Artigo publicado no Quarterly Journal of Economics esclarece que a substituição de funções de tomada de decisão judicial por algoritmos melhoraria resultados aos arguidos, eliminando preconceitos sistêmicos dos juízes como tomadores de decisão fazem escolhas com base em previsões de resultados desconhecidos, já que, em particular, decidem sobre a concessão de fiança aos réus ou sobre como sentenciar condenados sendo que empresas usam cada vez mais modelos no aprendizado de máquina em decisões de alto risco. Suposições sobre comportamento humano subjacentes à implantação dos modelos de aprendizagem nas recomendações de produtos na Amazon, na filtragem de spam de e-mail e previsão de textos no telefone, em que investigadores desenvolveram teste estatístico de uma das suposições comportamentais e, se os decisores cometem erros sistemáticos de previsão, ou, desenvolveram métodos para estimar modos como suas previsões são sistematicamente tendenciosas em análise do sistema pré-julgamento da cidade de Nova Iorque cuja investigação revela que parte dos juízes erra na previsão sobre risco de má conduta pré-julgamento, dadas características do arguido, incluindo raça, idade e comportamento anterior. A pesquisa utilizou informações de juízes da cidade de Nova York designados de forma quase aleatória à casos definidos no tribunal por turno, sendo que o estudo testou se as decisões de libertação refletem crenças precisas sobre o risco do arguido não comparecer ao julgamento baseando-se em informações de 1.460.462 casos da cidade de Nova Iorque dos quais 758.027 sujeitos a decisão de libertação pré-julgamento. O artigo derivou para saber se o tomador de decisão comete erros de previsão e fornece métodos para estimar modos pelos quais as previsões são tendenciosas e, ao analisar decisões de libertação pré-julgamento dos juízes, o jornal estima que 20% cometem erros de previsão sobre o risco de má conduta do arguido, dadas suas características e, motivado por esta análise, o pesquisador estimou efeitos da substituição de juízes por regras de decisão algorítmicas. O jornal concluiu que as decisões de 32% dos juízes são inconsistentes com a capacidade real dos arguidos de pagarem determinado montante de fiança e com o risco real de não comparecerem ao julgamento, sendo que a pesquisa indica que quando a raça e a idade do réu são consideradas, o juiz comete erros de previsão em 30% dos réus que lhe são atribuídos e, quando se considera a raça do réu e se foi acusado de um crime, o juiz comete erros sistemáticos de previsão em 24% dos réus. A substituição de juízes por regra de decisão algorítmica tem efeitos ambíguos dependendo do objetivo do legislador parecendo que a substituição dos juízes por regra de decisão algorítmica levaria a melhorias de até 20% nos resultados dos julgamentos, conforme medido com base na taxa de não comparecimento entre réus libertados e na taxa de prisão preventiva.
Neste conceito, ferramenta que utiliza IA para auxiliar equipes jurídicas dividir contratos jurídicos complexos em elementos mais gerenciáveis facilitando leitura e compreensão de cada parte do documento tornando o processo mais eficiente, emerge a Lawformer, plataforma onde equipes jurídicas constroem cláusulas a partir de contratos existentes, personalização que permite advogados aceder rapidamente às cláusulas que necessitam, adaptadas às necessidades específicas da prática. A Lawformer AI centraliza gestão do conhecimento interno organizando informações em um só lugar e eliminando necessidade de pesquisar documentos e pastas, economizando tempo e esforço, com banco de dados treinado em mais de 1 milhão de documentos, fornecendo vasto repositório de cláusulas, termos e resumos de casos, riqueza de informações que garante ao usuário acesso a ampla variedade de recursos jurídicos, reduzindo tempo gasto na busca de modelos e cláusulas contratuais, permitindo acesso a informações necessárias e otimizando fluxo de trabalho. Padroniza processos de elaboração de contratos através de cláusulas verificadas pelos principais escritórios de advocacia garantindo alta qualidade e consistência na documentação legal, além de incluir biblioteca que abrange acordos, documentos de segurança, acordos de liquidação, transferências e etc, fornecendo aos usuários opções às necessidades contratuais cujo objetivo é permitir ao advogado gastar menos tempo pesquisando e mais tempo em tarefas estratégicas, além da rápida acessibilidade às cláusulas necessárias facilitando redação de documentos e melhoria da produtividade. A padronização das cláusulas garante que documentos jurídicos mantenham qualidade uniforme, reduzindo erros e melhorando consistência, em interface do usuário simples e fácil de usar, permitindo criar e gerenciar bibliotecas de cláusulas pessoais sem complicações com atualização regular em novas cláusulas, além de resumos de casos.
Moral da Nota: a neurociência busca explicar por que a votação é motivada pela emoção, caso do eleitorado britânico mais volátil que nos últimos anos registaram o maior número de eleitores mudando de partido na história moderna, caso das pesquisas atuais, sendo que a compreensão do que acontece no cérebro na tomada de decisão auxilia compreender por que razão determinadas mensagens políticas atraem e por que podem decidir mudança de partido, com cientistas políticos falando em volatilidade de Pedersen, batizada em homenagem ao dinamarquês Mogens N. Pedersen com a existência de equação matemática proibitiva para isto, mas equivalente à “mudança líquida no sistema partidário eleitoral resultante de transferências individuais de votos”, quer dizer, a volatilidade é o número de pessoas que mudam de partido em uma eleição e, no final da década de 1960 na Grã-Bretanha, o índice Pedersen situava-se em 10%, agora próximo dos 40%, relacionado ao uso das redes sociais e sua influência nos resultados eleitorais. Estudo do professor Hanspeter Kreisi, especialista eleitoral suíço, relata que "um fluxo constante de argumentos e sugestões de votação permitem que eleitores façam escolhas esclarecidas que estejam de acordo com suas preferências", concluindo que, embora os políticos publiquem mais nas redes sociais nas campanhas eleitorais, no geral o número de publicações com conteúdo político é inferior e não superior, daí, o desenvolvimento que somos capazes de utilizar métodos de neurociência social para compreender o comportamento eleitoral. A neurociência permitiu identificar as partes do cérebro ativadas quando vemos anúncios políticos com resultados mostrando que a maioria das pessoas é movida pelo medo e emoção e não por argumentos racionais nas campanhas eleitorais, na prática, significa que os eleitores são mais suscetíveis a mensagens que enfatizam o negativo em vez do positivo, sendo que pesquisadores descobriram que imagens e declarações negativas sobre produtos levaram ao aumento da atividade no córtex pré-frontal dorsolateral, associado à tomada de decisões. Informações negativas sobre uma marca de refrigerante aumentaram a probabilidade dos participantes comprarem a marca concorrente, no entanto, quando a experiência foi repetida com partidos políticos em vez de refrigerantes, o efeito negativo foi 3 vezes maior, mostrando que a publicidade política negativa funciona e agora temos exames de ressonância magnética funcional para provar isso. Aqueles que elaboram slogans eleitorais estão produzindo mensagens que acionam partes do cérebro associadas à vingança e à raiva reprimida, incluindo o chamado córtex cingulado anterior, ou, ACC, nas profundezas do cérebro, com o detalhe que os mais velhos tendem votar em maior número, sendo particularmente interessantes porque, à medida que envelhecemos, ficamos mais propensos a ativar o chamado córtex pré-frontal dorsolateral, área do cérebro associada à cautela. Outra linha de investigação acadêmica sobre a razão pela qual eleitores mudam de ideia relaciona-se ao conhecimento que, desde a década de 1970, os eleitores têm sido mais propensos basear decisões no desempenho macroeconômico, assim, os partidos políticos que presidiram crises financeiras significativas são responsabilizados, o que explica porque os Conservadores perderam em 1992 e os Trabalhistas perderam primeiro em 1979, sendo que os eleitores até mudam de ideia com base no desempenho econômico recente, mesmo que a recessão econômica esteja fora do controle do governo, caso do primeiro-ministro conservador Edward Heath que perdeu o poder pós crise do petróleo de 1973.