Compartir
El derecho no es un conjunto cerrado de normas aplicables mecánicamente, sino un sistema argumentativo que exige justificación racional. Manuel Atienza lo concibe como un sistema de razones cuya validez no depende solo de su existencia formal, sino de su fundamentación en principios y valores. Theodor Viehweg, desde la tópica jurídica, destaca que la argumentación se construye en un contexto donde el jurista recurre a lugares comunes para estructurar discursos persuasivos más allá de la lógica formal. La inteligencia artificial (IA) enfrenta dificultades en este marco, pues, aunque los modelos de lenguaje identifican términos jurídicos y generan respuestas sintácticamente correctas, carecen de criterios internos para evaluar interpretaciones normativas y ajustar su argumentación al contexto jurídico. Atienza diferencia entre justificación interna, que garantiza la coherencia lógica dentro del sistema normativo, y justificación externa, que evalúa la aceptabilidad del razonamiento según valores superiores como los derechos fundamentales. La IA no puede operar de manera autónoma en estas dimensiones, ya que no razona jurídicamente ni adapta su discurso a contextos pragmáticos, lo que limita su eficacia sin estrategias especializadas como el Legal Prompting, diseñadas para guiar su interacción con el derecho y estructurar respuestas normativamente fundamentadas..
1.1. Modelos de Argumentación Jurídica y su Impacto en la IA
El silogismo jurídico permite aplicar normas generales a casos concretos, pero su rigidez impide resolver conflictos entre principios. Robert Alexy propone la ponderación mediante un test de proporcionalidad (idoneidad, necesidad y balance estricto) para evaluar colisiones normativas. Sin embargo, la IA no puede asignar pesos entre principios sin criterios normativos predefinidos, ya que opera mediante cálculos probabilísticos, lo que la hace propensa a respuestas mecánicas sin considerar excepciones o tensiones normativas.
Como alternativa, Castillo-Córdova plantea la armonización de principios, evitando jerarquías arbitrarias y favoreciendo su coexistencia mediante reglas de compatibilidad. En este enfoque, la IA podría estructurar decisiones a través de algoritmos de optimización que integren condiciones como la proporcionalidad mutua y la no afectación de núcleos esenciales.
Ante estas dificultades, el Legal Prompting se vuelve esencial para traducir estos marcos de análisis en instrucciones precisas, permitiendo a la IA superar sus limitaciones y generar razonamientos jurídicos estructurados y normativamente coherentes.
1.2. Inteligencia Artificial y los Desafíos del Razonamiento Jurídico
Los modelos de IA presentan limitaciones sustanciales para interpretar normas, ponderar principios o justificar respuestas según las exigencias argumentativas del derecho. Aunque producen salidas formalmente correctas, carecen de mecanismos autónomos para adaptarse a la complejidad normativa. Su aplicación no es inviable, pero requiere un enfoque estratégico que reformule la interacción con los juristas. Técnicas como el legal prompting permiten orientar a la IA hacia soluciones coherentes y justificadas, complementando el razonamiento humano en lugar de reemplazarlo.
2.1. Modelos de Lenguaje y su Funcionamiento en el Ámbito Jurídico
Los modelos de IA se basan en redes neuronales transformadoras, introducidas por Vaswani et al. (2017), que revolucionaron el procesamiento del lenguaje natural (NLP) mediante mecanismos de atención multi-cabezal. A diferencia de los enfoques tradicionales secuenciales, estos modelos como GPT 4 predicen la siguiente palabra en función de correlaciones estadísticas, analizando patrones lingüísticos sin comprender realmente, en este caso, el significado normativo del derecho.
Entrenados con bases de datos legislativas y jurisprudenciales, sistemas como LEGAL-BERT (Chalkidis et al., 2020) han mejorado la clasificación de textos jurídicos y la recuperación normativa, pero su capacidad argumentativa sigue limitada. No razonan jurídicamente ni aplican inferencias estructuradas, sino que generan respuestas según la probabilidad de ocurrencia de ciertas palabras en contextos previos.
Liu et al. (2024) destacan que estos modelos no manejan estructuras lógicas complejas sin reglas explícitas, lo que evidencia que sus limitaciones van más allá del entrenamiento y requieren metodologías especializadas, como el Logic-of-Thought Prompting, para alinear su funcionamiento con el razonamiento jurídico real.
2.2. Métodos Avanzados para Mejorar la Argumentación Jurídica en IA
El Legal Prompting emerge como una herramienta clave para potenciar la argumentación en IA. Yu, Quartey y Schilder, en su estudio de 2023, demostraron que la precisión en inferencias normativas mejora hasta un 15.79% al aplicar prompts con marcos como IRAC (Issue, Rule, Application, Conclusion) y TRRAC (Thesis, Rule, Rule, Application, Conclusion), que organizan la información en análisis estructurados.
Por su parte, Liu et al. (2024) desarrollaron el Logic-of-Thought Prompting, que introduce silogismos normativos y principios de modus ponens y modus tollens para fortalecer la coherencia argumentativa. Por ejemplo, ante la premisa «si un contrato carece de firma, es inválido» y el hecho «este contrato carece de firma», la IA deduce correctamente que «el contrato es inválido», siguiendo la fórmula lógica (p → q) ∧ p ⇒ q.
Ambos métodos reducen contradicciones y estructuran la justificación jurídica, demostrando que la IA solo puede generar argumentación válida cuando los juristas diseñan instrucciones que guíen su razonamiento.
III. Hacia un Prompt Engineering Jurídico: Codificación de Criterios Normativos en Modelos de Lenguaje
La integración de IA en el derecho requiere metodologías que eleven la capacidad argumentativa de los modelos de lenguaje, alineándolos con las demandas de inferencias lógicas, justificación normativa y principios interpretativos inherentes al razonamiento jurídico. Más allá de un entrenamiento robusto, la clave reside en una interacción estratégica a través del prompt engineering. Este enfoque redefine la práctica profesional, desafiando a los juristas a codificar criterios normativos en instrucciones precisas que guíen a la IA hacia respuestas estructuradas, justificadas y persuasivas.
3.1. Principios del Prompt Engineering Jurídico
Las respuestas de IA jurídica suelen carecer de una justificación normativa estructurada. Atienza sostiene que un razonamiento válido combina coherencia lógica interna, que garantiza la conexión entre premisas y conclusión, con fundamentación externa, que asegura su alineación con principios y valores jurídicos. Para lograrlo, los prompts deben guiar a la IA en la articulación de normas dentro del sistema jurídico, su compatibilidad con el marco constitucional y la justificación interpretativa de sus conclusiones. Asimismo, Liu et al. (2024) demostraron que integrar reglas inferenciales en los prompts refuerza la consistencia argumentativa de la IA en tareas complejas. Un diseño óptimo debe presentar la premisa normativa, enlazarla con los hechos mediante deducción o inducción, y derivar conclusiones acordes con la lógica y estructura del ordenamiento jurídico, haciendo posible una réplica de la racionalidad jurídica.
3.2. Aplicación en Tareas Jurídicas Específicas
El prompt engineering jurídico se despliega en diversas aplicaciones prácticas, optimizando el uso de la IA en el derecho. A continuación, se presentan ejemplos de prompts diseñados bajo las directrices antes expuestas, para la realización de tareas concretas.
Examina esta sentencia judicial:
Resuelve el siguiente caso:
Redacta un alegato jurídico:
3.3. El Futuro del Derecho y la IA
El Legal Prompting marca el inicio de una revolución en la justicia digital, donde la IA no solo procesará normas, sino que codificará criterios jurídicos en estructuras lógico-matemáticas, permitiendo decisiones basadas en modelos formales de razonamiento. Este avance no desplazará al jurista, sino que redefinirá su rol: siendo capaz de traducir la lógica normativa en sistemas inteligentes y transformar la práctica jurídica con una precisión sin precedentes.
El desafío no es solo tecnológico, sino filosófico y jurídico: preservar la racionalidad del derecho, la fuerza de la argumentación y la integridad del discurso normativo en la automatización. El horizonte es claro: el derecho será codificado, los juristas programarán justicia, y la fusión entre intelecto humano e inteligencia artificial dará lugar a un Estado de Derecho más ágil, equitativo y sofisticado que nunca antes en la historia.
Referencias Bibliográficas
