A Corte Superior de Quebec anulou uma sentença arbitral em um caso envolvendo disputas contratuais no setor de saúde, após constatar que o árbitro único utilizou inteligência artificial (IA) de forma inadequada. A decisão, proferida no caso ARIHQ v. Santé Québec (2026 QCCS 1360), baseou-se na alegação de que o árbitro acolheu o pedido de intempestividade da parte demandante com base em doutrina e jurisprudência que se revelaram inexistentes, geradas artificialmente pela IA.

O Fantasma das Alucinações na Arbitragem

A explosão da inteligência artificial generativa tem levantado preocupações significativas no meio jurídico. Um dos problemas mais recorrentes são as chamadas “alucinações” da IA, onde a máquina inventa precedentes, doutrinas ou referências que não existem, sem a devida revisão humana. No Brasil, o Superior Tribunal de Justiça (STJ) já negou uma liminar em habeas corpus devido a falhas graves atribuídas ao uso de IA (HC 1094270). Paralelamente, o Tribunal de Justiça do Paraná (TJPR) aplicou uma multa milionária a um advogado por citar um precedente inexistente gerado artificialmente (Agravo de Instrumento n. 0108267-74.2025.8.16.0000). Casos semelhantes também foram identificados internacionalmente, como nos Estados Unidos (Mata v. Avianca), Inglaterra, Índia e Canadá.

Limites da Autonomia e Deveres do Árbitro

No caso canadense, a Corte Superior de Quebec fundamentou sua decisão em duas premissas centrais. Primeiramente, a autonomia da vontade das partes, que engloba o direito de esperar que o árbitro escolhido seja o responsável pela tomada de decisão, sem delegação do poder decisório. Em segundo lugar, o dever de confidencialidade imposto ao árbitro pelo Direito de Quebec. A Corte identificou cinco desafios específicos no uso de IA por julgadores: as alucinações, a incompatibilidade do raciocínio estatístico com a discricionariedade humana, os vieses algorítmicos, a falta de confidencialidade dos bancos de dados e o potencial abalo à confiança pública na justiça. É importante ressaltar que a Corte fez questão de esclarecer que não é o mero uso da IA que leva à anulação, mas sim quando a integridade da sentença é materialmente comprometida.

Implicações para o Direito Brasileiro

Transportando a análise para o contexto brasileiro, a confidencialidade, por não ser um dever absoluto na arbitragem nacional e por não estar explicitamente listada no artigo 32 da Lei de Arbitragem (LArb), dificilmente seria um fundamento isolado para anulação. Contudo, a autonomia da vontade das partes encontra maior ressonância. O inciso II do artigo 32 da LArb considera nula a sentença proferida por quem não poderia ser árbitro, reforçando o caráter personalíssimo do julgador. O inciso III exige que a sentença contenha fundamentação própria, onde “os árbitros resolverão as questões”, e o inciso VIII protege o livre convencimento do árbitro. Assim, a delegação integral ou substancial do ato decisório à máquina encontra barreiras claras na legislação brasileira. As alucinações, quando determinantes para o resultado da sentença, podem comprometer sua fundamentação a ponto de justificar a anulação.

Transparência e Controle Humano

A principal lição do caso ARIHQ v. Santé Québec é que o árbitro não pode delegar seu poder decisório à inteligência artificial, nem criar nas partes a impressão de que tal delegação ocorreu. Aquele que ouve, deve ser aquele a decidir. Recomenda-se que partes e árbitros alinhem previamente os limites do uso de IA nos procedimentos arbitrais. Na ausência de acordo, o árbitro deve adotar uma postura de máxima transparência e cautela. Instituições arbitrais, tanto internacionais quanto nacionais, como o Centro de Arbitragem e Mediação Brasil-Canadá (CAM-CCBC) e o Centro Brasileiro de Mediação e Arbitragem (CBMA), já divulgaram orientações sobre o uso de IA. A IA como ferramenta auxiliar é legítima e desejável, mas o controle do processo de julgamento deve permanecer inegociável nas mãos do julgador humano, sob pena de o fantasma da anulação assombrar futuras decisões.

Com reportagem de Brazil Valley

Source · MIT Tech Review Brasil