Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Dia 1: Construa a Base — Ingestão, Pesquisa e Recuperação
Módulo 1: O Cenário do Engenheiro Jurídico
- Objetivos de aprendizado — compreender o papel, onde a IA se encaixa no trabalho jurídico e os dois riscos que permeiam tudo.
- Tópicos
-
- O papel do engenheiro jurídico e por que está sendo contratado agora
- Onde a IA se encaixa: eDiscovery, revisão, contratos, pesquisa e investigações; o modelo EDRM em termos simples
- Construir vs. comprar
- Os dois riscos que permeiam tudo: confidencialidade/privilégio e defensabilidade
Módulo 2: Dados Jurídicos São Desorganizados — Ingestão e Extração
- Objetivos de aprendizado — lidar com a realidade dos dados jurídicos em escala.
- Tópicos
- Mais de 1.400 tipos de arquivos, emails e PST, papel digitalizado, arquivos de carga (.dat/.opt); metadados embutidos relevantes
- Extração de texto (Tika), OCR e desduplicação como uma escolha
- Laboratório: Ingestão no FreeEed — construir um pipeline de ingestão sobre um conjunto de documentos deliberadamente bagunçado (email/PST, digitalizações, arquivos de carga)
Módulo 3: Pesquisa e Recuperação — a Base
- Objetivos de aprendizado — construir a primitiva central de eDiscovery: encontrar qualquer coisa dentro de tudo.
- Tópicos — pesquisa de texto completo e indexação (Solr/Lucene); relevância, filtragem por metadados e data; pesquisa em conteúdo extraído via OCR
- Laboratório: Pesquisa eDiscovery — indexar um corpus e realizar pesquisas reais no estilo eDiscovery, incluindo dentro de digitalizações com OCR
Módulo 4: RAG para Documentos Jurídicos — com Citações
- Objetivos de aprendizado — construir RAG sobre documentos jurídicos que cite suas fontes.
- Tópicos
- Por que recuperação, não ajuste fino (fine-tuning), para material sensível — o modelo nunca "absorve" os documentos
- Chunking (segmentação), embeddings e, acima de tudo, citações / proveniência
- Sumarização multi-documento e por tópicos/linhas de raciocínio
- Laboratório: RAG Jurídico com Citações — construir um Q&A (perguntas e respostas) baseado em RAG sobre um conjunto de documentos que responde com citações das fontes
Dia 2: Torne-o Privado, Defensável e Pronto para Entrega
Módulo 5: Privacidade, Privilégio e Servidor Local — a Armadilha do Privilégio
- Objetivos de aprendizado — manter dados jurídicos locais e ser capaz de certificá-los.
- Tópicos
- Para onde os dados realmente vão ao atingir uma IA em nuvem
- Renúncia ao privilégio, dever de competência e o espectro do "privado" (contratual vs. físico)
- Caso Morgan v. V2X e por que o ambiente local é defensável perante tribunal
- Servindo modelos locais (Ollama / vLLM) e monitorando tráfego de saída (egress)
- Laboratório: Modelo Local + Prova de Egresso — executar um modelo local do início ao fim e provar, com monitoramento, que nenhum dado saiu do ambiente
Módulo 6: Revisão de IA Defensável
- Objetivos de aprendizado — medir e documentar uma revisão de IA para que ela resista a questionamentos.
- Tópicos
- Os números que sustentam no tribunal: recall (revocação), elusion, precisão e validação ground-truth (verdade fundamental); TAR / aprendizado ativo
- Transparência (por que classificou este documento?) e reprodutibilidade — fixar a versão do modelo, definir configurações fixas, registrar tudo
- O "instantâneo defensável do caso" que permite que alguém replique sua revisão um ano depois e obtenha o mesmo resultado
- Laboratório: Revisão Defensável — medir uma revisão de IA contra uma verdade fundamental cega e produzir um pacote de reprodutibilidade
Módulo 7: Entregue — Fluxo de Trabalho, Implantação Privada e Governança
- Objetivos de aprendizado — montar as peças em um fluxo de trabalho, implantá-lo privadamente e avaliá-lo.
- Tópicos
- Um fluxo de trabalho jurídico multifásico (ingestão → pesquisa → sumarização → revisão → produção) com humano no loop
- Fundamentos de implantação privada/on-prem (containerizar; manter os dados dentro do ambiente)
- Governança de IA para o direito em resumo, e avaliação do sistema com SAIS-100 (a Pontuação Segura de IA Elephant Scale)
- Laboratório: Avaliar e Empacotar — conectar um fluxo de trabalho multifásico, avaliá-lo com SAIS-100 e empacotá-lo para implantação privada
Projeto Final (integrado ao Dia 2)
- Construir uma aplicação jurídico-IA privada e defensável do início ao fim — ingerir um corpus desorganizado, pesquisá-lo, responder perguntas sobre ele com citações usando um modelo local, medir uma revisão defensável e empacotá-la para implantação privada.
- Os participantes saem com um projeto de portfólio que representa o trabalho real de um engenheiro jurídico.
Dia 3 Opcional / Módulos Avançados (entregáveis como um 3º dia ou uma série modular)
- Investigações: Entidades, Relacionamentos e Linhas do Tempo — extrair pessoas/organizações/datas, reconstruir linhas de emails, criar cronologias, mapear duplicatas próximas e linhagem de documentos. Laboratório: construir uma linha do tempo e uma visão de entidade/relacionamento.
- Fluxos de Trabalho Jurídicos Agênticos e Multifásicos (aprofundamento) — orquestração mais rica, análise de contratos, síntese multi-documento, uso de ferramentas e guardrails como princípio de design. Laboratório: construir um fluxo de trabalho multifásico com ponto de controle humano.
- Implantação em Escala — implantação on-prem e em appliance, processamento distribuído para grandes volumes, ambientes regulados (CJIS, governo, ensino superior), dimensionamento de hardware. Laboratório: containerizar e escalar um trabalho de processamento entre trabalhadores.
- Aprofundamento em Governança e Conformidade — o cenário de regulação de IA (mais de 100 leis estaduais de IA nos EUA, GDPR/Lei de IA da UE), requisitos de auditoria e uma auditoria completa de governança SAIS-100. Laboratório: auditar um sistema jurídico-IA contra uma lista de verificação de governança/defensabilidade.
Requisitos
- Conforto com Python e APIs básicas
- Útil: familiaridade com LLMs em nível de usuário (nenhum conhecimento prévio de ML é necessário — construímos o modelo mental)
- Nenhum conhecimento jurídico prévio é necessário — os conceitos jurídicos pertinentes são ensinados no contexto
Público-Alvo
- Engenheiros de software/IA migrando para tecnologia jurídica
- Engenheiros de empresas de tecnologia jurídica que precisam de profundidade no domínio jurídico
- Profissionais jurídicos/eDiscovery/governança de informação com perfil técnico, que desejam construir em vez de apenas comprar
- Qualquer pessoa visando a função de "engenheiro jurídico" ou "engenheiro de IA jurídica"
14 Horas
Testemunhos de Clientes (1)
Agora tenho conhecimento sobre a biblioteca Streamlit em Python e, com certeza, vou tentar usá-la para melhorar os aplicativos da minha equipe que são desenvolvidos no R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Máquina Traduzida
