Harvey captou US$500M. Ele clonou em código aberto

O problema que ninguém quer admitir em IA jurídica

IA jurídica tem um problema incômodo que nenhum pitch resolve. Escritórios querem usar modelos para revisar contratos, redigir peças e pesquisar jurisprudência, mas não podem simplesmente subir tudo para a nuvem de um fornecedor fechado. Cada documento de cliente carrega sigilo profissional, estratégia processual e risco regulatório. Quando a Harvey anunciou uma captação de 500 milhões de dólares para dominar esse mercado, a reação de muita gente que opera foi a mesma. Legal, mas onde ficam meus dados, quanto isso vai me custar por usuário e o que acontece se eu quiser sair.

Foi nesse vácuo que apareceu o CaseCite. Um desenvolvedor solo decidiu construir algo na mesma linha e publicar como alternativa que você pode auto-hospedar. A promessa é simples e provocadora. Suba os documentos do escritório, pergunte em linguagem natural, pesquise casos e juízes, tudo rodando na sua infraestrutura. Não é só um gesto simbólico contra um unicórnio. É um teste prático sobre o quanto da pilha de IA jurídica dá para montar com Docker, Postgres, embeddings e uma chave de API que você controla.

O fato sem hype

O CaseCite é uma plataforma de pesquisa jurídica que roda no seu servidor. Documentos, índice de busca e histórico de chat ficam armazenados no seu próprio ambiente. As funções de IA enviam sua pergunta e os trechos relevantes para os provedores que você configurar, no esquema de traga sua própria chave, conhecido como BYOK. Nada é enviado para os mantenedores do projeto e não há telemetria embutida. A documentação deixa explícito o que sai da sua rede e para onde vai.

O projeto reúne oito ferramentas atrás de um único login, todas lendo do mesmo corpus de documentos. A ideia inclui perfil de prática, revisão de documentos, redlines, rascunhos e pesquisa de jurisprudência. Nada sobre área de atuação vem pronto. Você declara o que o escritório faz, o sistema sugere um perfil do que importa naquela prática, você edita e assume aquele contexto. Esse contexto acompanha cada revisão e minuta como instrução permanente. Toda resposta gerada carrega um aviso para conferir nas fontes e na lei vigente antes de usar. É um auxiliar de pesquisa, não um substituto do julgamento do advogado e nem um citador confiável.

Um ponto que precisa ficar claro. O CaseCite usa Elastic License 2.0. Em termos diretos, você pode auto-hospedar e modificar para uso interno do escritório sem pagar. Não pode oferecer como serviço hospedado para terceiros e não pode remover avisos de licença. Ou seja, é source-available, não é open source no sentido estrito da OSI. Para quem quer clonar o Harvey, isso importa menos. Para quem pensou em montar um SaaS jurídico em cima, importa muito.

Como funciona na visão de quem vai operar

Na arquitetura, é um stack bem tradicional e isso é bom. Docker e Docker Compose orquestram a aplicação com Postgres, Redis e Caddy para produção. Você gera três segredos com openssl para SECRET_KEY, AUDIT_HMAC_KEY e ENCRYPTION_SALT, define senhas do banco, domínio e uma chave de API. O setup inicial pede ainda um token para criar a primeira conta e uma flag de confirmação de que você entendeu o modelo de criptografia. Chaves BYOK e documentos enviados são cifrados na camada de aplicação com AES-256-GCM, mas chunks vetoriais, histórico e análises ficam em texto claro nos volumes. Criptografia de disco do host é sua responsabilidade.

O fluxo de dados é onde o operador precisa prestar atenção. Ao subir um documento, o texto vai para o provedor de embeddings. O padrão é OpenAI, com suporte a Voyage ou Cohere se configurado. Ao perguntar, analisar ou redigir, a pergunta e os trechos recuperados vão para o LLM que você escolheu entre OpenAI, Anthropic ou Gemini. As ferramentas de jurisprudência consultam o CourtListener para buscas e citações. Se você quer manter o texto totalmente na sua rede, o caminho é apontar OPENAI_BASE_URL e EMBEDDING_BASE_URL para servidores compatíveis com a API da OpenAI que você mesmo hospeda. Configurar só o chat e esquecer o embedding ainda vaza texto para a OpenAI. O arquivo docs/subprocessors.md detalha esses fluxos e deveria ser leitura obrigatória antes de colocar dado real.

Sobre custo e latência, dá para fazer uma inferência plausível mesmo sem benchmark oficial. O maior custo recorrente não é CPU do container, é token. Embeddings de um acervo de 50 mil páginas uma vez é barato, na casa de dezenas de dólares na OpenAI. O custo pesado vem do uso diário com RAG. Cada pergunta puxa 5 a 15 trechos de 500 a 800 tokens mais o histórico, então uma consulta complexa pode bater fácil 8 mil a 20 mil tokens de entrada. Com GPT-4o ou Claude Sonnet isso significa centavos por pergunta, o que escala para centenas de dólares por mês em um time ativo. Latência deve ficar entre 3 e 12 segundos por resposta longa, dependendo do reranking e do tamanho do contexto. Nada absurdo, mas longe do instantâneo que demo vende.

O que você precisa para subir um teste

• Servidor com Docker e Compose para rodar app, Postgres, Redis e Caddy juntos no teste inicial.
• Chave de API própria da OpenAI para começar simples, depois separe chat e embeddings se quiser controlar custo.
• Segredos gerados via openssl e DOMAIN configurado como localhost para validar local antes de expor.
• Acervo piloto pequeno com 200 a 500 documentos reais mas não sensíveis para medir qualidade do retrieval.

O que isso muda na prática para escritórios e devs

Quem ganha primeiro é o escritório médio que estava travado entre planilha, drive bagunçado e proposta cara de legal tech. Com o CaseCite dá para montar um piloto interno em uma tarde, com dados sob seu controle e custo variável pago direto ao provedor de modelo. Ganha também o time de engenharia que presta serviço para jurídico e precisava de uma base para provar valor sem vender os rins para um contrato enterprise. Quem perde, pelo menos no discurso, é o fornecedor fechado que justificava preço alto só com argumento de segurança e busca mágica.

Na prática, o ajuste imediato é de processo, não de modelo. Defina um perfil de prática bem escrito, com tipo de peça, jurisdição, tom e checklists que o time realmente usa. Sem isso, o RAG vira um gerador genérico que cita documento errado com confiança. A ação mais útil agora é simples. Suba o stack localmente, crie um corpus de teste com petições antigas já públicas, atas e pareceres anonimizados, e rode 20 perguntas que seus advogados já responderam. Compare resposta do sistema com a resposta humana e marque onde ele alucina citação, onde erra juízo e onde economiza tempo de verdade. Se não passar nesse teste cego, não coloque dado sensível.

Para compliance no Brasil, o BYOK ajuda mas não resolve tudo. LGPD e sigilo profissional exigem contrato com o provedor de modelo, retenção zero quando disponível, logs de acesso e trilha de auditoria. O projeto tem chave de auditoria e histórico local, o que é um começo bom. Mas você vai precisar definir quem pode subir o que, por quanto tempo o chat fica guardado e como apagar um documento com seus vetores quando o caso encerra. Auto-hospedar sem política de dados é só trocar uma caixa preta pela sua própria bagunça.

A tensão real: isso escala ou só move o gargalo

Aqui entra a dúvida que importa. Construir um clone funcional é uma coisa, operar pesquisa jurídica confiável todos os dias é outra. Recuperação vetorial simples funciona bem para achar parágrafo parecido, mas direito vive de nuance, data de vigência, jurisprudência superada e entendimento por turma e por juiz. Sem citador, sem controle de vigência e sem avaliação de autoridade da fonte, o sistema pode entregar um texto bonito e tecnicamente errado. O gargalo sai da digitação e vai para a verificação. Você economiza 40 minutos de minuta e gasta 30 conferindo cada precedente.

Tem também o custo escondido de manter. Atualizar modelos, reindexar acervo quando trocar embedding, gerenciar permissões por cliente, fazer backup de Postgres e Redis, monitorar vazamento de chave. Um dev solo consegue publicar o código, mas um escritório precisa de alguém de plantão quando o Caddy cai na véspera de um prazo. A Elastic License segura a comunidade de virar concorrente SaaS direto, o que protege o mantenedor mas limita o ecossistema. Vale a pena como controle e aprendizado, e como alavanca para negociar com fornecedor grande. Como substituto completo de uma plataforma de 500 milhões, só se você aceitar operar como uma empresa de software dentro do escritório.

Conclusão

O CaseCite prova que boa parte da IA jurídica é montável com peças abertas, sua infra e sua chave. A pergunta que fica é operacional. Seu time está pronto para auditar respostas, gerenciar embeddings e responder por cada citação que o modelo inventar.