Entender antes de usar
Qué es un modelo de lenguaje, cómo produce texto y por qué puede equivocarse con total seguridad.
§01 · Área de formación
Formación para abogados, estudiantes y servidores judiciales que quieren usar la inteligencia artificial con método, responsabilidad y sentido crítico.
Las obligaciones nacen, ya del concurso real de las voluntades de dos o más personas, como en los contratos o convenciones; ya de un hecho voluntario de la persona que se obliga, como en la aceptación de una herencia o legado y en todos los cuasicontratos; ya a consecuencia de un hecho que ha inferido injuria o daño a otra persona, como en los delitos; ya por disposición de la ley, como entre los padres y los hijos de familia.
Enfoque
Qué es un modelo de lenguaje, cómo produce texto y por qué puede equivocarse con total seguridad.
Ninguna cita, norma o sentencia sale de una máquina sin contrastarla con la fuente oficial.
Confidencialidad, datos personales y deberes profesionales: lo que nunca debe entrar en una herramienta pública.
Formación
Gratuitos · Virtuales o presenciales
Recursos
La inteligencia artificial puede ayudar a ordenar ideas, resumir documentos y pulir la redacción. También puede inventar una sentencia, mezclar los datos de un expediente o exponer información reservada. Estas diez reglas sirven para aprovechar lo primero sin caer en lo segundo.
La herramienta no firma el escrito ni responde por él: tú sí. Las partes y sus apoderados deben proceder con lealtad y buena fe (art. 78 del Código General del Proceso), y ninguna herramienta traslada ese deber.
No pegues en una herramienta pública datos de clientes, expedientes con reserva ni información sensible. Antes de usarla, reemplaza nombres, documentos de identidad, direcciones, radicados y cuentas por marcadores como [PARTE A] o [INMUEBLE 1], y revisa si el proveedor usa lo que escribes para entrenar sus modelos. Están en juego el secreto profesional (art. 74 de la Constitución y art. 28 de la Ley 1123 de 2007) y la protección de datos personales (Ley 1581 de 2012).
La estrategia, la tesis y el resultado que buscas los defines tú. Usa la IA para tareas concretas —proponer una estructura, ordenar argumentos, resumir, corregir el estilo—, no para decidir qué pedir ni cómo defenderlo.
Un modelo de lenguaje no consulta una base de datos jurídica: produce el texto más probable. Siempre que puedas, entrégale el contrato, la sentencia o la norma que quieres analizar, pídele que se limite a ese material y que indique de qué apartado sale cada afirmación.
Toda norma, sentencia o doctrina que sugiera la IA se contrasta en la fuente oficial: SUIN-Juriscol o la Secretaría del Senado para las normas; las relatorías de la Corte Constitucional, la Corte Suprema de Justicia y el Consejo de Estado para la jurisprudencia. Si no la encuentras, trátala como inexistente. En el caso Mata v. Avianca (Nueva York, 2023), dos abogados y su firma fueron sancionados por presentar sentencias inventadas por ChatGPT; en Colombia, las transcripciones o citas deliberadamente inexactas hacen presumir temeridad o mala fe (art. 79, num. 6, del CGP).
Aunque la cita exista, la norma puede estar derogada, modificada o declarada inexequible, o el precedente puede haber cambiado. Los modelos tienen una fecha de corte de conocimiento y no saben lo que ocurrió después.
La IA se equivoca con la misma fluidez con la que acierta. Pídele que distinga lo que sabe de lo que supone, que señale sus dudas y que formule el mejor argumento en contra de tu tesis: ese contraste suele valer más que su primera respuesta.
Nombres, fechas, montos, términos y radicados se revisan uno por uno contra los documentos originales. Un error en un término o en una cuantía puede costar más que todo el tiempo ahorrado.
Reescribe con tu voz, elimina las generalidades y ajusta el texto al caso, al despacho y a la etapa procesal. En la Sentencia T-323 de 2024, la Corte Constitucional advirtió que la IA no puede sustituir el razonamiento lógico y humano que corresponde al juez; la misma exigencia vale para quien litiga.
Anota qué herramienta usaste, para qué tarea y qué verificaste. Así podrás explicar con transparencia el papel que tuvo la IA si el cliente, el despacho o una norma lo piden. En la Rama Judicial rigen, además, los lineamientos del Acuerdo PCSJA24-12243 de 2024 del Consejo Superior de la Judicatura.
Material educativo. No constituye asesoría jurídica. Verifica la vigencia de las normas citadas antes de aplicarlas.
Una instrucción por etapas para pedirle a una herramienta de IA el análisis inicial de un contrato. La regla de oro no cambia: la herramienta propone, tú verificas.
Copia el texto, completa lo que está entre corchetes y pega al final el contrato anonimizado.
ROL Y CONTEXTO Actúa como asistente de un abogado colombiano experto en derecho civil. Vas a analizar el contrato que pego al final. Tipo de contrato: [compraventa / arrendamiento / prestación de servicios / otro]. Represento a: [parte]. Mi objetivo: [revisar antes de firmar / evaluar un incumplimiento / preparar una negociación]. REGLAS 1. Trabaja solo con el texto del contrato. No inventes cláusulas ni hechos. 2. Indica la cláusula de la que proviene cada afirmación (por ejemplo: «cláusula quinta»). 3. Si mencionas una norma o una sentencia, márcala como «POR VERIFICAR». No cites jurisprudencia de memoria. 4. Si algo es ambiguo o falta información, dilo expresamente en lugar de suponer. ETAPA 1 · FICHA DEL CONTRATO Elabora una tabla con: partes y su calidad; objeto; precio o contraprestación y forma de pago; plazo y prórrogas; obligaciones principales de cada parte; garantías; cláusula penal o multas; causales de terminación; cesión; confidencialidad; solución de controversias; domicilio contractual. Indica la cláusula de cada dato. Si un elemento no aparece, escribe «No regulado». ETAPA 2 · ALERTAS Señala: a) Cláusulas ambiguas o contradictorias entre sí. b) Obligaciones sin plazo, sin condición clara o sin consecuencia por su incumplimiento. c) Cláusulas que desequilibran la relación en contra de la parte que represento. d) Penalidades que podrían resultar desproporcionadas. e) Vacíos: lo que el contrato debería regular y no regula. Para cada alerta indica: cláusula, transcripción literal del fragmento, explicación breve y nivel de riesgo (alto, medio o bajo). ETAPA 3 · PUNTOS PARA VERIFICAR EN LA LEY Lista las preguntas jurídicas que debo revisar en las normas aplicables, sin responderlas como certezas. Marca cada una como «POR VERIFICAR». ETAPA 4 · RESUMEN Cierra con un resumen de máximo diez líneas: qué dice el contrato, los tres riesgos principales y las tres preguntas que llevaría a una reunión con el cliente. CONTRATO [Pega aquí el texto anonimizado]
Material educativo. No constituye asesoría jurídica. Verifica la vigencia de las normas citadas antes de aplicarlas.
Treinta términos que aparecen al hablar de inteligencia artificial, explicados sin tecnicismos y con lo que significan para el trabajo jurídico.
Sistema de IA que no solo responde, sino que ejecuta tareas en varios pasos: busca, abre documentos, usa programas y decide qué hacer a continuación.
En la práctica: más autonomía exige más supervisión. Define qué puede hacer y revisa lo que hizo.
Entrenamiento adicional de un modelo con datos de un campo específico —por ejemplo, textos jurídicos— para especializarlo. En inglés, fine-tuning.
En la práctica: un modelo especializado puede redactar mejor en clave jurídica, pero sigue pudiendo equivocarse.
Respuesta falsa con apariencia de verdad: una sentencia que no existe, una cita alterada o un artículo con un contenido distinto del real. Ocurre porque el modelo genera texto probable, no texto consultado.
En la práctica: es la razón de la regla de oro. Toda cita se verifica en la fuente oficial.
Anonimizar es eliminar los datos de una persona de forma que ya no pueda ser identificada. Seudonimizar es reemplazarlos por marcadores, como [PARTE A], que podrían revertirse con información adicional.
En la práctica: antes de usar una herramienta pública, al menos seudonimiza. Es la primera barrera para proteger el secreto profesional y los datos personales.
Interfaz que permite a un programa conectarse directamente con un modelo de IA, sin pasar por la ventana de chat.
En la práctica: muchas herramientas jurídicas funcionan así. Pregunta al proveedor qué modelo usan y dónde se procesan tus datos.
Rama de la IA en la que el sistema aprende patrones a partir de ejemplos, en lugar de seguir reglas escritas una por una. En inglés, machine learning.
Búsqueda por significado y no solo por palabras exactas. Funciona convirtiendo los textos en representaciones numéricas de su sentido (embeddings).
En la práctica: permite encontrar una sentencia relevante aunque use palabras distintas a las de tu consulta.
Una caja negra es un sistema cuyo funcionamiento interno no permite reconstruir por qué produjo un resultado. La explicabilidad es la capacidad de ofrecer razones comprensibles de ese resultado.
En la práctica: una decisión debe poder motivarse. Un resultado que nadie puede explicar no sirve como fundamento.
Imagen, audio o video generado o alterado con IA para parecer auténtico. Cuando suplanta a una persona real se le suele llamar deepfake.
En la práctica: plantea nuevos retos en la valoración de la prueba documental y digital.
Textos y otros datos con los que se construye un modelo. Determinan lo que «sabe», sus sesgos y sus vacíos.
Según la Ley 1581 de 2012 (art. 5), los que afectan la intimidad de la persona o cuyo uso indebido puede generar discriminación: origen racial o étnico, orientación política, convicciones religiosas o filosóficas, salud, vida sexual y datos biométricos, entre otros.
En la práctica: no deben entrar en herramientas que no garanticen su protección.
Momento hasta el cual llegan los datos de entrenamiento de un modelo. Lo posterior no lo conoce, salvo que consulte fuentes externas.
En la práctica: reformas legales y sentencias recientes pueden no estar en su «memoria».
Sistemas que producen contenido nuevo —texto, imágenes, audio o código— a partir de instrucciones. Los asistentes conversacionales más conocidos pertenecen a esta categoría.
Texto con el que le pides algo al modelo. En inglés, prompt. Su calidad —rol, contexto, tarea, formato y límites— determina buena parte de la calidad de la respuesta.
En la práctica: una instrucción clara se parece a un buen encargo a un practicante: qué necesitas, con qué material y en qué forma.
Indicaciones de fondo, generalmente fijadas por quien configura la herramienta, que orientan todas las respuestas: tono, límites y reglas de comportamiento.
Conjunto de técnicas que permiten a las máquinas realizar tareas que asociamos con la inteligencia humana: comprender lenguaje, clasificar, predecir o generar contenido.
Ataque en el que un documento o una página web contiene instrucciones ocultas que el modelo puede seguir como si fueran tuyas.
En la práctica: ten cuidado al analizar documentos de terceros y revisa cualquier resultado inesperado.
Un modelo abierto publica sus componentes y puede ejecutarse en equipos propios. Uno cerrado solo se usa a través del servicio de su proveedor.
En la práctica: un modelo ejecutado en servidores propios puede dar más control sobre la confidencialidad.
Programa entrenado con grandes volúmenes de texto para predecir la continuación más probable de un texto. Eso le permite redactar, resumir, traducir y conversar. Se le conoce también como LLM, por sus siglas en inglés.
En la práctica: no razona como un jurista ni consulta bases de datos por sí mismo. Escribe lo verosímil, no necesariamente lo cierto.
Modelos que dedican pasos intermedios a «pensar» antes de responder, lo que mejora su desempeño en tareas complejas.
En la práctica: razonar mejor no garantiza llegar a la conclusión correcta. La verificación sigue siendo tuya.
Modelo capaz de procesar varios tipos de información: texto, imágenes, audio o documentos escaneados.
Reconocimiento óptico de caracteres: tecnología que convierte la imagen de un texto, como un escaneo o una foto, en texto editable.
En la práctica: un expediente escaneado sin OCR, o con un OCR defectuoso, produce análisis incompletos.
Valores internos que el modelo ajusta durante el entrenamiento. Su número, que puede llegar a miles de millones, indica su tamaño, no su exactitud.
Generación aumentada por recuperación: el sistema primero busca documentos relevantes —normas, sentencias, el expediente— y luego redacta la respuesta apoyándose en ellos.
En la práctica: reduce las alucinaciones, pero no las elimina. La fuente citada también se revisa.
Política del proveedor sobre cuánto tiempo guarda lo que escribes y para qué lo usa: entrenamiento, revisión humana o seguridad.
En la práctica: léela antes de usar una herramienta con información profesional.
Tendencia sistemática de un modelo a favorecer ciertas respuestas, perspectivas o grupos, heredada de sus datos o de su diseño.
En la práctica: exige especial cuidado cuando el análisis involucra personas, valoración de pruebas o decisiones que afectan derechos.
Principio según el cual una persona revisa, corrige y asume la responsabilidad por lo que produce la IA.
En la práctica: es la exigencia central de la Sentencia T-323 de 2024 para el uso de la IA en la administración de justicia.
Ajuste que controla cuán predecibles o variadas son las respuestas. Baja: más consistentes. Alta: más creativas y más propensas a errores.
Unidad mínima de texto que procesa un modelo: una palabra, parte de una palabra o un signo. Los límites de extensión y los costos se miden en tokens.
Cantidad de texto, medida en tokens, que el modelo puede tener en cuenta a la vez: tu instrucción, los documentos y la conversación.
En la práctica: si un expediente la excede, el modelo ignora partes sin avisar. Divide los documentos extensos y verifica que analizó todo.
Material educativo. No constituye asesoría jurídica.
Lecturas de referencia
Contacto
Este sitio no ofrece asesoría ni representación jurídica, y no atiende consultas sobre casos particulares.