La formación, no solo el acceso, determinó si la IA judicial dio resultados
Un gran experimento aleatorizado de campo en el sistema judicial de Pakistán sugiere que la inteligencia artificial puede elevar la productividad del sector público, pero solo cuando las instituciones invierten en capacitar a las personas para usarla bien. El estudio, realizado por investigadores de ETH Zurich, Imperial College London y la New Economic School, probó un asistente de IA llamado JudgeGPT entre 1.559 jueces de 118 tribunales, aproximadamente la mitad de los jueces de primera instancia de Pakistán.
El resultado principal no fue simplemente que la IA ayudó. Fue que el acceso por sí solo hizo muy poco. Los jueces que recibieron formación específica junto con acceso al sistema lo usaron mucho más y estuvieron asociados con mejoras medibles en la resolución de casos. Según el resumen del estudio incluido en el material fuente, los distritos con exposición moderada a jueces capacitados resolvieron unas 1.848 causas adicionales al año, equivalente a un aumento del 6,3 %.
Eso hace que el experimento sea relevante más allá de Pakistán. Gobiernos de todo el mundo están probando grandes modelos de lenguaje para investigación jurídica, gestión de casos, redacción de documentos y apoyo administrativo. Lo que añade este ensayo es una lección operativa más clara: la estrategia de implementación importa tanto como el modelo en sí.
Un poder judicial bajo presión ofreció una prueba exigente
El sistema judicial paquistaní ofrecía un escenario en el que incluso pequeñas mejoras de productividad podían importar. Los investigadores dijeron que el país tiene menos de dos jueces por cada 100.000 habitantes, frente a 22 en la Unión Europea y 30 en Inglaterra y Gales. A finales de 2024, había 2,26 millones de casos pendientes, y el 82 % estaba en tribunales de primera instancia.
Esas cifras apuntan a un sistema que trabaja bajo una fuerte presión, con personal limitado y poco apoyo tecnológico. Antes del experimento, solo alrededor de una cuarta parte de los jueces había usado alguna vez un modelo de lenguaje grande como ChatGPT. Eso importa porque significa que el estudio no probaba la IA entre usuarios avanzados ni en una burocracia digitalmente madura. Probaba si un asistente especializado podía marcar una diferencia en un sistema judicial real donde el tiempo, el personal y la familiaridad técnica estaban restringidos.
El propio JudgeGPT se construyó sobre GPT-4 de OpenAI y se adaptó para los tribunales de primera instancia de Pakistán mediante generación aumentada por recuperación. Según el texto fuente, buscaba en una base de datos de 129.235 documentos, incluidos 128.292 fallos judiciales y 943 leyes paquistaníes. Para cada consulta, el sistema seleccionaba los 10 pasajes más relevantes y generaba una respuesta con citas.
Esa arquitectura es importante porque acota la tarea del modelo. En lugar de pedirle a un modelo de propósito general que improvise análisis jurídico de memoria, el sistema anclaba las respuestas en un corpus definido de materiales legales locales. En la práctica, eso significa que la herramienta funcionaba menos como un juez autónomo y más como un apoyo para investigación y redacción.
Las mayores mejoras llegaron con instrucción estructurada
Los investigadores dividieron a los jueces en tres grupos. Un grupo recibió acceso a JudgeGPT junto con instrucción específica consistente en seis clases de 90 minutos durante tres semanas. Esas sesiones se centraron en qué tareas encajaban con la herramienta, cuáles eran sus límites y cómo verificar su salida. Un segundo grupo obtuvo acceso al mismo sistema de IA pero solo recibió un seminario general sobre tecnología y derecho. Un grupo de control asistió al seminario sin acceso a JudgeGPT.
El contraste entre esos grupos es el hallazgo central. Los jueces que recibieron formación específica usaron el sistema unas cuatro veces más que quienes solo recibieron el seminario general. Tras 40 semanas, el grupo capacitado promedió casi 60 inicios de sesión y más de 200 consultas. El grupo de comparación promedió alrededor de 20 inicios de sesión y menos de 50 consultas.
Esa diferencia de uso se tradujo en resultados distintos a nivel del sistema. Los distritos con más jueces capacitados resolvieron significativamente más casos. Incluso los distritos del cuartil inferior de exposición cerraron unas 616 causas adicionales al año, según los resultados informados.
La implicación es clara. La adopción de IA en las instituciones no es solo un problema de despliegue de software. Es un problema de flujo de trabajo y de capacidad. Sin instrucción práctica, los usuarios pueden infrautilizar el sistema, malinterpretar en qué les ayuda o evitar apoyarse en él para trabajos relevantes. Con formación, el mismo modelo puede convertirse en parte del apoyo cotidiano a la toma de decisiones.
La calidad no pareció deteriorarse
Las mejoras de productividad en los tribunales valdrían poco si se lograran a costa de la calidad o la equidad de las decisiones. El texto fuente dice que la calidad de las resoluciones se mantuvo estable o mejoró modestamente. Las tasas de apelación por cada 1.000 casos resueltos bajaron ligeramente, mientras que las horas de trabajo de los jueces y su equilibrio entre vida laboral y personal no cambiaron de forma material.
Esos hallazgos no zanjan todas las preocupaciones sobre la IA judicial, pero sí responden a un temor común: que una salida más rápida implique necesariamente decisiones más descuidadas. En este experimento, las mejoras informadas no provinieron de jornadas más largas ni de una erosión evidente de la calidad. Más bien, parecen haber surgido de una investigación y una gestión de casos más eficientes.
Esa distinción importa para los responsables políticos que consideren herramientas similares en tribunales sobrecargados, agencias o oficinas de defensa pública. Si la IA se usa para localizar precedentes relevantes, resumir expedientes y redactar materiales de apoyo, puede reducir cuellos de botella sin trasladar la responsabilidad jurídica final fuera de los jueces.
La economía hace más difícil ignorar el resultado
El estudio estimó un ahorro de unos 38,50 dólares por cada dólar invertido, basándose en el coste equivalente de contratar jueces adicionales para obtener aumentos similares en la resolución de casos. Esa cifra debe leerse como una estimación y no como un resultado presupuestario garantizado, pero ayuda a explicar por qué es probable que las instituciones públicas sigan probando sistemas parecidos.
En muchos países, añadir jueces, funcionarios o investigadores jurídicos es caro y lento. Formar a los jueces existentes para usar un asistente de IA diseñado de forma específica puede ser más barato y rápido, especialmente cuando los atrasos en los casos son políticamente sensibles y dañinos para las instituciones. Una herramienta que mejora el rendimiento sin ampliar la jornada ni empeorar las apelaciones probablemente atraerá atención mucho más allá de Pakistán.
Aun así, el material fuente también señala una advertencia que puede generalizarse. La intervención funcionó porque combinó acceso al modelo, recuperación jurídica curada e instrucción deliberada sobre límites y verificación. Si se eliminan esos componentes, el argumento a favor de las mejoras de productividad se vuelve mucho más débil.
Por qué el estudio importa más allá de la sala
La importancia más amplia del experimento no es que la IA pueda reemplazar el juicio jurídico. Es que los sistemas de IA bien delimitados pueden mejorar el rendimiento de instituciones presionadas cuando se introducen con suficiente disciplina operativa. La lección vale para los tribunales, pero también para agencias tributarias, sistemas de beneficios, hospitales, escuelas y reguladores: la adopción humana es una variable central, no un detalle posterior.
Gran parte del debate público sobre la IA generativa sigue oscilando entre la exageración y el rechazo. Este estudio se sitúa en un punto más útil. Sugiere que la tecnología puede producir ganancias reales en un entorno público exigente, pero solo bajo condiciones que hagan plausibles esas ganancias: recuperación específica del dominio, salvaguardas explícitas y formación que enseñe a los usuarios tanto lo que la herramienta puede hacer como aquello en lo que no debe confiarse por sí sola.
Para los gobiernos que evalúan si la IA debe entrar en sistemas administrativos de alto riesgo, ese puede ser el hallazgo más importante de todos. El rendimiento no vino de desplegar un modelo y esperar una transformación. Vino de tratar la IA como una capacidad institucional que había que enseñar, integrar y revisar.
Este artículo se basa en la cobertura de The Decoder. Leer el artículo original.
Originally published on the-decoder.com