Questão de Engenharia de Software — Inteligencia Artificial — TJ-PI 2025
Engenharia de SoftwareInteligencia Artificial
- Código
- qg614920
- Banca
- TJ-PI
- Órgão
- TJ-PI
- Ano
- 2025
- Nível
- Superior
- Cargo
- Residente Tecnológico
A equipe de TI do TJPI foi incumbida de desenvolver um sistema de Inteligência Artificial para realizar a triagem e classificação automática de petições iniciais submetidas via PJe. O objetivo é direcionar cada petição para a vara competente (ex: Cível, Família, Fazenda Pública) com a menor latência possível, visando reduzir o tempo de distribuição. A equipe está avaliando duas abordagens principais de Processamento de Linguagem Natural (NLP): uma baseada em TF-IDF com um classificador SVM (Máquina de Vetores de Suporte) e outra baseada em um modelo Transformer pré-treinado para o português, como o BERTimbau, seguido de uma camada de classificação. Considerando os requisitos de um ambiente de produção de alta demanda como o do TJPI, qual das seguintes afirmações representa a análise de trade-offs mais acurada para a escolha da tecnologia?
- AA abordagem com BERTimbau deve ser escolhida incondicionalmente, pois, por ser um modelo de última geração (state-of-the-art), garante maior acurácia, e os custos de infraestrutura com GPUs e a maior latência de inferência são irrelevantes em um contexto de modernização do judiciário.
- BA abordagem com TF-IDF e SVM é preferível, pois sua simplicidade e baixo custo computacional garantem uma latência de inferência mínima, sendo a acurácia um fator secundário, já que qualquer erro de classificação pode ser corrigido manualmente por um servidor.
- CA abordagem com BERTimbau, apesar de potencialmente oferecer maior acurácia devida a sua capacidade de entender o contexto semântico do texto, impõe um custo computacional significativamente maior (requerendo GPUs para inferência em tempo hábil) e maior latência. A escolha ideal depende de um estudo de viabilidade que compare o ganho de acurácia com o impacto no orçamento de infraestrutura e nos requisitos de tempo de resposta do sistema.
- DA melhor estratégia seria combinar as duas abordagens, utilizando o TF-IDF/SVM para uma pré-classificação rápida e, em casos de baixa confiança, acionar o modelo BERTimbau, pois essa arquitetura híbrida elimina completamente a necessidade de GPUs.
- ENenhuma das abordagens de NLP é adequada, pois a classificação de competência jurídica depende de regras de negócio complexas que só podem ser modeladas por um sistema especialista baseado em regras, tornando o aprendizado de máquina inviável para esta tarefa.