Inteligencia artificial en los departamentos jurídicos: el valor aún permanece en las personas
La llegada de la IA a las unidades legales exige proteger la información corporativa y preservar el criterio humano
La integración de la inteligencia artificial en los departamentos jurídicos nos permite localizar información de forma más eficiente, analizar documentos y esbozar resúmenes con una rapidez que hace pocos años parecía difícil de imaginar. En un departamento jurídico estas capacidades pueden, sin lugar a duda, ahorrar mucho tiempo y facilitar la tarea de sus profesionales, pero la clave de su integración radica en nuestra capacidad para dar respuesta a dos grandes interrogantes: cómo y qué debemos utilizar para su entrenamiento (input) y qué debemos hacer con los resultados derivados de su utilización (output).
Cuando hablamos de input en referencia a la inteligencia artificial que integramos en los departamentos jurídicos es necesario mirar hacia el propio funcionamiento de estos sistemas. La IA generativa es capaz de realizar tareas en respuesta a los mandatos que nuestros profesionales le dan (prompts) gracias al entrenamiento previo al que ha sido sometida para hacerlo.
Y en relación con el entrenamiento que reciben estas inteligencias artificiales es imprescindible hacer una doble distinción. Por un lado, tenemos el entrenamiento previo masivo que sirve de base para la propia creación del modelo de lenguaje, que ni es visible para las empresas que licenciamos las herramientas de IA ni es controlable por nosotros.
Por otro lado, una vez licenciada la herramienta, existe otra tipología de entrenamiento, controlado en cierta medida por la empresa y en el que es importante poner el foco. Se trata del entrenamiento particular que realiza el modelo con la información de la compañía y que resulta clave para su adaptación a una empresa concreta ya que definirá su capacidad para dar respuestas adaptadas a sus necesidades.
En este punto las condiciones acordadas con el proveedor pasan a ser fundamentales de cara a definir cómo se tratará nuestra información. Definir cuestiones como si dichos entrenamientos posteriores serán realizados en entornos cerrados o si los documentos que incorporamos van a utilizarse para entrenar modelos de terceros pasan a ser preguntas claves para evitar que nuestra información quede desprotegida.
Una vez resueltas las cuestiones relacionadas con la confidencialidad de la información, queda otra premisa igual de importante en relación con el input que hace referencia a la calidad de nuestra propia documentación. Calidad que será proporcional a la calidad del entrenamiento específico que se le dará a la herramienta.
Es decir, no basta con hacer una ingesta descontrolada y masiva de todos los documentos de los que dispone la compañía, sino que es necesario realizar una labor previa de curación, una labor de cribado donde lo importante ya no es la cantidad sino la calidad. En este entrenamiento es relevante que la IA reciba la información que necesita de la compañía y necesitamos que esa información sea sobre la que queremos edificar.
Un ejemplo claro de esto lo vemos en relación con el histórico de contratos con un proveedor. De una misma operación podemos conservar varias versiones, algunas negociadas, otras descartadas y una finalmente firmada. Si la herramienta toma como referencia todos los borradores sin identificar cual es el definitivo, edificará sus respuestas sobre todos los documentos. De esta forma generará respuestas coherentes, pero sobre la base de documentación equivocada así que serán necesariamente respuestas incorrectas o imprecisas. Para evitarlo hace falta que los profesionales que trabajan con la herramienta hagan esa labor previa y consciente de alimentación de la inteligencia artificial con la documentación correcta sobre la cuál queremos que la herramienta trabaje y edifique un criterio.
La segunda gran pregunta sobre la que pivota una buena implementación de la inteligencia artificial se refiere al output, es decir, al activo que, una vez entrenada, la inteligencia artificial es capaz de generar.
Aunque la información de partida sea buena y aunque todo lo relacionado con el entrenamiento y la ingesta de contenidos (input) haya sido correcta, debemos revisar lo que la IA produce. Una respuesta puede ser jurídicamente correcta y, aun así, no servir para la necesidad concreta de la empresa, un informe puede citar bien la normativa y pasar por alto un antecedente decisivo o una propuesta de contrato puede incluir las cláusulas habituales y no reflejar lo que las partes acordaron durante la negociación. La herramienta no conoce necesariamente el peso de esas circunstancias. El profesional que lleva el asunto, sí.