Uma frase atribuída ao programador George Fuechsel, da IBM, no fim dos anos 1950, tornou-se mantra na minha atuação como gestora — e deveria ser diretriz para qualquer profissional que utiliza Inteligência Artificial: “garbage in, garbage out” (GIGO). Em tradução livre: se alimentarmos um sistema com dados incorretos, imprecisos ou desestruturados, os resultados serão falhos. A qualidade da saída depende diretamente da qualidade da entrada.
O princípio nunca foi tão relevante — nem tão traiçoeiro. Durante décadas, convivemos com softwares que, diante de informação errada, falhavam de forma relativamente previsível. A IA generativa opera de outro modo: produz respostas bem estruturadas e convincentes mesmo quando fundamentadas em dados equivocados ou em alucinações — e, treinada para agradar o usuário, chega a inventar jurisprudência e lei com aparência de autoridade. Por isso, minha tese, construída na experiência de gestão jurídica, é direta: antes de contratar ou desenvolver uma IA, o departamento jurídico precisa enfrentar um problema menos glamouroso, que vem sendo negligenciado: a qualidade e a governança dos próprios dados. A tecnologia vem, e deve vir, na sequência.
O problema raramente está na ferramenta. A IA potencializa aquilo que recebe: se a base for confiável e estruturada, os resultados tendem a ser valiosos; se a informação for incompleta, desorganizada ou incorreta, a tecnologia amplifica as deficiências. E os dados que produzem os erros de análise muitas vezes não vêm de fora — vêm da própria base de contratos, processos e documentos dos escritórios e dos departamentos jurídicos.
Essa preocupação deixou de ser intuição de gestor para virar norma técnica e agenda de pesquisa. Desde 2024, a ISO, organização internacional de normalização, publica a série ISO/IEC 5259, dedicada especificamente à qualidade dos dados que alimentam ferramentas de IA e seus processos de aprendizado de máquina — um reconhecimento formal de que a fonte do dado é um risco a ser governado. Na mesma direção, a Data Provenance Initiative, iniciativa liderada por pesquisadores do MIT com juristas e cientistas de outras instituições, auditou mais de 1.800 bases usadas para treinar modelos de linguagem e encontrou, segundo artigo publicado na Nature Machine Intelligence em 2024, licenças omitidas ou incorretas na maioria delas — exatamente o tipo de fragilidade que gera risco legal, viés indevido e modelos de qualidade inferior.
O custo é mensurável. A consultoria Gartner estimou, em pesquisa de 2020, que dados de baixa qualidade custam às organizações, em média, US$ 12,9 milhões por ano. Levantamento mais recente do IBM Institute for Business Value, divulgado em novembro de 2025, mostra que 43% dos diretores de operações apontam a qualidade dos dados como sua principal prioridade — e que quase metade dos líderes vê a acurácia dos dados como a principal barreira para escalar a IA. A definição adotada pela IBM ajuda a dimensionar o problema: dados de baixa qualidade são aqueles que não atendem aos requisitos de uma operação de negócios específica. Ou seja, o dado precisa servir à finalidade do usuário — sob risco de desviar a decisão estratégica.
No Direito, a conta já está sendo apresentada nos tribunais. O caso inaugural é de 2023: a Justiça Federal de Nova York multou dois advogados e seus escritórios por citarem, em petição, precedentes inventados por uma ferramenta de IA (Mata v. Avianca, decisão de junho de 2023). O fenômeno chegou ao Brasil. Em fevereiro de 2025, o Tribunal de Justiça de Santa Catarina aplicou multa de 10% sobre o valor da causa a um recorrente que citou jurisprudência e doutrina inexistentes — o advogado alegou “uso inadvertido” do ChatGPT — e mandou comunicar o caso à OAB. Em março de 2026, o Tribunal Superior do Trabalho multou empresa e advogado por precedentes falsos em contrarrazões e determinou ofícios à OAB e ao Ministério Público Federal, registrando que a responsabilidade pela verificação das informações permanece integralmente com o advogado. É o ponto que não muda com a tecnologia: o advogado continua sendo o autor do resultado que assina.
Cabe aqui um parêntese sobre o usuário menos experiente. O ponto central não é a familiaridade com a ferramenta, e sim o domínio técnico da matéria de direito. Fiar-se exclusivamente no que a IA devolve, sem o crivo técnico-jurídico, gera interpretações e conclusões equivocadas — principalmente quando a resposta se apoia em bases imprecisas ou incorretas.
Qual é o outro lado? Há quem objete que exigir a base perfeita antes de qualquer projeto de IA é receita para a paralisia: dados jurídicos nunca estarão impecáveis, e boa parte do valor das ferramentas atuais está justamente em ajudar a organizar acervos caóticos. A objeção tem mérito — governança de dados não é perfeição, é processo. Mas ela não inverte a ordem dos fatores: um piloto de IA sobre um recorte curado de dados, com responsável formal pela qualidade da informação, é muito diferente de despejar um acervo desorganizado numa ferramenta e confiar no resultado. O primeiro aprende; o segundo amplifica o erro em escala.
O regulador brasileiro, aliás, já cobra essa lição de si mesmo. A Resolução 615 do CNJ, de março de 2025, condicionou o uso de IA no Judiciário a requisitos de governança, auditabilidade e supervisão humana — e a LGPD, desde a origem, elevou a qualidade dos dados à condição de princípio do tratamento. O recado institucional é o mesmo do GIGO: não há sistema confiável sobre base ruim.
Na prática, duas perguntas ajudam a medir a maturidade de uma operação jurídica: os dados estão organizados, classificados e são confiáveis? Existe um responsável formal pela governança e pela qualidade dessa informação? Na minha experiência como gestora, equipes que respondem “sim” já estão um passo à frente. Projetos bem-sucedidos de IA no jurídico começam por governança da informação, curadoria de conteúdo, classificação documental e gestão do conhecimento.
Nada disso desdiz a importância da IA — ao contrário. O que sabemos é que ela herda e amplifica os defeitos das bases que a alimentam; o que não sabemos é quanto tempo os departamentos jurídicos levarão para tratar seus dados com a mesma seriedade com que tratam suas teses; e o que está sendo exagerado é a promessa de que a ferramenta, sozinha, resolve a desordem que encontra. No Direito, o GIGO ganha contornos próprios: a Inteligência Artificial será tão confiável quanto a informação que a sustenta. Primeiro os dados. Depois, a tecnologia.
André Carvalhal
