Painel feminicídio: aplicação web para acompanhamento, análise e validação de dados extraídos de documentos jurídicos

Abstract

O acompanhamento institucional de casos de feminicídio pelo Ministério Público de Santa Catarina (MPSC) depende de informações dispersas em documentos jurídicos não estruturados, cuja extração manual é pouco escalável. Para automatizar essa etapa, modelos de inteligência artificial foram desenvolvidos para converter textos jurídicos em dados estruturados. Contudo, por subsidiarem decisões de alto impacto na segurança pública, a utilização dessas saídas automatizadas exige mecanismos rigorosos de auditoria, transparência e validação humana. Para atender a esses requisitos, este trabalho apresenta o desenvolvimento do Painel Feminicídio, uma aplicação web orientada ao acompanhamento analítico e à curadoria rastreável de dados extraídos por IA. A arquitetura foi projetada para garantir a confiabilidade da informação por meio de dois pilares centrais: a explicitação contínua do grau de incerteza do modelo e a preservação do dado original no fluxo de validação. A transparência é incorporada diretamente na experiência de uso através da exibição de métricas de confiabilidade. Em vez de apresentar saídas numéricas como verdades absolutas, a interface associa a acurácia do modelo a cada atributo apresentado, indicando a precisão da extração diretamente nos pontos de leitura (como campos de formulários, tabelas e visualizações agregadas) e em um painel global de auditabilidade. Isso permite aos analistas interpretar os indicadores não como dados exatos absolutos, mas como estimativas com margem de qualidade conhecida. O processo de curadoria adota o paradigma human-on-the-loop, no qual o especialista valida ou corrige as inferências da IA sem interromper a esteira automatizada de extração. Na interface de validação, o documento fonte é apresentado lado a lado ao formulário de conferência, estabelecendo vinculação direta entre o atributo extraído e sua evidência documental. As correções feitas pelos usuários são persistidas em estruturas de dados paralelas às das extrações automatizadas, preservando o dado bruto da IA. Essa decisão arquitetural garante a auditabilidade histórica das intervenções humanas, permite medir a evolução da acurácia dos modelos e viabiliza a geração de conjuntos de dados validados. Além disso, a aplicação reúne funcionalidades de consulta filtrada e dashboards analíticos.