Resumen de PREVE_pet - Automatização da Classificação de Textos Jurídicos: Desenvolvimento de um Sistema Baseado em Modelos de Inteligência Artificial para a PGFN

Bruno Justino Garcia Praciano, Fábio L. de Mendonça, Thiago Leite de Sousa, Flávio Garcia Praciano, Geraldo P. Rocha Filho, Laerte Peota de Melo

• English

  The increasing demand for efficiency in document management at Brazil’s Office of the Attorney General of the National Treasury (PGFN) underscores the challenges posed by the high volume of complex legal texts.

  Manual classification is time-intensive, error-prone, and lacks scalability. This study presents PREVE_pet, an automated legal document classification system built upon advanced natural language processing models, including BERT and LLAMA. The system performs preprocessing, vectorization, categorization, and generates legal summaries with a high degree of accuracy. Security guidelines from the Open Worldwide Application Security Project (OWASP) were implemented to address potential risks in AI models, such as data leakage and adversarial attacks.

  Experimental results demonstrate that PREVE_pet achieves classification accuracy exceeding 90%, significantly reducing human error and processing time. These findings suggest that PREVE_pet is an effective, secure, and scalable solution for automating workflows in legal document management.

• português

  A crescente demanda por eficiência na gestão documental da Procuradoria-Geral da Fazenda Nacional (PGFN) evidencia os desafios impostos pelo grande volume de textos jurídicos complexos. A classificação manual é demorada, propensa a erros e difícil de escalar. Para enfrentar esse cenário, propõe-se o PREVE_pet, sistema automatizado de classificação jurídica baseado em modelos de linguagem natural, como BERT e LLAMA. A solução realiza préprocessamento, vetorização, categorização e geração de resumos jurídicos com alta precisão. Foram aplicadas diretrizes do Open Worldwide Application Security Project (OWASP) para mitigar riscos de segurança em modelos de IA, como vazamento de dados e ataques adversariais. O PREVE_pet obteve acurácia superior a 90% na classificação de matérias, reduzindo erros humanos e tempo de análise.

  Os resultados indicam que o sistema é eficaz, seguro e escalável para a automação de fluxos documentais jurídicos.