Quem já revisou uma minuta escrita por IA conhece a sensação. O texto está limpo, os parágrafos fecham, o tom é seguro. Na segunda leitura, você procura o fato que sustenta a "flagrante violação" do terceiro parágrafo e ele não está lá. Está o adjetivo.

Esse problema tem causa conhecida, pelo menos em parte, e tem régua no processo civil. Este artigo junta as duas coisas: o que a pesquisa já mediu sobre o jeito como os modelos de linguagem escrevem, o que ainda é hipótese, e por que isso pesa numa peça que vai ser lida por um assessor com cinquenta processos na fila. No fim, há um teste de cinco perguntas para usar na revisão.

Como o modelo aprende a escrever assim

Um modelo de linguagem passa por duas fases de treino. Na primeira, aprende a prever a próxima palavra a partir de uma quantidade enorme de texto. Na segunda, pessoas avaliam respostas do modelo, ranqueiam as melhores, e o modelo é ajustado para produzir o que foi mais bem avaliado. Essa segunda fase se chama RLHF (aprendizado por reforço com feedback humano), e é ela que transforma um completador de texto num assistente que segue instruções.

A pesquisa recente indica que é justamente nessa segunda fase que a escrita do modelo se afasta da humana. Um estudo publicado na PNAS em 2025, conduzido na Carnegie Mellon, comparou textos humanos e textos de modelos a partir de dezenas de características lexicais, gramaticais e retóricas. As diferenças persistiram nos modelos maiores e foram mais fortes nos modelos ajustados para seguir instruções do que nos modelos base. Nos ajustados, as orações participiais (em português, o equivalente mais próximo são as reduzidas de gerúndio, como "considerando que...") apareceram de 2 a 5 vezes mais que em textos humanos, e as nominalizações, de 1,5 a 2 vezes mais.

Nominalização é transformar ação em substantivo: "implementar" vira "a implementação", "observar" vira "a observância". Todo advogado reconhece o resultado quando lê "a implementação da observância do dever de informação" num lugar onde caberia "o réu não informou".

Outros trabalhos ajudam a entender o mecanismo. Kirk e coautores mostraram que o RLHF reduz bastante a diversidade das respostas em comparação com o ajuste supervisionado, o que explica por que as mesmas soluções retóricas voltam de peça em peça. Singhal e coautores verificaram que boa parte do ganho de recompensa no RLHF vem do simples aumento do tamanho da resposta: uma recompensa baseada só no comprimento reproduz a maior parte da melhora. Na prática, o modelo aprendeu que texto mais longo costuma ser mais bem avaliado.

Há limites no que se sabe. Juzek e Ward investigaram o excesso de certas palavras (o caso famoso é o inglês "delve") e não encontraram evidência de que arquitetura, algoritmo ou dados de treino expliquem o fenômeno. Os testes são compatíveis com a hipótese do RLHF, mas não a provam. A causa exata de cada tique continua em aberto.

O vício do "não é X, é Y"

Poucas construções denunciam tanto um texto de IA quanto esta: "A presente demanda não versa sobre mero inadimplemento contratual, mas sobre verdadeira violação da boa-fé objetiva."

Dois trabalhos tratam dela. O Antislop, publicado no ICLR 2026, classifica a família "not x, but y" como slop, a fraseologia repetitiva que torna o texto de IA reconhecível, e mostra que regras de bloqueio na geração conseguem zerar a construção. Um preprint de Boggia trata o fenômeno como epanortose, a figura retórica em que o autor corrige o que acabou de dizer. A medição dele pede cautela: os modelos exageram a figura em texto oratório, usam menos que humanos em perguntas e respostas informais e ficam no mesmo nível em texto argumentativo, jornalístico e enciclopédico. O próprio autor reconhece que a ligação com o RLHF é inferência, sem comparação entre modelo base e modelo ajustado. E ninguém mediu isso em peça processual.

O problema jurídico da construção, porém, independe da frequência. Volte ao exemplo: quem disse, nos autos, que a demanda versava sobre mero inadimplemento? Ninguém. A primeira metade da frase refuta uma tese que a parte contrária nunca sustentou, e a segunda afirma a tese real com um peso retórico que ela não conquistou com fatos. A petição gasta linhas brigando com um adversário imaginário, e o fato que provaria a violação da boa-fé continua sem aparecer.

Por que "não escreva assim" no prompt costuma falhar

A reação natural é colocar no prompt uma lista de proibições: não use juridiquês, não faça contrastes, não use "inequívoco". Há sinais de que isso ajuda pouco.

Um estudo de 2025 sobre "rebote irônico" mediu que instruir um modelo a não produzir um conceito pode torná-lo mais provável do que seria sem a instrução. Os testes usaram prompts sintéticos e padronizados, e o efeito sobre tom e estrutura em textos longos ainda não foi medido, então vale como indício. Outra linha de pesquisa, sobre o chamado "problema do elefante cor-de-rosa", descreve o mesmo padrão: mencionar o tema proibido aumenta a chance de o modelo tocar nele.

A recomendação prática, por enquanto, é inverter a ordem. Descreva o que o texto deve conter (o fato, a norma, o pedido, a folha onde está a prova) e deixe a lista do que evitar para a revisão.

O art. 489 do CPC como régua de revisão

O processo civil tem uma régua clara para esse problema, embora escrita para outro destinatário. O art. 489, § 1º, do CPC considera não fundamentada a decisão judicial que:

  • se limita a reproduzir ou parafrasear ato normativo sem explicar sua relação com a causa (inciso I);
  • emprega conceito jurídico indeterminado sem explicar por que ele incide no caso concreto (inciso II);
  • invoca motivos que serviriam para justificar qualquer outra decisão (inciso III).

O dispositivo se dirige ao juiz, mas os três incisos descrevem com precisão o que um modelo produz quando não tem o dado do caso. O artigo de lei aparece parafraseado no lugar da aplicação. "Flagrante", "inequívoco" e "manifesto" ocupam o espaço da subsunção. E o argumento, lido sem o cabeçalho, serviria a qualquer processo da mesma classe.

A consequência para a parte é estratégica. O inciso IV do mesmo parágrafo obriga o julgador a enfrentar os argumentos capazes de, em tese, infirmar sua conclusão. Um argumento genérico pode ser enfrentado com uma resposta igualmente genérica, e o dever de fundamentação estará cumprido. Um argumento amarrado ao fato e à folha dos autos exige resposta específica. Quem entrega tese genérica facilita o trabalho de quem vai decidir contra ela.

Riscos que vão além do estilo

Os pontos a seguir são inferências nossas; a pesquisa ainda não os mediu. Mas decorrem diretamente do que foi dito acima.

Pedido repetido é pedido em risco. Um texto que tende a ficar mais longo tende também a reformular. Quando o mesmo pedido aparece em três parágrafos com palavras diferentes, cresce a chance de pedidos incompatíveis entre si (art. 330, § 1º, IV, hipótese de inépcia) ou de uma leitura do pedido diferente da pretendida, já que a interpretação considera o conjunto da postulação (art. 322, § 2º).

Conectivo demais esconde o que importa. Quem lê a peça no gabinete procura primeiro o pedido, a causa de pedir e a prova. Cada "nesse diapasão" e cada frase de fechamento que só resume o parágrafo anterior empurra esses três elementos para baixo.

"Melhore este texto" altera o sentido. Pedir à IA que revise uma peça já escrita tem efeito sobre o conteúdo. Um preprint sobre revisão por modelos de linguagem relata que as revisões geradas por IA produzem mudança semântica maior e mais consistente que as revisões humanas. Uma ressalva pode sumir, um "em tese" pode virar afirmação, e nada avisa.

O acabamento engana quem escreve. Um parágrafo bem-acabado dá a impressão de que o raciocínio está lá. Jiang e Hyland observaram que textos do ChatGPT são coerentes e bem organizados, mas usam muito menos atenuadores, intensificadores e marcadores de atitude do que textos humanos. Na peça jurídica, onde o advogado precisa assumir posição e medir o risco de cada afirmação, a falta desses marcadores deixa o texto sem gradação: tudo soa igualmente certo.

O que CNJ e OAB dizem de fato

CNJ. A Recomendação 144/2023 e o Pacto Nacional do Judiciário pela Linguagem Simples trazem compromissos da magistratura: eliminar termos excessivamente formais e dispensáveis, usar linguagem direta e concisa em despachos, decisões, sentenças, votos e acórdãos, evitar jargões, siglas e estrangeirismos e explicar, sempre que possível, o impacto da decisão na vida do cidadão. A Recomendação 154/2024 padroniza a elaboração de ementas. O destinatário formal é o Judiciário. Comentaristas apontam reflexo na advocacia, mas isso é uma leitura de efeito, sem obrigação para o advogado.

Há uma tensão aqui que vale notar. Pedir a um modelo que "explique o impacto na vida da pessoa" é um convite a frases genéricas sobre impacto, que é exatamente o que o art. 489, § 1º, III, condena. Linguagem simples depende de conteúdo concreto; sem ele, a simplificação só troca juridiquês por generalidade.

OAB. As recomendações da OAB não tratam de estilo. A Recomendação 001/2024 do Conselho Federal, aprovada em novembro de 2024, trata de supervisão humana, da proibição de delegar ao sistema atividade privativa da advocacia, dos deveres de veracidade e boa-fé do art. 77 do CPC e da transparência com o cliente. Esses deveres já chegaram aos tribunais: há relato de decisão que reconheceu litigância de má-fé em petições com conteúdo jurídico inverídico gerado por IA.

Resumindo: a régua da OAB é verdade e revisão; a régua de estilo vem do CNJ e do CPC.

Como o Assistente Logenos trata esses problemas

Repare no padrão que atravessa este artigo. O adjetivo no lugar do fato, a paráfrase no lugar da aplicação, o argumento que serviria a qualquer processo e o adversário inventado do "não é X, é Y" têm a mesma origem: o modelo escreveu sem ter o caso. Quando falta o dado, ele preenche o espaço com o que aprendeu a produzir, que é texto fluente.

O Assistente Logenos foi desenhado a partir desse diagnóstico. A maioria das IAs jurídicas começa pela peça: você pede uma contestação e recebe uma contestação, montada sem ter lido a inicial, sem saber o que o perito concluiu e sem ouvir o que o cliente contou. O Assistente começa pelo processo. Veja como isso responde a cada problema descrito acima:

  • Falta de fato → autos lidos por inteiro. Ele busca o processo direto no tribunal e lê os autos completos, inclusive folhas escaneadas. Também ouve horas de áudio e assiste a audiências gravadas. A minuta nasce dos fatos do caso, que é justamente o que falta ao texto genérico.
  • Adjetivo sem prova → a folha de cada afirmação. Cada afirmação aponta para a folha dos autos de onde saiu, ou para o minuto da fala no áudio ou vídeo. Se a violação é flagrante, a folha está ali para mostrar por quê.
  • Tese genérica → estratégia confirmada antes de redigir. Antes de escrever, o Assistente aponta o que muda a estratégia, como a conclusão do laudo ou um ponto da defesa, e confirma com você. O argumento sai amarrado a este processo, o que obriga o julgador a responder no mesmo nível (art. 489, § 1º, IV).
  • Precedente inventado → link para o original. Cada acórdão citado traz o link para a decisão. O Assistente não cita o que não encontrou e diz quando não tem certeza.
  • "Melhore este texto" → edição parágrafo por parágrafo. A minuta abre como documento no editor, e você ajusta um parágrafo por vez com o Assistente, vendo o que mudou, em vez de receber a peça inteira reescrita de uma vez. Depois, exporta em Word ou PDF.
  • Depois do protocolo → o processo continua acompanhado. O Assistente acompanha o caso e explica cada nova movimentação.

O resultado é uma minuta que parte do caso, com fonte em cada ponto, e que libera o advogado para o que importa: estratégia e revisão. A peça continua assinada por você, e é você quem decide o que vai ao juiz, como pede a própria Recomendação 001/2024 da OAB.

Veja o Assistente ler um processo seu. Começar grátis

Teste de bolso para a revisão

Use estas cinco perguntas em qualquer minuta, escrita por IA ou não:

  1. Cada frase traz um fato, um dispositivo, um pedido ou uma consequência? Se não traz nenhum, corte.
  2. O adjetivo ("inequívoco", "flagrante") está ligado a um dado do processo na mesma frase?
  3. Existe algum "não é..., é..." cuja primeira metade ninguém afirmou nos autos?
  4. O pedido aparece em uma única formulação, idêntica em todas as seções?
  5. A frase que fecha o parágrafo diz algo novo ou só resume o que veio antes?

Conclusão

A IA escreve bem no sentido mais estreito: frases corretas, parágrafos organizados, tom confiante. A pesquisa mostra que esse estilo tem marcas próprias, provavelmente reforçadas pela forma como os modelos são ajustados, e o CPC mostra por que essas marcas custam caro numa peça. O caminho mais seguro é dar ao modelo o caso antes de pedir o texto e revisar o resultado com uma pergunta simples em mente: onde está o fato?