|
Getting your Trinity Audio player ready...
|
Indice
Cómo utilizar inteligencia artificial con criterio
Un problema más profundo
Hay un error que empieza a repetirse entre peritos, abogados y profesionales que incorporan inteligencia artificial a su trabajo. Y no tiene que ver con escribir un mal prompt.
El problema es más profundo: Usar un modelo de inteligencia artificial sin comprender qué tipo de modelo se está utilizando, de dónde obtiene la información y hasta dónde se puede confiar en su respuesta.
Un modelo general sabe mucho. Ese es justamente el problema
Un modelo de lenguaje generalista fue entrenado sobre enormes cantidades de información.
Eso le permite hablar de derecho, física, accidentología, criminalística, medicina, ingeniería y prácticamente cualquier tema.
Es impresionante. Pero existe una trampa. Cuando uno escribe: ¿Cuál es la normativa aplicable en este caso?
El modelo puede producir una respuesta perfectamente redactada.
Puede sonar técnica. Puede utilizar terminología jurídica. Puede incluso estructurar una argumentación muy convincente.
Pero el usuario necesita hacerse una pregunta mucho más importante: ¿De dónde salió exactamente esa afirmación?
Ese es el punto que cambia todo. En actividad pericial no alcanza con que una respuesta sea plausible.
Tiene que ser verificable.
En la práctica pericial, una respuesta convincente no necesariamente es una respuesta verificable.
Lic. José maría Ruíz | Encuentro de Inteligencia Artificial, colegio de Abogados prov. de Misiones Argentina.
La diferencia que todo perito debería conocer: LLM vs. RAG
Un LLM, o modelo de lenguaje, es el tipo de inteligencia artificial que usamos cuando hacemos una pregunta en herramientas como ChatGPT. Sabe muchísimo y puede explicar temas complejos con mucha claridad, pero eso no significa que esté consultando en ese momento una norma, un protocolo o un documento específico.
Un sistema RAG funciona de otra manera. Antes de responder, busca información dentro de una base documental concreta. Esa base puede estar formada por normas técnicas, leyes, protocolos, bibliografía científica o documentos propios. Luego, el modelo usa ese material recuperado como contexto para construir la respuesta.
Con un modelo generalista, la lógica es aproximadamente:
Pregunta → modelo → respuesta.
Con RAG:
Pregunta → búsqueda documental → recuperación de fuentes relevantes → modelo → respuesta contextualizada.
Esto nos obligó a cambiar el enfoque
Cuando empezamos a pensar IA aplicada al trabajo pericial, la tentación era evidente. Automatizar más. Generar más rápido. Reducir horas.
Pero cuanto más analizábamos el contexto, más claro quedaba que la velocidad no podía ser el centro del producto.
El punto crítico era otro. La documentación. La procedencia de la información. La posibilidad de citar. La capacidad de revisar.
Ese fue uno de los aprendizajes más importantes del proceso. En aplicaciones profesionales, el valor de la IA no está solamente en lo que puede generar. Está en lo que podemos auditar de lo generado.
Tres reglas que empezaría a exigir desde hoy
Si sos perito o abogado y estás incorporando IA, hay tres preguntas que considero mucho más importantes que aprender cien prompts.
1. Preguntá de dónde obtiene la información. ¿Está respondiendo desde el conocimiento general del modelo o consultando documentos específicos? La diferencia importa.
2. Exigí fuentes cuando la afirmación tenga consecuencias profesionales. Una respuesta sin posibilidad de verificación debería tratarse como una hipótesis de trabajo, no como una conclusión.
3. Conservá siempre la revisión humana. La IA puede asistir en búsqueda, estructuración, redacción y análisis. La responsabilidad técnica continúa siendo del profesional que firma.
