Um tipo lançou um projeto chamado Mike numa terça-feira. Dois commits. Oito horas de vida. Quando fui dormir já tinha 130 estrelas no GitHub e estava no topo do Hacker News.
O Mike é um clone open source do Harvey e da Legora. Auto-hospedável, traga a sua própria chave de API, sem preço por lugar. O código em si é tosco - alguém nos comentários apontou corretamente que é basicamente uma chamada de autenticação Supabase e cinco tabelas de base de dados. Mas não é bem esse o ponto.
Factos-chave
- O CourtListener do Free Law Project alberga 250 milhões de páginas de dados judiciais dos EUA, de graça - e a maioria das startups de IA jurídica treina com isso sem dar crédito.
- O Caselaw Access Project da Harvard digitalizou 360 anos de jurisprudência dos EUA: 6,9 milhões de casos, totalmente aberto desde 2024.
- A HAQQ tem cerca de 9.800 escritórios pagantes em mais de 200 países, mantendo aberta a infraestrutura que não é diferenciadora.
O ponto é a reação.
Centenas de comentários. Threads no Reddit. Debates no LinkedIn. Advogados a perguntar por que não podiam simplesmente pôr o seu associado a montar algo semelhante num fim de semana. Construtores a perguntar por que isto não tinha acontecido há cinco anos.
Li tudo duas vezes. E quanto mais lia, mais me parecia um momento. Não porque o Mike em si vá perturbar seja o que for - provavelmente não vai. Mas porque o legal tech finalmente apanhou o bichinho do open source, e, uma vez que isso começa, já não se consegue travar.
Por que razão o direito foi a última vertical a chegar aqui
Todas as outras indústrias tiveram open source há anos. A saúde tem o OpenMRS. O fintech tem o Hyperledger. O e-commerce tem o Magento. Até os cantos mais aborrecidos do enterprise têm a sua coisa.
O direito não tinha praticamente nada. E as razões nunca foram sobre tecnologia.
A primeira razão é que os escritórios de advogados ganham dinheiro sendo ineficientes. Desculpem - sei que soa duro. Mas a hora faturável cria um incentivo perverso: se automatizar uma tarefa de 10 horas para 1 hora, acabou de apagar 9 horas de receita. Então porque haveria algum sócio de contribuir para um projeto que faz isso?
A segunda razão é a questão do molho secreto. Os escritórios guardam os seus bancos de peças processuais e modelos como segredos comerciais, porque de certa forma são. Não se pode abrir a estratégia de contencioso em código aberto quando se pode estar a usá-la contra o escritório da rua ao lado no mês que vem.
A terceira razão é o medo do licenciamento. As ordens dos advogados não se movem depressa. As equipas de compliance entram em pânico com o GPL. A maioria dos juristas que lê as palavras "open source" imagina um adolescente de capuz a roubar dados de clientes, não um mantenedor do kernel Linux.
E a quarta - a que ninguém fala o suficiente - é que a Thomson Reuters e a LexisNexis construíram os seus fossos em torno de dados, não de software. O KeyCite e o Shepard's são taxonomias que levaram décadas a construir. Replicá-las custa centenas de milhões. Por isso, mesmo que quisesse lançar uma stack jurídica open source, a camada de dados por baixo estava trancada.
Esse é o mundo em que temos trabalhado. É também o mundo que está a começar a rachar.
O que está realmente a ser construído agora
Tenho mantido uma lista contínua. Algumas destas coisas têm anos e só agora estão a ganhar atenção. Outras foram lançadas este mês. O espaço é muito maior do que a maioria das pessoas percebe. Deixem-me tentar organizá-lo.
A camada de dados - aquilo em que tudo o resto assenta
O Free Law Project é a organização mais subestimada do legal tech. Gerem o CourtListener (250 milhões de páginas de dados judiciais dos EUA, de graça), o RECAP (uma extensão de browser que retira submissões federais do PACER para o domínio público), o eyecite (o parser de citações dos EUA de facto) e o Juriscraper (scrapers em Python para centenas de tribunais dos EUA). 138 repositórios. A maioria das startups de IA jurídica treina com os seus dados e não os credita. Deveriam.
O Caselaw Access Project da Harvard digitalizou 360 anos de jurisprudência dos EUA. 6,9 milhões de casos, totalmente aberto desde 2024. Se está a construir algo que precise de precedente jurídico americano, é por aí que se começa.
O Pile of Law - 256 GB de texto jurídico em 35 sub-corpora, alojado no Hugging Face. A coisa mais próxima de um "The Pile" para o direito. Quase todos os LLMs jurídicos abertos treinam com uma fatia dele.
O Find Case Law (Arquivo Nacional do Reino Unido) - decisões judiciais do Reino Unido publicadas como LegalDocML XML legível por máquina, com feeds Atom. Este é o padrão-ouro de esquema. Outros países deviam copiá-lo.
O EUR-Lex / Cellar - toda a legislação da UE e jurisprudência do TJUE, com um endpoint SPARQL. Provavelmente o corpus jurídico aberto mais estruturado do planeta. Subaproveitado fora do meio académico.
O OpenLegalData é o equivalente alemão - decisões judiciais alemãs gratuitas, normalizadas a partir de portais oficiais fragmentados.
O Indian Legal Corpus / InLegalBERT do IIT Kharagpur cobre decisões do Supremo Tribunal e dos Tribunais Superiores indianos. A maioria das jurisdições fora dos EUA está criticamente sub-servida, e a Índia é uma das poucas com trabalho sério de corpus aberto.
O Brasil tem wrappers construídos pela comunidade em torno da API DataJud do CNJ, que expõe mais de 100 milhões de registos de processos - mantidos pela comunidade, frágeis, importantes. O mesmo padrão: tecnicamente público, praticamente impossível de fazer scraping, até alguém abrir a ponte.
O Legal Data Hunter é um pequeno exemplo da longa cauda aqui - um projeto Scrapy + FastAPI que procura estatutos e publicações de diários oficiais em sites governamentais e os normaliza. Não é uma bandeira, mas é emblemático. A IA jurídica funciona sobre centenas de scrapers mantidos individualmente como este. São a espinha dorsal pouco vistosa que ninguém financia.
- o estudo de agentes jurídicos da HAQQ (1.372 tarefas de longo horizonte)
- HAQQ-LAB, o nosso benchmark de direito civil em open source
- o nosso relatório sobre o webinar jurídico da Anthropic
- Free Law Project
- Caselaw Access Project (Harvard)
- Pile of Law (Hugging Face)
- Find Case Law (Reino Unido)
- EUR-Lex
- OpenLegalData
- InLegalBERT
Bibliotecas de PLN e pesos abertos
Blackstone - pipeline spaCy para texto jurídico do Reino Unido e da Commonwealth. Um NER jurídico não-americano raro.
LexNLP - biblioteca Python para extrair entidades jurídicas, citações, prazos, valores monetários, partes. Anterior aos LLMs, mas ainda incorporada em metade das ferramentas comerciais de que já ouviu falar.
Legal-BERT (nlpaueb) - BERT pré-treinado em legislação da UE, CEDH, contratos dos EUA. Citado mais de mil vezes. Fundacional.
Saul (Equall.ai) - o primeiro LLM de pesos abertos com pré-treino continuado em corpora jurídicos. Prova que a receita "pré-treinar um Llama num domínio" funciona para o direito.
CUAD (Atticus Project) - 13.000 cláusulas anotadas por peritos em 510 contratos, 41 categorias, CC BY 4.0. Quase todos os produtos de IA para contratos do mundo treinam ou avaliam com o CUAD, quer o admitam quer não.
Benchmarks
LegalBench - 162 tarefas de raciocínio jurídico desenhadas por advogados, saído de Stanford e do Hazy Research. O benchmark que os laboratórios de fronteira agora reportam. A substituir o LexGLUE na prática.
LexGLUE - a suite mais antiga (CEDH, SCOTUS, EUR-Lex, LEDGAR, CaseHOLD, UNFAIR-ToS). Ainda útil para comparar modelos open source com honestidade.
O Legal Benchmarks AI é a versão voltada para a prática. Sem ligação a fornecedores. O seu benchmark de redação de contratos colocou 14 ferramentas e um conjunto de advogados humanos no mesmo sistema de pontuação, com metodologia aberta. Não se pode melhorar o que não se mede, e até há pouco tempo ninguém media a IA jurídica a sério.
Aplicações, agentes e skills de IA
Mike - o queridinho do Hacker News. Código tosco, sinal real.
Lawvable / awesome-legal-skills é aquele a que continuo a voltar. Um registo curado de ficheiros SKILL.md escritos por profissionais reais da Clifford Chance, da Baker McKenzie, e de outros. Coloque um no Claude, no Codex, no Gemini CLI, ou em qualquer ferramenta que suporte o formato, e acabou de o ensinar a fazer uma classificação ao abrigo da Lei de IA da UE, uma avaliação de violação do RGPD, uma triagem de NDA, um référé de citação em francês. Mais de quarenta skills da última vez que verifiquei, a crescer semanalmente. Mais próximo de como o conhecimento jurídico realmente circula entre humanos do que qualquer produto de IA monolítico que já vi.
Divulgação: a HAQQ é co-mantenedora do awesome-legal-skills.
O lawskills-hub (Harvard LIL) é o primo institucional. Um registo comunitário de skills de agentes para fluxos de trabalho jurídicos, curado pelo Library Innovation Lab da Harvard. Mesmo padrão, sinal de confiança diferente. O facto de a Harvard estar a pôr o seu nome num registo de skills diz-lhe que o formato vai vingar.
O anthropic-skills - o repositório oficial de skills da Anthropic. Profissionais estão a fazer fork de subconjuntos para trabalho jurídico. É daqui que veio o standard SKILL.md, em primeiro lugar. A Anthropic também lançou um plugin "Claude for Legal" em abril de 2026; a sua própria equipa jurídica usa skills internamente e tem sido bastante pública sobre isso.
O Atticus Project - organização sem fins lucrativos por trás do CUAD e de uma biblioteca crescente de ferramentas de PLN para contratos. A coisa mais próxima que a IA jurídica tem de um organismo académico de normalização.
O ContraxSuite (LexPredict) - plataforma open core de análise de contratos. Anterior aos LLMs, licenciada em GPL, mas o pipeline OSS de revisão de contratos mais completo alguma vez construído. Envelhece bem como base de referência.
O OLAW do Harvard LIL - bancada de trabalho de IA jurídica aberta para investigação RAG, integrando IA com APIs jurídicas como o CourtListener.
O LangChain e o LlamaIndex não são projetos jurídicos, mas são a canalização sobre a qual corre toda a demonstração de RAG jurídico. Vale a pena saber onde vivem os loaders de SEC/EDGAR, os padrões de chunking de contratos e os ajudantes de fundamentação de citações.
O LawGPT, ChatLaw, DISC-LawLLM, Lawyer LLaMA e uma longa cauda de projetos académicos de LLM jurídico no Hugging Face. A maioria são protótipos de investigação que não sobrevivem ao contacto com a prática real - mas alguns dos de língua chinesa (ChatLaw, DISC-LawLLM saídos da Fudan) são genuinamente bons e subaproveitados fora da China.
As demonstrações RAG ao estilo Casetext são agora uma categoria por si só - há um pequeno exército de programadores individuais a lançar "clones do Harvey em 200 linhas" usando LlamaIndex ou LangChain em cima do CourtListener. A maioria são brinquedos. Alguns estão silenciosamente a tornar-se produtos reais.
Tópicos do GitHub como gpt-legal-chatbot, legal-rag e legal-agent trazem à superfície dezenas de projetos todos os meses. A qualidade é enormemente variável. Vale a pena pesquisar se estiver a investigar prior art antes de construir.
- Mike (mikeoss.com)
- awesome-legal-skills (Lawvable)
- lawskills-hub (Harvard LIL)
- anthropic-skills
- Atticus Project
- ContraxSuite
- LangChain
- LlamaIndex
O que a HAQQ já entregou aos comuns
Devo ser específico sobre esta parte já que perguntou.
O Nomos é a nossa interface jurídica nativa para agentes, em open source. Auto-hospedável. Skills em primeiro lugar. Concebido para ser o "Cursor para o direito" no sentido em que o Motor de IA Jurídica e o advogado são ambos utilizadores de primeira classe do mesmo espaço de trabalho. Usamo-lo internamente para o trabalho da HAQQ.
O LegalMD é um dialeto de Markdown para documentos jurídicos - quatro primitivas tipadas (`@party`, `@cite`, `@clause`, `@deadline`) com um parser em TypeScript, um resolver que verifica citações contra dados jurídicos abertos, dois renderizadores (HTML e JSON), e uma extensão para VS Code. Licenciado em MIT. A tese é que os advogados não deviam estar a escrever contratos em DOCX em 2026 mais do que os programadores deviam estar a escrever código em Word. Ainda cedo, mas já a funcionar.
O Master Claude for Legal é um pacote de skills comunitário. Cinco skills iniciais funcionais (triagem de NDA, comparação de versões multi-parte, briefing de reunião, verificador de citações, síntese de estado), documentos de referência sobre arquitetura de privilégio e reforço de permissões MCP, três modelos (política de IA do escritório, explicador de dados voltado para o cliente, questionário de segurança para fornecedores). MIT. Construído como a versão longa do webinar Claude for Legal Teams da Anthropic - vinte mil inscrições, cinquenta e uma perguntas, metade delas por responder.
O awesome-legaltech é exatamente o que parece - uma lista curada de projetos de legal tech, open source sempre que possível, comercial quando vale a pena conhecer. Contribuições bem-vindas.
O awesome-legal-skills é o registo da Lawvable mencionado acima. Co-mantemo-lo.
O Legal Data Hunter - a nossa camada interna de scraping para procurar estatutos, regulamentos e publicações de diários oficiais em sites governamentais nas jurisdições onde operamos. Partes disto já são públicas. Mais será colocado em open source nos próximos dois trimestres, à medida que normalizamos o esquema.
Há mais a caminho. Parte está em repositórios privados até estar suficientemente estável para não nos envergonhar. O princípio é consistente: tudo o que não seja diferenciação central de produto volta para os comuns. Parsers, esquemas, scrapers, harnesses de avaliação, registos de skills - nada disso é o fosso da HAQQ. O nosso fosso é a profundidade jurisdicional, a formação específica para cada escritório, e a camada de produto que torna tudo isto utilizável por um advogado a trabalhar.
Experimente HAQQ AI grátis
Experimente a redação e pesquisa jurídica com IA
Automação documental, A2J, e-discovery
O Docassemble existe há muito tempo e alimenta sistemas de autoajuda judicial em vários estados dos EUA. Se alguma vez preencheu um formulário judicial gratuito online, há uma boa hipótese de o Docassemble estar por baixo. Discreto, duradouro, construído por um advogado-programador que simplesmente continuou a lançar versões.
O Open Decision é a resposta mais moderna e nativa da web, saída de Berlim. Construtor de árvores de decisão para autoajuda jurídica, licenciado em MIT. Ativo.
A Document Assembly Line do Suffolk LIT Lab - construída sobre o Docassemble, automatiza formulários judiciais em vários estados dos EUA. Open source, bem mantida, profundamente pouco vistosa, profundamente importante.
O Aleph (OCCRP) - plataforma de documentos de investigação que faz OCR, NER, pesquisa entre documentos à escala. Não é específico do direito, mas é o análogo OSS mais próximo do Relativity ou do Nuix para investigações e trabalho ligado a contencioso. Jornalistas usam-no. Os escritórios de demandantes também deviam.
O opensource.legal - OpenContracts para anotação, Docxodus para redlining de DOCX em WebAssembly, Python-Redlines, CAML para marcar artigos jurídicos. Infraestrutura pouco vistosa, imensamente valiosa.
A taxonomia LMSS da SALI Alliance - não é código, mas é uma ontologia aberta que todo o projeto sério de IA jurídica acaba por adotar. Vale a pena saber que existe.
O Guia Open Source do GitHub sobre a parte jurídica não é um produto, mas se está a lançar algo neste espaço e não percebe a diferença entre MIT, Apache 2.0 e AGPL, leia-o antes de fazer push de seja o que for.
Deixei de fora mais uma dúzia. Sobreviventes ao estilo ROSS, experiências com contratos inteligentes, scrapers regionais de nicho, repositórios de hackathon meio acabados que silenciosamente se transformaram em infraestrutura. O ecossistema é real agora. Há dois anos conseguia caber todo o panorama de IA jurídica OSS num só slide. Já não consigo.
- Docassemble
- Open Decision
- Suffolk LIT Document Assembly Line
- Aleph (OCCRP)
- opensource.legal
- SALI Alliance
- Guia Open Source do GitHub - Legal
A coisa de que ninguém fala: os dados
Eis a parte que não cabe no site de marketing.
O estrangulamento na IA jurídica não são os modelos. Nem sequer é a ferramenta. São os dados.
O trabalho que realmente importa aos clientes - memorandos, documentos de negócio, produções de discovery, cartas de acordo, pareceres internos, os redlines que um sócio sénior faz às 2 da manhã - é privilegiado, confidencial, ou está contratualmente trancado dentro dos escritórios. Nada disso pode ser divulgado. Nada disso pode ser avaliado publicamente. Nada disso pode ser usado para treinar um Motor de IA Jurídica que outro escritório venha a ver. A decisão Heppner que mencionei antes tornou isto ainda mais explícito.
O que resta em aberto - pareceres publicados, estatutos, submissões à EDGAR, os 510 contratos do CUAD - é uma fatia minúscula e não representativa. De recurso. De empresas cotadas. Em inglês. Enviesada para os EUA. É por isso que benchmarks como o LegalBench parecem estreitos. É por isso que os modelos de contratos sobreajustam ao CUAD. É por isso que o verdadeiro fosso de todo o fornecedor sério de IA jurídica é um pipeline de dados privado, não uma escolha de arquitetura.
Isto cria um teto estrutural para o open source. O OSS consegue lançar canalização excelente (eyecite, Juriscraper, Docassemble, Aleph, Open Decision) e excelentes Motores de IA Jurídica sobre dados públicos (Legal-BERT, Saul, InLegalBERT). Mas não consegue fechar o ciclo sobre o produto de trabalho que define a prática real. Não se pode abrir em código aberto aquilo a que não se tem acesso.
Por isso, a fronteira OSS interessante não é o "GPT aberto para o direito". É a avaliação federada. A geração de dados sintéticos. O ajuste fino com preservação de privacidade. Os marketplaces de skills que permitem aos escritórios manter os seus dados privados e partilhar o comportamento. É essa a faixa onde o open source ainda tem alavancagem real em 2026, e é a faixa que mais me entusiasma.
O corolário, já agora, é que a camada de dados jurídicos públicos importa mais do que nunca. Cada governo que abre os seus estatutos e jurisprudência em formato legível por máquina expande a área de superfície onde o open source pode competir em pé de igualdade. O Arquivo Nacional do Reino Unido acertou em cheio com o LegalDocML. A UE acertou na maior parte com o EUR-Lex. A maioria das outras jurisdições, incluindo aquelas onde a HAQQ opera, não o fez. Vemos isto todos os dias. Estatutos trancados em PDFs. Decisões judiciais publicadas uma vez e nunca indexadas. Diários oficiais que só existem como imagens digitalizadas. Programadores individuais a construir scrapers como o Legal Data Hunter para resolver isto, lei a lei.
Se quer saber onde está o verdadeiro estrangulamento, é aqui.
Os argumentos que continuo a ver, e o que realmente penso
Sempre que um destes projetos chega ao Hacker News ou ao Reddit, surgem os mesmos argumentos. Deixem-me percorrer os que acho interessantes.
É só um wrapper à volta de um LLM.
Sim. Tal como o Cursor. Tal como o Harvey. Tal como, com franqueza, a maior parte do que está a ser lançado agora em qualquer vertical de IA. O wrapper é onde o produto vive - exatidão de citações, tratamento de documentos, orquestração de fluxos de trabalho, modelo de implementação, postura de segurança. Dizer "é só um wrapper" é como dizer "o seu carro é só um chassis à volta de um motor". Tecnicamente verdade. Completamente a perder o ponto.
O copyleft vai matar a adoção empresarial.
Com este concordo mesmo. Os escritórios de advogados não vão colocar a sua stack interna sob GPL. Quem lançar IA jurídica em open source devia escolher Apache 2.0 ou MIT, ponto final. As equipas que perceberem isto vão ganhar adoção. As que não perceberem vão ser adoradas no Twitter e ignoradas nos concursos de compra.
Os grandes escritórios nunca vão usar open source para trabalho jurídico.
Já usam. Todo o escritório de advogados do mundo corre sobre Linux, Postgres, e uma centena de outras peças open source. A questão não é se vão usar OSS - estão literalmente a escrever este comentário num browser Chromium. A questão é se vão confiar em open source para a camada específica do direito. E a resposta é: vão, mas só quando for algo que possam auto-hospedar, auditar, e trancar. Que é exatamente o que o bom open source permite.
A IA quebra o privilégio advogado-cliente.
A decisão Heppner que toda a gente continua a citar era sobre um serviço público de chatbot. Não era sobre um escritório a correr a sua própria instância nos seus próprios servidores com as suas próprias chaves. A auto-hospedagem é a história do privilégio. E o open source é a única forma de a maioria dos escritórios conseguir auto-hospedar sem um contrato do tamanho do Harvey.
Onde a HAQQ realmente se posiciona
Devo dizer o óbvio: a HAQQ não é open source. Somos uma empresa apoiada por capital de risco a construir um produto comercial. Temos nove mil e oitocentos escritórios a pagar-nos em mais de oitenta países. Nada disso vai mudar.
Mas toda a nossa stack corre sobre open source. Usamos Postgres, Next.js, Python, Node, os SDKs de todos os fornecedores de modelos, dezenas de bibliotecas que nunca pagámos e nunca poderíamos ter construído. Publicamos de volta as nossas próprias skills e bibliotecas de IA. Enviamos PRs a montante. Patrocinamos projetos quando podemos.
E eis o que continuo a dizer à nossa equipa: mais open source no legal tech é bom para nós, não mau para nós. Sobe o chão. Quando o CourtListener existe, quando o LegalBench existe, quando a Lawvable existe, todo o construtor neste espaço - incluindo nós - consegue competir naquilo que realmente importa. Que é se o produto resolve um problema real para um advogado real.
Se o Mike, ou o Docassemble, ou o OpenContracts ajudarem um profissional independente algures a servir melhor os seus clientes, isso é uma vitória. Não estamos no negócio de impedir outras pessoas de construir. Estamos no negócio de garantir que os cinco mil milhões de pessoas que não podem pagar ajuda jurídica realmente recebem alguma.
A era do jardim murado do legal tech está a terminar. Nunca ia durar.
O que eu ficaria atento a seguir
Algumas previsões, com pouca confiança no tempo, muita confiança na direção:
- A questão do licenciamento resolve-se. O Apache 2.0 vence no direito. Quem lançar AGPL ou copyleft vai ter dificuldades nos concursos empresariais até relicenciar.
- A auto-hospedagem torna-se o padrão mínimo. O argumento do privilégio vai empurrar os escritórios da Am Law rapidamente para implementações privadas. Projetos com imagens Docker limpas e infraestrutura sensata vão comer uma boa fatia do almoço do Harvey.
- Os dados jurídicos abertos tornam-se globais. Os EUA têm o CourtListener. A maioria das outras jurisdições não tem nada comparável. Quem quer que abra os dados judiciais no Brasil, na Índia, na Indonésia, na Nigéria - essas pessoas vão moldar a próxima década. Estamos a trabalhar na nossa parte disto.
- As skills tornam-se a unidade do conhecimento jurídico. A Lawvable é cedo, mas está certa. Skills de IA modulares, escritas por profissionais, com controlo de versões, estão mais próximas de como os advogados realmente partilham conhecimento do que monólitos com ajuste fino. Estamos a reconstruir partes do nosso próprio produto à volta desta ideia.
- O momento Mike vai repetir-se. De duas em duas semanas, agora, alguém vai lançar um projeto de fim de semana que recebe demasiada atenção e escrutínio a menos. A maioria não vai importar. Alguns vão. Prestem atenção a quais os que os advogados reais (não só os engenheiros) continuam a usar.
A coisa a que continuo a voltar é que o open source no legal tech não é uma ameaça aos advogados. Também não é uma ameaça aos bons produtos de IA jurídica. É a camada de infraestrutura que torna ambos melhores.
Os construtores estão finalmente a aparecer. Os dados estão a abrir-se. As ferramentas estão a tornar-se reais.
Se está a construir algo neste espaço - open source ou não - adorava ouvir falar disso. Contacte-me em stephane@haqq.ai.
