Predição de Resultado

API de predição probabilística de resultado processual. Analise a probabilidade de êxito com base em dados históricos e precedentes.

Visão Geral

O endpoint de Predição de Resultado da Jurisia fornece uma análise probabilística do possível desfecho de um processo jurídico. Utilizando dados históricos de milhões de decisões, o sistema calcula a distribuição de probabilidade dos possíveis resultados considerando tribunal, vara, tipo de ação, fatos e precedentes.

Endpoint

POST /v1/jurisia/predict

Parâmetros

Parâmetro	Tipo	Obrigatório	Descrição
`case_type`	string	Sim	Tipo de ação judicial
`area`	string	Sim	Área do direito
`tribunal`	string	Sim	Tribunal
`facts`	string	Sim	Descrição dos fatos relevantes
`precedents`	array	Não	Lista de precedentes relevantes
`precedents[].reference`	string	Sim	Referência do precedente (ex: `"Súmula 387/STJ"`)
`precedents[].relevance`	string	Não	Relevância: `alta`, `media`, `baixa`
`value`	number	Não	Valor da causa em BRL
`judge`	string	Não	Nome do magistrado
`vara`	string	Não	Vara específica

Tipos de Ação

Tipo	Descrição
`indenizacao`	Ação de indenização
`cobranca`	Ação de cobrança
`despejo`	Ação de despejo
`divorcio`	Ação de divórcio
`alimentos`	Ação de alimentos
`trabalhista`	Reclamação trabalhista
`execucao_fiscal`	Execução fiscal
`mandado_seguranca`	Mandado de segurança
`habeas_corpus`	Habeas corpus
`consignacao`	Consignação em pagamento
`usucapiao`	Usucapião
`inventario`	Inventário

Resposta

{
  "prediction_id": "pred_abc123",
  "outcomes": [
    {
      "outcome": "procedente",
      "probability": 0.45,
      "description": "Pedido julgado totalmente procedente"
    },
    {
      "outcome": "parcialmente_procedente",
      "probability": 0.30,
      "description": "Pedido julgado parcialmente procedente"
    },
    {
      "outcome": "improcedente",
      "probability": 0.20,
      "description": "Pedido julgado improcedente"
    },
    {
      "outcome": "acordo",
      "probability": 0.05,
      "description": "Resolução por acordo entre as partes"
    }
  ],
  "confidence": 0.82,
  "factors": [
    {
      "factor": "Jurisprudência consolidada no STJ favorável ao autor",
      "impact": "positive",
      "weight": 0.35
    },
    {
      "factor": "Tribunal com histórico de decisões conservadoras",
      "impact": "negative",
      "weight": 0.15
    },
    {
      "factor": "Valor da causa dentro da média para procedência",
      "impact": "positive",
      "weight": 0.10
    }
  ],
  "value_prediction": {
    "min": 5000.00,
    "median": 12000.00,
    "max": 25000.00,
    "currency": "BRL"
  },
  "time_prediction": {
    "min_days": 120,
    "median_days": 365,
    "max_days": 720
  },
  "sample_size": 15234,
  "processing_time_ms": 3200
}

Exemplos

Predição Simples

import requests

response = requests.post(
    "https://api.polarai.com.br/v1/jurisia/predict",
    headers={"Authorization": "Bearer pk-sua-chave-aqui"},
    json={
        "case_type": "indenizacao",
        "area": "consumidor",
        "tribunal": "TJSP",
        "facts": """
            Consumidor adquiriu produto com defeito de fabricação.
            Loja se recusou a trocar dentro do prazo legal de 30 dias.
            Consumidor possui nota fiscal e protocolo de reclamação.
        """
    }
)

prediction = response.json()

print("Distribuição de Probabilidade:")
for outcome in prediction["outcomes"]:
    bar = "█" * int(outcome["probability"] * 20)
    print(f"  {outcome['outcome']:30s} {outcome['probability']:.0%} {bar}")

print(f"\nConfiança do modelo: {prediction['confidence']:.0%}")
print(f"Base de dados: {prediction['sample_size']:,} casos analisados")

Predição com Precedentes

response = requests.post(
    "https://api.polarai.com.br/v1/jurisia/predict",
    headers={"Authorization": "Bearer pk-sua-chave-aqui"},
    json={
        "case_type": "indenizacao",
        "area": "consumidor",
        "tribunal": "TJRJ",
        "facts": "Cobrança indevida em fatura de cartão de crédito...",
        "precedents": [
            {
                "reference": "Súmula 385/STJ",
                "relevance": "alta"
            },
            {
                "reference": "REsp 1.061.134/RS",
                "relevance": "media"
            }
        ],
        "value": 15000.00,
        "judge": "Dr. Carlos Oliveira"
    }
)

prediction = response.json()

if prediction.get("value_prediction"):
    vp = prediction["value_prediction"]
    print(f"Valor estimado: R$ {vp['median']:,.2f}")
    print(f"Faixa: R$ {vp['min']:,.2f} — R$ {vp['max']:,.2f}")

if prediction.get("time_prediction"):
    tp = prediction["time_prediction"]
    print(f"Tempo estimado: {tp['median_days']} dias ({tp['median_days']//30} meses)")

Usando cURL

curl -X POST https://api.polarai.com.br/v1/jurisia/predict \
  -H "Authorization: Bearer pk-sua-chave-aqui" \
  -H "Content-Type: application/json" \
  -d '{
    "case_type": "trabalhista",
    "area": "trabalhista",
    "tribunal": "TRT2",
    "facts": "Empregado demitido sem justa causa, horas extras não pagas",
    "value": 50000.00
  }'

Campos da Resposta

outcomes

Campo	Tipo	Descrição
`outcome`	string	Resultado possível
`probability`	float	Probabilidade (0.0 a 1.0)
`description`	string	Descrição do resultado

value_prediction

Campo	Tipo	Descrição
`min`	number	Valor mínimo estimado (BRL)
`median`	number	Valor mediano estimado (BRL)
`max`	number	Valor máximo estimado (BRL)

time_prediction

Campo	Tipo	Descrição
`min_days`	integer	Tempo mínimo estimado em dias
`median_days`	integer	Tempo mediano estimado em dias
`max_days`	integer	Tempo máximo estimado em dias

Observações

A confidence indica a confiança do modelo na predição (0.0 a 1.0). Valores acima de 0.7 são considerados de alta confiança.
O sample_size mostra quantos casos foram usados como base para a predição.
As predições são estatísticas e não constituem aconselhamento jurídico.
Os resultados são mais precisos quando mais informações são fornecidas (precedentes, valor, juiz).

Predição de Resultado

On this page