Como a Alfaneo reduz processos judiciais de horas a minutos com Amazon Bedrock

Por Daniel Abib, Arquiteto de Soluções Sênior e Especialista em Amazon Bedrock na AWS; Charles Viegas, CEO e Co-Fundador da Alfaneo; e Renato Ishii, Co-Fundador e Head de Pesquisa, Desenvolvimento e Inovação (PD&I) da Alfaneo.

Automatizar processos judiciais em escala é o desafio que a Alfaneo resolve com o Amazon Bedrock e o Amazon Bedrock AgentCore. A startup brasileira foi fundada em 2019 com o propósito de democratizar o acesso à Inteligência Artificial no mercado jurídico, e identificou um desafio crítico no contencioso de massa: grandes empresas como bancos e concessionárias de energia lidam com centenas de milhares de processos simultâneos, algumas chegando a mais de 1.000.000 de ações ativas, o que torna humanamente extremamente difícil de gerenciar o volume de movimentações, prazos e defesas com a qualidade e velocidade exigidas pelo Judiciário.

A principal solução da empresa é o Alfaneo Legal AI, uma plataforma de IA multiagentes construída sobre o Amazon Bedrock e desenvolvida 100% na AWS. A plataforma automatiza a geração de contestações judiciais por meio de agentes especializados que analisam os autos do processo, identificam questões preliminares, verificam a validade de documentos e procurações, cruzam provas documentais e de áudio, e geram peças de defesa completas e personalizadas, reduzindo em mais de 50% o tempo operacional dos escritórios de advocacia de massa.

Nesta publicação, explicamos como a Alfaneo está utilizando o Amazon Bedrock e o Amazon Bedrock AgentCore para automatizar o contencioso de massa, detectar fraudes processuais de alto valor e construir um Sistema Operacional de IA para o Direito no Brasil.

O desafio: gerenciar milhares de processos judiciais em tempo real

No Brasil, o volume de processos judiciais é um dos maiores do mundo. Segundo dados do Conselho Nacional de Justiça (CNJ), grandes empresas enfrentam um desafio único: o contencioso de massa. Uma única instituição financeira pode ter 1 milhão de processos ativos simultaneamente, cada um exigindo monitoramento constante de citações, audiências, decisões judiciais de bens e defesas.

“O grande desafio do contencioso de massa é que você não pode perder prazo. Se você perde o prazo de contestação, entra em revelia, e isso significa que você aceita o pedido do autor. Então você sofre bloqueios judiciais de bens ou  danos reputacionais”, explica Charles Viegas, CEO e co-fundador da Alfaneo. “Empresas têm que ter advogados em cada cidade do país para representação em audiências. Decisões liminares exigem execução em 24 horas sob risco de multas diárias. É um caos operacional.”

Antes da Alfaneo, esse processo era inteiramente manual. Um advogado precisava:

1. Baixar a cópia integral do processo (PDFs com centenas de páginas).
2. Ler petição inicial, comprovantes, procurações e evidências.
3. Buscar provas documentais nos sistemas internos da empresa (contratos, gravações de atendimento, faturas).
4. Identificar preliminares processuais (vícios, decadências, erros de comarca).
5. Analisar mérito do caso e construir argumentação.
6. Redigir contestação completa em linguagem jurídica.
7. Protocolar no prazo legal.

Com volume de milhares de processos mensais, os escritórios de advocacia de massa gastavam mais tempo executando tarefas repetitivas do que desenvolvendo estratégias jurídicas de alto valor.

Além disso, havia um problema silencioso custando bilhões: fraudes processuais. Segundo Diagnóstico sobre o Enfrentamento da Litigância Abusiva no Poder Judiciário,   O CNJ estimou em 2024 que litigância abusiva e fraudes processuais representam 10 bilhões de reais anuais em perdas para empresas e o sistema judiciário. Procurações falsas, documentos adulterados e processos movidos sem conhecimento da parte ré são mais comuns do que se imagina, mas muito difíceis de detectar manualmente em meio ao volume massivo de processos.

A solução: arquitetura multiagente com Amazon Bedrock AgentCore

Para resolver esse desafio, a Alfaneo desenvolveu uma solução de IA generativa baseada em uma arquitetura multiagente utilizando Amazon Bedrock AgentCore. A arquitetura foi projetada para processar cada defesa como um checklist de até 150 perguntas paralelas, cada uma respondida por agentes especializados com acesso a ferramentas externas e sistemas de RAG (do inglês – Geração Aumentada por Recuperação) híbrido.

Arquitetura da solução

A solução Alfaneo Legal AI é composta pelos seguintes componentes:

1. Recebimento e análise dos autos

O processo começa com o download da cópia integral do processo judicial dos tribunais brasileiros. A Alfaneo desenvolveu integrações com os diversos sistemas estaduais (um desafio em si, pois cada tribunal possui sistema próprio):

• Segmentação: quebra do documento único em documentos individuais (petição inicial, comprovantes, procurações, documentos de identificação, evidências, etc.)
• Classificação: identificação automática do tipo de cada documento usando modelos de visão e linguagem
• Indexação: documentos são indexados em um sistema híbrido de RAG (Retrieval-Augmented Generation, ou geração aumentada por recuperação)

2. Sistema de RAG Híbrido

A Alfaneo utiliza uma abordagem de RAG que combina:

• Busca vetorial: representações vetoriais (embeddings) para capturar semântica e contexto
• Busca por text : busca por palavras-chave para localizar trechos específicos

“No contexto jurídico, palavras-chave funcionam muito bem. Se você está procurando ‘perda de um direito por inércia dentro do prazo legal (decadência)’, ‘existência de processo idêntico já em curso (litispendência)’ ou ‘prescrição’, a busca exata é extremamente eficaz para localizar argumentos específicos”, explica Renato Ishii, Co-Fundador e Head de PD&I da Alfaneo.

3. Coleta automática de subsídios

Paralelamente à análise dos autos, a plataforma:

• Captura documentos dos sistemas internos do cliente (Sistemas de gestão empresarial ERPs, sistemas de gestão de relacionamento com clientes CRMs e sistemas de cobranças).
• Classifica e decodifica provas (incluindo arquivos de áudio de atendimento ao consumidor).
• Cruza informações entre processo e base de dados da empresa.
• Indexa tudo no mesmo sistema de RAG.

4. Checklist de 150 perguntas processado por agentes paralelos

Este é o núcleo da inovação da Alfaneo. Em vez de processar o caso sequencialmente, a plataforma gera um checklist estruturado com até 150 perguntas que precisam ser respondidas para construir uma defesa completa. Exemplos:

• “Existe procuração válida dos advogados do autor?”
• “A ação foi proposta na comarca correta?”
• “Há decadência do direito reclamado?”
• “O autor comprovou vínculo contratual com a ré?”
• “Existem gravações de atendimento que comprovam a defesa?”
• “Há indícios de falsificação documental?”

Cada pergunta é processada em paralelo por uma arquitetura multiagente construída com Amazon Bedrock AgentCore.

Arquitetura Multiagente

Cada pergunta passa pelo seguinte fluxo de agentes especializados:

• Planejamento: define a estratégia para responder à pergunta específica.
• Busca: executa consultas no sistema de RAG (autos + subsídios).
• Resposta: formula resposta estruturada com base nos trechos recuperados.
• Revisão: valida formato, qualidade e completude da resposta; decide se é necessária nova busca.
• Enriquecimento: acessa sistemas externos quando necessário, como consulta à Ordem dos Advogados do Brasil (OAB) para validação de registro ativo de advogado, consulta à Agência Nacional de Aviação Civil (ANAC) para validação de cancelamento de voo por condições meteorológicas (setor aéreo), verificação de óbito para validação de legitimidade processual e sistemas internos do cliente (contratos, pagamentos, histórico de interações).

Todos os agentes compartilham uma memória do contexto do processo, permitindo que respostas de perguntas paralelas informem umas às outras sem criar dependências sequenciais.

A arquitetura é construída sobre o Amazon Bedrock AgentCore, que fornece uma plataforma gerenciada para criar, orquestrar e escalar os agentes de IA, além do acesso aos modelos de linguagem via Amazon Bedrock.

Detecção de fraude com IA multimodal

Em paralelo ao módulo de contestação, a Alfaneo desenvolveu um módulo de detecção de fraude que analisa automaticamente todos os documentos anexados ao processo:

Tipos de fraude detectadas:

• Falsificação de comprovantes de residência (troca de nome/endereço).
• Procurações falsas.
• Colagem de assinaturas de outros documentos.
• Uso incorreto de assinaturas digitais/manuais.
• Processos movidos sem conhecimento da pessoa (documentos fabricados).

O módulo utiliza modelos multimodais do Amazon Bedrock para análise visual de documentos, cruzamento com bases de dados e identificação de inconsistências que seriam complexos de detectar manualmente em meio ao volume massivo de processos.

“Processos movidos com documentos fraudulentos são mais comuns do que se imagina. Advogados mal-intencionados fabricam procurações e movem ações em nome de pessoas que nem sabem que estão sendo representadas. Nosso módulo de fraude detecta essas irregularidades automaticamente e gera relatórios que são anexados à defesa”, destaca Charles.

Figura 1 – Diagrama alto nível da solução

Tecnologias AWS utilizadas

Amazon Bedrock AgentCore: o coração da arquitetura

A escolha do Amazon Bedrock AgentCore foi determinante para o sucesso da Alfaneo. O AgentCore é uma plataforma gerenciada da AWS que permite criar, orquestrar e escalar arquiteturas multiagente sem a necessidade de provisionar ou gerenciar infraestrutura complexa.

“A gente pensou exatamente no Bedrock, no AgentCore. A gente já usava Bedrock, e o AgentCore foi fundamental justamente para ter esse contexto de agentes capazes de fazer análise paralela, né? No ambiente ali serverless”, explica Charles.

Por que o AgentCore foi crítico para a Alfaneo:

1. Escalabilidade automática

A Alfaneo precisava processar até 150 perguntas em paralelo por cada defesa. O Amazon Bedrock AgentCore foi projetado para operar na escala da AWS, a mesma infraestrutura global que sustenta milhões de aplicações ao redor do mundo, oferecendo escalabilidade automática e elástica sob demanda, sem a necessidade de provisionar, configurar ou gerenciar servidores ou infraestrutura.

“A escalabilidade foi fundamental. Precisávamos processar 150 perguntas por defesa, e o AgentCore nos deu exatamente isso. A gente tinha já uma experiência boa com Lambda e gostava muito porque ajudava a gente a escalar. Quando veio o AgentCore, foi natural”, comenta Renato.

2. Memória compartilhada entre agentes paralelos

Um dos desafios mais críticos era permitir que agentes executados em paralelo compartilhassem contexto sem criar dependências sequenciais que prejudicassem a performance.

“Eu precisava de uma memória compartilhada entre todos os agentes que são disparados paralelamente. Cada pergunta passa por um planner, um agente de busca, um que responde, um que revisa, e todos precisam ter acesso ao contexto do processo”, explica Renato.

O Amazon Bedrock AgentCore resolve esse desafio nativamente — com memória compartilhada gerenciada entre agentes, construída sobre a infraestrutura distribuída e de alta disponibilidade da AWS. Isso significa sincronização de estado em tempo real entre dezenas ou centenas de agentes rodando em paralelo, na mesma escala que sustenta os serviços mais críticos da Amazon globalmente, sem nenhum código customizado ou gerenciamento de estado manual por parte do time.

3. Ambientes isolados (limpos) para ferramentas externas

A Alfaneo precisa que agentes acessem sistemas externos (OAB, ANAC, verificação de óbito, bases governamentais). O AgentCore oferece ambientes isolados de sandbox para execução de ferramentas, garantindo que cada execução seja independente e não carregue estado de sessões anteriores.

4. Abordagem serverless e sem gestão de infraestrutura

A equipe da Alfaneo é enxuta e focada no produto jurídico. O AgentCore permite que desenvolvam e escalem a solução sem precisar de times especializados em infraestrutura.

“Não temos times especializados para trabalhar com infraestrutura. Essa característica mais serverless do AgentCore foi importante demais, podemos focar no produto jurídico”, destaca Charles.

Amazon Bedrock e modelos de linguagem

O Amazon Bedrock oferece acesso gerenciado a múltiplos modelos de linguagem de última geração. A flexibilidade do Bedrock permite que a equipe experimente diferentes modelos e versões sem refatorar código.

“O Bedrock nos deu a liberdade de experimentar com diferentes modelos. Quando surgem novas versões, migramos em dias. Não precisamos nos preocupar com infraestrutura, focamos no produto jurídico”, explica Renato.

A Alfaneo utiliza diferentes modelos para diferentes agentes, otimizando a relação entre custo e performance. Para alguns agentes, utilizam modelos mais leves focados em português nativo, equilibrando custo operacional.

“De acordo com o agente, nós usamos um modelo de LLM ou outro. Temos usado algumas versões mais nacionais, mais português nativo, então depende do agente. Até para equilibrar um pouco de custo”, comenta Charles.

Resultados: redução de 50% no tempo e aumento de até 20 pontos percentuais na taxa de êxito

A Alfaneo conduziu testes A/B rigorosos com seus clientes, processando a mesma carteira de processos em paralelo: metade pelo método tradicional (advogados humanos) e metade com Alfaneo Legal AI (advogados revisando defesas geradas por IA). Os resultados foram expressivos:

Produtividade:

• Redução de mais de 50% no tempo de preparação de defesas. Advogados levaram entre 30 e 40 minutos para produzir uma defesa, considerando todos os documentos, subsídios em mãos. Com o auxílio da nossa plataforma, chegamos a algumas defesas levarem de 8 a 10 minutos, com alta qualidade.
• Advogados agora focam em revisão e validação, não em tarefas repetitivas

Taxa de êxito (processos arquivados, improcedentes ou desistidos pelo autor): Taxa aumentou de 40% para 60% (+20 pontos percentuais)

Volume em produção:

• Mais de 20.000 contestações já protocoladas utilizando a plataforma

Efeitos secundários positivos:

• Autores desistem quando veem defesa robusta e bem fundamentada.
• Detecção precoce de defesas fracas permite negociação estratégica de acordos.
• Redução de custos com custas processuais e recursos em instâncias superiores.
• Identificação de fraudes economiza milhões em pagamentos indevidos.

“O impacto mais visível é no tempo. O que antes tomava horas de trabalho agora acontece em minutos. Mas o impacto real é na qualidade: a defesa fica mais completa, mais fundamentada, e isso se reflete nas taxas de êxito”, destaca Charles.

A parceria com a AWS: fundamental para crescimento

A parceria com a AWS foi determinante para o sucesso da Alfaneo. A empresa participou do programa de créditos para startups da AWS, recebendo inicialmente R$ 25.000 créditos por 2 anos, e posteriormente R$ 75.000 créditos no estágio mais avançado. Mais detalhes de créditos da AWS podem ser consultados nos AWS Startup e Aplique por créditos do Activate.

“Sem a AWS, não teríamos chegado aqui. Os créditos nos permitiram experimentar, pivotar e amadurecer a solução. Quando atingimos o product-market fit, os créditos adicionais chegaram no momento certo para escalar”, explica Charles.

Além dos créditos, a AWS trouxe parceiros técnicos para acelerar soluções arquiteturais, ofereceu suporte do time de contas e suporte tecnológico para eventos do setor jurídico.

“Quando dizemos ‘nossa infraestrutura é 100% AWS’, isso transmite confiança imediata. As certificações, o enjaulamento de dados, a conformidade com LGPD: tudo isso já vem embutido. É um diferencial competitivo significativo em conversas com grandes clientes”, destaca Renato.

A percepção de Renato reflete a confiança que a infraestrutura AWS inspira no mercado. Para contextualizar: a AWS opera sob o Modelo de Responsabilidade Compartilhada, no qual a AWS é responsável pela segurança da nuvem, protegendo a infraestrutura global que executa todos os serviços, enquanto o cliente é responsável pela segurança na nuvem, incluindo configuração de acessos, criptografia de dados e políticas de governança.

Quando Renato menciona “enjaulamento de dados”, ele se refere aos mecanismos de isolamento de rede e criptografia em repouso e em trânsito que a AWS oferece nativamente. Já em relação à LGPD, a AWS disponibiliza mais de 300 serviços e recursos de segurança, conformidade e governança, como AWS CloudTrail, AWS Config e Amazon Macie, que auxiliam os clientes a endereçar os requisitos da legislação brasileira de proteção de dados. A conformidade final é uma construção conjunta: a AWS fornece a base segura e as ferramentas, e o cliente as implementa de acordo com suas necessidades regulatórias específicas.

Próximos passos: construindo o Sistema Operacional de IA para o Direito

A visão da Alfaneo vai além da contestação automática. A empresa está construindo o AIOS (AI Operating System), um Sistema Operacional de IA para o Direito que cobre todo o ciclo de vida processual, desde o cadastro inicial até a composição de acordos. A estratégia é expandir a plataforma multiagente para cobrir cinco módulos integrados: captura automática de processos dos tribunais com sincronização aos ERPs jurídicos, detecção de fraude (já lançado), coleta automatizada de provas com acesso a bases externas e dados jurimétricos, composição inteligente de acordos baseada em análise histórica de decisões por comarca e magistrado, e contestação automática (primeiro módulo desenvolvido). O diferencial está na inversão de paradigma: a IA executa tudo o que é possível e o humano apenas valida, uma abordagem AI-first com validação humana (human-in-the-loop) .

“Nossa visão é que a Alfaneo seja um middleware inteligente que se integra aos ERPs existentes e coloca a inteligência artificial no centro de cada etapa do ciclo de vida processual. Queremos que cada decisão, desde cadastrar um processo até decidir se vale a pena fazer acordo, seja informada por IA”, explica Charles. A estratégia de go-to-market é focada em integração: em vez de substituir os ERPs jurídicos tradicionais, a Alfaneo atua como um Integration Hub que se conecta aos sistemas existentes usando agentes de IA. Essa abordagem permite ganhar confiança dos clientes gradualmente, preparando o caminho para uma eventual migração completa para a plataforma Alfaneo.

A Alfaneo também planeja expandir o uso de modelos mais avançados do Amazon Bedrock para cenários que demandem raciocínio ainda mais complexo, como análise de cenários competitivos e recomendações estratégicas de abordagem. A empresa trabalhará em implementar sistemas de RAG enriquecido com histórico de performance, contratos anteriores e resultados de estratégias passadas, criando uma camada de inteligência jurídica que aprende continuamente com cada processo analisado.

Conclusão

A Alfaneo Legal AI demonstra como startups brasileiras podem utilizar serviços gerenciados de IA generativa na AWS para resolver problemas reais de negócio com velocidade e escala. Ao combinar o Amazon Bedrock AgentCore com modelos de linguagem de última geração, a empresa automatizou um processo antes manual e custoso, permitindo que escritórios de advocacia de massa e departamentos jurídicos corporativos foquem no que fazem de melhor: estratégia jurídica de alto valor.

Com mais de 20.000 contestações protocoladas, redução de mais de 50% no tempo operacional e aumento de até 20 pontos percentuais na taxa de êxito, a Alfaneo apresenta resultados expressivos no contencioso de massa (litígios judiciais repetitivos em grande volume) no Brasil. A plataforma também ajuda a mitigar perdas com fraudes processuais, detectando irregularidades difíceis de identificar manualmente em alto volume.

Se sua empresa enfrenta desafios semelhantes na gestão de contencioso de massa ou deseja explorar o potencial da IA generativa com o Amazon Bedrock, entre em contato com seu representante AWS ou visite o site do Amazon Bedrock para saber mais.

Biografia do Autores

	Daniel Abib é Arquiteto de Soluções Sênior e Especialista em Amazon Bedrock na AWS, com mais de 25 anos trabalhando com gerenciamento de projetos, arquiteturas de soluções escaláveis, desenvolvimento de sistemas e CI/CD, microsserviços, arquitetura Serverless & Containers e especialização em Machine Learning. Ele trabalha apoiando Startups, ajudando-os em sua jornada para a nuvem. https://www.linkedin.com/in/danielabib/
	Charles Viegas é CEO e Co-Fundador da Alfaneo, com formação em Direito e experiência em inovação no setor jurídico. Mestre em Ciência da Computação pela UFMS, Charles atua há mais de 25 anos no desenvolvimento de soluções tecnológicas para setores estratégicos como jurídico, financeiro e de pesquisa científica. É especialista em Machine Learning e desenvolvimento de softwares corporativos. Com um olhar voltado para o impacto real da tecnologia nos negócios, lidera a Alfaneo com foco em escalabilidade, usabilidade e inovação aplicada. Participa de eventos e mentorias ligados a empreendedorismo, Legal Tech e transformação digital. https://www.linkedin.com/in/charles-viegas/
	Renato Ishii é Co-Fundador e Head de PD&I da Alfaneo. Doutor e Mestre em Ciência da Computação pela USP, Renato é pesquisador especialista em Inteligência Artificial, Aprendizado de Máquina e Análise de Séries Temporais. É especialista em Machine Learning e desenvolvimento de softwares corporativos. Membro da comunidade Startup Weekend Techstars desde 2017, mentor de inovação e de IA do Living Lab Sebrae-MS, membro da Sociedade Brasileira de Automática e vice-coordenador do comitê técnico em Sistemas Inteligentes no período de 2017 a 2019. https://www.linkedin.com/in/renato-ishii/