Toll: INCEpTION: Plataforma de Anotação Semântica [Base de Conhecimento
A plataforma INCEpTION chegou à versão 41.4 em 18/08/2026, mantida pelo UKP Lab da Universidade Técnica de Darmstadt; a atualização recoloca em pauta uma pergunta que interessa diretamente ao gabinete penal: como se constrói, com rigor metodológico e rastreabilidade, o corpus jurídico anotado que alimenta classificadores e sistemas de recuperação aumentada [RAG] no Judiciário.
O que é?
INCEpTION é uma plataforma de anotação semântica, baseada na web e multiusuário, que combina anotação humana com assistência por meio de aprendizado de máquina. Sucede o WebAnno, projeto anterior da mesma equipe. O mantenedor é o UKP Lab [Ubiquitous Knowledge Processing Lab], da TU Darmstadt, com apoio da Fundação Alemã de Pesquisa [DFG]. O código é aberto, sob Apache License v2.0. A versão mais recente confirmada em consulta ao site oficial nesta data [30/08/2026] é a 41.4, lançada em 18/08/2026; o repositório no GitHub registra, em paralelo, a série 41.x com marcos anteriores como a 41.1. INCEpTION não é um sistema de extração forense de dispositivos, gerenciador de processos judiciais ou produtor de texto; é uma ferramenta de curadoria e anotação de texto, cujo produto [o corpus anotado] serve de insumo a outros sistemas.
Para que serve?
A finalidade central é produzir e gerir dados anotados de qualidade, o insumo que treina e valida modelos de aprendizado de máquina. Em campos afins ao Direito, isso se traduz em usos concretos:
Ligação de entidades [entity linking]: desambiguar menções a tribunais, leis, artigos ou partes, vinculando o texto a uma base de conhecimento.
Construção de corpus [corpus creation]: reunir e importar documentos de repositórios externos para anotação sistemática.
Resolução de correferência entre documentos, útil para rastrear a mesma parte, o mesmo bem jurídico ou o mesmo instituto ao longo de peças distintas.
Modelagem de conhecimento: criação de bases locais [KB] ou conexão, via SPARQL, a bases remotas, como a Wikidata.
Como funciona?
O funcionamento gira em torno do modelo Human-In-The-Loop [HITL]: algoritmos, chamados de recommenders, sugerem anotações; o usuário aceita, rejeita ou corrige; o sistema realimenta o modelo com esse feedback, reduzindo o esforço do anotador ao longo do ciclo. A plataforma admite recommenders externos, expostos como serviços web via HTTP, o que permite acoplar modelos de terceiros sem reescrever a lógica de anotação. O modo Active Learning prioriza o julgamento humano exatamente nos casos em que o modelo está mais incerto [amostragem de incerteza], o que acelera o ganho de qualidade com menos decisões humanas. Para a ligação de entidades, a busca combina autocompletamento contextual com reordenação [re-ranking] e uma sintaxe própria de consulta [CQL, Corpus Query Language], capaz de expandir uma busca conceitual às subclasses e instâncias descendentes na ontologia da KB. Os limites técnicos declarados na documentação e observáveis na arquitetura: a qualidade da ligação de entidades depende da cobertura e da estrutura da KB usada; os recommenders herdam o viés dos dados de treino e das anotações anteriores, o que reproduz erro sistemático se não houver auditoria periódica; a plataforma não valida a correção jurídica ou factual do que é anotado, apenas assiste ao anotador; e, por ser self-hosted em Java, a escala de uso depende de infraestrutura própria, não de um serviço gerenciado pelo fabricante.
Como aplicar na prática do Direito Penal e do Processo Penal?
INCEpTION não extrai prova digital nem substitui perícia; o ponto de contato com a persecução penal está na construção de corpora jurídicos anotados [ementas, decisões, peças, depoimentos transcritos] destinados a treinar classificadores e alimentar sistemas de RAG jurídico usados por gabinetes e tribunais. Essa atividade é, ela própria, tratamento de dados pessoais, e com frequência de dados sensíveis, quando o texto anotado versa sobre saúde, vida sexual, origem étnica ou convicção religiosa da parte ou da vítima [comum em processos de crimes sexuais, violência doméstica e tráfico de drogas, por exemplo]. A Lei 13.709/2018 [LGPD] fixa a categoria com precisão:
Art. 5º, II, da Lei 13.709, de 14/08/2018. "dado pessoal sobre origem racial ou étnica, convicção religiosa, opinião política, filiação a sindicato ou a organização de caráter religioso, filosófico ou político, dado referente à saúde ou à vida sexual, dado genético ou biométrico, quando vinculado a uma pessoa natural"
Qualquer corpus jurídico-penal anotado nessa plataforma que preserve esses atributos, ainda que de forma indireta [pelo texto integral da decisão ou do depoimento], atrai o regime de dado sensível e, em processos sob segredo de justiça, a exigência de anonimização prévia. Soma-se a isso a Resolução CNJ n. 615, de 11/03/2025, que disciplina o uso de inteligência artificial no Poder Judiciário e cujo objeto abrange sistemas de apoio à decisão e de produção de textos, hipótese em que um corpus anotado no INCEpTION pode se inserir como etapa de treinamento ou de avaliação:
Art. 3º, VII, da Resolução CNJ n. 615, de 11/03/2025. fixa como princípio "a supervisão humana efetiva, periódica e adequada no ciclo de vida da inteligência artificial, considerando o grau de risco envolvido".
A mesma resolução veda, no art. 10, I, soluções que não permitam revisão humana ou que gerem dependência absoluta do usuário quanto ao resultado. Transposta para a cadeia de curadoria de um corpus penal, a exigência recai sobre o anotador e o curador do projeto INCEpTION: o critério de anotação [guideline], a versão do recommender usado e o grau de concordância entre anotadores [inter-annotator agreement] precisam ficar documentados e auditáveis, sob pena de o viés do modelo de anotação migrar, sem controle, para o sistema decisório que o corpus vier a treinar. Não há, até esta consulta, jurisprudência brasileira consolidada sobre o uso específico de plataformas de anotação semântica na formação de bases de treinamento para IA judicial; a matéria permanece regida, no plano infralegal, pela resolução citada, ainda em fase inicial de aplicação, o que recomenda cautela na afirmação de que qualquer entendimento é pacífico.
Em termos simples
INCEpTION funciona como um fichário que aprende. Um bibliotecário organiza fichas classificando cada trecho de um livro; a cada ficha que ele preenche, um assistente observa o padrão e passa a sugerir a classificação da ficha seguinte, acertando mais a cada correção que recebe. O produto final não é o livro em si, e sim o conjunto de fichas bem organizadas, pronto para ensinar outro sistema a fazer o mesmo trabalho em escala.
POP — Procedimento Operacional Padrão
Nível 1 — Operação básica
Obter a plataforma: baixar o pacote a partir do repositório oficial no GitHub ou acessar uma instância de demonstração hospedada por instituição parceira.
Instalar e executar o servidor [aplicação Java, executável local ou via contêiner], ou abrir a instância já hospedada.
Criar o projeto e importar o corpus, usando o recurso de construção de corpus para trazer os documentos de origem.
Configurar a camada de anotação [tagset] e ativar os recommenders pertinentes, internos ou externos.
Anotar com apoio do modo Active Learning, priorizando os casos de maior incerteza do modelo.
Exportar o corpus anotado em formato padrão [UIMA CAS, WebAnno TSV ou CoNLL, conforme o destino do dado].
Nível 2 — Uso no Processo Penal
Verificar a legitimidade do acesso ao material de origem: peça sob segredo de justiça exige anonimização prévia ou autorização do juízo antes de entrar no projeto de anotação.
Preservar a fonte original íntegra, com cópia apartada do arquivo antes de qualquer anotação, e registro de proveniência [de onde veio o documento e quando foi coletado].
Registrar o método: guideline de anotação, versão do recommender usado, data e responsável pela curadoria de cada lote.
Gerar e conferir hash dos arquivos de corpus originais e das exportações, para permitir auditoria de integridade posterior.
Documentar a cadeia de curadoria do corpus, da coleta à exportação, sempre que o produto alimentar sistema decisório ou de apoio à decisão, nos termos do art. 3º, VII, e do art. 10, I, da Resolução CNJ n. 615/2025.
Manter log de divergências entre anotadores [inter-annotator agreement] acessível para o contraditório sobre o método de formação do corpus.
Anonimizar dado sensível [LGPD, art. 5º, II] antes de qualquer compartilhamento externo do corpus, sobretudo quando houver uso de recommender externo hospedado fora do controle do Judiciário.
Glossário
Anotação semântica — marcação de um trecho de texto com um rótulo que expressa seu significado ou categoria [classe], em vez de apenas sua forma gramatical.
Corpus — conjunto organizado de textos reunidos para análise ou para o treinamento de um modelo de linguagem.
Entity linking [ligação de entidades] — associação de uma menção no texto [nome, sigla, referência] a uma entrada específica e desambiguada em uma base de conhecimento.
Active Learning — estratégia de aprendizado de máquina que seleciona, para revisão humana, os casos em que o modelo está mais incerto, acelerando o ganho de qualidade.
Recommender — algoritmo que sugere anotações prováveis ao usuário, refinado continuamente com base no feedback recebido.
Human-In-The-Loop [HITL] — modelo de operação em que o humano e o sistema de aprendizado de máquina corrigem e aprimoram um ao outro em ciclo contínuo.
SPARQL — linguagem de consulta usada para interrogar bases de conhecimento estruturadas em grafos, como a Wikidata.
CQL [Corpus Query Language] — sintaxe de busca que permite consultar simultaneamente o texto puro, as anotações e a estrutura hierárquica do vocabulário de uma base de conhecimento.
Inter-annotator agreement — medida do grau de concordância entre anotadores distintos sobre o mesmo trecho de texto, indicador de consistência do critério de anotação.