Colocar uma pessoa no fluxo não basta. Supervisão só existe quando o profissional consegue compreender, contestar e interromper a atuação da IA.
À medida que a inteligência artificial deixa de apenas produzir respostas e passa a participar da execução de tarefas jurídicas, a presença humana ganha uma função diferente.
Já não basta pensar em supervisão como um botão de “aprovar” colocado no final de um processo automatizado.
Se o profissional recebe uma classificação, recomendação ou documento sem saber quais informações foram consideradas, quais limites a tecnologia possui ou por que aquele caso chegou até ele, a validação corre o risco de se tornar apenas uma formalidade.
Esse problema tende a crescer com a escala.
Uma pessoa pode analisar cuidadosamente dez resultados. Quando precisa confirmar centenas de sugestões semelhantes todos os dias, a tendência é que a própria repetição diminua a capacidade crítica da revisão.
Por isso, governança de IA no jurídico não depende somente de manter humanos dentro do processo. Depende de definir quando eles precisam participar, o que precisam saber e que poder possuem para alterar aquilo que a tecnologia está fazendo.
Existe uma diferença entre ter uma pessoa no fluxo e ter controle humano sobre ele.
Imagine uma IA que classifica documentos jurídicos. Depois de cada análise, um profissional recebe apenas duas opções: aprovar ou rejeitar.
Tecnicamente, existe uma validação humana.
Mas o que acontece se o profissional não consegue visualizar facilmente o documento de origem? E se não souber quais critérios foram utilizados? E se determinados tipos de erro forem difíceis de perceber apenas olhando para a resposta final?
Nesse cenário, a pessoa pode estar presente sem possuir condições reais de supervisionar.
O AI Risk Management Framework, do National Institute of Standards and Technology (NIST), trata essa questão de maneira mais ampla ao recomendar que as organizações definam responsabilidades para configurações entre pessoas e IA e documentem como a supervisão deve acontecer. O framework também destaca a necessidade de fornecer aos operadores informações suficientes sobre os limites do sistema e sobre como seus resultados podem ser utilizados.
O princípio é particularmente relevante no jurídico.
Uma resposta convincente não é necessariamente uma resposta correta. E quanto mais natural, rápida e consistente parecer a atuação da tecnologia, maior pode ser o risco de que sua revisão se transforme em hábito.
Supervisionar exige condições para questionar.
Nem toda ação executada por IA possui a mesma consequência.
Classificar um documento, organizar informações e identificar uma possível duplicidade representam situações diferentes de alterar uma provisão financeira, elaborar uma comunicação jurídica definitiva ou autorizar uma ação com impacto relevante para a empresa.
Exigir o mesmo nível de revisão para todas elas produz dois problemas.
Se toda ação precisar de validação manual, a automação pode simplesmente deslocar o trabalho repetitivo da execução para a aprovação. Se atividades de maior impacto forem liberadas com controles insuficientes, a organização aumenta a escala de um eventual erro.
A pergunta correta, portanto, não é simplesmente:
“Precisamos de supervisão humana?”
Mas:
“Que tipo de supervisão esta ação exige?”
Alguns critérios ajudam a responder:
Essa proporcionalidade também aparece em referências institucionais.
A Resolução nº 615/2025 do Conselho Nacional de Justiça (CNJ) estabelece diretrizes para o desenvolvimento e uso de inteligência artificial no Poder Judiciário, com uma abordagem orientada por risco, auditabilidade, transparência e supervisão humana. A norma não regula diretamente departamentos jurídicos corporativos, mas oferece uma referência importante sobre como autonomia e controle podem variar conforme o impacto da aplicação.
Na advocacia, a Recomendação nº 001/2024 do Conselho Federal da Ordem dos Advogados do Brasil (OAB) também inclui entre seus princípios o controle e a supervisão humana especializada no uso de inteligência artificial generativa.
O ponto comum não é impedir automação.
É evitar que autonomia seja tratada como uma autorização genérica para qualquer atividade.
Uma boa supervisão começa antes do clique de aprovação.
Quando uma situação é encaminhada para uma pessoa, o profissional precisa compreender por que sua análise foi necessária.
Considere uma aplicação responsável por extrair informações de documentos e estruturar um cadastro processual.
Se o sistema identifica uma divergência entre dois valores, a melhor experiência não é simplesmente entregar um campo preenchido e pedir confirmação. É mostrar quais informações foram encontradas, em que documentos aparecem e qual inconsistência impediu a conclusão automática.
O mesmo raciocínio vale para outras atividades.
Se a IA classifica uma cláusula como fora do padrão, o profissional precisa conseguir identificar o parâmetro utilizado e retornar ao trecho que motivou o alerta. Se um agente interrompe uma etapa porque determinada alçada foi ultrapassada, essa condição precisa estar visível.
Quanto mais o profissional precisa reconstruir sozinho o raciocínio da tecnologia, menor é o ganho da automação.
A supervisão deve concentrar conhecimento humano na dúvida que realmente importa, não criar outra tarefa de investigação.
Existe um paradoxo importante na relação entre pessoas e sistemas automatizados.
Quanto mais vezes uma tecnologia acerta, maior pode ser a tendência de aceitar sua próxima resposta sem o mesmo nível de atenção.
O NIST chama atenção para os riscos associados às configurações entre humanos e IA, incluindo os efeitos de vieses cognitivos e das próprias condições de interação entre pessoas e sistemas.
No cotidiano de uma operação jurídica, o risco pode aparecer de forma simples.
Se um profissional revisa dezenas de classificações corretas em sequência, a próxima tende a parecer apenas mais uma confirmação. Se a interface apresenta a sugestão da tecnologia como resposta principal e exige esforço adicional para consultar a fonte, contestar pode ser mais trabalhoso do que concordar.
Por isso, governança não pode depender apenas da orientação abstrata de “revisar com atenção”.
O desenho do processo também importa.
Casos de maior impacto podem exigir evidências adicionais. Situações fora do padrão podem receber destaque. A revisão pode priorizar ocorrências com maior incerteza, enquanto atividades previsíveis e de baixo impacto seguem controles compatíveis com seu risco.
A tecnologia precisa facilitar o pensamento crítico, não apenas acrescentar uma etapa humana ao fluxo.
Uma IA capaz de executar tarefas também precisa reconhecer as situações em que não deveria continuar.
Um documento incompleto, uma divergência entre fontes, uma informação acima de determinada alçada ou uma situação não prevista podem representar motivos suficientes para interromper a execução.
Isso muda a ideia de autonomia.
Um sistema maduro não é aquele que consegue concluir qualquer tarefa sozinho. É aquele que avança enquanto possui condições suficientes e transfere a responsabilidade quando essas condições deixam de existir.
Para o jurídico, esse desenho é especialmente importante porque exceções fazem parte da própria natureza do trabalho.
Processos aparentemente semelhantes podem apresentar particularidades. Contratos podem conter cláusulas inesperadas. Informações podem estar incompletas. Uma situação financeira pode ultrapassar parâmetros previamente definidos.
Tentar eliminar toda intervenção humana pode levar a tecnologia a produzir respostas justamente onde deveria reconhecer incerteza.
A supervisão funciona melhor quando a exceção chega ao profissional já contextualizada e com uma razão clara para o escalonamento.
Quando um profissional corrige uma classificação, rejeita uma recomendação ou interrompe uma ação da IA, o trabalho não deveria terminar ali.
A divergência contém informação sobre o próprio sistema.
Se a mesma classificação precisa ser alterada continuamente, pode existir uma regra inadequada. Se determinada categoria de documento gera mais exceções, talvez a tecnologia não esteja recebendo contexto suficiente. Se um agente encontra repetidamente uma situação não prevista, o processo pode ter mudado.
Registrar esses eventos transforma supervisão em aprendizado operacional.
A equipe deixa de corrigir isoladamente cada ocorrência e passa a identificar padrões de comportamento da tecnologia.
Esse acompanhamento também evita uma percepção distorcida de desempenho.
Uma automação pode aparentar grande autonomia porque conclui quase todas as atividades, mas exigir correções posteriores frequentes. Sem registrar essas intervenções, a organização enxerga apenas aquilo que a IA fez, não o trabalho humano necessário para tornar o resultado utilizável.
Por isso, algumas das métricas mais úteis podem estar justamente nas exceções:
quantas ações foram alteradas, quais tipos de caso concentram divergências, onde o profissional interrompe mais vezes a execução e que tarefas continuam exigindo reconstrução manual.
Uma aplicação que funciona bem hoje não necessariamente manterá o mesmo desempenho indefinidamente.
Documentos mudam. Processos internos são alterados. Novas regras entram em vigor. As características da carteira podem evoluir. A própria forma como os profissionais utilizam a tecnologia também muda.
É por isso que o AI RMF do NIST trata medição e acompanhamento como atividades contínuas e recomenda que sistemas sejam avaliados não apenas antes da implantação, mas também durante sua operação.
Para o departamento jurídico, isso significa que alçadas e níveis de autonomia também precisam ser revisáveis.
Uma atividade que apresentou comportamento estável durante meses pode receber outro modelo de supervisão. Da mesma forma, uma automação que começa a produzir mais exceções pode exigir redução temporária de autonomia até que a causa seja compreendida.
Governança, portanto, não é uma configuração realizada uma única vez.
É a capacidade de acompanhar como pessoas e tecnologia estão trabalhando juntas e ajustar essa relação conforme o contexto muda.
Na arquitetura atual da Benner, essa relação aparece especialmente no Benner Atelier.
A plataforma permite conectar agentes de IA a sistemas, dados, documentos e processos e definir objetivos, fontes autorizadas, permissões e critérios de execução. Também possibilita configurar diferentes níveis de autonomia, inserir aprovações humanas em etapas críticas e manter registros das ações realizadas pelos agentes.
No Benner Jurídico, essa capacidade se conecta a uma operação que reúne gestão processual, documentos, atividades, informações financeiras, integrações e automações.
O valor dessa arquitetura não está simplesmente em colocar uma pessoa antes de uma ação considerada importante.
Está em tornar explícito o que a IA pode fazer sozinha, quando precisa pedir ajuda e quais informações devem acompanhar essa passagem de responsabilidade.
Essa diferença é fundamental para uma operação que pretende ganhar escala sem tornar a tecnologia invisível para quem continua respondendo por seus resultados.
A discussão sobre governança de IA no jurídico não se resolve escolhendo entre autonomia e controle.
Os dois precisam evoluir juntos.
Manter profissionais confirmando mecanicamente qualquer ação reduz os ganhos da automação. Retirá-los indiscriminadamente dos processos aumenta a exposição justamente nos casos em que julgamento e responsabilidade continuam essenciais.
O equilíbrio aparece quando cada atividade possui limites coerentes com seu risco, a tecnologia sabe quando parar e a pessoa recebe contexto suficiente para exercer uma revisão real.
Supervisão humana, nesse sentido, não é estar presente em todas as etapas.
É continuar tendo condições de compreender, contestar e assumir o controle quando isso realmente importa.
Conheça o Benner Jurídico e veja como agentes de IA, automação e supervisão humana podem evoluir juntos em uma operação com mais eficiência, rastreabilidade e controle.
Preencha os campos abaixo e fale agora mesmo com a nossa equipe pelo WhatsApp.
