresentando maior robustez, precisão e capacidade de lidar com tarefas multifacetadas. Em contraste, a interação direta através de prompts mostrou-se adequada para consultas simples e pontuais, com limitações em cenários mais complexos. A pesquisa evidenciou que os LLMs, quando integrados em arquiteturas de agentes, constituem uma solução tecnológica promissora para democratizar a mineração de processos entre profissionais do poder Judiciário brasileiro e podem contribuir diretamente para o aumento da produtividade, padronização dos procedimentos e qualificação dos fluxos de trabalho no sistema judicial.