As Concausas e a Multiplicidade de Agentes: Perspectivas e Desafios

No exame das concausas e da multiplicidade de agentes, um dos cenários de maior complexidade prática envolve o concurso de fatos distintos oriundos de diferentes agentes. A doutrina de Fernando Noronha denomina essa categoria de "causalidades complexas", subdividindo-a em três modalidades: causalidade colateral, causalidade concorrente propriamente dita e causalidade cumulativa. Cada uma dessas modalidades apresenta implicações distintas para a aferição do nexo causal e para a repartição do dever de indenizar, razão pela qual seu estudo sistemático se revela indispensável.

O Fato do Responsável e o Fato do Lesado em Sistemas de IA

Antes de ingressar nas causalidades complexas propriamente ditas, parece-nos necessário examinar o concurso entre o fato do responsável e o fato do lesado — hipótese que se apresenta com frequência crescente em sistemas de IA aplicados à saúde. Considere-se, a título ilustrativo, uma plataforma de diagnóstico assistido por IA que, ao receber atualização de seus pesos e parâmetros conforme surgem novas variantes de doenças, introduz erro sistemático nos resultados (fato do responsável). Simultaneamente, o paciente, ao utilizar o aplicativo, omite detalhes fundamentais de seu histórico médico e não segue o protocolo recomendado para coleta de dados (fato do lesado). A combinação dos dois erros culmina em diagnósticos incorretos, agravando o estado de saúde do paciente.

Verificou-se que essa hipótese não significa, por si só, exclusão ou atenuação automática da responsabilidade do agente causador do dano. No regime do Código de Defesa do Consumidor (art. 12, §3º, III), somente a culpa exclusiva do consumidor é capaz de afastar a responsabilidade do fornecedor; a culpa concorrente, no máximo, pode influenciar o quantum indenizatório, conforme a ponderação do art. 945 do Código Civil. Essa distinção é fundamental para que a vítima de um dano algorítmico não seja indevidamente privada de tutela em razão de erros que, em relação ao defeito do sistema, são marginais ou secundários.

Causalidade Colateral

A causalidade colateral consiste nos casos em que cada uma das partes envolvidas pratica fato que, por si só, seria suficiente para causar todo o dano verificado. A peculiaridade dessa modalidade reside na equivalência causal: ambas as condutas são, individualmente, causas adequadas do resultado, o que impede qualquer argumento de que a conduta do agente foi irrelevante diante da atuação do outro.

No universo dos sistemas de IA, essa modalidade pode ser exemplificada pelo funcionamento de dois assistentes virtuais de uma mesma empresa que fazem recomendações financeiras com base em modelos distintos de machine learning. Se cada um deles contém uma falha crítica que, sozinha, já seria suficiente para induzir investidores a aplicações desastrosas — um superestimando a rentabilidade e o outro subestimando o risco —, e ambos operam simultaneamente, tem-se a causalidade colateral. Cada falha, por si só, já bastaria para causar o dano; a atuação concomitante apenas agrava as perdas.

No plano jurídico, parece-nos que a consequência natural da causalidade colateral é a responsabilidade solidária de todos os agentes causadores, nos termos do art. 942 do Código Civil, independentemente de qualquer indagação sobre qual das causas foi a "verdadeiramente determinante". A solidariedade passiva, nesse caso, funciona como mecanismo de proteção da vítima, que pode acionar qualquer dos responsáveis pela integralidade do dano.

Causalidade Concorrente Propriamente Dita

A segunda hipótese é a causalidade concorrente propriamente dita, na qual as práticas isoladas de cada agente não seriam suficientes para provocar o dano; contudo, quando combinadas, acabam por constituir a causa necessária para a sua ocorrência. Trata-se de situação em que nenhuma das condutas, considerada isoladamente, satisfaz o critério da causalidade adequada, mas a sua sinergia produz um resultado que não se verificaria de outra forma.

Parece-nos ilustrativo o caso de um grande provedor de serviços em nuvem em que dois times de especialistas em IA são encarregados de desenvolver, separadamente, módulos para gerenciar a alocação de recursos em data centers. O primeiro módulo, apoiado em redes neurais recorrentes (RNN), prevê picos de tráfego ao analisar longas sequências de uso. O segundo módulo, construído com algoritmos genéticos (GA), otimiza a distribuição de cargas de trabalho, imitando a seleção natural para encontrar, de forma iterativa, a melhor configuração de recursos entre diferentes regiões.

Se cada módulo operasse sozinho, suas limitações poderiam causar problemas localizados, mas provavelmente não resultariam em falhas generalizadas. Porém, ao serem integrados sem calibração adequada, as imperfeições de cada tecnologia se combinam: enquanto o módulo com RNN subestima a demanda em regiões específicas, o módulo com algoritmos genéticos realoca recursos de maneira equivocada, ocasionando sobrecargas e interrupções de serviço. Como nenhuma das falhas, isoladamente, seria suficiente para causar o dano total, mas a soma delas se torna determinante, tem-se a causalidade concorrente propriamente dita.

Sob a perspectiva normativa, a LGPD e o PL 2.338/2023 têm especial relevância aqui: quando dois operadores de sistema de IA contribuem, por falhas independentes, para um dano que somente se materializa em razão da combinação de suas condutas, a responsabilidade solidária prevista no art. 42 da LGPD e as disposições do PL 2.338/2023 para sistemas de alto risco conferem à vítima o direito de acionar qualquer deles pela integralidade do prejuízo.

Causalidade Cumulativa

A causalidade cumulativa, por sua vez, configura-se quando cada pessoa pratica um dano independente que, por si só, já seria suficiente para causar um resultado parcial, mas que se junta a outros danos para produzir um resultado total de maior gravidade. O exemplo clássico é o do abalroamento sucessivo de múltiplos veículos, em que cada colisão gera um dano autônomo, mas o resultado final — a destruição total do veículo — decorre da soma de todas elas.

Em cenário de IA, considera-se um aplicativo de e-commerce que incorpora três serviços independentes: um módulo de recomendação baseado em deep learning, um sistema de detecção de fraude estruturado pela combinação de modelos estatísticos e uma ferramenta de reputação do vendedor que emprega processamento de linguagem natural. Cada um desses módulos possui sua própria API e, isoladamente, apresenta uma falha de segurança capaz de expor apenas um conjunto limitado de dados. Contudo, quando as três falhas ocorrem simultaneamente, é possível correlacionar todas essas informações, produzindo um vazamento muito mais amplo e danoso.

Perspectivas e Desafios Regulatórios

O AI Act europeu (Regulamento (UE) 2024/1689) responde a esses desafios por meio da imposição de obrigações de conformidade técnica, documentação e transparência aos sistemas de IA de alto risco, criando condições para que a prova do nexo causal seja facilitada em caso de dano. Parece-nos que o PL 2.338/2023 deveria incorporar mecanismo semelhante de forma expressa, estabelecendo não apenas a presunção de causalidade, mas também a obrigação de manutenção de registros técnicos auditáveis que permitam à vítima reconstruir a cadeia causal.

Conclusão Parcial

Conclui-se que as modalidades de causalidade complexa — colateral, concorrente e cumulativa — revelam a insuficiência de uma visão monolítica do nexo causal para lidar com os danos produzidos por sistemas de inteligência artificial. A perspectiva dialética entre os regimes civil e consumerista, entre o direito interno e o direito europeu, e entre as categorias clássicas e os novos institutos regulatórios, é condição sine qua non para uma análise jurídica à altura dos desafios tecnológicos contemporâneos.