Plataforma de Dados AI-Native para Tribunais de Justiça
Três aulas para discutir o que é a plataforma de dados de um tribunal, como ela nasce e evolui com IA, e como o dado sai do sistema de tramitação e chega a quem decide.
Discussão técnica sobre a evolução das arquiteturas de dados e o que muda nos Tribunais de Justiça.
O curso propõe, em três aulas, uma arquitetura de referência para uma plataforma de dados AI-Native para Tribunais de Justiça — construída e operada com IA desde a origem — e coloca em discussão o que a distingue de uma arquitetura de BI. A proposta organiza a arquitetura em seis etapas, da ingestão contínua com captura de mudanças ao lakehouse em bronze, prata e ouro, passando por processamento e orquestração, modelo semântico judicial, qualidade, catálogo e linhagem, até o consumo por painéis, APIs e agentes de IA.
A Aula 1 percorre as seis etapas e os diferenciais técnicos em relação ao BI. A Aula 2 trata dos ativos AI-native que aceleram a construção e a evolução da plataforma. A Aula 3 acompanha casos ponta a ponta, da fonte à camada semântica e à interação direta com a plataforma por IA. Cada aula parte de uma pergunta técnica e termina em debate com os participantes.
O que vamos discutir.
O que distingue uma plataforma de dados de uma arquitetura de BI, e quando cada uma basta para o tribunal.
Uma proposta de arquitetura de dados em seis etapas para tribunais, com suas alternativas, seus limites e o que custa obter cada diferencial técnico.
Como os ativos AI-native — do modelo semântico e das skills ao playbook de regras e à camada agêntica — mudam a forma de construir e evoluir a plataforma.
Casos ponta a ponta, da fonte ao indicador e à interação com a plataforma, para comparar com a realidade de cada tribunal.
Três aulas, da plataforma aos casos.
Plataforma de Dados
O que é uma plataforma de dados, em que ela difere de uma arquitetura de BI, e o que isso muda para o tribunal?
- Plataforma para operação e análise de dados, com leitura histórica e cruzamento de dados de alta volumetria.
- Dado como ativo — com dono, versão e regra de qualidade —, e não como subproduto de um relatório.
- Lakehouse em bronze, prata e ouro como uma das organizações possíveis, e o que cada camada promete a quem consome.
- Onde a distinção entre data warehouse, data lake e lakehouse ajuda e onde só confunde.
- Extração periódica e cubo por relatório contra ingestão contínua e camada semântica compartilhada.
- Regra de negócio presa à ferramenta de visualização contra regra em código, versionada e testada.
- Custo real de cada abordagem — em pessoas, licenças e tempo de resposta a uma pergunta nova.
- Quando o BI tradicional é suficiente e quando deixa de ser.
- Ingestão e captura de mudanças (CDC) direto do banco de tramitação, com os riscos de acoplamento que isso traz.
- Lakehouse em formatos abertos de tabela, processamento distribuído e orquestração de pipelines.
- Modelo semântico judicial, com movimento, situação, fase e indicador sobre a TPU.
- Qualidade, catálogo e linhagem como camada própria ou como atributo transversal.
- Consumo por painéis, APIs e agentes, e onde o acesso por perfil se resolve.
- Ferramentas on-premises e em nuvem para cada camada, e os critérios para escolher.
- Fonte única da verdade, e o que acontece quando dois painéis discordam.
- Regra rastreável em código, do indicador publicado ao campo de origem.
- Segurança por perfil na camada de dados, e não só na tela.
- Reuso por domínio, escala e estabilidade sob carga de reprocessamento.
- Dado pronto para IA na camada semântica — o que isso exige e o que não garante.
Ativos AI-native
Como a plataforma nasce e evolui com IA, e o que já chega pronto?
- IA como acelerador de entrega contra IA como parte do ativo, com contexto versionado junto ao código.
- Teste automatizado do pipeline e revisão humana obrigatória, onde cada um entra.
- Riscos conhecidos: regra alucinada, dependência de fornecedor, código que a equipe não entende.
- Movimento, situação, fase e indicador modelados sobre a TPU, e as escolhas em aberto (nível folha, agrupamentos, legados).
- Conectores para tramitação, sistemas legados e bases externas, e o custo de manter cada um.
- O que um modelo semântico único resolve e o que não resolve entre tribunais diferentes.
- Skill como unidade de trabalho descrita, testada e reutilizável (ingerir fonte nova, criar indicador, publicar painel, reconciliar com o DataJud).
- Como uma skill é escrita, versionada e testada, e quem a aprova.
- Uma lista de skills fundamentais para um tribunal, como ponto de partida para discussão.
- Metas e Justiça em Números como regras executáveis com vigência.
- Verificação a cada carga, e o que fazer quando a regra muda no meio do ano.
- Regra estável e regra volátil: separação e governança.
- Agentes operando sobre skills e sobre o dado governado, não sobre o banco bruto.
- Critérios em disputa: troca de fornecedor sem reescrita, acesso por perfil, custo por consulta, auditabilidade.
- Modelos abertos e proprietários, on-premises e em nuvem — cenários e trade-offs.
- Engenharia de contexto, restrições arquiteturais e gestão de entropia como disciplinas de manutenção.
- Do pedido de um magistrado ao indicador publicado, sem degradar a base.
- Quem decide o que entra, e como medir se a plataforma melhorou ou só cresceu.
Casos Ponta a Ponta
Como o dado sai do sistema de tramitação e chega a quem decide, caso a caso, a partir da plataforma?
- O percurso comum — capa, movimento, peça, tarefa e partes — atravessando bronze, prata e ouro até a camada semântica.
- Critérios para a escolha dos casos, e por que eles não representam todos os tribunais.
- Ingestão contínua e padronização de 1º grau, 2º grau e legados no mesmo modelo.
- Decisões de modelagem que geram debate: o que é movimento, o que conta como baixa, como tratar redistribuição.
- Erros comuns de ingestão e como aparecem no indicador meses depois.
- Um indicador institucional calculado sobre a camada semântica, com regra escrita e versionada.
- Reconciliação com a base oficial antes da apuração — divergências esperadas e como explicá-las.
- Onde a regra oficial é ambígua e a escolha do tribunal precisa ficar documentada.
- Uma pergunta que a estatística oficial não responde, resolvida sobre a mesma base, sem nova extração.
- Do agregado ao processo — drill com acesso por perfil.
- Quando a informação qualificada contradiz o indicador institucional, e o que fazer.
- As formas de chegar ao dado tratado: painel, tabela, API e consulta apoiada por IA.
- Limites da consulta por linguagem natural sobre dado judicial, e como auditá-la.
- Acesso por perfil e rastro de consulta como requisitos, e não como opcionais.
Três encontros, às quintas-feiras.
Online ao vivo, das 10h às 12h (horário de Brasília). Material disponibilizado após cada aula.
Garanta sua vaga.
Preencha o formulário e nossa equipe entrará em contato para confirmar sua inscrição. Vagas limitadas, transmissão restrita aos inscritos.
