IA, jurisprudencia sistematizada y el desafío del peritaje judicial.
- hace 5 minutos
- 4 min de lectura
Por René Fernández Montt y Francisco J. Arriagada Möller
Hace unos meses, un juzgado nos solicitó un peritaje económico-financiero. No se trataba del primer informe, pues llevamos años actuando como peritos judiciales en Chile y algunos meses haciéndolo en España. Para ello, se requiere emitir informes sobre valoración de empresas, cuantificación de daños económicos o viabilidad financiera. El problema no se trata de nuestra formación, sino que, al otro lado del expediente, existe un juez con una excelente formación en derecho, pero no necesariamente en economía, finanzas o estadística, y debe decidir entre dos informes periciales contradictorios —el nuestro y el de la parte contraria— sin poder validar técnicamente ambos en profundidad.
En este punto, la inteligencia artificial aplicada a la sistematización de jurisprudencia basada en procesamiento de lenguaje natural (PLN) y búsqueda semántica de jurisprudencia, puede ayudar o de mal utilizarse, puede ser un desastre.
En nuestra experiencia, hemos coincidido en tribunales con ingenieros, médicos, arquitectos, psicólogos y economistas. Todos expertos en sus campos. Ninguno —salvo notables excepciones— con formación en derecho procesal o en la lógica de la valoración de la prueba. El perito no es un abogado, ni debe serlo. Su función es ilustrar al tribunal sobre una materia técnica. Sin embargo, el tribunal necesita contrastar ese conocimiento con la jurisprudencia: ¿cómo han resuelto otros tribunales casos similares con peritajes de esta naturaleza? ¿Qué peso probatorio se ha dado a informes elaborados con métodos neuropsicológicos? Por ejemplo.
Hoy, responder a esas preguntas requiere horas de búsqueda manual en bases de datos jurisprudenciales. El resultado depende de la habilidad del buscador, no de la exhaustividad del sistema.
Una IA como la que actualmente estamos trabajando y que se encuentre entrenada específicamente para sistematizar y que esté optimizada (construida y contextualizada) mediante técnicas de Generación Aumentada por Recuperación (RAG, por sus siglas en inglés) para analizar jurisprudencia podría:
· Identificar patrones en miles de sentencias y responder a preguntas como: ¿Qué metodologías han sido aceptadas?, ¿Qué objeciones han sido recurrentes? Así, podría ofrecer al juez un mapa estructurado de decisiones previas por áreas temáticas. Asistir al perito en la preparación de su informe: saber lo que espera el tribunal, los formatos que han funcionado y los errores que han sido sancionados. Esto último es crucial. Hemos visto informes técnicamente impecables, pero procesalmente inútiles, porque el perito desconocía cómo se valora la prueba en la práctica judicial.
Sin embargo, existen claros sesgos en los sistemas automatizados y nos detendremos en algunos de ellos:
Primero: la falacia de la objetividad. Una IA entrenada con jurisprudencia histórica, reproducirá los sesgos de esa jurisprudencia, aprenderá y potencialmente aumentará los sesgos algorítmicos inherentes a esos datos de entrenamiento (sesgos representacionales e históricos inherentes a su corpus de entrenamiento). Si durante décadas los tribunales han infravalorado los peritajes de ciertas profesiones, la IA lo perpetúa, así como si los Tribunales han discriminado a cierto grupo, la IA lo mantendrá.
Segundo: la ilusión de la completitud. Un juez podría delegar su responsabilidad en "lo que dice la IA". Especialmente peligroso en casos novedosos, donde no hay jurisprudencia previa. La IA no puede crear criterios nuevos; solo sistematiza los existentes, genera inferencias probabilísticas basadas en los parámetros de sus datos de entrenamiento (pesos paramétricos ajustados durante su entrenamiento con dichos datos), con un alto riesgo de sufrir alucinaciones ante casos atípicos.
Tercero: la opacidad algorítmica. es decir, si la IA no es completamente explicable. De tratarse la arquitectura del modelo como una "caja negra" que carece de mecanismos de IA Explicable (XAI), el juez no podrá saber por qué el sistema sugiere ciertos patrones. Sin explicaciones, no existe posibilidad de contradicción ni control, sólo de peligrosa aceptación ciega.
Cuarto: la heterogeneidad jurisdiccional. Una IA que ha sido entrenada con jurisprudencia española puede incurrir en errores de «desplazamiento de dominio» por falta de generalización ante un tribunal chileno o mexicano.
La decisión final sobre la valoración del peritaje debe seguir siendo del juez. La IA debe ser exigible en transparencia: ningún sistema debería admitirse si no puede explicar sus sugerencias en lenguaje natural, garantizar la trazabilidad de sus fuentes para evidenciar su razonamiento y mitigar el sesgo o las alucinaciones. Y el entrenamiento debe ser revisado periódicamente por juristas y peritos de distintas disciplinas para detectar y corregir sesgos.
El peritaje es un puente entre disciplinas. El economista que realiza el peritaje debe entender de derecho procesal, aunque no sea abogado. El juez debe entender de economía, aunque no sea economista. La IA, si se incorpora, debe ser un puente más, no un muro.
La próxima vez que redactemos un informe pericial, no es deseable que una IA decida por nosotros. Sin embargo, nos gustaría consultar un sistema que nos diga: "En el 78% de los casos similares de los últimos diez años, los tribunales han valorado positivamente esta metodología, siempre que se acompañe de X, Y y Z". Eso no es sustituir al perito ni al juez. ¿Es aumentar su inteligencia! Y de eso se trata, de tomar mejores decisiones con los datos disponibles, no de acumular más datos sin criterio. Es justamente en ello, que hemos venido trabajando en los últimos meses y pronto comunicaremos novedades.
René Fernández Montt
Economista chileno-español, académico y consultor. Perito judicial en temáticas de Economía, Finanzas, Tecnología e Inteligencia Artificial, en diversas cortes de Chile y Valencia. Escribe y habitualmente participa en diversos medios de comunicación, tanto americanos como europeos. Máster en Finanzas, ESADE Business School. Magíster en Economía Financiera, Universidad de Santiago de Chile. Máster en Banca y Finanzas, Universidad Alcalá de Henares. Magíster en Docencia para la Educación Superior, Universidad Andrés Bello. Máster en Neuropsicología Clínica, ITEAP. Miembro de MENSA España.
Francisco J. Arriagada Möller
Ingeniero Civil Telemático de la Universidad Técnica Federico Santa María y Máster en TI y Gestión de la Pontifica Universidad Católica de Chile, chileno-alemán. Consultor en Desarrollo de Software, Transformación Digital e Inteligencia Artificial tanto en Chile como en Europa con clientes como Banco Falabella, Copyright y La Liga de Fútbol de España, además de Perito Judicial en múltiples cortes del Poder Judicial de Chile trabajando en ámbitos de desarrollo de software e inteligencia artificial.
Las opiniones vertidas en esta sección son de exclusiva responsabilidad de quienes las emiten y no representan, necesariamente, el pensamiento de la Fundación para el Desarrollo de las Ciencias Forenses
Comentarios