Automação do processo de due diligence: como algoritmos podem cortar tempo e trazer eficiência às auditorias legais?

Abstract

The present work has the objective of studying and demonstrating that the current modus operandi of legal due diligences carried out by law firms has inefficiencies, which can be mitigated by the use of computational algorithms. For this, a Machine Learning prototype that uses n-grams and is based on the Bayes Theorem was developed. Its purpose is to show how it is possible to automate the initial work of mapping and identifying relevant contractual clauses in a legal audit of debentures’ deeds of issuance written in Portuguese, which is not done today. For the Total Issuance Value clause, the algorithm reached, on average, the F1 Score of 77.18%. In the Clause of Early Maturity by Change of Control, scored 74.41%. Finally, when exposed to the Clause of Early Maturity by Cross Default, the F1 Score of the prototype was 72.352%.

O presente trabalho tem por objetivo estudar e demonstrar que o atual modus operandi das due diligences jurídicas realizadas por escritórios de advocacia possui ineficiências, que podem ser mitigadas com o uso de algoritmos computacionais. Para isso, foi desenvolvido um protótipo de classificador bayesiano que usa machine learning e n-gramas. O seu objetivo é mostrar como é possível automatizar o trabalho inicial de mapeamento e identificação de cláusulas contratuais relevantes em uma auditoria jurídica de escrituras de emissão de debêntures em português, o que não é feito hoje. Para a cláusula de Valor Total da Emissão, o classificador alcançou, na média, a Média F de 77,18%. Já na cláusula de Vencimento Antecipado por Alteração de Controle, obteve 74,41%. Por fim, quando exposto à de Vencimento Antecipado por Cross Default, a Média F do protótipo foi de 72,352%.