El colapso de las cortes constitucionales contemporáneas rara vez proviene de la complejidad intelectual de sus debates de fondo; surge, con mayor frecuencia, del peso asfixiante de la repetitividad burocrática. Brasil constituye el laboratorio de mayor escala del hemisferio occidental para evaluar la transición desde modelos burocráticos tradicionales hacia la automatización judicial predictiva.
El problema: el laberinto procesal del Recurso Extraordinario
Hacia 2018, el Supremo Tribunal Federal (STF) de Brasil enfrentaba una crisis terminal de saturación. HECHO El STF recibía en promedio más de 70,000 nuevos casos anuales, concentrándose un porcentaje masivo en alegaciones de inconstitucionalidad que ya contaban con criterios doctrinales unificados bajo la figura de la Repercussão Geral (Repercusión General).
ESTIMADO El procesamiento manual de admisibilidad y vinculación temática consumía cientos de miles de horas-hombre al año, retrasando en meses la remisión de casos idénticos a los juzgados de origen.
La solución: arquitectura y despliegue del sistema VICTOR
HECHO Para atender este embotellamiento sin delegar la función juzgadora a una caja negra generativa, el STF, en convenio con el Centro de Inteligencia Artificial de la Universidad de Brasilia (UnB), desarrolló VICTOR —bautizado en homenaje al jurista y ministro Victor Nunes Leal—, un clasificador basado en procesamiento de lenguaje natural y redes neuronales convolucionales, entrenado con más de cuatro millones de documentos procesales digitalizados.
El sistema opera bajo un flujo de tres fases:
- Segmentación y OCR avanzado: convierte tomos digitalizados en texto procesable y clasifica cada página según su naturaleza procesal.
- Identificación temática: analiza los hechos y conceptos jurídicos invocados en la impugnación.
- Mapeo de Repercussão Geral: compara el texto recursivo contra las tesis fijadas por el STF y arroja una probabilidad de correspondencia temática.
INFERENCIA La arquitectura de VICTOR priorizó la interpretabilidad y el análisis probabilístico de admisibilidad formal por encima de modelos deliberativos o de fallo sustantivo, mitigando de origen los riesgos de sesgo o sustitución de la razón judicial humana.
Resultados: la métrica de eficiencia y la auditoría humana
HECHO En la tarea de lectura, catalogación documental y propuesta de vinculación con temas de repercusión general, VICTOR redujo el tiempo operativo de 44 minutos a aproximadamente 5 segundos por expediente, con una precisión superior al 85% en sus clasificaciones iniciales.
No obstante la ganancia de velocidad, la experiencia brasileña dejó dos hallazgos determinantes:
- El principio del humano al mando: el sistema nunca emite resoluciones vinculantes. Su salida se presenta como "sugerencia de etiquetado", y corresponde siempre al funcionario validar, reclasificar o rechazar la propuesta.
- Falsos positivos por lenguaje argumentativo complejo: cuando las partes combinaron pretensiones conexas o redacciones atípicas, la precisión del sistema descendió — el aprendizaje supervisado tropieza ante la creatividad hermenéutica de los litigantes.
RECOMENDACIÓN Cualquier tribunal de última instancia que explore esquemas de automatización procesal debe acotar el uso de algoritmos al análisis de forma, filtrado previo y homologación de precedentes consolidados, prohibiendo taxativamente la delegación automatizada del juicio de ponderación de derechos.
Fuentes: Relatórios de Atividades do STF (2018–2020); Silva et al., "Document Type Classification in Judicial Processes using Deep Learning" (JURIX, 2018); Konrad Adenauer Stiftung, "¿Máquinas de justicia?" (2021); Conselho Nacional de Justiça, Resolución 332/2020; UNESCO/IRCAI, Radar of AI Tools (2021-2023).
