1
Las tecnologías digitales y la inteligencia artificial tienen un impacto actual y
previsible en la formulación de leyes, juicios, vigilancia y cumplimiento de la ley.
1. INTRODUCCIÓN
1.1 Un poco de historia
La computación legal comenzó en la década
de 1960, en un momento en el que en parte
compartía mucho con la computación de
humanidades, ya que los cuerpos textuales
deben buscarse con herramientas de
recuperación informativa (Choueka et al.
1971, 1972, 1980; Choueka 1989), pero
también en parte con bibliometría (debido
a la necesidad de rastrear literatura
relevante, por lo tanto, citas). Ese fue un
momento en que la jurimetría se hizo visible
(todavía es un campo activo, con un
enfoque en problemas técnicos
cuantitativos: ver, por ejemplo, Nance y
Morris 2002; Combrink-Kuiters et al. 2000;
Finkelstein y Levin 2003). No por casualidad,
también fue un momento en que la beca
escandinava de derecho tenía como
objetivo desarrollar métricas para el
derecho, por ejemplo. los grados de
resistencia probatoria de Bolding- Ekelöf,
que evolucionaron a través de Bolding
(1960), Ekelöf (1964), luego (con la
participación de AI) Åqvist (1992), y Shimony
y Nissan (2001; Nissan 2012: Sec. 2.6).
Hay que decir que la contribución real de la
computación a la práctica legal inicialmente
fue en el procesamiento de textos, algo que
luego se consideró algo más bien de baja
tecnología. En la década de 1970, la
investigación en un área que llegó a
llamarse 'AI & Law' comenzó a prosperar,
pero su enfoque original estaba en las
lógicas modales, un área de lógica no
clásica: ver, por ejemplo, Hamkins y Löwe
(2008), en una lógica modal de forzar, y
Martino (1997) en una lógica modal de
acción política, y en particular en lógica
deóntica: la lógica de lo que está permitido
o prohibido (por ejemplo, Åqvist 1984, 1986;
Horty 1993; Nute 1996; Goble 1999).
Posteriormente, la investigación sobre los
formalismos de la argumentación prosperó
y las aplicaciones en el dominio legal
prosperaron dentro de los muros de la
academia. Tomó mucho más tiempo (como
veremos) para que surja el área de
evidencia legal dentro de 'AI & Law'.
1.2 Categorías profesionales, tareas, sus
necesidades y algunas herramientas.
Los profesionales legales y la policía (cuyo
trabajo a menudo conduce a juicios
penales) tienen culturas profesionales
considerablemente diferentes. Dentro de
esas categorías, los jueces, abogados y
fiscales, así como los árbitros o mediadores
en la resolución alternativa de disputas,
tienen sus respectivas tareas y requisitos,
que se beneficiarán de las aplicaciones
informáticas personalizadas. En cuanto a la
policía, los investigadores y la prevención
del delito tienen necesidades distintas.
Existen herramientas operativas, o
simplemente prototipos. Algunas
investigaciones siguen siendo un cielo azul,
pero con un claro potencial, como
herramientas que recurren a los
formalismos matemáticos para razonar
sobre hipótesis en un espacio de escenarios
de delincuencia.
Permítanos ejemplificar cuán variada es la
gama de aplicaciones. Es cierto que las
siguientes son herramientas inteligentes
que no son de inteligencia artificial. CACTUS
es una pieza de software, un sistema de
simulación basado en una arquitectura
multiagente de software, es decir, un
sistema que delega (sub) tareas a
componentes (agentes) especializados por
dominio de experiencia, para capacitar a los
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

oficiales de policía en la gestión de eventos
de orden público, mientras se comunica
como lo harían en una situación real
(Hartley y Varley 2001). Un sistema
multiagente es tal que el comportamiento
inteligente se coordina entre varios agentes
inteligentes separados, que son módulos de
software autónomos (a veces incorporados
en robots); se les llama agentes autónomos
(Nissans 2012: Sec. 6.1.6).
ExpertCop es una herramienta de software
(un geo simulador, una combinación de
simulación y un sistema de información
geográfica) para capacitar a los oficiales de
policía en la asignación de la presencia
policial en determinados entornos urbanos,
con el fin de prevenir el crimen (Furtado y
Vasconcelos 2007). Las herramientas
geográficas también pueden ayudar a los
miembros del público, por ejemplo : una
aplicación de teléfono inteligente,
Protobadi, tiene como objetivo reducir el
acoso a las mujeres en las calles de
Bangladesh funciona de la siguiente
manera: suena una alarma, envía mensajes
de texto a los contactos de emergencia de
la mujer y se recopilan datos de incidentes
de todos los usuarios para crear un mapa
que muestra las áreas donde el
hostigamiento está en su peor momento
(Marcos 2014).
En la corte, los abogados buscan persuadir
al adjudicador. En contraste, su actitud
hacia la otra parte es conflictiva, erística, y
no esperan persuadir a la otra parte
mientras están en el tribunal. Sin embargo,
si se busca un acuerdo extrajudicial, se
busca una solución para el conflicto de
intereses mediante la negociación. Las
herramientas que ayudan en la negociación
legal, posiblemente basadas en la Web
(Zeleznikow 2002), pueden ser utilizadas
por abogados o miembros del público, por
ejemplo: esposos que buscan el divorcio,
utilizando el sistema experto Split Up in
Australia (Zeleznikow y Stranieri 1995,
1998) para evitar tener que recurrir a
2
abogados, y mucho menos a acudir a los
tribunales. Es importante destacar que esta
es una herramienta para la ley australiana.
Podría decirse que la misma arquitectura
podría adaptarse en otras jurisdicciones,
pero claramente la herramienta australiana,
no modificada, no podría utilizarse de
manera útil para resolver el problema en
conformidad con una jurisdicción diferente.
Los aspectos organizativos de la inteligencia
policial y el manejo de sospechosos
involucran diferentes tipos de equipos
(Nissan 2012: Sec. 4.5). Con respecto a las
alineaciones de sospechosos (desfiles de
identidad), una versión computarizada son
discos ID en los que aparecen los clips de
video de una base de datos, junto con un
video que muestra al sospechoso (Nissan
2012: Sec. 4.5.2.3).
Los analistas de patrones de mancha de
sangre en la escena de un crimen tienen sus
propias necesidades y herramientas (Akin
2012), y también los científicos forenses.
Para esas categorías, se han desarrollado
aplicaciones informáticas. El software Age-
progression (Progresión de la edad)un tipo
de software de gráficos de computadora,
útil para la policía con el fin de localizar a
personas desaparecidas, ya que predice
cómo una persona determinada (basada en
una fotografía antigua) habría envejecido
mientras tanto; sugiere cómo se vería un
niño que ha desaparecido unos años más
tarde (Nissan 2012: Sec. 8.2.3). Otra
herramienta apunta a ayudar a reducir la
ocurrencia del suicidio en las prisiones de
EE. UU : un dispositivo "puede detectar los
signos vitales de un preso desde una pared
o un techo a unos metros" (Rutkin 2014).
Nissan (2012) es una descripción general en
dos volúmenes de las técnicas informáticas
para la evidencia legal, la preparación de
casos, el apoyo procesal y la investigación
policial. Podríamos argumentar que AI
participó en el desarrollo de muchas (no
todas) de estas herramientas. Ahora
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

algunas son utilizadas de manera sencilla;
otras han sido prototipos que no entraron
en la práctica profesional. Sin embargo,
otras técnicas han permanecido dentro de
los muros de la academia, no
implementadas, pero interesantes y con
potencial de aplicación.
Bex’s box (2011) relaciona la evidencia
criminal con narraciones y argumentos. Las
bases de datos legales y el descubrimiento
de conocimientos que las utilizan mediante
técnicas de IA son el tema del libro de
Stranieri y Zeleznikow (2005). Véase
también Valente (1995), sobre una
aproximación a la ingeniería del
conocimiento legal. En el presente estudio,
estamos proporcionando una visión
general; vamos a examinar más
detenidamente las herramientas o técnicas
con las cuales, y para cuyo uso, el autor está
comprometido.
2. DIFERENCIAS JURISDICCIONALES
2.1 Juicios sin jurado versus juicios con
presencia de jurado
Es necesario considerar la diferencia entre
las jurisdicciones y entre los procedimientos
penales en diferentes países. Por ejemplo,
la investigación del jurado ha estado
prosperando en América del Norte, pero no
en Europa, ni siquiera en Gran Bretaña
(donde los juicios de prueba se han vuelto
poco a poco comunes); existen modelos
matemáticos de cómo un jurado, o
buscadores de hechos en general, se
orientan gradualmente para decidir esto o
aquello, y esto se representa mediante
parámetros cuantitativos. A veces, las
técnicas de IA se han utilizado en dichos
modelos descriptivos (Nissan 2012: Sec.
2.1). Modelar el trabajo de un jurado no
implica cambios resultantes en los
procedimientos.
2.2 Del juez de instrucción al fiscal
3
En Italia, un abogado sustituto (sostituto
procuratore) lideraría una investigación
policial como juez de instrucción y luego se
convertiría en un fiscal. En la década de
1990, el juez Carmelo Asaro desarrolló
por sí solo, mientras era un abogado
sustituto, una herramienta de software
para el soporte de procedimientos:
DAEDALUS, que se hizo popular en todo el
país entre sus colegas y que valida cada
paso (Asaro et al. 2012). Una razón para
esto es la rendición de cuentas, evitando la
secuencia de pasos tomados por la defensa
más adelante. Otra es la máxima legal
francesa e italiana Quod non est in actis, non
est in world: lo que no está en el expediente
se considera que no existe, como en el
mundo exterior. Claramente, los países de
habla inglesa tienen una tradición muy
diferente. DAEDALUS está en uso en Italia y
podría adaptarse a Francia o los Países
Bajos, pero considerando que, a diferencia
de Italia, en Gran Bretaña, la investigación
policial no está dirigida por un juez de
instrucción. Además, el estatuto de
limitaciones (en Italia: termini di
prescrizione) es muy diferente, ya que en
Italia incluso los procedimientos legales de
la apelación deben concluir antes de su
expiración.
Independientemente del tipo de
jurisdicción: 'Los sistemas de apoyo
procesal son programas de AI y de Ley que
carecen de conocimientos de dominio y, por
lo tanto, no pueden resolver problemas,
sino que ayudan a los participantes en una
disputa a estructurar su razonamiento y
discusión, promoviendo así el
ordenamiento. y una solución efectiva de
una discusión '(Prakken y Renooij 2001).
"Los sistemas de soporte de procedimientos
deben ser útiles en la práctica, es decir,
deben brindar apoyo para el razonamiento
causal sobre la evidencia" (ibid.). La
responsabilidad recae en el usuario: el
poder judicial, el fiscal o los abogados,
depende de quién utilice dichas
herramientas de apoyo en el sistema
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

procesal.
En los EE. UU. los profesionales del derecho
pueden recurrir a herramientas locales para
el soporte de procedimientos. CaseMap es
una herramienta de software comercial
para organizar la evidencia; es producido
por Case-Soft, una empresa estadounidense
(www.casesoft.com).
2.3 Establecer en el software la naturaleza
de los delitos para el tribunal de casación.
El juez Asaro desarrolló una representación
esquemática para apoyar las tareas de
derecho penal (Asaro 2012). También
diseñó una herramienta para el Tribunal de
Casación en Roma, ITACA, y luego fue
desarrollada bajo contrato por Siemens.
Traduzco del italiano un extracto de un
correo electrónico suyo (14 de junio de
2012):
Itaca no se refiere a las sentencias de
Casaciones, sino a la ofensa per se, que fue
sometida a un análisis en profundidad. La
ofensa es considerada como un objeto,
cuyas propiedades fueron descritas y, para
cada uno de ellas, sus parámetros. A
continuación, se hizo un inventario y una
jerarquía de los eventos que afectan la
ofensa. Los eventos se modelaron como
objetos y se configuraron como accesibles a
ser invocados cuando se necesiten, lo que a
su vez desencadena "métodos" [en AI, esto
se llama "demons"] cuya salida modifica los
parámetros de las propiedades de la
ofensiva. La ofensa, como un tipo de objeto,
ha sido modelada (penalización, aptitud
para proceder, competencia, etc.). A
continuación, se insertaron los delitos
individuales en la base de datos, junto con
las especificaciones respectivas. Sobre esta
base de conocimiento, se han construido
rutinas complejas que representan, al
descomponerlas en unidades básicas de
conocimiento, organizadas como una
taxonomía, dos procedimientos
fundamentales: el cálculo de la caducidad
según el estatuto de limitaciones (El cálculo
4
del plazo de prescripción), y del vencimiento
de la detención permitida antes de los
cargos (y del vencimiento de la custodia
cautelar). De ambos procedimientos, se han
representado los eventos pertinentes y los
"métodos".
Si se considera que estas herramientas de
soporte son útiles, pueden implementarse,
y el usuario (es decir, el poder judicial o los
abogados, según el cual se ha diseñado la
herramienta) siguen siendo los
responsables.
2.4 Puntos de procedimiento
Existen herramientas que ayudan con
puntos específicos de procedimiento: los
académicos escoceses desarrollaron un
sistema experto, ADVO-KATE, para evaluar
la idoneidad y confiabilidad de los testigos
presenciales (Bromby y Hall 2002; Nissan
2012: Sec. 4.4). "En 1976, después de varios
casos de alto perfil de identidad errónea y
alineaciones mal conducidas en Inglaterra y
Gales, el Informe Devlin proporcionó un
análisis exhaustivo de las pruebas de
identificación en los procedimientos
penales" (Bromby et al. 2007: 308).
'Siguiendo el Informe Devlin' (ibid.)., el
primer caso que consideró seriamente la
identificación de testigos oculares fue
Turnbull’(ibid.). En cuanto a ADVOKATE: 'El
modelo incluye información como la
distancia entre el testigo y el perpetrador; la
duración de la observación; y las
condiciones de visibilidad o iluminación.
Estos elementos se conocen comúnmente
como las "Reglas de Turnbull". La aplicación
de estos factores se ha convertido en un
requisito en Inglaterra y Gales al considerar
la admisibilidad del testimonio de testigos
presenciales en un tribunal. Las reglas de
Turnbull han sido aplicadas por otras
jurisdicciones de derecho común, en
particular en: Irlanda, Canadá y Australia
(Bromby et al. 2003: 100).
Volviendo a otro tema, las diferencias de
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]
 5

procedimiento pueden ser por ejemplo. 'En cuestionamiento de un testigo experto. Es

Australia, [...] el Tribunal Federal ha sido lógico que las diferencias de procedimiento
alentado (a través de sus reglas judiciales) deban explicarse en modelos más
tanto en ‘hot-tubbing’ como en refinados, como los que sugiero que se
conferencias conjuntas de expertos. En las incorporen en las herramientas
reglas de la conferencia conjunta, los jueces informáticas para ayudar a los abogados o
intentan controlar a los testigos expertos fiscales a planificar un examen directo o a
dirigiéndolos para que consulten o para contraprestación de los expertos. Ha habido
producir un documento que identifique los un gran número de escritos y documentos
temas en los que están de acuerdo y sobre tales cuestiones de asesoramiento.
aquellos en los que no están de acuerdo.
Bajo las reglas de '' tubing '', los expertos
Un sistema experto que se ocupa de hacer
testifican juntos en la corte, respondiendo a
analizar los rumores que circulan alrededor
preguntas de abogados y otros, así como del
de un caso es el Hearsay Rule Advisor
mismo juez. Los jueces también pueden
(HRA,traducido: Asesor de reglas de
designar a sus propios testigos, aunque rara
rumores). Fue desarrollado como un LL.M.
vez lo hacen en juicios penales (Beecher-
Proyecto en Vancouver, Canadá, por
Monas 2008).
Blackman (1988), bajo la supervisión de
Existe una diferencia entre hot –tubbing y
MacCrimmon (1989). Ese sistema experto
las conferencias conjuntas de expertos con
proporciona una declaración que viene
respecto a las intervenciones de los
dentro de la definición de rumores y, de ser
abogados: hot -tubbing también se conoce
así, analiza si la declaración entra dentro de
como evidencia concurrente. En este
una excepción a la regla general que excluye
procedimiento, los expertos de ambas
las declaraciones de rumores (MacCrimmon
partes se presentan ante el tribunal y se
1989: 468). Las preguntas iniciales que le
preguntan entre sí sobre sus opiniones en el
hace el sistema experto al usuario son:-
expediente. También están sujetos a
MacCrimmon (ibid., Pág. 467-468)- -
interrogatorio por parte del tribunal y los
abogados. El hot tubbing, a diferencia de las
Clasifique las excepciones según el contexto
conferencias conjuntas de expertos, cuenta
del juicio (si el declarante está disponible
con la participación de asesores legales en
para testificar y el tipo de juicio: civil o
intercambios entre los expertos (ibid.).
penal). Esta parte del programa elimina
Modelar decisiones particulares no es
algunas excepciones a medida que se
nuevo. Podría decirse que el uso de
conocen más hechos. Las excepciones
herramientas de software para modelar
incluidas en el programa son: declaraciones
procesos particulares es relativamente
moribundas, declaraciones en contra de los
problemático. Sin embargo, como veremos,
intereses, declaraciones en el curso del
en la medida en que se utilicen
deber y documentos de negocios (solo
herramientas probabilísticas para prescribir
Columbia Británica). Las excepciones de
más bien para describir la adjudicación en
rumores en la HRA se clasifican en base a
casos penales (en oposición a la decisión de
cuatro dimensiones: EVENTO, PERCEPCIÓN,
procesar), este es un nido de avispones en
CREDIBILIDAD Y INTENCIÓN. Primero, el
(especialmente en EE. UU.) la doctrina
sistema busca una coincidencia aproximada
jurídica.
entre el usuario y los eventos en el sistema.
Ahora considere que un filósofo finlandés,
Una vez que se encuentra una coincidencia,
Holmström- Hintikka (1995, 2001), ha
al usuario se le hacen preguntas diseñadas
desarrollado un formalismo que modela el
para evaluar si las tres dimensiones de

[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

 6

PERCEPCIÓN, CREDIBILIDAD Y INTENCIÓN, dentro de la lingüística computacional, a

se satisfacen con los hechos introducidos saber, la escuela de dependencia
por el usuario para un caso particular. Estas computacional asociada principalmente con
preguntas se adaptan al EVENTO Roger Schank, Christopher Riesbeck y
identificado para que el sistema no pierda Michael Dyer (véase, por ejemplo, Schank
tiempo con preguntas irrelevantes o 1972; Schank y Riesbeck 1981; Dyer 1983 y
inaplicables. […]. La responsabilidad legal a ver una descripción general en Nissan 2012,
menudo depende de si una persona sabe, Sec. 5.2), ha sido influyente en la década de
piensa, cree ciertas cosas y no simplemente 2000: esto es bastante evidente en dos
del estado emocional que presente. desarrollos mutuamente independientes: la
semántica ontológica de Victor Raskin y
Comenzamos con el declarante como actor
Sergei Nirenburg (Nirenburg y Raskin 2004),
principal. La acción es la realización de la
y mis propias fórmulas episódicas , sobre la
declaración. El EVENTO se define como los
cual publiqué ampliamente desde 2001 (p.
eventos que inician los estados de creencias
ej., Nissan 2001a; Nissan et al. 2004; véase
requeridos que inician el objetivo de decir la
una descripción general en Nissan 2012:
verdad. Por lo tanto, para la declaración de
Sec. 5.3).
muerte, los eventos de inicio son el
declarante que está herido y el declarante 3. Opinión de los profesores de ley
está muriendo. Se supone que estos estadounidenses sobre la inteligencia
eventos inician la creencia de que el artificial
declarante está muriendo, lo que inicia el
El Machine learning es una rama de la
objetivo de decir la verdad. Para la
inteligencia artificial (AI, esta última
excepción, las declaraciones en el curso del
también se denomina inteligencia
deber, los eventos de inicio son cuando el
mecánica). El aprendizaje automático
declarante está cumpliendo un deber y
permite que los sistemas de inteligencia
otros confían en sus acciones que inician el
artificial mejoren su rendimiento.
estado de creencia de que el declarante
aumentando sus conocimientos de forma
espera ser descubierto si comete un error
autónoma. El aprendizaje automático es
que a su vez inicia el objetivo de evitar la
prominente en la minería de datos, el
censura por parte de su empleador.
conjunto de técnicas que permiten analizar
Las dimensiones de PERCEIVE [y] BELIEVE
una gran cantidad de datos para generar
pueden estar relacionadas con los estados
información y patrones. Los tipos de
del mundo que permiten al declarante
minería de datos incluyen, por ejemplo,
hacer una declaración verdadera. A
minería de datos predictivos (cuyo objetivo
menudo se requieren circunstancias que
es aprender de los datos de muestra para
faciliten percepciones precisas. […] INTEND
hacer una predicción y cuyas técnicas
se centra en los hechos del caso específico
incluyen redes neuronales, inducción de
que se está considerando para establecer el
reglas, regresión lineal múltiple);
estado de creencia requerido.
segmentación (cuyo objetivo es agrupar
Un árbitro comentó: "Me recuerda el
automáticamente los datos en grupos y
trabajo realizado en la década de 1970 por
descubrir grupos significativos en los datos
Schank, Colby y Abelson en los guiones, y
de muestra y cuyas técnicas incluyen
por McCarthy sobre el razonamiento legal".
agrupamiento de medios , mapas auto
Mi respuesta es: absolutamente.
organizados, etc ); resumen (para presentar
Especialmente lo que en la década de 1970
automáticamente los datos de una manera
solía ser la escuela de Yale de
que facilite la interpretación, ayudando al
procesamiento narrativo automatizado
usuario a visualizar patrones o encontrar

[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]


asociaciones dentro de los datos de
muestra); series de tiempo, para el
pronóstico; y minería de texto (donde los
datos son cuerpos textuales).
En 'Aprendizaje de máquinas y leyes',
Surden (2014: 115), de manera algo
reductiva, concluyó que:
Hay una serie de tareas dentro de la ley
para las cuales las evaluaciones
estadísticas dentro del ámbito de las
técnicas actuales de machine learning
pueden ser impactantes a pesar de la
incapacidad de reproducir
tecnológicamente la cognición de
orden superior tradicionalmente
solicitada por los abogados. La idea
general es que las evaluaciones
estadísticas y otras evaluaciones
automatizadas de datos basadas en
heurística pueden a veces producir
resultados automatizados en tareas
complejas que, aunque
potencialmente menos precisas que
los resultados producidos por procesos
cognitivos humanos, pueden ser lo
suficientemente precisos para ciertos
propósitos que no exijan niveles
extremadamente altos de precisión y
exactitud.
Sin embargo, la responsabilidad debe
permanecer en los profesionales
humanos, que necesitan comprender
lo que cuenta como una respuesta
aceptable.
Mis dudas con respecto a la declaración de
Surden son que existen tareas en las que la
inteligencia artificial en realidad supera las
capacidades humanas, especialmente
cuando se requiere la detección de
patrones en una red enorme. Esto se realiza
mediante la minería de datos, un área
dentro del machine learning (subárea de
inteligencia artificial) que la hace útil para la
7
detección de delitos y la investigación
policial. Claramente, estos últimos son
bastante distintos de lo que hacen los
abogados o jueces, y Surden estaba
pensando principalmente en el uso del
aprendizaje automático para recuperar
textos, incluidos los textos de precedentes
legales.
Con un fuerte enfoque en el mercado de
servicios legales de los EE. UU. Y las
perspectivas para la profesión legal,
McGinnis y Pearce (2014: 3046)
enumeraron, y luego discutieron
inteligentemente, “cinco áreas en las que la
inteligencia artificial cambiará
dramáticamente en el futuro próximo: (1)
descubrimiento; (2) búsqueda legal; (3)
generación de documentos [por ejemplo,
formularios generados por computadora];
(4) generación de memorandos; y (5)
predicción de los resultados del caso
[analítica legal]’’.
Los avances en el análisis predictivo, que
analizaremos con mayor detalle en relación
con los resultados del caso, afectará a las
cinco áreas. Debo decir que la lista no está
completa, ya que dejó de lado los avances
en las herramientas de software que
apoyan el desarrollo de la argumentación.
Además, las perspectivas que se enumeran
plantean cuestiones difíciles en relación con
los juicios legales, que deberían ser
fácilmente explicables.
El pronóstico de McGinnis y Pearce (2014:
3043) es sombrío para el nivel inferior de
profesionales legales que realizan tareas
más bien de rutina, ya que "con el tiempo,
estas transformaciones cambiarán la
práctica legal, ayudando a las superestrellas
a expensas de los abogados". De hecho,
McGinnis y Pearce razonan que la entrega
en los tribunales generalmente requerirá
abogados (pero me he topado con noticias
de servicios de arbitraje en los Estados
Unidos que aceptan presentaciones
enviadas en línea, en aras del costo
reducido y el tiempo). Los abogados que
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

son especializados en áreas sujetas a
cambios legales rápidos, como la regulación
Dodd-Frank, no se verán afectados, ya que
las máquinas funcionarán mejor en áreas
más rutinarias y establecidas (ibid .: 3042).
Mi propia respuesta (y la de un evaluador) a
esto es que debe haber un debate más
amplio sobre las amenazas al empleo de
profesionales de nivel inferior. Esto no es
solo una cuestión de inteligencia artificial.
De hecho, sostengo, solo pienso en la
situación en Inglaterra y Gales en las
décadas de 2000 y 2010, con el recorte
gradual de la financiación a la asistencia
legal que resulta en graves dificultades para
algunas categorías de firmas legales, y
obliga a amplios sectores de la población a
no esperar obtener justicia en los juzgados.
Es decir, tanto las fuerzas del mercado como
la política son factores cruciales en lo que
sucederá a los profesionales legales de nivel
inferior.
Además, McGinnis y Pearce comentaron
que "los consejeros que deben persuadir a
los clientes que no están dispuestos a hacer
lo que les interesa a ellos mismos también
seguirán teniendo un papel, ya que las
máquinas no podrán crear los vínculos
emocionales necesarios con los clientes. Sin
embargo, los abogados especialistas, como
aquellos que escriben testamentos de
rutina, cierres de casas veterinarias,
redactan contratos estándar y revisan
documentos, enfrentan un futuro mucho
más sombrío, ya que las máquinas
realizarán muchas de esas tareas legales de
rutina. Por lo tanto, si bien la llegada de las
máquinas será generalmente buena para
los consumidores, el panorama es mucho
más mixto para los abogados (McGinnis y
Pearce 2014: 3042). Sospecho que el
potencial es una imagen mixta también para
el público, y no solo porque a grandes
segmentos aún se le descontaría el acceso a
la justicia sino también porque
potencialmente se enfrentan a oponentes
con capacidades mejoradas. Uno no debe
dar por sentado que el potencial es idéntico
8
cualquiera que sea la jurisdicción, estas
interrogantes serán resueltas por los
profesionales.
La imparcialidad para las partes es una
preocupación que ha hecho que, en Italia,
se rechace una tecnología determinada en
un caso dado, porque un grupo recurrió a
ella, pero no estaba disponible para el grupo
restante
Durante una reunión internacional con
académicos legales italianos y
sudamericanos en Pisa a fines de la década
de 1990, Antonio A. Martino señaló un
precedente de Italia: cuando en un caso
penal, el abogado del acusado afirmó que el
acusado estaba en desventaja debido a que
la fiscalía había presentado su caso
recurriendo a tecnología avanzada (en su
lugar, no era más que una herramienta de
hipermedia trivial, con enlaces como lo que
se ve en la Web); el tribunal aceptó esa
objeción y se desestimó el uso de
herramientas informáticas legales por parte
de la prosecución. Esos, sin embargo, eran
antecedentes bastante tempranos.
El propio Martino había introducido mucho
antes el término italiano giurimatica
("jurimática") para herramientas bastante
triviales que ayudaban a la profesión legal,
tan simples como los procesadores de
documentos, pero finalmente era una
decisión particular no aplicar el término a
las herramientas de inteligencia artificial. Es
decir, su neologismo se había depreciado
debido a su historia temprana de aplicación.
Un asesor comentó: "Nunca podríamos
saber qué herramientas utilizan los
abogados"
Las cuestiones de responsabilidad derivadas
del uso de sistemas expertos en el campo
del derecho fueron discutidas por Alheit
(1989), como un caso particular de
responsabilidad discutió los problemas
derivados del uso de sistemas expertos en
el campo del derecho, para los cuales, véase
Zeide y Liebowitz (1987). Alheit señaló, en
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

general con respecto al software de
procesamiento de conocimiento, que: ' Aquí
existe un tremendo potencial de litigios
sobre su uso, uso indebido e incluso falta de
uso' (Alheit, ibid .: 43, en referencia a Zeide
y Liebowitz 1987). Un experto comentó: "Mi
suposición es que los profesionales siguen
siendo responsables. Philip Leith y otros
exploraron estas preguntas “.
4. Recuperación de la información y text
mining aplicado al descubrimieto
Existe una variedad de enfoques para la
tarea de descubrimiento del abogado, en AI
& Law. Para un enfoque, vea "Búsqueda de
pasajes legalmente relevantes en casos de
opinión" de Daniels y Rissland (1997). En el
descubrimiento, la recuperación de
información es el área bastante obvia de la
informática que sirve a la tarea de revisión
de documentos del abogado. Estado de
McGinnis y Pearce (2014: 3047):
En la codificación predictiva, los
abogados observan una muestra del
conjunto más amplio de documentos.
Los técnicos en computación ayudan a
construir algoritmos que predicen si un
documento es relevante. Por supuesto,
la codificación predictiva es imperfecta,
ya que se pueden perder algunos
documentos. Pero, la imperfección es la
norma dado que cuando los abogados
realizan una revisión de documentos,
donde la fatiga, el aburrimiento y otras
debilidades, que no afectan a las
máquinas, pueden reducir
sustancialmente la precisión de la
revisión de documentos. Como
resultado, algunos tribunales [de los EE.
UU.] Han aprobado la codificación
predictiva como una herramienta de
descubrimiento que esencialmente
tomará las decisiones finales relevantes,
porque creen que el precio y el
rendimiento son al menos iguales a los
de los métodos tradicionales.
9
Los juicios relacionados con la relevancia
siguen siendo responsabilidad del
profesional.
Existen herramientas para la minería de
textos (Nissan 2012: Sec. 6.1.9), una forma
de minería de datos aplicada a grandes
cuerpos textuales (una de las técnicas
empleadas son las máquinas de vectores de
soporte), y existen aplicaciones para
documentos legales (ibid. : Sec. 6.1.11). Las
formas de inconsistencia son
problemáticas, como por un error judicial o
una nueva legislación o precedentes (ibid .:
Sec. 6.1.12). A veces, el agrupamiento de
texto se realiza recurriendo al cálculo neural
(ibid .: Sec. 6.1.14.15), o a la lógica difusa
(ibid .: Sec. 6.1.15), o a los algoritmos
genéticos (ibid .: Sec. 6.1. dieciséis).
Existen aplicaciones de minería de texto
para investigación criminal: este es el caso
de la minería de correo electrónico (ibid .:
Sec. 6.2.1.1). Los investigadores han
utilizado la base de datos de correo
electrónico de Enron después de que se
colocó en el dominio público, luego del
escándalo de Enron (ibid .: Sec. 6.2.1.2). El
sistema de minería de texto SIGHTS se
aplicó al descubrimiento de coaliciones
sociales (ibid .: Sec. 6.2.1.3). Un investigador
comentó: "El aumento de Google y los" big
data "significan que el genio está fuera de la
botella". En efecto.
La herramienta para el derecho es LetSum
(Farzindar y Lapalme 2004). En cualquier
caso, las herramientas de informes y
resumen no son nuevas.
5 Analizando el riesgo de acudir a los
tribunales.
Los abogados necesitan diferentes
herramientas de la policía, por ejemplo:
una herramienta que ayuda a evaluar los
costos o beneficios de obtener una
evidencia, o de litigar o procesar. En este
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

último caso, un acuerdo de culpabilidad es
una posibilidad en algunas jurisdicciones;
solía ser aborrecido en Italia, pero la
reforma lo convirtió en una opción: la
década de 1990 vio la reforma procesal en
varios estados europeos, con la adopción de
algunas características del sistema
adversario angloamericano.
La predicción de resultados de casos se
conoce como análisis legal: la aplicación
judicial de análisis predictivo. Un ejemplo
hecho por McGinnis y Pearce (2014: 3052)
es que:
Una forma de análisis legal usaría
patrones de hechos y precedentes
para predecir el resultado de un caso,
por lo tanto, equiparía mejor a los
abogados para evaluar el posible
resultado de un litigio. Por supuesto,
los abogados emiten juicios implícitos
sobre las perspectivas de litigio
cuando asesoran a los clientes sobre
si presentar una demanda, resolver o
ir a juicio. Pero sus consejos se basan
en sus intuiciones y se limitan a su
experiencia directa o indirecta de la
ley. La ventaja del análisis predictivo
es que proporciona un mecanismo
tanto para acceder a una gran
cantidad de información como para
extraer sistemáticamente esa
información para comprender el
posible resultado del caso en
cuestión.
Al final de un proceso legal, habrá juicios.
En estos muchas herramientas y métodos
pueden haber sido utilizados.
El Análisis de Riesgo de Litigios (Litigation
Risk Analysis) es un método propietario de
Marc. B. Victor, para cuantificar las
incertidumbres legales y de hecho
asumiendo probabilidades, para construir
un árbol de decisiones y para usarlo con el
fin de evaluar los riesgos de litigio (Nissan
2012: Sec. 4.3.2.3). TreeAge Pro es un
software de decisiones ramificadas para
realizar un Análisis de Riesgo de Litigios.
10
Una firma, Lex Machina (un spin-out de la
Universidad de Stanford), predice
resultados en litigios de patentes en los EE.
UU basados en una gran cantidad de
precedentes históricos: "los clientes pueden
consultar las estadísticas de los tribunales,
jueces, abogados y fallos de patentes para
poner juntos una mejor ofensiva legal o
defensa en el juego de alto nivel de litigios
de patentes, en lugar de confiar en su
experiencia e instintos (Harbert 2012); "Las
compañías de tecnología [...] han estado
librando una batalla legal a través de
patentes. La propiedad de las innovaciones
en las comunicaciones móviles es un frente
importante en el conflicto "(ibid.). Lex
Machina 'surgió del litigio de propiedad
intelectual de Stanford’s IP Litigation.
El plan original para IPLC era crear una base
de datos similar a la que Stanford había
hecho con la ley de valores ”(ibid.). "Los
casos de patentes son más numerosos que
los casos de valores" (ibid.). "Los casos de
patentes también son más complejos,
vienen en muchos tonos de gris" (ibid.).
"Como un spin-out de Stanford, Lex
Machina hace que la base de datos esté
disponible de forma gratuita para ciertas
entidades de interés público, incluidos los
tribunales, académicos, políticos del
gobierno y medios de comunicación" (ibid.).
Se podría habilitar un mercado para tales
sistemas de asesoramiento.
La predicción legal cuantitativa
automatizada es uno de los temas en Katz
(2013). El modelo descrito en Ruger et al.
(2004) se basa en precedentes y se aplica
para predecir la toma de decisiones de la
Corte Suprema de los Estados Unidos. El
modelo superó a un conjunto de expertos
humanos de la Corte Suprema en la
predicción de resultados futuros. Ruger et
al. (2004: 1150) explicó:
Por cada caso argumentado durante el
Plazo de 2002, obtuvimos predicciones
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]

del resultado antes del argumento oral
utilizando dos métodos: uno, un
modelo estadístico que se basa en las
características generales del caso y el
otro un conjunto de predicciones
independientes por especialistas
legales. El resultado básico es que el
modelo estadístico obtuvo mejores
resultados que los expertos legales al
pronosticar los resultados de los casos
del Plazo: el modelo predijo el 75% de
los resultados afirmativos / inversos de
la Corte correctamente, mientras que
los expertos colectivamente acertaron
el 59,1%. Estos resultados son
notables, dado que el modelo
estadístico ignora la información sobre
la ley específica o los hechos de los
casos. El éxito relativo del modelo se
debió en gran parte a su capacidad
para predecir con mayor precisión los
votos importantes de los jueces
moderados (Kennedy y O’Connor) en el
centro de la Corte actual. En contraste,
los expertos legales hicieron lo mejor
para predecir los votos de los jueces
ideológicamente más extremos, pero
tuvieron dificultades para predecir a
los jueces más volubles en opinión.
Un árbitro comentó: "Los sistemas pueden
hacer predicciones sobre las estructuras".
Ruger et al. También señaló (2004: 1157-8):
En estudios cuantitativos llevados a
cabo de forma retrospectiva, el modelo
de actitud ha sido muy exitoso a la hora
de contabilizar, -técnicamente, la
"supresión"-, los resultados de los
casos del Tribunal Supremo. Sin
embargo, a pesar de todo su éxito
postdictivo, existen algunos problemas
tanto técnicos como conceptuales con
el uso del modelo actitudinal estándar
para predecir casos. Los problemas
técnicos son dobles. El primer
problema es que el modelo de actitud
es bastante bueno para predecir el
conjunto de los jueces a lo largo de una
11
dimensión lineal particular. Pero en su
forma básica no es particularmente
bueno para ubicar casos específicos a
lo largo de esa matriz lineal para
predecir dónde estará el punto de
decisión clave, es decir, cuántos jueces
votarán de una manera y cuántos de la
otra. Siempre que los votos de los
jueces se alineen de acuerdo con la
distribución espacial prevista, el
resultado se considera consistente con
el modelo actitudinal,
independientemente de la línea
divisoria decisional. Así, por ejemplo,
en la Corte actual, una decisión
unánime en ambos sentidos es
consistente con la "predicción"
actitudinal, pero también lo es una
decisión 5-4 donde el juez O'Connor se
une a Rehnquist / Thomas / Scalia /
Kennedy, y también es una decisión de
5 a 4 donde se une al cuarteto Stevens
/ Ginsburg / Breyer / Souter. El único
tipo de decisión que suspende el
modelo espacial es uno donde, por
ejemplo, los jueces Scalia y Thomas
votan con Stevens, Ginsburg y Souter
para anular la sentencia de un acusado
y el juez Breyer está con Rehnquist,
O’Connor y Kennedy en desacuerdo.
Claramente, un modelo que reclamaría
precisión predictiva en un caso como
Grutter v. Bollinger,
independientemente de si la Justicia de
O'Connor votó para defender o anular
el plan de acción afirmativa en
cuestión, deja mucho que desear.
[TÍTULO DEL DOCUMENTO] | [Subtítulo del documento]