La inteligencia artificial está transformando la prestación tradicional de servicios legales.

En términos generales, el conjunto de herramientas, en términos generales llamado "análisis legal", promete hacer dos cosas:aumentar la eficiencia de las tareas que antes requerían tiempo y esfuerzo humano considerables, y extraer una gran cantidad de datos para descubrir nuevos conocimientos que antes eran inaccesibles.

Como eruditos legales, Estamos entusiasmados con la promesa de aplicar estas herramientas a las preguntas de investigación legal. En el estado de Georgia, estamos creando equipos de investigación interdisciplinarios con abogados y científicos de datos que trabajan codo con codo. Los estudiantes también están involucrados para que podamos educar a la próxima generación de abogados para que aprovechen estas herramientas en sus propias prácticas.

Transformando tareas legales

Suponga que una empresa desea pronosticar qué quejas de los empleados darán lugar a demandas. Históricamente, la empresa podría asignar un equipo de analistas y abogados para revisar los registros de quejas, expedientes de personal y documentos judiciales, buscando algún patrón que pueda indicar riesgo de litigio. Este laborioso proceso podría llevar meses y requerir un ejército de personas para procesar miles de páginas de texto.

En cambio, tratar esta tarea como un problema de ciencia de datos mejora drásticamente la velocidad y la eficiencia. Un algoritmo podría extraer texto clave a granel y ensamblarlo para su análisis. El tiempo y la atención humanos serían entonces entrenados solo en la información relevante. Se eliminaría el proceso de búsqueda que requiere mucha mano de obra.

La nueva generación de herramientas de análisis puede hacer más que simplemente reducir las horas de trabajo. Técnicas como el aprendizaje automático, un tipo de inteligencia artificial en la que las computadoras pueden aprender de forma recursiva a partir de un conjunto de ejemplos sin estar programadas explícitamente para hacerlo, pueden permitir el descubrimiento de nuevos patrones que están más allá del alcance del análisis manual. Por ejemplo, en el escenario anterior, un algoritmo podría predecir si una determinada queja de un empleado dará lugar a una demanda.

En nuestro laboratorio, estamos probando la aplicación de herramientas de análisis a una amplia gama de cuestiones legales. Analizamos todas las demandas laborales en el Tribunal de Distrito de los EE. UU. Para el norte de Georgia para comprender qué casos ganan y pierden e identificar características del caso, como jueces, abogados y mociones que puedan influir en el resultado final de un caso.

Por ejemplo, Encontramos eso, cuando el juez que preside el tribunal de distrito remitió una moción a un juez magistrado para un informe preliminar y una recomendación, La recomendación del juez magistrado fue el predictor más fuerte de la decisión final del juez. Esto plantea preguntas interesantes, que estamos investigando más a fondo, sobre los roles de los tomadores de decisiones en la resolución de disputas legales.

Aprovechamiento de big data

La analítica legal ha capturado la imaginación de abogados e investigadores por igual. En un concurso reciente en el Reino Unido, 100 abogados de las principales firmas de Londres se enfrentaron a una herramienta de inteligencia artificial para predecir el resultado de cientos de disputas financieras simples. El robot ganó por un amplio margen, predecir correctamente el 86,6 por ciento de los casos, mientras que los humanos predijeron correctamente solo el 66,3 por ciento. La herramienta estaba "aprendiendo" algo sobre las disputas que los humanos estaban perdiendo, superando a los abogados en su propio juego de predicciones.

Por supuesto, no todos los problemas legales se reducen nítidamente a un conjunto de variables, y el comportamiento humano no siempre sigue patrones detectables. Las herramientas predictivas funcionan peor cuando el conjunto de datos relevante es pequeño, o cuando el texto objeto de análisis es tan variado e idiosincrásico que los patrones son difíciles de detectar.

El progreso también puede traer peligro. Los datos históricos sobre eventos pasados ​​a menudo contienen sesgos e inexactitudes, lo que significa que incluso el código informático más sofisticado, cuando se alimenta con basura, sólo puede producir basura a cambio. Algoritmos de fijación de fianzas, por ejemplo, han sido criticados por perpetuar los prejuicios raciales en la justicia penal.

Si los abogados delegan muchas de nuestras decisiones en algoritmos, entonces estamos destinados a repetir nuestros patrones y errores históricos. Por ejemplo, Los algoritmos de predicción de litigios entrenados en casos de jueces jubilados o jurisprudencia obsoleta pueden pasar por alto nuevos desarrollos y recomendar un curso de acción innecesariamente conservador.

En el final, un abogado robot es un pobre sustituto de un abogado humano. El juicio humano seguirá siendo un ingrediente crucial en la práctica jurídica. Lo que cambiará es cuando se use para aumentar la inteligencia obtenida de otros sistemas.

Lo que los nuevos abogados necesitan saber

Si la práctica de la abogacía cambia, entonces eso significa que partes de la educación jurídica deben cambiar, también.

Algunos futuros abogados se graduarán como programadores informáticos, capaz de escribir el código que subyace a las herramientas de análisis legal. Otros se convertirán en consumidores conocedores de los resultados producidos por estas herramientas, capaz de evaluar críticamente el resultado. Nuestra institución está desarrollando una doble titulación en analítica y derecho, así como concentraciones dentro de J.D. y LL.M. programas.

Creemos que todas las facultades de derecho deberían luchar con la forma de educar a los estudiantes de hoy para una práctica futura. Por transformador que sea, en el final, la analítica legal es una herramienta. Los abogados del mañana deben estar preparados para aprovechar sus ventajas, al mismo tiempo que comprende dónde terminan esas ventajas y dónde comienza el juicio humano.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.