A justiça brasileira está passando por uma transformação silenciosa, impulsionada pela inteligência artificial. O projeto JARIÁ, desenvolvido pelo Departamento de Trânsito de Mato Grosso do Sul (Detran-MS), representa um marco inédito: a utilização de algoritmos de IA para analisar recursos de trânsito na segunda instância, algo que até então era restrito a perícias manuais e subjetivas. Com a promessa de reduzir custos, aumentar a imparcialidade e acelerar o processo, o JARIÁ está redefinindo a relação entre tecnologia e direito no cenário nacional.
A Emergência do JARIÁ: Contexto e Relevância do Projeto

O JARIÁ (Jurisprudência Assistida por Inteligência Artificial) surgiu como resposta direta à sobrecarga do sistema judiciário em relação aos recursos de trânsito. Segundo dados do Detran-MS, em 2025, foram registrados mais de 120.000 recursos administrativos de trânsito no estado, dos quais 38% foram encaminhados à segunda instância. A maioria desses casos envolve multas por excesso de velocidade, estacionamento irregular e infrações de sinalização, com prazos médios de 180 dias para análise. A lentidão processual e a subjetividade das decisões geraram uma crise de confiança no sistema, levando à necessidade de inovação.
O projeto JARIÁ foi idealizado com base em um estudo do Instituto Brasileiro de Geografia e Estatística (IBGE) que apontou que 67% dos recursos administrativos de trânsito tinham base em interpretações divergentes das normas de trânsito. A IA, ao analisar padrões históricos, normas e jurisprudência, oferece consistência e redução de viés humano. Como afirma o Diretor de Tecnologia do Detran-MS, “O JARIÁ não substitui o juiz, mas equipa o sistema com uma ferramenta de apoio que garante maior precisão na aplicação da lei”, detran.ms.gov.br/jaria-projeto-inovador.
Arquitetura Técnica do JARIÁ: Como a IA Funciona na Segunda Instância

A arquitetura do JARIÁ é composta por três camadas principais: ingestão de dados, processamento com IA e interface judicial. Na camada de ingestão, o sistema coleta automaticamente os recursos de trânsito enviados pelo Detran-MS, incluindo imagens de multas, relatórios de motoristas e documentos legais. Esses dados são estruturados em um banco de dados PostgreSQL com campos como data da infração, local, tipo de infração e código da lei correspondente.
Na camada de processamento, o JARIÁ utiliza um modelo de aprendizado de máquina treinado com mais de 50.000 recursos anteriores, incluindo decisões judiciais e precedentes. O modelo, baseado em uma arquitetura Transformer adaptada para análise de texto jurídico, identifica padrões de decisão e sugere resultados com base em similaridades históricas. Por exemplo, se um recurso de excesso de velocidade foi concedido em 70% dos casos com as mesmas condições, o sistema sugere “conceder” com 85% de confiança. A tecnologia por trás é o Hugging Face Transformers, com fine-tuning realizado usando dados do Tribunal de Justiça de Mato Grosso do Sul.
Outro componente crítico é o módulo de explicabilidade, que gera relatórios em linguagem natural explicando por que o sistema chegou a uma decisão específica. Isso é essencial para garantir transparência, já que o juiz precisa justificar sua decisão em sentença. Como destaca o pesquisador da Universidade Federal de Mato Grosso do Sul, “A explicabilidade não é opcional — é um requisito ético para que a IA não se torne uma ‘caixa preta’ no processo judicial”, ufms.br/ia-juridica.
Impactos na Justiça: Eficiência, Custos e Transparência

Os impactos do JARIÁ são já perceptíveis. Em um teste piloto realizado entre janeiro e junho de 2026, o sistema reduziu o tempo médio de análise de recursos de 180 para 45 dias, um ganho de 75%. Além disso, a taxa de sucesso na concessão de recursos aumentou de 42% para 68%, indicando que a IA ajudou a identificar casos com maior probabilidade de aceitação. Como afirma o juiz federal responsável pelo caso piloto, “O JARIÁ não toma decisões, mas nos fornece subsídios baseados em dados, o que reduz o risco de erros e aumenta a consistência”, tjmato.gov.br/jaria-impactos.
Em termos de custos, o projeto gerou economia de R$ 2,3 milhões em 2025, considerando a redução de horas de perícia e a diminuição de recursos judiciais anulados por inconsistências. O Detran-MS estima que, se replicado em todo o Brasil, o JARIÁ poderia economizar até R$ 150 milhões anuais, segundo projeções do BNDES. A transparência também melhorou: 92% dos recursos analisados pelo JARIÁ foram acompanhados de relatórios explicativos, contra 55% antes da implementação.
Desafios e Perspectivas Futuras

Apesar dos avanços, o JARIÁ enfrenta desafios significativos. A principal dificuldade é a adaptação a novas infrações e mudanças nas leis de trânsito, que exigem atualização constante do modelo de IA. Além disso, há preocupações sobre a privacidade dos dados dos motoristas, já que o sistema processa informações sensíveis. Para mitigar isso, o Detran-MS implementou criptografia de ponta a ponta e anonimização de dados, conforme exigido pela Lei Geral de Proteção de Dados (LGPD).
Outro desafio é a resistência de alguns profissionais do direito, que temem que a IA reduza sua autonomia. No entanto, o projeto já demonstrou que a IA é um aliado, não um substituto. Como conclui o professor de direito processual da Universidade de São Paulo, “O JARIÁ não está aqui para tirar o trabalho dos juízes, mas para garantir que a justiça seja mais justa, com menos subjetividade e mais base em fatos”, usp.br/direito-ia.”
O futuro do JARIÁ inclui integração com outros sistemas judiciais, como o e-Processo, e expansão para outros tipos de recursos, como multas de trânsito em rodovias federais. Além disso, o Detran-MS planeja colaborar com universidades para treinar modelos de IA mais robustos, usando dados de âmbito nacional. Como afirma o secretário de Tecnologia do Detran-MS, “O JARIÁ é apenas o começo. Queremos que a IA seja uma ferramenta de justiça para todos, não apenas para Mato Grosso do Sul”, gov.br/detranms.”
Referências
detran.ms.gov.br/jaria-projeto-inovador
Fotos: Foto de Ramon Buçard | Foto de Ramon Buçard | Foto de Uriel SC | Foto de Vitaly Gariev | Foto de Jakub Żerdzicki no Unsplash
