Mikhail Yatsuha, CEO e Co-Fundador da CaseCraft.AI

Mikhail Yatsuha, CEO e Co-Fundador da CaseCraft.AI, é um advogado do Reino Unido e empreendedor de tecnologia jurídica com mais de uma década de experiência em serviços jurídicos. Ele progrediu de estagiário e advogado trainee a Sócio na Sterling Law, onde liderou o departamento comercial e encontrou repetidamente disputas de baixo valor viáveis que se tornaram inviáveis economicamente quando os custos jurídicos tradicionais eram considerados. No final de 2023, co-fundou a CaseCraft.AI para repensar como as reivindicações civis são avaliadas, preparadas e conduzidas usando fluxos de trabalho habilitados por IA, em vez de simplesmente aplicar IA à redação jurídica.

CaseCraft.AI é uma empresa britânica de tecnologia jurídica que desenvolve uma plataforma nativa de IA para litígios civis. A plataforma reúne avaliação de casos, processamento de evidências, correspondência pré‑ação, geração de documentos, acompanhamento processual e revisão jurídica humana em um único fluxo de trabalho, atendendo a reclamantes individuais em regime de “sem vitória, sem honorários” e empresas por meio de ferramentas de reclamações em massa e gerenciamento de casos baseadas em assinatura. A empresa arrecadou cerca de £1,8 milhão em três rodadas de financiamento e, em agosto de 2026, registrou 4.562 processos criados com valor cumulativo de £14,9 milhões, 51 % foram resolvidos ou vencidos por julgamento à revelia, e 373 processos estavam em trabalho jurídico ativo; também está pilotando sua primeira implantação empresarial e testando um MVP de Direito Trabalhista.

Você passou anos progredindo de estagiário e advogado trainee a Sócio na Sterling Law antes de co‑fundar a CaseCraft.AI em 2023. O que você viu repetidamente na prática jurídica que o convenceu de que o processo de pequenas causas poderia ser redesenhado fundamentalmente com IA, em vez de simplesmente torná‑lo mais eficiente com um software jurídico melhor?

O que me convenceu não foi que os advogados precisavam de uma ferramenta de redação melhor. Foi que, em muitas disputas de baixo valor, a economia falha antes que um advogado possa intervir. O custo da representação pode se aproximar ou superar o valor em disputa, e a maioria dos custos jurídicos geralmente não é recuperável em pequenas causas. Vi reivindicações viáveis abandonadas por esse motivo na Sterling Law e, posteriormente, vi a mesma conta com empresas que baixavam do balanço faturas não pagas. Isso é um problema do modelo de entrega, não da redação. A IA tornou possível redesignar mais da jornada em torno da pessoa que apresenta a reclamação, em vez de simplesmente tornar o advogado que a trata um pouco mais rápido.

A CaseCraft.AI já foi usada para criar milhares de processos jurídicos, com centenas avançando para trabalho jurídico ativo. O que você aprendeu ao operar IA em casos reais que nunca poderia ter descoberto apenas com protótipos, simulações ou testes de referência?

Duas coisas se destacam. Primeiro, gerar um documento é a parte fácil; conduzir um processo é difícil. Um caso ativo significa que evidências, pagamentos, prazos, respostas e próximos passos precisam permanecer consistentes ao longo de meses. Em agosto de 2026, mais de 4.500 processos foram criados através da CaseCraft, mais de 400 avançaram para trabalho jurídico ativo e 130 reivindicações foram protocoladas no tribunal.

Segundo, as pessoas se comportam de forma diferente com IA. Elas podem ser mais francas, o que ajuda a revelar fatos importantes mais cedo, mas o sistema também precisa estabelecer limites e saber quando um humano deve intervir. Aprendemos isso diretamente ao introduzir uma chamada humana em uma fase sensível à confiança, o que melhorou a conversão em pelo menos 15 %.

Grande parte da primeira onda de IA generativa focou na produção de texto. A CaseCraft.AI, por outro lado, precisa coletar evidências, determinar elegibilidade, seguir regras processuais, acionar ações e acompanhar um processo ao longo do tempo. Como a construção desse tipo de fluxo de trabalho agente difere tecnicamente da construção de um assistente de IA ou chatbot?

Um chatbot responde a uma pergunta; um fluxo de trabalho agente precisa manter o estado de um processo real ao longo do tempo – o que aconteceu, quais evidências existem, o que falta e o que pode acontecer a seguir. Por isso, pensamos no sistema como componentes especializados, em vez de um único modelo que faz tudo: alguns coletam e validam informações, outros fundamentam o raciocínio jurídico ou processam documentos recebidos. O objetivo não é o melhor parágrafo, mas uma sequência confiável de decisões e ações que conduza o processo ao melhor resultado possível.

Em um fluxo de trabalho jurídico, um modelo pode produzir algo que soa completamente convincente, mas ainda assim ser procedural ou factualemente incorreto. Como você projetou a CaseCraft.AI para distinguir entre uma saída de IA plausível e informações que são realmente confiáveis o suficiente para serem usadas em um processo jurídico?

O princípio orientador é que o modelo não pode inventar o universo jurídico em que opera. Limitamos o sistema às evidências do processo e a fontes jurídicas autoritativas, em vez de solicitar que um modelo de uso geral responda a partir da memória. A CaseCraft.AI tem acesso às alterações mais recentes na legislação, precedentes relevantes e boas práticas estabelecidas por meio de APIs governamentais e outras fontes autoritativas, mantendo o contexto jurídico atualizado.

Também separamos geração de validação e mantemos a revisão profissional dentro do marco regulado de serviços jurídicos. O teste não é se a saída parece ter sido escrita por um advogado, mas se a fonte, a evidência e a etapa processual podem ser verificadas.

Você falou sobre a importância da “supervisão humana mensurável”. O que isso significa na prática, e como você determina quais decisões um sistema de IA pode tomar autonomamente versus onde um humano deve permanecer responsável?

Supervisão humana mensurável significa que o envolvimento humano está ligado a riscos identificáveis, e podemos ver onde a intervenção ocorre e por quê. “Humano no loop” não deve ser apenas uma frase tranquilizadora; devemos ser capazes de apontar o gatilho, a revisão e a decisão subsequente.

Ainda estamos construindo a base de evidências sobre onde esses limites devem ficar. Uma métrica que já podemos apontar é o tempo de revisão: desde o lançamento, o tempo necessário para a revisão humana diminuiu quatro vezes à medida que o sistema evoluiu. Com o tempo, o objetivo é tornar a revisão mais baseada em risco, mantendo o julgamento profissional responsável onde for legalmente exigido.

A evidência é central nas pequenas causas, mas pode chegar como contratos, faturas, e‑mails, mensagens, fotografias e outras informações não estruturadas. Como você transforma esse material em entradas estruturadas que um sistema de IA pode analisar, preservando a procedência e evitando conclusões não fundamentadas?

O princípio fundamental é manter a extração separada da inferência. Se um usuário envia um histórico de WhatsApp com um construtor, as datas, o preço cotado e as palavras usadas são fatos extraídos; uma conclusão sobre a relevância jurídica dessa troca é inferência. Os dois nunca devem ser apresentados como a mesma coisa. Estruturamos os documentos para que o fluxo de trabalho os utilize, preservando o vínculo com a evidência original. Se esse vínculo desaparece, pode‑se criar um dossiê que parece bem elaborado, mas desmorona quando contestado.

Um dos problemas mais difíceis para sistemas autônomos é saber quando não agir. Que sinais indicam à CaseCraft.AI que uma reclamação se tornou ambígua, complexa ou arriscada demais para automação e deve ser escalada para um profissional jurídico?

Uma de nossas salvaguardas é contra‑intuitiva: prestamos atenção não apenas aos casos que a IA deseja avançar, mas também aos casos que ela tende a rejeitar. A supervisão humana não serve apenas para impedir que a IA seja excessivamente agressiva; também pode impedir que o sistema seja demasiado conservador e descarte um argumento legítimo.

Um dos sinais de escalonamento mais claros atualmente é a falta de evidência. As pessoas podem não enviar os documentos relevantes, podem tê‑los perdido ao longo do tempo ou podem não perceber quais evidências são importantes para a reclamação. Quando o processo não está suficientemente claro ou completo, o próximo passo pode ser a revisão humana em vez da progressão automática. Advogados ainda lidam com o contexto e áreas cinzentas de forma mais consistente que os sistemas atuais.

À medida que os sistemas de IA assumem mais etapas tradicionalmente realizadas por advogados, como você acha que a fronteira entre automação de software e serviços jurídicos regulados evoluirá?

A fronteira se moverá, mas mais lentamente do que muitas pessoas da tecnologia esperam. Sistemas de alto risco não podem contar apenas com a promessa de que o próximo modelo será melhor; a confiabilidade deve ser demonstrada por meio de fontes autoritativas, validação, controles e revisão humana responsável. Com o tempo, espero que a IA se torne algo em que os profissionais possam confiar dentro de limites claramente definidos, mas a autonomia precisa ser conquistada por meio de desempenho observado e resultados reais. A questão útil não é “software ou advogado?”, mas qual atividade está sendo realizada, quais evidências a sustentam e quem permanece responsável.

Os modelos de IA de uso geral estão se tornando mais capazes muito rapidamente. O que cria uma vantagem sustentável para uma empresa de IA vertical como a CaseCraft.AI quando os modelos de base subjacentes disponíveis a todos continuam a melhorar?

Nossa vantagem nunca seria possuir um modelo de base. Modelos de uso geral melhores são uma boa notícia para nós. A parte difícil está em tudo ao redor deles: recuperação, banco de dados de processos, conhecimento jurídico, infraestrutura de fluxos de trabalho, integrações, controles e a compreensão operacional de como uma reclamação avança do início ao fim. Esse trabalho não desaparece quando um novo modelo é lançado.

Para o usuário, deve parecer um único local onde o caso ocorre, enquanto a orquestração permanece nos bastidores. A mesma infraestrutura está agora começando a suportar tanto reclamantes individuais quanto empresas que utilizam reclamações em lote de até 150 casos com um clique e fluxos de gerenciamento de casos. Acredito que a orquestração e a execução de domínio são a barreira durável para IA vertical.

Olhand

o além das pequenas causas, o que você aprendeu com a CaseCraft.AI sobre o futuro mais amplo da IA agente? Quais outras indústrias de alto risco você acredita que são especialmente adequadas a sistemas que podem gerenciar fluxos de trabalho complexos enquanto mantêm humanos responsáveis por decisões críticas?

Estou otimista quanto à IA agente, mas o trabalho difícil está em torno do modelo: redesenhar processos, estruturar informações, definir o que o sistema pode fazer e construir validação e escalonamento. É por isso que indústrias reguladas costumam avançar mais lentamente – as pessoas que compreendem o fluxo de trabalho suficientemente bem para automatizá‑lo geralmente são os especialistas mais ocupados da organização.

As oportunidades mais fortes são fluxos de trabalho com muita coleta de informações repetível e processamento de documentos, mas com um número menor de exceções que ainda exigem julgamento responsável. Para a CaseCraft, o Direito Trabalhista é a expansão mais próxima, com um MVP em testes ativos, e estamos explorando Danos Pessoais com um escritório de litígios especializado. Além do direito, seguros, serviços financeiros e compliance têm um formato semelhante. Os sistemas que vencerão saberão não apenas como automatizar a conversa, mas exatamente quando a máquina deve parar e um humano deve assumir.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar CaseCraft.AI.