As Teorias da Causalidade: Análise Aprofundada

Em cenários de tecnologia avançada, a teoria do risco concorrente apresenta-se como instrumento analítico de singular utilidade. Ao concentrar-se na ideia de repartição equitativa dos riscos entre os agentes que, conjuntamente, tornaram possível a ocorrência do dano, essa teoria mostra-se mais adequada do que a mera noção de culpa concorrente para enfrentar a complexidade causal dos sistemas de inteligência artificial — além de dialogar de modo mais orgânico com as teorias envolvendo o risco da atividade e a responsabilidade objetiva, como se verá com maior profundidade no capítulo seguinte.

Para ilustrar o alcance prático dessa abordagem, considera-se um caso envolvendo o uso de IA em robótica cirúrgica. Imagine-se que um hospital de alta complexidade instala um sistema cirúrgico robótico com múltiplos componentes de inteligência artificial integrados: a fabricante utiliza redes neurais de visão computacional para guiar os instrumentos; a equipe de tecnologia da informação do hospital adapta o software ao ambiente clínico específico; e os cirurgiões recebem treinamento para operar o robô segundo protocolos predefinidos. Durante um procedimento, o braço robótico realiza um movimento abrupto e não previsto, causando lesão tecidual ao paciente. A investigação subsequente identifica que diversos fatores se combinaram: um ajuste inadequado dos sensores pela fabricante, uma configuração equivocada do software local pela equipe de TI hospitalar e a falta de aderência integral ao protocolo de segurança por parte dos cirurgiões.

Pela teoria do risco concorrente — desenvolvida no direito brasileiro por Flávio Tartuce e discutida também por Bruno Miragem em sua obra sobre responsabilidade civil —, não bastaria atribuir responsabilidade exclusiva a um único agente, pois o risco é distribuído entre todos os que participam da operação e que, conjuntamente, assumiram a possibilidade do infortúnio técnico. Trata-se de uma distribuição proporcional do dever de indenizar, fundada não na apuração de quem errou mais, mas na compreensão de que cada agente contribuiu para a criação de um risco que, em sua expressão conjunta, superou o limiar da segurança aceitável. Esse enfoque tem a virtude de evitar tanto a impunidade — que resultaria da exigência de identificar um único responsável em sistemas complexos — quanto a responsabilização irrestrita e desproporcional de agentes cujas contribuições causais foram marginais.

Há, porém, uma objeção relevante a esse modelo. A teoria do risco concorrente pressupõe que os riscos de cada agente sejam, ao menos em princípio, identificáveis e mensuráveis — condição que pode ser difícil de satisfazer em sistemas de IA baseados em aprendizado de máquina, nos quais a separação entre a contribuição do modelo, do dado de treinamento, da parametrização operacional e da interação do usuário é frequentemente impossível. Nesse contexto, a teoria do risco concorrente deve ser aplicada com cautela, reconhecendo que sua operacionalidade prática depende de elementos probatórios que o estado atual da técnica nem sempre permite obter.

Além da teoria do risco concorrente, merece destaque a teoria do nexo causal probabilístico, que tem sido defendida principalmente no direito ambiental como forma de superar a exigência de certeza absoluta na comprovação do liame entre causa e resultado lesivo. Segundo essa abordagem, a mera probabilidade estatisticamente fundada de que o dano tenha origem em determinada atividade pode ser critério suficiente para estabelecer a responsabilidade, sem que se exija do lesado a prova direta e irrefutável do nexo causal. Como observou Otávio Luiz Rodrigues Jr., essa perspectiva é particularmente relevante em hipóteses de ausência de prova direta do nexo causal, especialmente em atividades de risco elevado, apoiando-se em princípios como reparação integral, dignidade da pessoa humana e solidariedade social, e valendo-se de dados estatísticos como indícios de probabilidade.

O direito ambiental brasileiro, sedimentado na Lei 6.938/81 (Política Nacional do Meio Ambiente) e na jurisprudência do Superior Tribunal de Justiça, já incorpora implicitamente elementos do nexo causal probabilístico ao admitir, em casos de danos ambientais de difícil apuração causal, a responsabilização com base em presunções qualificadas e em dados técnicos que apontam a probabilidade elevada de determinada fonte emissora ser responsável pelo resultado danoso. Essa abertura jurisprudencial oferece uma base analógica para a extensão da teoria ao campo dos danos causados por IA, especialmente em cenários nos quais a opacidade dos sistemas impede a reconstituição completa da cadeia causal.

Cabe ressaltar, todavia, que o próprio Rodrigues Jr. tece críticas à adoção irrestrita do nexo causal probabilístico no direito civil geral, alertando para os riscos de uma "causação estatística" que desconecte a responsabilidade civil de qualquer relação concreta entre a conduta do agente e o dano experimentado pela vítima. Com efeito, a substituição da causalidade real pela causalidade provável pode conduzir a distorções graves: um desenvolvedor de IA poderia ser responsabilizado não porque seu sistema causou o dano, mas porque sistemas similares ao seu causam danos com determinada frequência estatística. Esse resultado é problemático sob a perspectiva da segurança jurídica e da proporcionalidade, valores que o próprio princípio da reparação integral pressupõe.

O equilíbrio entre essas perspectivas parece residir em um modelo escalonado: a causalidade probabilística pode ser admitida como presunção relativa em casos de sistemas de IA de alto risco, nos quais o desenvolvedor ou operador tenha maior capacidade de supervisão e de produção de evidências — transferindo, assim, o ônus da prova da improbabilidade causal para quem está em melhor posição epistêmica para produzi-la. Essa inversão probatória, compatível com os princípios do art. 373, § 1º, do Código de Processo Civil, e com os mecanismos de facilitação probatória previstos na Proposta de Diretiva Europeia sobre Responsabilidade Civil da IA (COM/2022/496), representa uma solução intermediária que preserva a racionalidade do sistema sem sacrificar a proteção das vítimas.

Em suma, verifica-se que nem a teoria do risco concorrente nem a teoria do nexo causal probabilístico oferecem, isoladamente, resposta completa aos desafios causais da inteligência artificial. Ambas contribuem com elementos valiosos — a primeira, ao distribuir equitativamente a responsabilidade entre coautores do risco; a segunda, ao flexibilizar o padrão probatório em contextos de opacidade tecnológica — mas ambas também apresentam limitações que exigem sua aplicação criteriosa, em conjugação com outros critérios causais e com as disposições específicas dos marcos regulatórios emergentes. É esse pluralismo metodológico, orientado pelas finalidades normativas de proteção do lesado e de estímulo responsável à inovação, que caracteriza o estado da arte do direito da responsabilidade civil em matéria de inteligência artificial.