Sumario: 1. Introducción, 2. ¿Cómo se relaciona la inteligencia artificial y el Derecho?, 3. ¿Cómo se relaciona la inteligencia artificial y el Derecho? 4. ¿Nos reemplazarán?, 5. Conclusiones.

1. Introducción

De seguro nos hemos topado con alguien que ha rumoreado que la inteligencia artificial (IA) va a reemplazar a los abogados poniendo algunos ejemplos de sistemas en desarrollo o simplemente porque así lo escuchó. En estos días, la venta de humo con respecto a la innovación y la IA crece abrumadoramente y es necesario hacer algo en contra de ello[1].

Antes de llegar a creer afirmaciones como las de arriba, es necesario dejar en claro algunas cuestiones previas, como cuál es la relación de la IA con el Derecho y si efectivamente la tiene. De esto poco se ha hablado, pero resulta imprescindible hacerlo para meternos en la piscina.

En este trabajo desarrollaremos i) ¿qué es la IA?; ii) ¿cómo se relaciona con el derecho?; y, por último, iii) si nos reemplazarán. Cosa que cuando el lector llegue a las líneas finales, podrá responderse si, efectivamente, un sistema de IA reemplazará la labor del abogado.

2. ¿Qué demonios es la IA?

Rich y Knight (1994) afirmaban, sin ánimo de entrar a profundidades teóricas, que la IA estudia “cómo lograr que las máquinas realicen tareas que, por el momento, son realizadas mejor por los seres humanos” (p. 3). Y efectivamente, la IA es una rama derivada de las ciencias computacionales y cognitivas que estudia y procura la simulación de acciones calificadas como “inteligentes”. El estándar para identificar qué conductas son inteligentes y cuáles no, son las conductas provenientes de los sujetos con inteligencia natural: los humanos y los animales. Por ello, parte de la inteligencia artificial se centra en emular dichas acciones mediante algoritmos (reglas) programados mediante lenguaje computacional.

Ahora bien, de acuerdo al nivel de emulación de conductas humanas, la IA puede calificarse como débil o fuerte. Se habla de IA débil cuando esta solo emula determinadas acciones del humano como jugar al ajedrez, reconocer datos faciales o predecir determinadas situaciones con datos anteriores; mientras que se habla de IA fuerte cuando esta emula la actividad total del ser humano y no solo un parte de su actividad.

Al día de hoy se tienen sistemas exitosos que emulan “pedazos” de la actividad humana y no una IA fuerte ‒o “general” como también le suelen llamar‒ que pueda emular todas las actividades conjuntas del ser humano.

Siguiendo un esquema planteado por Mill (2016), dentro de lo que se conoce como IA se puede incluir las siguientes áreas de investigación:

• El aprendizaje automático (machine learning)
• El procesamiento de lenguaje natural
• El diseño de sistemas expertos
• La visión artificial
• La planificación automática
• La robótica

Y de hecho, cada una de estas áreas interactúa con la otra para poder generar sistemas que emulen la actividad humana. Para el caso del Derecho, que es lo que nos importa aquí, existen áreas de la IA que deben interesarnos más que otras por criterio de utilidad. Por ejemplo, en Derecho se necesita más del procesamiento de lenguaje natural que de la visión artificial o la robótica.

Habiendo aclarado esto, veamos escuetamente qué áreas y que aplicaciones se pueden extraer de este diálogo.

3. ¿Cómo se relaciona la inteligencia artificial y el Derecho?

3.1. La base: el procesamiento de lenguaje natural

“El derecho es un fenómeno lingüístico” (Guastini, 2001, p. 7). La Constitución, los códigos y demás leyes, están expresadas en lenguaje natural. Buscamos información leyendo y entendiendo lo que las leyes dicen. Encontramos similitudes sintácticas, semánticas, etc.

En la vida diaria, el operador jurídico se dedica a buscar información aplicable al caso concreto que tiene entre manos. Para eso acuden a la última jurisprudencia emitida por la Corte Suprema, el Tribunal Constitucional o las Cortes superiores de cada distrito judicial. También leemos algunos libros que puedan clarificarnos el concepto de alguna institución para encuadrar mejor nuestros silogismos. Después de haber encontrado toda esa información pertinente para nuestro caso, empezamos a redactar y plasmamos argumentos anclados en toda esa información.

Pues bien, todas estas actividades aparentemente fáciles las hacemos procesando el lenguaje natural. Para revisar decisiones necesitamos leerlas; para leer debimos aprender a formular oraciones; para formular oraciones, debimos aprender a pronunciar y entender palabras; para entender palabras, debimos aprender el abecedario y las vocales. Si bien comprender el lenguaje y comunicarnos haciendo uso de él nos parece fácil, omitimos entender sus razones subyacentes y el hecho que procesar el lenguaje y crearlo, le ha llevado, a nuestro cerebro, millones de años evolutivos desde que pisamos la tierra, sea por motivos cognitivos y sociales[2].

La IA busca crear sistemas que puedan emular ese procesamiento de lenguaje que para nosotros es natural y diario. Para ello, ha generado distintas técnicas y enfoques los cuales bordean la sintaxis, la semántica, la pragmática y otros. Si bien no me detendré hablando de cada tipo de enfoque, se puede decir que las técnicas para entender el lenguaje van desde la identificación de similitudes de los signos, hasta los intentos de generar ontologías que permitan entender semánticamente las palabras. Cuando a un humano le dices “mira aquel perro”, este inmediatamente representa mentalmente el objeto al cual refiere la palabra perro (mamífero vertebrado de cuatro patas con orejas y que ladra) y aunque los sistemas no han llegado aún a tal sofisticación natural de representación para entender las oraciones, se las han ingeniado para hacer que los sistemas “entiendan” las palabras a su manera.

Pese a ello, lo cierto es que al día de hoy existen sistemas que pueden “entender” el lenguaje natural. El llegar a dicho estado ha sido producto de muchos años de investigación que aún sigue en constante perfeccionamiento. Hacer que los sistemas “comprendan” el lenguaje ha sido el primer paso para crear otros sistemas que puedan i) traducir textos; ii) resumir y encontrar patrones en grandes cantidades de textos (libros, artículos, leyes, etc.); iii) e, identificar y crear argumentos[3]. Por este motivo, el avance en el procesamiento de lenguaje natural es la conexión fundamental entre la IA y el derecho.

3.2. Ejemplo de sistema con técnicas de procesamiento de lenguaje utilizado en la práctica legal

Producto de las técnicas de procesamiento de lenguaje natural se han podido crear aplicaciones de soporte que permiten resumir texto legales[4], buscar decisiones anteriores aplicables al caso concreto, o sistemas que den respuesta a determinadas preguntas legales como los famosos sistemas de tipo “question-answering”, encabezado por la plataforma de la compañía Ross Intelligence[5].

3.3. Aprendizaje automático (machine learning)

Cuando la IA se dedica al aprendizaje automático, se dedica fundamentalmente a estudiar y emular el aprendizaje en las máquinas. Para ello, vuelven a fijarse en el ser humano, pero esta vez preguntándose cómo es que estos aprenden. Como lo veo, y siguiendo a algunos autores como Berberich, Krause o Natterer, aprendemos de dos formas: mediante reglas o mediante ejemplos. Para clarificar esto pongamos un ejemplo parecido al puesto por Berberich (2019).

Juan quiere aprender a hacer un pastel. Para aprender a hacer un pastel, Juan puede seguir los pasos únicos y excluyentes de una receta: poner una cucharada de mantequilla, cernir la harina antes de hacerlo, etc. La otra opción es ir a ver durante un par de días como Pedro, su hermano, prepara un pastel y que Pedro le enseñe las reglas y que además, en base a su experiencia, le diga que ingredientes aumentar o disminuir.

La inteligencia artificial, figurativamente, también “aprende” de la misma manera. Mediante reglas específicas programadas o mediante “ejemplos” que se les puede mostrar. A este último método de mostrar “ejemplos” nos referimos cuando hablamos de aprendizaje automático, que consiste principalmente en una suerte de predicción. Volvamos a poner un ejemplo para mayor claridad.

Imaginemos que quiero que el sistema aprenda a diferenciar manzanas de peras. Lo primero que debo hacer es ponerle una etiqueta a cada uno, “x” para las manzanas y “z” para las peras. Le ingreso al sistema cien imágenes de “x” y otras cien de “z”. El sistema identifica las características de “x” y las de “z”, las clasifica y las diferencia. A eso se le llama proceso de entrenamiento. Una vez entrenado, se ingresan imágenes nuevas de peras y manzanas y dejo que el sistema las clasifique dentro de “x” o “z”. A partir de los datos anteriores que le introduje y con los cuales le entrené, el sistema puede predecir si estas nuevas imágenes ingresadas pertenecen a “x” o a “z”. A este tipo de aprendizaje se le llama aprendizaje automático supervisado.

Si bien existen otros tipos de sistema de aprendizaje como el no supervisado o el por refuerzo, para los fines presentes, basta con hacer mención a este tipo de aprendizaje.

3.4. Ejemplo de sistema con técnicas de machine learning utilizado en la práctica legal

En el sector jurídico se vienen utilizando técnicas de aprendizaje automático supervisado para tareas de “Discovery”[6]. El Discovery es una institución propia de los países del common law donde las partes solicitan las pruebas del adversario para solidificar sus respectivas hipótesis de defensa o acusación. En ese sentido, en Estados Unidos, a partir del caso Monique Da Silva Moore, se han empezado a institucionalizar el uso de sistemas con machine learning que permitan clasificar material probatorio. En línea generales, el caso Da Silva Moore versaba sobre una denuncia de conductas “sexistas” promovidas por una política global de una compañía (x). Para corroborar ello, las denunciantes solicitaron analizar una cantidad abrumadora de correos electrónicos que sobrepasaba los millones donde, se alegaba, podían encontrar tratos sexistas. La compañía y el estudio de abogados que le asesoraban, después de calcular gastos, llegaron a la conclusión  que hacer búsquedas manuales por cada correo iba a ser muy costoso y trabajoso. Por este motivo, decidieron contratar el servicio de sistemas de codificación predictiva, que permitía entrenar al sistema con determinados documentos y “enseñarles” que tipo de documentos eran “relevantes” y “no relevantes” probatoriamente para el fin establecido. El sistema después de ser entrenado por los paralegales, pudo ejecutar dicha labor.

 4. ¿Nos reemplazarán?

De los ejemplos dichos anteriormente, podemos inferir que todo se resume a sistemas de apoyo en una determinada actividad. Un buscador inteligente de jurisprudencia, un clasificador de pruebas o un sistema que responde alguna pregunta legal en base a la legislación vigente, no reemplaza la labor total del operador jurídico, simplemente la facilita.

Atrás quedaron muchos intentos de generar una IA Fuerte, y aunque existen aún muchas personas que tiene fe en que ello suceda[7], el rumbo actual de las cosas ha girado sus intereses a implantar sistemas colaborativos, donde el humano y la máquina convivan y puedan potenciar sus labores.

Por otro lado, si bien es cierto que generar estos sistemas presuponen un mínimo de posibilidad de reemplazo para quienes efectuaba labores de búsqueda de jurisprudencia o de material probatorio relevante para el caso como en temas de Discovery (el caso de paralegales en los estudios jurídicos americanos donde los pasantes, abogados junior y asistentes eran los encargados de buscar material probatorio relevante manualmente), existen una serie de principios a tener en cuenta cada vez que se adquieren estos sistemas.

Estos principios presuponen, de entre otras cosas, medir el impacto del sistema de IA en las labores que serán reemplazadas y analizar si su adquisición generará más beneficios que pérdidas. Y aquí las pérdidas no solo se refieren a la cuestión económica, sino también al material humano. En líneas muy generales, la pregunta que debe plantearse y a la cual se debe responder es sencilla ¿Si adquiero un sistema de IA que automatice determinada labor, pongo en riesgo el puesto laboral de alguien más que cumplía dicha labor? Si la respuesta es sí, el encargado deberá reubicar a la persona en un área aún no automatizada. No obstante, la compra de algún sistema no solo automatiza sino también genera nuevos puestos de trabajo que necesiten de nuevos perfiles[8]. Por ejemplo, en el caso mencionado de clasificar pruebas, evidentemente es necesario contar con personal que supervise el trabajo del sistema y lo entrene.

5. Conclusiones

El presente trabajo queda cortísimo para explicar todo el mundo de la IA y sus usos en el Derecho. Cada día que pasa, nuevas aplicaciones y nuevos proyectos empiezan a generarse en el mundo y seguirles la pauta toma tiempo y dedicación. En el presente trabajo he tratado de explicar de manera sencilla que es la IA, por donde es que se relaciona con el Derecho y si habrá reemplazo.

Si bien lo que he mencionado no son las únicas conexiones y he omitido algunas que son aún más estimulantes, como el modelamiento del razonamiento legal o la predicción de decisiones judiciales, considero que las dos técnicas explicadas: el procesamiento de lenguaje natural y el machine learning, son las técnicas imprescindibles que todo abogado debe saber, para entender toda relación entre la IA y el Derecho, ya que sin ellas no imagino algún sistema de ayuda considerable.

Respecto al reemplazo laboral, si bien existen áreas que serán parcialmente afectadas, es obligación de los empleadores, y sus políticas, tener en cuenta los impactos y buscar soluciones. La reubicación de labores parece ser la mejor respuesta. No obstante, el incorporar sistemas también habilita nuevos tipos de labor que podrán ser incorporadas, habilitando puestos de trabajo no convencionales para los cuales se requerirán de nuevos perfiles profesionales.

Bibliografía

• Berberich, N. (2019). Algorithmen. Über die Kunst, Computer zu. En K. Kersting, C. Lampert, & C. Rothkopf, Wie Maschinen Lernen. Künstliche Intelligenz verständlich erklärt (págs. 11-20). Springer.
• Guastini, R. (2001). Il Diritto come linguaggio. Lezioni. Giapichelli Editore.
• Mill, M. (2016). Artificial Intelligence in Law: The State of Play 2016. Thomson Reuters Legal Executive Institute, 1-6.
• Rich, E., & Knight, K. (1994). Inteligencia artificial (Segunda ed.). Madrid: McGraw-Hill.
• Santibáñez, C. (2018). Origen y función de la argumentación. Pasos hacia una explicación evolutiva y cognitiva. Lima: Palestra.
• Solar Cayón, J. I. (2019). La Inteligencia Artificial Jurídica. El impacto de la innovación tecnológica en la práctica del Derecho y el mercado de servicios jurídicos. Navarra: Thomson Reuters Aranzadi.

[1] Léase el divertidísimo blog de José María de la Jara publicado en Interfaze sobre la venta de humo y su relación con la práctica legal, llamado “Abogados jurásicos y como enfrentarlos”. Disponible aquí.

[2] Aquí es importante recalcar que tanto el lenguaje como la argumentación no solo tienen bases biológicas que permitieron su desarrollo, sino también de índole social. La índole social del lenguaje y la argumentación esta relacionada directamente a la cooperación, el orden de las creencias y el evitar conflictos. Sobre el particular véase Santibañez (2018).

[3] Es necesario enfatizar que la creación y entendimiento de bloques argumentativos aún está en desarrollo cuasi inicial. Por este motivo, los foros más importantes en la comunidad de IA, le dedica especial atención.

[4] Aquí me gustaría hacer mención a la reciente aplicación beta en la Web diseñada por Elen Irazabal llamada “Resume {}” que bajo un interfaz amigable permite resumir textos. Disponible aquí.

[5] Sin embargo, cabe aclarar que ideas y proyecto de sistemas de tipo question-answering, han sido ya tanteados desde hace mucho tiempo. Un proyecto del jurista italiano Elio Famelli de por los años 80 en Italia es muestra de ello.

[6] Véase un examen exhaustivo de este caso en Solar Cayón (2019).

[7] En una encuesta llevada a cabo en un congreso de IA en el 2006, se le hicieron a los expertos en IA la siguiente pregunta: “¿Cuándo serán los ordenadores capaces de simular cada aspecto de la inteligencia humana? El 41% respondió que en más de 50 años, otro 41% respondió que nunca y los demás simplemente no opinaron.

[8] Sobre los nuevos tipos de trabajo y la necesidad de contar nuevos perfiles como consecuencia de la adquisición de sistemas de IA o tecnologías que automaticen labores, he escrito un artículo de próxima publicación en la Revista IUS INKARRI de la Universidad Ricardo Palma.