ooligo

UniCourt

legal-data-api court-data-api · docket-tracking · litigation-analytics · state-court-research
MCP API
Legal Ops
7.2 /10

O que é

O UniCourt é uma empresa de dados judiciais sediada em Tustin, na Califórnia, fundada em 2014 e comandada pelo cofundador e CEO Josh Blandi. Ele coleta dockets e documentos de tribunais estaduais e federais dos EUA, incluindo o PACER, e vincula cada registro a entidades reais: advogados (a partir de dados das ordens de advogados), empresas (a partir de registros das Secretarias de Estado), escritórios e juízes. Depois vende esse registro estruturado de três formas.

  • Enterprise API. O UniCourt vende acesso via API desde 2017 e relançou o produto como Enterprise API em março de 2023. Ela cobre busca de processos, acompanhamento de dockets, feeds em massa e endpoints de analytics sobre advogados, escritórios, partes e juízes. É o produto central para times de Legal Ops e de dados.
  • DART (Docket Analytics, Research and Tracking). É o app web para advogados, lançado em agosto de 2025. Em fevereiro de 2026 o UniCourt adicionou pesquisa de sentenças, e em março de 2026 adicionou analytics de sentenças (totais de indenização, valores medianos, tempo até a sentença) e comparação de advogados. Por enquanto, os dois recursos só estão disponíveis para uma seleção de tribunais estaduais de primeira instância.
  • Acesso via IA. Em 18 de setembro de 2026 o UniCourt lançou um plugin em beta que conecta sua base de dados de litígios ao ChatGPT Enterprise. O blog do UniCourt descreve o recurso como um plugin MCP. Ele exige uma assinatura enterprise ativa com o UniCourt.

No anúncio de setembro, o UniCourt afirma cobrir mais de 5.000 tribunais estaduais e federais em 46 estados e mais de 2 bilhões de dockets e documentos. Em junho de 2026, anunciou que a Firm Prospects incorporaria o histórico de litígios do UniCourt aos seus perfis de advogados e escritórios, o que mostra que os dados também são revendidos, e não só usados diretamente.

  • O trabalho é um pipeline, não uma caixa de busca. Um time jurídico interno pode usá-lo para monitorar novos processos contra a empresa ou seus fornecedores, para trazer o histórico de processos dos escritórios externos para uma revisão do painel e para alimentar um dashboard de BI com contagens de litígios. Tudo isso exige um feed estruturado via API de dockets com nomes normalizados, que é o que o UniCourt vende. Uma licença de pesquisa não resolve.
  • A normalização de entidades economiza a limpeza. Dockets brutos escrevem a mesma empresa de cinco jeitos. O UniCourt diz que resolve partes, advogados e juízes em um único registro cada. Esse é o passo que os times fazem à mão em planilha antes de qualquer contagem fazer sentido.
  • Agora ele chega às ferramentas de IA que os advogados já usam. Com o plugin para ChatGPT Enterprise, um advogado pode perguntar em linguagem natural sobre os dockets de um juiz ou do advogado da parte contrária sem exportar nada. Trellis e CourtListener lançaram conectores parecidos em 2026, então hoje esse é o jeito normal de comprar dados judiciais, não um diferencial.

Preço na prática

A página de preços do UniCourt lista três planos self-service: Personal a $59 por mês, Professional a $199 e Premium a $399. Todos são mensais, sem compromisso de longo prazo. Pagar por ano dá dois meses grátis, o que equivale a cerca de $49, $166 e $333 por mês. Não há teste grátis. Os planos variam em número de buscas, de usuários e no acesso a documentos. Baixar um documento do PACER pode ter cobrança extra, então pergunte como as taxas judiciais são repassadas antes de supor que o preço por licença é o custo total.

A maioria dos compradores de Legal Ops acaba no plano Enterprise, porque é nele que estão a API, os dados em massa e o plugin para ChatGPT. O preço é só sob consulta. Vários diretórios de software listam um preço inicial de $2.250 por mês, mas esse número é antigo e o UniCourt não o publica. Use como piso para planejamento, não como cotação. Se esse piso ainda valer, um time interno que leva dados para dashboards deve orçar pelo menos $27.000 por ano, conforme tribunais, volume de registros e chamadas de API.

Ideal para

Líderes de Legal Ops e de dados de litígios em departamentos jurídicos corporativos e escritórios que precisam de dados de dockets estaduais e federais, com advogados, partes e juízes vinculados a registros limpos, entregues via API nos próprios sistemas. O encaixe mais claro é um time que está construindo um dashboard de exposição a litígios ou um scorecard de escritórios externos e precisa de dados de muitos estados, não de um só.

Versus as alternativas

Bloomberg Law e Lexis CourtLink são os incumbentes com as maiores coleções de dockets e a maior fatia dos orçamentos de pesquisa dos escritórios. Escolha um deles quando os advogados precisam de dockets ao lado de jurisprudência, notícias e pesquisa de empresas em uma única licença, e você não precisa de um feed de dados. O entrante que mais cresce é o Clio Docket, antigo Docket Alarm, que chegou à Clio com a aquisição da vLex e entrou no Clio Work em agosto de 2026. Escolha-o se o seu escritório já roda em Clio.

Trellis é o concorrente mais direto. Escolha Trellis quando o trabalho é pesquisa em tribunais estaduais de primeira instância e analytics de juízes para litigantes em um ou dois estados, com preços publicados e um conector para Claude. Escolha UniCourt quando você precisa de dados federais e estaduais juntos, via API, em volume. CourtListener é gratuito, com API e servidor MCP. Escolha-o para decisões federais e documentos do PACER que outros já compraram via RECAP quando o orçamento é zero. PacerPro serve para capturar as petições dos seus próprios casos no DMS, não para pesquisar outras partes. Lex Machina vence em analytics federal curado para estratégia de moções.

Se nenhum servir, comece com a API gratuita do CourtListener para a cobertura federal e uma busca salva no PACER com o nome da sua empresa, e registre por um trimestre o que está faltando. Essa lista de tribunais estaduais ausentes é a especificação que você leva ao UniCourt ou à Trellis.

Pontos de atenção

  • Os números de cobertura mudam entre anúncios. O comunicado de junho de 2026 do UniCourt falava em 4.000 tribunais em mais de 40 estados, e o de setembro fala em mais de 5.000 tribunais em 46 estados. O analytics de sentenças cobre só tribunais estaduais de primeira instância selecionados. Como se proteger: envie suas 15 principais jurisdições por volume de processos, peça por escrito a cobertura e a frequência de atualização por tribunal e, durante o teste, compare 20 dockets recentes com o site do próprio tribunal.
  • O preço que importa não é publicado. Os planos self-service são baratos, mas a API, os dados em massa e o plugin para ChatGPT exigem um contrato Enterprise. Como se proteger: coloque no pedido de compra a tarifa por chamada ou por registro, as regras de excedente, como as taxas do PACER são repassadas e um teto de reajuste na renovação antes de construir qualquer coisa sobre o feed.
  • O plugin para ChatGPT está em beta e só funciona no ChatGPT Enterprise. Como se proteger: confirme com os dois fornecedores quais dados das consultas saem do seu workspace e se o UniCourt registra os prompts. Pilote o plugin com um grupo pequeno antes de anunciá-lo para todo o escritório, e mantenha a API como sistema de registro.
  • A normalização pode errar. Vincular “Acme Inc.” à Acme certa, ou um advogado que mudou de escritório, é exatamente onde a resolução automática de entidades falha. Como se proteger: antes de qualquer contagem chegar a um dashboard, audite uma amostra de 50 registros vinculados contra os dockets de origem e marque para revisão os matches de baixa confiança.
  • Dados judiciais sobre pessoas são regulados quando usados para decidir sobre elas. Usar registros de litígios ou criminais para avaliar candidatos a emprego ou inquilinos cai sob a Fair Credit Reporting Act (FCRA) dos EUA. Como se proteger: use o UniCourt para pesquisa de litígios e de contrapartes, e passe qualquer triagem de pessoas por um fornecedor de background check em conformidade com a FCRA.