La inteligencia artificial colmenar como garantía de seguridad jurídica

En el ámbito legal, se pueden realizar varias clasificaciones en relación a los diferentes tipos de IA. Si nos focalizamos en la seguridad jurídica, existe una clasificación fundamental, entre IAs generalistas e IAs hiperespecializadas, que debe merecer nuestra atención.

En concreto, el lanzamiento en noviembre de 2022 de ChatGPT por OpenAI ha facilitado la aparición de muchas IAs generalistas, que básicamente se han limitado a introducir una IA generativa (GPT, Anthropic, Mistral, etc.) en su base de datos. Esto provoca que normalmente, al ser una ingente cantidad de datos, no preparados originariamente ni estructurados para la lectura por la IA generativa, carecen de la precisión de las IAs especializadas.

No obstante, no todo son inconvenientes. Si bien la IA generalista no tiene la misma precisión que una IA hiperespecializada y con estructura colmenar, como ventajas de la IA generalista podríamos señalar que abarca múltiples áreas del derecho, proporcionando soporte en diversas ramas como derecho civil, penal, mercantil y laboral. Igualmente, la IA generalista es capaz de dar una visión más global al asesoramiento, y contiene asimismo, mayor cantidad de sentencias y artículos doctrinales. Ello genera una mayor riqueza en el contenido, pero una menor precisión, lo que obliga al usuario a analizar con detenimiento la información completa para llegar a la conclusión que necesita.

La base de datos de una IA generalista suele ser una base de datos que no ha sido creada ni estructurada para la IA generativa, sino que se ha ido adaptando conforme ha ido llegando la tecnología, lo que deriva en una falta de precisión.

(Imagen: E&J)

En cambio, la IA hiperespecializada y customizada para la IA generativa, se centra en una rama específica del derecho, como es el derecho laboral, penal o mercantil. Este enfoque permite una mayor precisión y eficacia, ya que las bases de datos están estructuradas de manera colmenar, organizadas en torno a categorías y problemas propios de su área de especialización. Este tipo de especialización y estructura en la BBDD resulta más acorde al producto que la IA genera: una respuesta generativa.

Estas IAs, al ser hiperespecializadas, permiten una estructura colmenar, y recogen toda la información referida a un problema, o grupo de problemas homogéneo, en una única celda de información. De esta forma, se garantiza la precisión con independencia de la forma de redactar el prompt. Lexa Go es un ejemplo de éxito de IA colmenar hiperespecializada en el campo del Derecho del Trabajo y la Seguridad Social.

El sistema implementado, que denominamos IA Colmenar, es una arquitectura RAG (Retrieval-Augmented Generation), que parte de una base de datos estructurada en celdas o módulos de información concreta alrededor de una única máxima jurídica. Es decir, la clave de la IA Colmenar es que un mismo contenido está únicamente recogido en una única celda o módulo. En cada celda de información, cerrada y actualizada, con legislación y jurisprudencia, se encuentran asignadas las consultas correspondientes a dicha temática. A continuación, cada consulta, y cada celda, reciben sus representaciones vectoriales (Embeddings), lo cual permite encontrar la más similar, dentro de su celda o módulo correspondiente.

Una vez encontrados los contenidos, estos se envían a un LLM (como puede ser GPT, Mistral, etc.), que utiliza la información proporcionada para comprender en profundidad la consulta del cliente, y extraer y presentar la respuesta adecuada basada en los textos remitidos.

El resumen de ventajas de la IA Colmenar es:

1. Seguridad jurídica: al recoger cada máxima jurídica, en una única celda o módulo, garantiza la precisión en la contestación y la seguridad jurídica, con independencia de cómo se haya redactado la consulta.
2. Eficiencia en la búsqueda de información: la estructura de los contenidos recogidos en una única celda o módulo (uno por temática o máxima jurídica), así como el uso de embeddings aseguran que la información relevante sea rápidamente accesible.
3. Personalización basada en el histórico: la inclusión de consultas históricas mejora la precisión al considerar casos similares previamente resueltos.
4. Lenguaje optimizado: el cambio al lenguaje natural en los contenidos incrementa la relevancia de las búsquedas y la claridad de las respuestas.
5. Modelo modular, adaptable y escalable: puede ampliarse fácilmente para abarcar nuevos temas o integrar datos adicionales.

(Imagen: E&J)

Debemos de ser conscientes de que, si la IA generativa nos aporta como resultado a nuestra petición, o prompt, una “respuesta generativa”, necesariamente una base de datos que pretenda ofrecer un resultado acorde generativo debe estar estructurado en razón a “preguntas y respuestas”. Por ello, si queremos precisión en el sector legal, debemos ir hacia IAs hiperespecializadas con estructura colmenar, que aúne en celdas únicas un contenido que resuelva problemas o grupos de problemas (consultas o grupos de consultas).

Por ello, debido al estado actual del arte en la tecnología, las IAs generalistas que no tengan esta estructura (hiperespecializada y colmenar) difícilmente podrán ofrecer precisión. Seguirán pidiendo al usuario final que revise la respuesta generativa, y no podrán ofrecerle seguridad jurídica.

Debemos ser conscientes de que a día de hoy la IA está en un estadio muy temprano y debe contener explicaciones de cada paso que da en su proceso de creación del texto. Es decir, la arquitectura TRANSFORMERS, que está detrás de la IA generativa, a día de hoy (en abril de 2025), va a responder sobre el texto de la base de datos que le preparemos. Y, por tanto, si el mismo se encuentra estructurado en conclusiones únicas que sirvan para responder una generalidad de supuestos, podremos garantizar precisión. En cambio, si el contenido se encuentra disperso en la base de datos, en función del prompt que se realice, se generará una respuesta u otra.

En resumen, la clave de la seguridad jurídica hoy en día está en la estructura concreta de nuestra base de datos.

Por ello, conforme avanzamos en esta etapa de la IA, cada vez más referentes del sector insisten en que no solo debemos profundizar en las IAs generalistas, sino en hacerlas más inteligentes (se entiende, más precisas). Como conclusión, no debemos olvidar, en qué situación está hoy la tecnología y cómo los CEOs de las grandes tecnológicas (NVIDIA y MICROSOFT) apuntan a un futuro cercano en el que los Agentes Hiperespecializados serán la clave del crecimiento de la IA.