Vocabulário — Outros termos técnicos

Formato de arquivo (file format)

Conceito: Padrão em que o conteúdo é armazenado — PDF, DOCX, TXT, CSV, JSON, JPG. O formato determina o que a máquina consegue fazer com o arquivo, e não apenas com qual programa ele abre.
No trabalho jurídico: A distinção decisiva não é entre formatos, é entre PDF com camada de texto e PDF que é apenas imagem de páginas. Os dois abrem igual e se comportam de modo oposto: no primeiro se busca, se copia e se extrai; no segundo não há texto algum até que se aplique OCR. Boa parte do acervo forense — decisão digitalizada, documento juntado pela parte, processo antigo — é do segundo tipo.
O que decidir: Antes de anexar um PDF, tente selecionar uma palavra dentro dele. Se não selecionar, é imagem, e qualquer análise dependerá de reconhecimento prévio.
Exemplo: Minuta em DOCX permite comparação de versões trecho a trecho; a mesma minuta convertida em PDF escaneado não permite sequer localizar uma palavra.

OCR (Optical Character Recognition)

Conceito: Reconhecimento óptico de caracteres: conversão da imagem de um texto em texto processável.
No trabalho jurídico: É a etapa que decide a qualidade de tudo o que vem depois. Reconhecimento imperfeito não devolve erro: devolve texto plausível com caracteres trocados — números de processo, valores, datas e nomes próprios são o que mais sofre, justamente porque não têm contexto linguístico que permita ao sistema corrigir a leitura. Documento mal reconhecido produz análise confiante sobre conteúdo que não está no original.
O que decidir: Em material digitalizado, confira contra a imagem original todo dado numérico que for usado em peça. A conferência por amostragem do texto corrido é aceitável; a de números, não.
Exemplo: Valor de condenação lido como R$ 18.000,00 onde a imagem traz R$ 78.000,00. Nada no texto resultante sinaliza a troca.

Parsing

Conceito: Leitura da estrutura de um arquivo para identificar suas partes — cabeçalho, seções, tabelas, campos — em vez de tratá-lo como bloco indiferenciado de texto.
No trabalho jurídico: Peças e decisões têm estrutura que o olho reconhece de imediato — relatório, fundamentação, dispositivo — e que a máquina só reconhece se alguém a ensinar. Quando a estrutura se perde na leitura, a análise trata dispositivo e relatório como o mesmo tipo de texto, e é assim que um pedido narrado no relatório vira, no resumo, pedido acolhido.
Não confundir com: OCR. O reconhecimento óptico produz o texto; o parsing organiza o texto produzido. Documento escaneado precisa dos dois.
Exemplo: Extração que identifica separadamente ementa, relatório, voto e dispositivo, permitindo pedir a análise apenas sobre a parte que decide.

Ingestão de documentos (document ingestion)

Conceito: Etapa em que os documentos entram no sistema e são preparados para uso: leitura, conversão, reconhecimento de texto, fragmentação e indexação.
No trabalho jurídico: Enviar o arquivo não é o mesmo que torná-lo disponível. Entre o envio e a primeira busca há uma cadeia de etapas, e cada uma pode falhar silenciosamente sobre parte do acervo. Uma pasta de duzentos documentos pode estar pesquisável em cento e oitenta e três deles sem que nada na tela informe quais dezessete ficaram de fora.
O que decidir: Depois de carregar um acervo, verifique quantos documentos foram efetivamente processados, e não apenas quantos foram enviados.
Exemplo: Busca em base documental que não retorna a decisão procurada — não porque a busca falhou, mas porque aquele PDF, apenas imagem, nunca chegou a ser lido.

Fragmentação (chunking)

Conceito: Divisão de documentos longos em trechos menores, para que a busca recupere o pedaço pertinente e não o arquivo inteiro.
No trabalho jurídico: Onde o corte cai muda o resultado. Texto jurídico depende de referência anterior — o pronome que retoma a parte, a condição enunciada dois parágrafos antes, a exceção que só faz sentido junto da regra. Trecho recuperado sem o que o precede pode inverter o sentido, e a inversão não aparece: chega como citação literal, correta palavra por palavra.
Erro comum: atribuir à ferramenta o erro que veio do corte. Quando uma citação literal sai fora de contexto em base documental própria, a causa provável está aqui.
Exemplo: Fragmento que reproduz “não se aplica a hipótese do inciso II” sem o período anterior, que restringia a afirmação aos contratos celebrados antes de determinada data.

Vetor de significado (embedding)

Conceito: Representação numérica de um trecho de texto, construída de modo que textos de sentido próximo fiquem próximos nesse espaço numérico. É o que torna possível buscar por sentido em vez de por palavra.
No trabalho jurídico: Explica o acerto e a falha da busca semântica. O acerto: encontrar material sobre a mesma matéria redigido com outras palavras. A falha: proximidade de sentido não é identidade de regime jurídico — dois institutos podem ser vizinhos no espaço numérico e opostos em consequência. A ferramenta aproxima textos parecidos; a distinção é sua.
Não confundir com: índice de palavras, que localiza ocorrências exatas. Os dois se complementam: um encontra o que você não sabia nomear, o outro encontra exatamente o que você nomeou.
Exemplo: Busca por prescrição que aproxima material sobre decadência. A proximidade é real no texto e irrelevante no regime.

Indexação (indexing)

Conceito: Organização prévia do conteúdo de um acervo para que ele possa ser localizado depois sem leitura integral a cada consulta.
No trabalho jurídico: O que não foi indexado não existe para a busca — e a busca não informa a diferença entre “não há” e “não foi indexado”. É a razão pela qual resposta negativa em base documental própria nunca deveria ser lida como resposta: é preciso saber o que a base contém antes de concluir que algo não está lá.
O que decidir: Ao montar uma base de trabalho, mantenha a lista do que foi incluído. Sem ela, a ausência de resultado é ambígua.
Exemplo: Consulta que não devolve nenhuma decisão contrária à tese, em base que só recebeu as decisões favoráveis previamente selecionadas.

Busca semântica (semantic search)

Conceito: Busca que recupera conteúdo por proximidade de sentido, e não por coincidência de palavras.
No trabalho jurídico: Resolve um problema real da pesquisa forense: o mesmo instituto aparece sob redações diferentes, e o vocabulário de quem pergunta raramente coincide com o de quem redigiu. A contrapartida é que ela devolve o que está próximo, ordenado por semelhança — não o que é pertinente, e nunca “tudo o que existe”. Para levantamento que precise ser exaustivo, ela é ponto de partida, não método.
Não confundir com: busca literal, que continua sendo superior para o que é exato: número de processo, nome de parte, expressão consagrada.
Exemplo: Consulta sobre responsabilidade subsidiária da Administração que localiza material redigido sem essa expressão, mas tratando da mesma questão.

RAG (Retrieval-Augmented Generation)

Conceito: Arranjo em que a ferramenta primeiro recupera trechos de uma base documental e só então gera a resposta a partir deles, em vez de responder apenas com o que aprendeu no treinamento.
No trabalho jurídico: É o arranjo que aproxima a IA do modo como se trabalha em Direito: a resposta nasce de documentos determinados e conferíveis. Mas a qualidade fica limitada pela etapa de recuperação — o que não foi recuperado não entra na resposta, e a resposta não sinaliza a lacuna. Ela soa completa sobre o material que encontrou, seja ele metade ou a totalidade do que interessava.
Erro comum: tratar base própria como garantia contra alucinação. O RAG reduz a invenção de fontes; não impede o erro de leitura do trecho recuperado nem a omissão do trecho não recuperado.
Exemplo: Consulta a acervo de pareceres internos que devolve resposta segura fundada nos três documentos recuperados, sem mencionar o quarto — que registrava a ressalva decisiva e não foi alcançado pela busca.

Reordenação (reranking)

Conceito: Segunda etapa da busca, em que os resultados recuperados são reavaliados e reordenados por pertinência antes de chegarem ao modelo ou ao usuário.
No trabalho jurídico: Importa saber que existe porque explica um comportamento que se atribui a defeito: o corte. Só os primeiros resultados costumam ser aproveitados na resposta, e um documento pertinente que fique em décimo segundo lugar é, na prática, um documento ausente. Em pesquisa que precise ser completa, convém examinar a lista, não apenas a resposta construída sobre ela.
Exemplo: Acórdão mais próximo do caso classificado abaixo do corte por usar vocabulário distinto do da consulta. A resposta o ignora sem informar que ele foi encontrado.

Base de conhecimento (knowledge base)

Conceito: Acervo organizado de documentos e informações usado como fonte de consulta por uma ferramenta.
No trabalho jurídico: O valor está na curadoria, não no volume. Base que reúne modelos, pareceres, orientações internas e decisões selecionadas responde melhor que base que reúne tudo — e responde pior quando conserva material superado, porque a ferramenta não distingue o parecer vigente do revogado. Base sem data e sem responsável envelhece em silêncio.
O que decidir: Defina desde o início o critério de inclusão, quem revisa e com que periodicidade se retira o que deixou de valer.
Exemplo: Acervo de manifestações-padrão que continua devolvendo o modelo elaborado sob a redação anterior de um artigo, por não ter sido revisto depois da alteração legislativa.

Consulta estruturada (structured query)

Conceito: Consulta formulada por campos e critérios definidos — órgão, período, classe, resultado — em vez de pergunta em linguagem livre.
No trabalho jurídico: É o modo de consulta dos sistemas de jurisprudência dos tribunais, e continua sendo o mais confiável quando se precisa saber o que a busca cobriu. Sua vantagem sobre a pergunta em linguagem livre não é a precisão do resultado: é a possibilidade de reproduzir a consulta e de descrevê-la — o que importa quando o levantamento vai sustentar uma peça.
Não confundir com: busca semântica. Uma delimita o conjunto examinado; a outra ordena por semelhança dentro de um conjunto que não se conhece.
Exemplo: Levantamento por órgão julgador, período e classe processual, cujo recorte pode ser registrado e repetido meses depois com o mesmo critério.

Extração de informações (information extraction)

Conceito: Identificação e retirada, de um documento ou de um conjunto deles, de dados ou trechos determinados.
No trabalho jurídico: É a aplicação de melhor rendimento na rotina forense, e a que mais se beneficia de campos fixos. A cautela é distinguir o que se extrai: dado objetivo — data, valor, órgão, número — se confere rápido contra o documento; qualificação jurídica — qual foi o fundamento determinante — é interpretação apresentada em formato de dado, e a aparência de campo preenchido esconde que houve juízo.
O que decidir: Separe, no mesmo quadro, as colunas de dado objetivo das de leitura interpretativa. A conferência das duas não tem o mesmo custo nem o mesmo método.
Exemplo: Quadro com número, órgão, data e resultado — conferível por amostragem — ao lado da coluna “fundamento determinante”, que exige leitura do inteiro teor caso a caso.

Metadados (metadata)

Conceito: Informações sobre o arquivo, e não seu conteúdo: autor, datas de criação e modificação, programa que o gerou, histórico de alterações, comentários e trechos revisados que permanecem no arquivo.
No trabalho jurídico: Têm duas faces, e a segunda é frequentemente esquecida. Servem para organizar e localizar; e viajam com o documento que você envia. Minuta encaminhada à parte contrária pode carregar o nome de quem redigiu, o histórico de alterações e comentários internos que ninguém pretendia compartilhar.
O que decidir: Antes de enviar documento para fora do escritório, verifique o que ele carrega além do texto. Converter para PDF reduz o problema, não o elimina.
Exemplo: Proposta enviada em DOCX com o controle de alterações aceito, mas com os comentários internos preservados no arquivo.

Hash

Conceito: Sequência de caracteres calculada a partir do conteúdo de um arquivo, que funciona como sua impressão digital: qualquer alteração, por mínima que seja, produz resultado inteiramente diferente.
No trabalho jurídico: É o mecanismo que permite demonstrar que um arquivo não foi alterado entre dois momentos, e aparece em cadeia de custódia de prova digital, em atas notariais de conteúdo eletrônico e em sistemas de peticionamento. Não diz nada sobre a veracidade do conteúdo — apenas que aquele conteúdo é idêntico ao que gerou o mesmo valor antes.
Não confundir com: criptografia. O hash não protege nem oculta o conteúdo; e não se reverte, porque não guarda o que resumiu.
Exemplo: Registrar o valor de hash de um conjunto de arquivos no momento da coleta, para depois demonstrar que os arquivos examinados são os mesmos.

JSON (JavaScript Object Notation)

Conceito: Formato de dados organizado em pares de nome e valor, legível por pessoas e diretamente processável por programas.
No trabalho jurídico: Não é preciso saber escrevê-lo; é útil reconhecê-lo. É o formato em que se pede a saída quando o resultado vai alimentar uma planilha, um sistema ou outra etapa do fluxo — em vez de ser lido e redigitado. Pedir a resposta em JSON, com campos nomeados, é o modo mais direto de obter análise em série que não precise de retrabalho manual.
Não confundir com: schema, que é a definição de quais campos devem existir. JSON é o formato; o schema é o contrato.
Exemplo: Análise de cem decisões devolvida com os campos processo, órgão, pedido, resultado e prazo, importada diretamente para planilha.

Schema

Conceito: Definição prévia dos campos que uma saída deve conter, com nome, tipo e obrigatoriedade de cada um.
No trabalho jurídico: Fixar o schema antes de rodar a série é o que garante comparabilidade entre o primeiro e o centésimo documento. E há um ganho menos evidente: campo obrigatório declarado força a ferramenta a registrar a ausência em vez de contorná-la com uma frase — a lacuna passa a aparecer no lugar de sumir na prosa.
Não confundir com: template, que organiza o texto para leitura humana. O schema organiza dados para processamento.
Exemplo: Definir que toda análise traga processo, órgão julgador, pedido, fundamento, resultado e prazo, com “não consta” obrigatório quando o documento não trouxer o campo.

Estrutura de pastas (folder structure)

Conceito: Distribuição dos arquivos em diretórios segundo uma lógica definida e mantida.
No trabalho jurídico: Deixou de ser questão de organização pessoal no momento em que ferramentas passaram a ler pastas inteiras. A estrutura passa a ser a delimitação do que a ferramenta alcança: apontar um agente para a pasta do caso é uma decisão de escopo, e o que estiver ali dentro por descuido — rascunho de outro cliente, documento pessoal, versão descartada — entra no alcance junto.
O que decidir: Separe, dentro de cada caso, o que pode ser lido por ferramenta do que não deve. Notas internas e material de terceiros pedem pasta própria.
Exemplo: Pasta de processo dividida em peças, decisões, provas, notas internas e minutas — com a leitura automatizada apontada apenas para as três primeiras.

Nomenclatura de arquivos (file naming)

Conceito: Padrão de nomeação que permite identificar, ordenar e localizar um arquivo pelo nome, sem abri-lo.
No trabalho jurídico: Um padrão útil costuma reunir quatro elementos: referência do caso, tipo de documento, versão e data em formato que ordene sozinho — ano, mês, dia. O ganho maior não é estético: nome informativo é o que permite conferir o resultado de uma organização automatizada sem abrir cada arquivo.
Erro comum: usar a data no formato brasileiro no nome do arquivo. A ordenação alfabética passa a agrupar por dia, e a sequência cronológica se perde.
Exemplo: 2026-04-16_ProcessoX_Contestacao_v03 em lugar de “contestação nova final agora vai”.

Padronização de arquivos (file standardization)

Conceito: Aplicação de critérios uniformes de nomeação, formato, localização e classificação a todo um acervo.
No trabalho jurídico: É o pré-requisito de qualquer automação sobre documentos. Fluxo automatizado depende de regularidade: onde o padrão falha, a automação não avisa — ela ignora o arquivo fora do padrão, e o resultado sai completo em aparência e parcial de fato. Padronizar é menos organização e mais condição de confiabilidade do que vier depois.
O que decidir: Antes de automatizar, verifique quantos arquivos do acervo já seguem o padrão. Abaixo de certo grau de regularidade, padronizar primeiro é o passo mais econômico.
Exemplo: Rotina de triagem que processa cento e vinte dos cento e quarenta documentos e apresenta o resultado como se fosse do conjunto.

Controle de versões (version control)

Conceito: Método pelo qual as versões sucessivas de um documento são preservadas, identificadas e recuperáveis.
No trabalho jurídico: Ganhou peso quando ferramentas passaram a reescrever texto: a versão anterior deixou de ser histórico e virou referência de conferência, porque é contra ela que se verifica o que a reescrita alterou. Sem versão anterior recuperável, não há como demonstrar que a tese permaneceu — só afirmar.
O que decidir: Salve a versão anterior antes de qualquer reescrita assistida, e nunca deixe uma ferramenta sobrescrever o arquivo de trabalho.
Exemplo: Sequência preservada de uma contestação: minuta inicial, versão revisada internamente, versão ajustada com apoio de IA, versão final protocolada.

Comparação de versões (version comparison)

Conceito: Confronto entre duas versões de um documento para identificar o que foi acrescentado, suprimido ou alterado.
No trabalho jurídico: A comparação automática mostra o que mudou; a leitura jurídica decide o que a mudança significa. É a distinção que importa, porque as alterações mais graves costumam ser as menores: um advérbio que restringe o pedido, um verbo que troca obrigação de fazer por obrigação de resultado, a supressão de uma ressalva. O relatório de diferenças as exibe com o mesmo destaque de uma vírgula.
O que decidir: Peça a separação entre alteração de forma e alteração de conteúdo, e leia integralmente a segunda lista. A primeira admite amostragem.
Exemplo: Revisão que substituiu “deverá” por “poderá” em cláusula de obrigação. A comparação registra a troca de uma palavra; o efeito é a perda da exigibilidade.

Git

Conceito: Sistema de controle de versões que registra a evolução de um conjunto de arquivos, preservando cada estado anterior e permitindo retornar a ele.
No trabalho jurídico: Não é ferramenta para redação de peças, e não vale a pena adotá-la por isso. O termo aparece quando o trabalho passa a envolver projetos de agentes, arquivos de instrução e fluxos que evoluem por etapas — e é ali que ele resolve um problema real: saber exatamente o que mudou nas regras do fluxo entre duas execuções que produziram resultados diferentes.
Exemplo: Projeto de automação documental cujas alterações de instrução ficam registradas uma a uma, permitindo identificar qual delas degradou o resultado.

Commit e branch

Conceito: Duas operações do controle de versões. O commit registra um estado do projeto, com data, autor e descrição da mudança. A branch cria uma linha de trabalho paralela, em que se altera sem afetar a versão principal até que se decida incorporar.
No trabalho jurídico: A lógica é familiar a quem trabalha com minutas: o commit é a versão salva com identificação do que mudou; a branch é a linha alternativa que se desenvolve para testar outra tese ou outra redação, sem comprometer a principal enquanto a escolha não estiver feita.
Exemplo: Testar em linha separada uma nova regra de classificação de documentos e só incorporá-la ao fluxo principal depois de conferido o resultado sobre uma amostra.

Repositório (repository)

Conceito: Local organizado em que os arquivos de um projeto são armazenados junto com seu histórico de alterações.
No trabalho jurídico: A cautela é de sigilo, e é concreta: repositório configurado como público expõe tudo o que contém, inclusive o histórico. Arquivo sensível removido continua acessível nas versões anteriores, porque preservar o passado é justamente a função do sistema — apagar hoje não apaga o registro de ontem.
O que decidir: Verifique o regime de acesso antes de colocar qualquer coisa dentro, e trate credenciais e material de cliente como conteúdo que não entra em repositório.
Exemplo: Chave de API removida de um arquivo mas ainda legível na versão anterior registrada no histórico.

CLI (Command-Line Interface)

Conceito: Interface em que se opera por comandos escritos, e não por menus e botões.
No trabalho jurídico: Não é ambiente que o advogado precise dominar, mas aparece nas ferramentas de agente mais capazes, e vale saber por que existe: o comando é escrito, portanto registrável e repetível. A mesma operação, feita por cliques, não deixa registro do que foi feito. É a diferença entre executar e poder demonstrar o que se executou.
Exemplo: Rotina de conversão de duzentos PDFs registrada em um comando, que pode ser conferido, guardado e repetido em outro acervo.

IDE (Integrated Development Environment)

Conceito: Ambiente que reúne, em um só lugar, os recursos para escrever, organizar, executar e revisar os arquivos de um projeto.
No trabalho jurídico: O termo aparece quando o trabalho com agentes deixa a conversa e passa a envolver arquivos de instrução e configuração. É onde se lê o que o agente foi instruído a fazer — e essa leitura, ao contrário de escrever código, é acessível a quem sabe ler.
Exemplo: Abrir o projeto de um agente para conferir, no arquivo de instruções, quais limites foram efetivamente fixados.