Astra for Law: a OpenAI sobe para a camada de aplicação e vira concorrente de quem ela abastece

Em 17 de setembro de 2026, a OpenAI anunciou o Astra for Law, uma configuração do GPT-6 Astra voltada ao trabalho jurídico. O anúncio traz dois fatos que costumam ser lidos separados e só fazem sentido juntos.

O primeiro é que escritórios grandes entram como adotantes iniciais. Latham & Watkins, Ropes & Gray, Cooley e Sullivan & Cromwell aparecem na lista, por um programa de acesso restrito chamado Trusted Access, voltado a bancas do ranking Am Law 200.

O segundo é que Harvey e Legora, empresas que hoje vendem software de inteligência artificial para advocacia, terão acesso à mesma base por API.

Quem fornece a infraestrutura passou a entregar o produto vertical e continua vendendo a matéria-prima para quem disputa essa mesma vertical.

O assunto aqui não é o modelo. É a camada.

O que a empresa anunciou, e o que é alegação dela

Segundo a OpenAI, o Astra for Law combina instruções específicas de análise e redação jurídica com um índice de busca chamado Legal Search Index, que cobre jurisprudência, legislação, regulamentos, regras de corte e decisões administrativas dos Estados Unidos em um corpus de mais de 230 milhões de URLs, com atualização diária. A empresa afirma que esse índice complementa serviços licenciados, como os da Thomson Reuters, em vez de substituí-los.

A OpenAI divulgou também um teste no Legal Research Bench, benchmark da Vals AI com 200 perguntas de pesquisa jurídica dos Estados Unidos. No maior esforço de raciocínio, o Astra for Law teria passado na checagem de correção geral em 54,0% das perguntas, contra 38,7% do GPT-6 Astra usando apenas busca na web. É uma diferença de 15,3 pontos percentuais, ou 40% de melhora relativa, conforme o material divulgado no lançamento.

Vale registrar que o resultado é um teste reportado pela própria fornecedora contra um benchmark de terceiro, não uma avaliação independente publicada em leaderboard.

Guarde esse número. Ele volta no fim.

A vantagem não está no acervo

O ponto mais interessante do anúncio é de onde vem a base. A coleção de jurisprudência não foi construída do zero: veio de uma parceria com o Free Law Project, organização sem fins lucrativos que mantém o CourtListener, segundo a cobertura do ABA Journal. Ainda de acordo com a OpenAI, essa coleção cobre mais de 99,9% da jurisprudência precedente publicada no país.

Isso muda a leitura do anúncio.

Se o acervo que sustenta a busca é, em boa parte, um bem público mantido por uma organização sem fins lucrativos, então ele não é a vantagem defensável de ninguém. Nem da OpenAI, nem de quem constrói sobre ela. É infraestrutura. E infraestrutura tende a ficar mais barata e mais acessível com o tempo, não menos.

A vantagem, se existir, está em outro lugar.

O padrão vale muito além da advocacia

O que aconteceu com Harvey e Legora não é um episódio do mercado jurídico. É o formato de risco de qualquer empresa que empacota o modelo de um terceiro como produto.

A sequência costuma ser a mesma. Alguém identifica um caso de uso valioso, monta uma camada de aplicação sobre o modelo de um fornecedor, prova que existe demanda e cresce o bastante para aparecer no relatório de receita desse mesmo fornecedor. Nesse momento, a camada deixa de ser um nicho e vira uma linha de produto interessante para quem está embaixo dela.

Serve para jurídico, contábil, saúde e engenharia, que compartilham a mesma estrutura de trabalho baseada em pesquisa, precedente e revisão. E serve para qualquer empresa de serviço que hoje vende inteligência artificial aplicada a alguma coisa.

Uma ressalva necessária, porque aqui separa fato de leitura: nada disso significa que Harvey ou Legora estejam ameaçadas de extinção, e nenhuma delas declarou isso. As duas seguem como clientes de API e parceiras no ecossistema anunciado. O que o movimento indica é uma mudança de posição relativa. Elas deixaram de comprar apenas um insumo e passaram a comprar de alguém que também joga no campo delas.

O contraponto que o anúncio não traz

Agora o número que eu pedi para guardar.

Passar em 54% das perguntas significa não passar em quase metade. É uma melhora real e mensurável sobre a busca genérica e, ao mesmo tempo, um desempenho que ainda exige revisão humana em praticamente toda entrega. Em trabalho jurídico o custo de um erro não é simétrico ao ganho de velocidade: uma peça entregue duas horas antes não compensa uma citação inexistente.

Esse risco específico já tem histórico documentado. Um estudo do RegLab de Stanford, assinado por Varun Magesh, Faiz Surani, Matthew Dahl, Mirac Suzgun, Christopher D. Manning e Daniel E. Ho, e publicado no Journal of Empirical Legal Studies, avaliou ferramentas jurídicas que já usavam busca ancorada em base própria e encontrou taxas de alucinação entre 17% e 33% nos produtos da LexisNexis e da Thomson Reuters. Ancorar o modelo em um índice reduz o problema. Não o elimina.

Do lado dos tribunais, a base pública mantida pelo pesquisador Damien Charlotin, que só registra decisões nas quais o juízo constatou de forma explícita que uma das partes se apoiou em material alucinado, contabilizava 2.041 casos em sua atualização de 14 de setembro de 2026.

Há ainda o caso de cliente divulgado junto ao anúncio. O escritório Cooley lançou o GO Public, um sistema de agentes construído sobre o ChatGPT Enterprise, na condição de design partner da OpenAI, para acelerar a preparação de aberturas de capital a partir da redação do Form S-1. O próprio escritório afirma que o sistema entrega um rascunho inicial customizado em minutos, em vez de dias, e faz questão de registrar que os advogados de mercado de capitais participam de todas as etapas, incluindo a análise jurídica e o produto final.

É um relato de cliente, publicado pelo fornecedor. Não há métrica independente de tempo, de custo ou de taxa de erro. Serve como indício de adoção séria, não como evidência de ganho de produtividade.

O exercício que eu faria hoje

Se você vende algo construído sobre a plataforma de um terceiro, o exercício é simples e desconfortável.

Liste o que continuaria valendo no seu negócio se, amanhã de manhã, o seu fornecedor lançasse exatamente o produto que você vende.

Se a lista começa e termina em acesso ao modelo ou em prompt bem escrito, você não tem um negócio, tem um intermediário. Se nela aparecem dados proprietários que só você possui, um fluxo de trabalho desenhado com o cliente dentro, um histórico de decisões que ninguém reconstrói de fora e, o item mais subestimado de todos, a responsabilidade que você assume pelo resultado, então você tem algo.

Repare que é exatamente isso que os escritórios estão fazendo. Sullivan & Cromwell usou os próprios playbooks para montar um analisador de contratos. A Ropes & Gray montou um sistema de due diligence para fusões e aquisições. O Cooley colocou a expertise de mercado de capitais dentro do GO Public. Nenhum deles está vendendo acesso ao modelo. Todos estão embrulhando o modelo no que já era deles.

Vale lembrar que revisão não é a mesma coisa que controle. Quando a etapa de verificação depende do mesmo sistema que produziu a resposta, ela costuma falhar junto, como discutimos ao analisar por que um validador de IA não é controle.

O que fica

A leitura mais plausível deste anúncio não é que a inteligência artificial jurídica mudou de patamar. É que o lugar da defensabilidade ficou mais visível.

O modelo virou infraestrutura, e o acervo que alimenta este caso específico é público. O que sobra para diferenciar é o que sempre foi difícil de copiar: dado próprio, processo desenhado e disposição de responder pelo erro. Isso não é discurso, é engenharia de serviço, e dá trabalho.

Quem construiu em cima disso continua de pé quando o fornecedor sobe uma camada.

Quem construiu em cima do acesso, não.