eDiscovery

eDiscovery (descoberta eletrônica) é o processo de identificar, preservar, coletar, processar, revisar e produzir informação armazenada eletronicamente (ESI) em resposta a litígios, investigações regulatórias ou investigações internas. É o maior problema de engenharia de dados do setor jurídico: uma única resposta a um pedido ampliado pode ingerir dezenas de milhões de documentos, e um só documento privilegiado que escape pode virar um argumento de renúncia ao privilégio.

eDiscovery não é pesquisa jurídica e não é revisão de contratos. Ferramentas de pesquisa buscam no direito publicado; eDiscovery busca nas caixas de e-mail, canais de Slack e drives de arquivos da sua própria empresa. Ferramentas de contrato como Ironclad leem documentos que você está prestes a assinar; eDiscovery lê documentos que você já enviou. Também não é sinônimo de legal hold: a retenção é uma etapa dentro do eDiscovery, não o processo inteiro.

O modelo EDRM

O Electronic Discovery Reference Model (EDRM) é o mapa do workflow que o setor usa. A versão de nove etapas é a que está em uso operacional e a que se deve citar hoje em um protocolo ESI:

O EDRM publicou um rascunho do EDRM 2.0 para comentário público em 30 de junho de 2026, construído por cerca de 150 profissionais. O prazo de comentários fechou em 30 de julho de 2026 e os trustees estão analisando as contribuições antes da publicação final, então a tabela acima continua valendo — mas três mudanças já estão visíveis e vale planejar contra elas.

• A Governança da informação deixa de ser a etapa 1 e vira a camada fundacional sob todo o ciclo de vida. O argumento é que decisões de governança tomadas anos antes de uma ação determinam todo o custo posterior.
• Identificação, Preservação, Coleta e Processamento são agrupadas como Aquisição de dados, porque hoje rodam em paralelo e não em sequência.
• A Disposição entra como fase final própria: o que acontece com os dados do caso depois que ele encerra, algo que o modelo de nove etapas nunca nomeou.

A Análise também é redesenhada como contínua ao longo de todas as fases, em vez de um passo único encaixado entre revisão e produção.

A maioria das plataformas de eDiscovery — Relativity, Everlaw, DISCO, Logikcull — cobre da coleta à produção. As etapas das duas pontas ficam com Microsoft Purview, Google Vault ou ferramentas dedicadas de retenção, que é exatamente a lacuna que o EDRM 2.0 está trazendo para o enquadramento.

Por que a revisão é o centro de custo

O estudo Where the Money Goes da RAND, sobre 57 produções de alto volume, colocou a divisão em 8% do custo de produção na coleta, 19% no processamento e 73% na revisão. Foi publicado em 2012 e continua sendo o número citado em disputas de honorários, porque nada desde então mudou o formato dessa proporção. Duas ondas de automação miraram essa mesma etapa:

• Technology Assisted Review (TAR). Codificação preditiva desde o início dos anos 2010. Um advogado sênior treina um modelo com um conjunto semente, o modelo ordena os documentos restantes por responsividade, e os pior classificados recebem revisão leve ou nenhuma. Aceito pelos tribunais na maioria das jurisdições dos EUA, com catorze anos de jurisprudência atrás.
• Revisão com IA generativa. Desde 2023, LLMs fazem a primeira passada de responsividade e privilégio. Isso já é produto empacotado, não piloto.

O empacotamento difere de um jeito que muda a decisão de compra. A Relativity inclui aiR for Review, aiR for Privilege e aiR for Case Strategy na assinatura do RelativityOne sem custo adicional, e o aiR for Case Strategy entrou no empacotamento padrão em 1 de julho de 2026. A Everlaw divide o medidor: ações de IA em documento único e o assistente de escrita vêm com a assinatura, enquanto ações em lote sobre um conjunto de documentos consomem créditos comprados, com tetos de gasto por caso. Nenhuma das duas publica tarifas: ambas são assinaturas por GB apenas sob cotação.

Empacotar elimina o orçamento de IA por caso e torna a economia invisível; medir torna o gasto de IA legível por caso e força uma projeção. Se você é quem paga a fatura, o medidor visível é o melhor instrumento. Se você é quem projeta um orçamento anual sobre dezenas de casos, é o pior.

O posicionamento dos especialistas se consolidou no mesmo período. A Thomson Reuters aposentou o produto independente Casetext em 1 de abril de 2025 e dobrou sua tecnologia dentro do CoCounsel, que é vendido como pesquisa e redação, não como plataforma de revisão. A Reveal seguiu investindo no Logikcull como camada self-service, e em março de 2026 acrescentou sua ferramenta de IA generativa ASK, coleta de Slack e Teams via Onna, e hospedagem na UE.

Os tribunais tratam a revisão com IA de forma diferente do TAR?

Não, e duas decisões do Distrito Norte da Califórnia de meados de 2026 são o motivo para parar de perguntar.

Revisão com IA generativa é TAR. Em Schulte v. LinkedIn Corp. (N.D. Cal., nº 22-cv-00237-HSG, junho de 2026), a magistrada Laurel Beeler permitiu que o LinkedIn fizesse uma filtragem prévia com termos de busca antes de rodar o Relativity aiR, e recusou o pedido dos autores por estimativas de elusão e contagens de revisores. O enquadramento dela foi que IA generativa é mais um motor preditivo encaixado no mesmo workflow de TAR, não uma espécie nova que exija regras próprias. Discovery sobre discovery segue malvisto: a parte precisa demonstrar uma deficiência específica na produção, não uma teoria sobre o processo que a gerou.

Se você quer transparência sobre IA, negocie isso antes no protocolo ESI. James v. Cerebras Systems Inc. (N.D. Cal., nº 4:25-cv-09361-AMO) mostra como isso fica quando um tribunal ordena. Em 7 de julho de 2026 o magistrado Robert M. Illman adotou uma ordem ESI que exige de cada lado a divulgação de identidade, versão e ambiente de hospedagem de todo sistema de IA usado, além dos prompts, templates, conjuntos de instruções e configurações de parâmetros que o governam, com mudanças notificadas em redline em três dias úteis. A validação fica fixada em nível de confiança de 95% sobre amostragem do conjunto nulo, com taxa de elusão que não deve exceder 3%. A mesma ordem trata arquivos com hiperlink como separados das famílias documentais — a parte requerente pode apontar até 100 hiperlinks responsivos, produzidos em 14 dias na versão como enviada — e exige as mensagens de Slack e Teams em formato pesquisável com o contexto conversacional intacto, agrupadas em períodos de 24 horas.

Lidas juntas, as duas decisões dizem a mesma coisa de pontas opostas: os tribunais não vão policiar a revisão com IA a pedido, e vão fazer valer o que você escreveu no protocolo. Isso transforma o protocolo ESI negociado nas primeiras semanas de um caso no documento onde a validação de IA de fato ganha preço — uma preocupação de Legal Ops, não só do advogado externo.

Quando uma empresa precisa de software de eDiscovery?

Para a maioria das empresas: nunca. eDiscovery é contratado caso a caso via advogado externo, que escolhe a plataforma daquele caso. A empresa nunca assina contrato com Relativity ou Everlaw.

As empresas que internalizam compartilham dois sinais:

1. Volume recorrente de litígio ou de regulação. Serviços financeiros, saúde, big tech, fornecedores do governo. A cadência de casos justifica um time dedicado e uma assinatura.
2. Dados que não querem que saiam do prédio. Alguns times internos fazem coleta e processamento em casa e entregam ao advogado externo um conjunto já revisado.

Um terceiro sinal decorre do empacotamento acima: quando a revisão com IA vem incluída na assinatura da plataforma, quem tem a assinatura captura a economia. Uma empresa com volume de casos suficiente para preencher uma assinatura agora escolhe entre capturar isso ela mesma ou pagar por isso dentro da taxa do advogado externo.

Por que eDiscovery importa para Legal Ops em geral

• O gasto de eDiscovery do advogado externo costuma ser a maior linha isolada de um orçamento de litígio. Ferramentas de gestão de gasto jurídico rastreiam isso, e acordos de honorários alternativos — revisão com teto por documento — governam isso cada vez mais.
• Decisões de governança tomadas a montante determinam a conta a jusante. Uma política de retenção de Slack de 90 dias é uma decisão de milhões na próxima vez que cair uma investigação. É exatamente por isso que o EDRM 2.0 move a Governança da informação da etapa 1 para a camada fundacional.

Erros comuns

• Tratar o protocolo ESI como texto padrão. Schulte é o preço disso: uma vez que o protocolo silencia sobre validação de IA, o tribunal não vai escrever a cláusula por você depois. Guardrail: negocie a divulgação de IA e os limiares de validação antes de a coleta começar, usando a ordem de Cerebras como checklist — identidade e versão do sistema, prompts e conjuntos de instruções, confiança da amostragem, teto de elusão.
• Comprar revisão com IA em medidor por documento sem perguntar como um documento é contado. Anexos longos são divididos contra limites de tokens, então um anexo de 40 páginas pode ser faturado como vários documentos. Guardrail: obtenha por escrito a regra de contagem e um teto por caso na ordem de compra, antes da assinatura.
• Revisar privilégio no mesmo patamar de confiança da responsividade. Um erro em responsividade custa uma produção suplementar. Um erro em privilégio é uma briga de renúncia. Guardrail: submeta o privilégio a uma amostra de validação própria e mais exigente, e mantenha uma segunda passada humana sobre tudo que o modelo marcar como perto da linha. O formato do privilege log que você acordar define quanto desse trabalho será revisável depois.
• Coletar Slack e Teams como mensagens soltas. Sem o contexto da thread, um conjunto de mensagens é inútil para revisão e contestável na produção. Guardrail: colete em nível de conversa com a janela ao redor intacta — Cerebras usa o agrupamento de 24 horas como piso — e confirme que sua plataforma preserva reações com emoji e mídia embutida.

Relacionado

• O que é Legal Ops? — a função que decide fornecedores e políticas de eDiscovery
• Melhores plataformas de ediscovery — comparativo direto
• Processo de legal hold — a etapa que dispara o relógio
• Relativity — a plataforma enterprise dominante, com aiR incluído
• Everlaw — a alternativa com IA medida por créditos
• DISCO — automação de revisão liderada pela Cecilia