As Concausas e a Multiplicidade de Agentes: Panorama Atual

O panorama atual da causalidade múltipla nos sistemas de inteligência artificial é marcado pela superposição de contribuições causais que desafiam os critérios tradicionais de identificação do nexo causal juridicamente relevante. A teoria da equivalência das condições, em sua formulação clássica, mostra-se insuficiente diante de sistemas cujo comportamento emerge da interação de componentes desenvolvidos por agentes distintos, operados em contextos variáveis e influenciados por fatores externos imprevisíveis. Por isso, a doutrina tem recorrido, com crescente frequência, a modelos causais mais sofisticados — entre os quais a distinção entre causas supervenientes relativamente independentes e a figura da causalidade virtual.

Algumas causas supervenientes podem intensificar o dano sem produzi-lo de modo autônomo, mantendo a responsabilidade do agente inicial. A causa superveniente, nesses casos, intensifica o desfecho, mas não desvincula o resultado do ato inicial do agente, uma vez que não produz o dano de forma independente — apenas reforça a gravidade do evento já desencadeado pela conduta original. Trata-se das concausas relativamente independentes, que se associam ao processo causal sem romper integralmente o nexo, e que, por isso, a rigor, não exoneram o agente da responsabilidade. Cavalieri Filho fornece o caso de uma vítima de atropelamento que, sem atendimento médico imediato, perde muito sangue e vem a falecer, ou que sucumbe a uma infecção por tétano após o acidente (Programa de Responsabilidade Civil, 2023, p. 76) — em ambas as hipóteses, o atropelador permanece responsável.

No domínio tecnológico, esse raciocínio aplica-se com clareza ao caso de uma fábrica que sofre um ataque cibernético em seu sistema de controle industrial por IA, que paralisa parcialmente a linha de produção. Enquanto a empresa tenta restaurar os servidores, surge um vírus secundário que explora a mesma brecha para sabotar outras máquinas, agravando o prejuízo. Embora esse novo vírus seja uma causa posterior, ele não age de forma totalmente independente — baseia-se na vulnerabilidade já aberta pelo ataque inicial. Assim, intensifica o dano sem romper o nexo causal com o ataque principal, e o agente — ou a falha de segurança — inicial permanece responsável pela integralidade do resultado, incluindo o agravamento produzido pela causa superveniente.

Cabe ressaltar que essa conclusão não é unânime na doutrina. Há autores que sustentam que a intervenção de um agente externo — o segundo vírus, no exemplo acima — deveria funcionar como fato de terceiro apto a romper o nexo causal com o agente original, especialmente quando se trata de conduta dolosa do terceiro. A posição que parece mais adequada, contudo, é a que considera o critério da previsibilidade objetiva: se a vulnerabilidade criada pela falha de segurança original tornava previsível a exploração por agentes maliciosos, o segundo ataque não constitui causa superveniente autônoma, mas sim concausa relativamente independente que não rompe o nexo. O desenvolvedor que negligencia a segurança do sistema deve antecipar que vulnerabilidades serão exploradas — essa é, aliás, uma das premissas centrais do AI Act europeu ao exigir, nos arts. 9º e 15º, avaliações de robustez e de cibersegurança para sistemas de IA de alto risco.

Outro modelo de interpretação que emerge para o fenômeno das causas concorrentes é o da causalidade virtual: quando um dano, embora atribuível a um primeiro agente (causa virtual), somente se consolida em virtude de um segundo fator (causa real). No exemplo clássico citado por Farias, Braga Netto e Rosenvald (Novo Tratado de Responsabilidade Civil, 4. ed., 2019, pp. 591-592), se alguém é ferido mortalmente por um disparo, mas morre em atropelamento antes que o ferimento da bala o leve ao óbito, a causa real do falecimento é o atropelamento, e não o ferimento anterior. Nessa hipótese, o segundo ofensor não pode eximir-se do dever de indenizar afirmando que o dano viria de toda forma, pois o sistema reparatório fundamenta-se no prejuízo efetivamente produzido, sem considerar causas que não se completaram no plano fático.

A transposição da causalidade virtual para o universo da IA revela aplicações instigantes. Imagine-se um sistema de gerenciamento de carteira de investimentos que, por falha algorítmica, executa ordens de venda em momento desfavorável, gerando prejuízo ao cliente. Ao mesmo tempo, uma pane no sistema de conexão do operador impede que o cliente emita a contrardem que teria sustado as vendas. Qual é a causa real do dano: a falha algorítmica ou a falha de conectividade? A resposta depende de qual evento, em concreto, foi necessário e suficiente para a produção do resultado danoso — análise que exige perícia técnica especializada e que illustra a complexidade dos litígios que os tribunais brasileiros deverão enfrentar com crescente frequência.

No âmbito consumerista, a multiplicidade de agentes gera desafios adicionais. O art. 7º, parágrafo único, do Código de Defesa do Consumidor impõe responsabilidade solidária a todos que tenham participado da cadeia de fornecimento causadora do dano — o que, no contexto de sistemas de IA desenvolvidos em camadas (base model, fine-tuning, integração, distribuição), pode envolver múltiplas pessoas jurídicas situadas em diferentes países. A identificação de todos os elos dessa cadeia é, muitas vezes, impossível para o consumidor lesado, o que reforça a necessidade de mecanismos de rastreabilidade obrigatória previstos no PL 2.338/2023 e no AI Act europeu.

Verificou-se, portanto, que o panorama atual das concausas em sistemas de IA impõe à doutrina e à jurisprudência a construção de critérios flexíveis, mas juridicamente seguros, para a identificação do nexo causal relevante. A distinção entre causas relativamente independentes e causas absolutamente independentes, a figura da causalidade virtual e o regime de solidariedade passiva entre codesenvolvores constituem os instrumentos fundamentais para essa tarefa — instrumentos que, embora oriundos da dogmática clássica, precisam ser adaptados às especificidades técnicas dos sistemas algorítmicos complexos que caracterizam a inteligência artificial contemporânea.