IA legal en Argentina: guía para equipos jurídicos

¿Qué puede hacer realmente la IA en el trabajo legal?

Conviene separar lo que la tecnología resuelve bien de lo que todavía se promete más de lo que se cumple. Las tareas donde hoy hay evidencia sólida son aquellas con un patrón repetible y un resultado verificable contra una fuente.

La investigación jurídica es el caso más claro. Preguntar en castellano y recibir las normas y los fallos pertinentes, con el enlace al documento oficial, reemplaza un trabajo que antes exigía conocer el número de la norma o la carátula del precedente. La ganancia no está en que la máquina "sepa derecho": está en que recorre un volumen documental que una persona no puede recorrer.

La revisión contractual en volumen es el segundo caso. Extraer partes, plazos, penalidades, obligaciones y cláusulas de riesgo de cincuenta contratos y volcarlas a una grilla comparable es un trabajo mecánico, tedioso y propenso al error humano por fatiga. Es exactamente donde la automatización rinde.

• Investigación normativa y jurisprudencial con fuentes citadas.
• Extracción de cláusulas, plazos y obligaciones de contratos.
• Primeros borradores de escritos, dictámenes y contratos a partir de criterios propios.
• Comparación entre versiones de un mismo contrato o entre contratos distintos.
• Organización documental de expedientes y operaciones, con seguimiento de vencimientos.

¿Qué no hay que pedirle a la IA en derecho?

No hay que pedirle criterio. Decidir si conviene allanarse, cómo encuadrar una estrategia o qué riesgo vale la pena asumir son decisiones profesionales con consecuencias que recaen sobre el abogado, no sobre el proveedor de software.

Tampoco hay que pedirle certeza sobre la vigencia de una norma si la herramienta no consulta una base que registre modificaciones y derogaciones. Un modelo de lenguaje entrenado con datos hasta cierta fecha puede afirmar con total seguridad que un artículo sigue vigente cuando ya fue reemplazado.

Y no hay que pedirle que reemplace la lectura del documento. La IA acelera llegar al párrafo relevante; no exime de leerlo.

¿Por qué las herramientas genéricas fallan con derecho argentino?

Un asistente de propósito general fue entrenado mayoritariamente con contenido en inglés y con derecho anglosajón. Conoce el Código Civil y Comercial de la Nación de manera superficial, confunde competencias federales con provinciales, y desconoce por completo la normativa de la mayoría de las provincias.

El problema práctico aparece en las citas. Cuando el modelo no encuentra el dato, tiende a producir una respuesta plausible: un número de ley que suena razonable, una carátula que podría existir. Esto se conoce como alucinación, y en el ejercicio profesional tiene consecuencias concretas —hay antecedentes internacionales de sanciones a abogados por presentar precedentes inexistentes.

La respuesta técnica a este problema se llama recuperación aumentada: en vez de dejar que el modelo conteste de memoria, primero se recuperan documentos reales de una base verificada y se le pide que responda sobre esos documentos. Es la diferencia entre un asistente que recita y uno que consulta.

¿Qué mirar antes de contratar una herramienta de IA legal?

Más allá de la demostración, hay cinco preguntas que separan a las herramientas serias de las que solo envuelven un modelo genérico en una interfaz.

• ¿Cita fuentes con enlace al documento oficial, y se puede abrir y verificar cada una?
• ¿Cubre derecho provincial, o solo normativa nacional? En Argentina, buena parte del trabajo real es provincial.
• ¿Distingue lo que verificó de lo que no pudo verificar, o presenta todo con la misma confianza?
• ¿Qué le llega exactamente al proveedor del modelo cuando subís un contrato con datos de tu cliente?
• ¿Registra quién accedió a qué documento y cuándo? Sin traza de auditoría no hay control real sobre información confidencial.

¿Qué pasa con la confidencialidad del cliente?

Es la objeción más importante y la que menos respuestas concretas recibe. El secreto profesional no admite un "confiamos en el proveedor".

Hay tres niveles de respuesta, de menos a más sólido. El más débil es la cláusula contractual: el proveedor se compromete a no usar los datos para entrenar. El intermedio es el control de infraestructura: la inferencia corre en un entorno determinado, con cifrado en tránsito y en reposo. El más sólido es que el dato sensible directamente no salga: que antes del envío se detecten y reemplacen los identificadores por referencias anónimas, de modo que el proveedor nunca reciba el nombre, el DNI ni el CUIT del cliente.

AINI implementa el tercero: detecta datos personales y sensibles con reglas específicas para documentos argentinos y los sustituye por tokens cifrados con una clave propia de cada cuenta antes de cualquier envío al modelo.

¿Cómo empezar sin desordenar el estudio?

El error más común es intentar cambiar todo a la vez. Conviene elegir una tarea concreta, medible y de bajo riesgo, y compararla contra cómo se hacía antes.

Buenos primeros casos: la búsqueda de normativa para consultas frecuentes, la revisión de un lote de contratos del mismo tipo, o la extracción de vencimientos y obligaciones de la cartera vigente. Todos tienen un resultado que se puede verificar en minutos.

Malos primeros casos: escritos que van a presentarse sin revisión, dictámenes sobre materias en las que el equipo no puede auditar el resultado, y cualquier cosa con un plazo procesal encima.