STJ multa advogados por comandos ocultos em petição: os riscos da IA na mineração de dados judiciais

Meta descrição: STJ aplica multa de R$ 20 mil por comandos ocultos em petição. Entenda o que é prompt injection e seus riscos para IA, legaltechs e dados judiciais.

Palavras-chave principais: prompt injection jurídico, inteligência artificial no Judiciário, mineração de dados judiciais, segurança de IA jurídica, dados processuais, legaltech.

O que aconteceu no STJ e por que o caso interessa ao mercado de tecnologia jurídica?

Em 20 de outubro de 2026, o Superior Tribunal de Justiça identificou um novo caso de prompt injection, técnica que consiste em inserir instruções em conteúdos processados por sistemas de inteligência artificial para tentar modificar seu comportamento.

No julgamento do AREsp 3.095.458, a Primeira Turma aplicou multa de R$ 20 mil aos advogados constituídos no processo após a identificação de comandos ocultos em uma petição de recurso especial.

Segundo o STJ, os comandos foram inseridos em diferentes pontos de uma página do documento, inclusive sobre elementos gráficos que dificultavam sua identificação visual.

As instruções buscavam influenciar sistemas de IA para que produzissem uma análise favorável ao recurso apresentado.

O colegiado considerou a conduta atentatória à dignidade da Justiça e determinou a comunicação do episódio à Ordem dos Advogados do Brasil e ao Ministério Público Federal.

O tribunal esclareceu que a tentativa não alterou o resultado do julgamento. STJ

Embora o caso envolva diretamente a utilização de inteligência artificial pelo Judiciário, suas implicações ultrapassam os tribunais.

Afinal, os mesmos documentos judiciais também são utilizados por escritórios de advocacia, departamentos jurídicos, instituições financeiras, seguradoras e empresas especializadas em mineração de dados processuais.

A questão passa a ser: o que acontece quando um documento judicial contém instruções destinadas a interferir nos sistemas que deveriam apenas analisá-lo?

O que é prompt injection?

Prompt injection, ou injeção de comandos, é uma técnica utilizada para tentar alterar o comportamento de sistemas de inteligência artificial por meio de instruções inseridas em conteúdos que esses sistemas recebem ou processam.

Em condições normais, uma ferramenta de IA deveria seguir as instruções legítimas fornecidas pelo usuário ou pela aplicação.

Considere, por exemplo, um sistema desenvolvido para analisar decisões judiciais e identificar informações relevantes, como o valor de uma condenação, a existência de uma penhora ou a ocorrência do trânsito em julgado.

O sistema recebe um documento e deve extrair as informações solicitadas.

Entretanto, esse documento pode conter uma instrução destinada à própria inteligência artificial.

Em vez de apenas apresentar informações jurídicas, o conteúdo tenta determinar como o sistema deve se comportar.

Esse tipo de interferência é conhecido como prompt injection.

A OWASP, organização internacional de referência em segurança de aplicações, classifica essa vulnerabilidade entre os principais riscos dos sistemas baseados em grandes modelos de linguagem.

Segundo a entidade, o problema pode ocorrer mesmo quando as instruções não são visualmente perceptíveis por pessoas, desde que sejam processadas pelo modelo. OWASP Gen AI Security Project

Como os comandos ocultos foram inseridos na petição analisada pelo STJ?

No episódio julgado em 20 de outubro, o STJ identificou camadas de texto ocultadas em diferentes partes de uma página da petição.

Uma das inserções foi realizada sobre uma faixa decorativa do rodapé, utilizando uma cor semelhante à do elemento gráfico.

O conteúdo, portanto, não era facilmente perceptível durante a leitura convencional.

Mas podia ser identificado por meio de procedimentos de extração e análise do texto.

As instruções pretendiam direcionar a interpretação do recurso, incluindo pedidos para que a IA produzisse manifestação favorável ao seu conhecimento e provimento.

Em sua manifestação, um dos advogados alegou que o conteúdo poderia representar um resíduo de uma ferramenta de IA utilizada na elaboração da peça, sem intenção de interferir nos sistemas do tribunal.

O relator, ministro Paulo Sérgio Domingues, considerou que a forma de ocultação e o caráter imperativo das instruções evidenciavam uma tentativa de interferência indevida no processamento automatizado do documento. STJ

O caso evidencia uma característica importante dos documentos digitais.

O texto visualizado por uma pessoa nem sempre corresponde integralmente ao conteúdo que um sistema automatizado consegue extrair e processar.

Essa diferença pode representar um risco quando documentos judiciais são utilizados como fonte de informação para aplicações de inteligência artificial.

Por que documentos judiciais podem representar um risco para sistemas de IA?

Um processo judicial é formado por informações produzidas por diferentes participantes.

Advogados, partes, peritos, auxiliares da Justiça, magistrados e servidores podem produzir documentos que passam a integrar os autos.

Esses materiais possuem naturezas e níveis de confiabilidade diferentes.

Uma petição apresentada por uma das partes, por exemplo, contém alegações e pedidos que não necessariamente foram reconhecidos judicialmente.

Uma sentença apresenta uma decisão, mas pode estar sujeita a recursos.

Um laudo pericial pode conter conclusões técnicas que posteriormente serão questionadas.

Além dessas diferenças jurídicas, existe uma dimensão tecnológica.

Os documentos podem incluir tabelas, imagens, anexos, camadas de texto, elementos gráficos e outros componentes que dificultam a extração automatizada das informações.

Quando essas fontes passam a alimentar sistemas de IA, surge uma questão adicional: o conteúdo processado deve ser tratado como informação a ser analisada, e não como uma autoridade capaz de modificar as instruções do sistema.

A diferença é fundamental.

Uma petição pode legitimamente conter o pedido de uma parte para que determinado recurso seja provido.

O sistema precisa identificar esse pedido como parte do conteúdo jurídico.

Mas não deve obedecer a uma instrução inserida no documento para que ele próprio produza uma resposta favorável.

Essa distinção entre o que o documento informa e o que o documento tenta ordenar à IA é um dos pontos centrais da segurança de sistemas baseados em modelos de linguagem.

Qual é a diferença entre mineração de dados judiciais e análise jurídica por IA?

Embora frequentemente utilizadas em conjunto, mineração de dados processuais e inteligência artificial generativa não são a mesma coisa.

A mineração de dados judiciais envolve atividades como coleta, extração, tratamento, normalização, estruturação e organização de informações provenientes de processos.

Seu objetivo é transformar grandes volumes de documentos e movimentações em dados que possam ser pesquisados, relacionados e analisados.

Já modelos de inteligência artificial podem ser utilizados em etapas específicas desse trabalho, como classificação de documentos, identificação de entidades, interpretação de texto e produção de resumos.

Considere uma decisão judicial que determina o bloqueio de ativos financeiros de uma empresa.

Um processo de mineração pode identificar o número do processo, o tribunal, as partes, a data da decisão e outras informações relevantes.

Uma camada adicional de análise pode interpretar o documento para identificar a natureza da medida, seu valor ou as condições estabelecidas pelo juízo.

Entretanto, se o documento contiver instruções ocultas destinadas a influenciar o modelo, o processamento poderá apresentar riscos adicionais.

Por isso, a confiabilidade de uma solução não depende apenas da capacidade de compreender textos jurídicos.

Também depende de como os documentos são coletados, tratados, classificados, interpretados e validados.

O que o episódio revela sobre a qualidade dos dados processuais?

O caso do STJ evidencia que a qualidade dos dados judiciais não pode ser avaliada apenas pela disponibilidade das informações.

É necessário considerar também sua origem, integridade, contexto e tratamento.

Um documento pode ter sido legitimamente protocolado em um tribunal e, ainda assim, conter informações incorretas, alegações controversas ou instruções destinadas a sistemas automatizados.

Isso não significa que os documentos judiciais sejam, em geral, inseguros ou inadequados para uso tecnológico.

Significa que sistemas responsáveis por processá-los precisam considerar a possibilidade de receber conteúdos não confiáveis.

Essa preocupação se torna particularmente relevante quando a informação extraída será utilizada para orientar decisões financeiras ou comerciais.

Imagine, por exemplo, uma empresa que utiliza dados processuais para identificar oportunidades relacionadas à contratação de seguro garantia.

O sistema procura decisões que determinem bloqueios de ativos financeiros e identifica empresas potencialmente interessadas em alternativas de garantia.

Se uma informação for extraída incorretamente, a empresa pode direcionar sua análise para uma situação inexistente ou interpretar de maneira equivocada o estágio processual.

O mesmo risco existe em aplicações relacionadas à aquisição de créditos judiciais, recuperação de ativos, monitoramento de recuperações judiciais e análise de contencioso.

Em todos esses casos, a precisão da informação é essencial para a qualidade da análise.

Como reduzir os riscos de prompt injection na análise de documentos judiciais?

Não existe uma medida isolada capaz de eliminar completamente os riscos de prompt injection.

A OWASP recomenda uma combinação de controles, incluindo separação entre instruções e conteúdos externos, validação de entradas e saídas, limitação de permissões e supervisão humana em atividades de maior risco. OWASP Gen AI Security Project

No contexto da mineração de dados judiciais, algumas práticas merecem atenção.

1. Separar o conteúdo do documento das instruções do sistema

O texto extraído de um processo deve ser tratado como dado de entrada.

Mesmo quando contém frases com aparência de comando, elas não devem assumir a função de instruções legítimas para a aplicação.

Essa separação precisa ser considerada na arquitetura do sistema, embora, por si só, não garanta proteção absoluta.

2. Identificar inconsistências entre texto visível e texto extraído

Documentos digitais podem conter elementos que dificultam a percepção de determinados trechos.

Mecanismos de análise podem ajudar a identificar diferenças entre o conteúdo visualizado e o texto efetivamente extraído.

Essa verificação é particularmente relevante para documentos com camadas de texto sobrepostas, fontes pouco perceptíveis ou estruturas incomuns.

3. Preservar a origem das informações

Uma informação extraída de um processo deve permanecer associada à sua fonte.

Isso significa preservar, quando possível, referências como número do processo, documento de origem, tribunal, data e localização do trecho utilizado.

Essa rastreabilidade permite verificar posteriormente de onde determinada informação foi obtida.

4. Validar informações relevantes

A interpretação de um documento não deve ser confundida com a confirmação de um fato jurídico.

Um pedido de bloqueio, por exemplo, é diferente de uma decisão que determina o bloqueio.

Uma decisão que determina determinada providência é diferente de sua efetiva execução.

Da mesma forma, o ajuizamento de uma recuperação judicial não equivale ao deferimento de seu processamento.

Essas distinções precisam ser preservadas na estruturação dos dados.

5. Utilizar controles proporcionais ao risco

Aplicações que apenas classificam documentos apresentam riscos diferentes de sistemas capazes de executar operações em outros ambientes.

Quanto maior a autonomia concedida ao sistema, maior a necessidade de controles de permissão, validação e supervisão.

O NIST, instituto norte-americano de padrões e tecnologia, também aborda ataques adversariais contra sistemas de IA e a importância de controles destinados a reduzir seus impactos. NIST

Como a confiabilidade dos dados impacta decisões financeiras?

A importância dessas medidas fica mais evidente quando consideramos as aplicações econômicas das informações judiciais.

Imagine três situações.

Aquisição de créditos judiciais

Um fundo avalia a compra de um crédito decorrente de uma ação judicial.

O valor da operação depende de informações sobre decisões, recursos, cálculos e exigibilidade.

Uma interpretação incorreta do estágio processual pode comprometer as premissas utilizadas para avaliar o ativo.

Seguro garantia judicial

Uma seguradora deseja identificar empresas que enfrentam determinações de bloqueio ou penhora.

O sistema precisa distinguir decisões efetivamente proferidas de pedidos apresentados pelas partes.

Também deve identificar se existem decisões posteriores que modificaram ou suspenderam a medida.

Recuperação judicial

Uma instituição financeira acompanha empresas de sua carteira que ingressaram em recuperação judicial.

A identificação de decisões sobre garantias, essencialidade de bens e aprovação de planos pode influenciar suas análises.

Em todos esses exemplos, existe uma característica comum.

O dado processual não é o resultado final da decisão de negócio.

Ele é um insumo para essa decisão.

Por isso, a qualidade da informação pode ser tão importante quanto sua disponibilidade.

O STJ já havia identificado outros casos de prompt injection?

Sim.

O episódio de 20 de outubro não foi o primeiro caso analisado pelo tribunal.

Em setembro de 2026, o STJ divulgou decisões envolvendo comandos ocultos destinados a influenciar ferramentas de IA.

Em um dos casos, a Segunda Turma aplicou multa por litigância de má-fé correspondente a 10% do valor da causa.

Em outro, a Sexta Turma determinou comunicações à OAB e ao Ministério Público Federal após identificar instruções ocultas em recurso especial.

Os episódios também foram abordados em reportagem especial publicada pelo STJ em 18 de outubro, dedicada às primeiras decisões do tribunal sobre o uso de inteligência artificial. STJ

O conjunto dessas decisões revela que o uso da IA já produz questões jurídicas relacionadas à integridade documental, à boa-fé processual e à confiabilidade de sistemas automatizados.

A inteligência artificial pode continuar sendo utilizada para analisar processos judiciais?

Sim.

Os episódios de prompt injection não significam que a inteligência artificial deva deixar de ser utilizada na análise de processos.

A tecnologia possui aplicações importantes no processamento de grandes volumes documentais e na organização de informações.

A questão está em estabelecer limites, controles e procedimentos de validação compatíveis com a finalidade de cada aplicação.

No próprio Judiciário, a Resolução CNJ nº 615/2025 estabelece diretrizes para o desenvolvimento, a utilização e a governança de soluções de inteligência artificial, com atenção a aspectos como supervisão humana, transparência e auditabilidade.

A resolução é direcionada ao Poder Judiciário e não deve ser confundida com uma regulamentação geral de todas as legaltechs privadas. Ainda assim, apresenta princípios relevantes para a discussão sobre o uso responsável dessas tecnologias. Atos

O futuro da inteligência jurídica depende da confiabilidade dos dados

O episódio recente do STJ demonstra que a transformação digital do sistema de Justiça está criando novas possibilidades e também novas responsabilidades.

À medida que documentos judiciais passam a ser processados por sistemas automatizados, torna-se necessário estabelecer mecanismos que preservem a integridade e a confiabilidade das informações.

Isso é particularmente importante em atividades que dependem da análise de milhares ou milhões de processos.

A mineração de dados judiciais, área de atuação da Invenis, tem como objetivo transformar informações processuais dispersas em dados estruturados e úteis para diferentes aplicações.

Nesse contexto, a capacidade de identificar documentos, compreender sua natureza, preservar sua origem e distinguir fatos processuais de alegações constitui uma parte essencial do trabalho.

A inteligência artificial pode ampliar a capacidade de processamento dessas informações.

Mas a tecnologia precisa ser acompanhada de mecanismos adequados de controle e validação.

A evolução do mercado de inteligência jurídica não dependerá apenas de processar mais documentos em menos tempo. Dependerá também de produzir informações confiáveis, verificáveis e adequadas às decisões que precisam apoiar.

Fontes e referências

Superior Tribunal de Justiça — 20 de outubro de 2026. Decisão sobre comandos ocultos em petição e aplicação de multa de R$ 20 mil no AREsp 3.095.458.

Consultar a notícia oficial do STJ

Superior Tribunal de Justiça — 18 de outubro de 2026. Reportagem especial sobre os primeiros precedentes relacionados ao uso de inteligência artificial no tribunal.

Consultar a reportagem do STJ

OWASP — LLM01:2025 Prompt Injection. Referência técnica sobre vulnerabilidades e estratégias de mitigação em sistemas baseados em grandes modelos de linguagem.

Consultar as recomendações da OWASP

Conselho Nacional de Justiça — Resolução nº 615/2025. Diretrizes para o desenvolvimento, a utilização e a governança de sistemas de inteligência artificial no Poder Judiciário.

Consultar a resolução do CNJ