07 septiembre 2017

¿Machine Learning legal? Más datos, más preguntas, mejores respuestas

Jaime Sanz  Por Sara Molina
sigueme-abogaciaes

Una vez más parece que entender determinados términos anglosajones relacionados con la tecnología se nos hace cuesta arriba a los juristas. Pero en un mundo y en un sector donde la base está en los datos que manejamos me parecía importante ver qué implica y si se está haciendo algo en la actualidad en España respecto al  denominado Machine Learning. Este artículo no pretende convertir al que lo lea en experto, pero por lo menos sí dotar de una base de conocimiento mínimo sobre lo implica y qué cambios puede traer al trabajo de un abogado.

El Machine Learning es una rama de la inteligencia artificial aplicada (la denominada Weak AI) que trata de lograr que las máquinas aprendan de forma automática. Este modelo de aprendizaje automático está basado en el entrenamiento de algoritmos para que, a partir de patrones obtenidos del análisis de datos, realicen predicciones perfeccionando modelos que nos ayuden a generar ideas y tomar mejores decisiones. Por tanto, cuantos más datos haya disponibles para aprender y más rico y completo sea el algoritmo, funcionará mejor.

Los algoritmos de aprendizaje se suelen clasificar entre:

  • Los algoritmos supervisados: ​​requieren que los seres humanos proporcionen tanto la entrada de datos (inputs) como la salida de datos deseada (outputs) para ir ajustando con precisión las predicciones durante el entrenamiento. Una vez completado el entrenamiento, el algoritmo aplicará lo aprendido a los nuevos datos. Estos algoritmos a su vez se utilizan para desarrollar modelos predictivos mediante técnicas de:
    • Clasificación para predecir respuestas discretas como si un correo debe clasificarse como spam o no, si un tumor es benigno o no, reconocimiento del habla…
    • Regresión para predecir respuestas continuas, por ejemplo, la previsión de los cambios en la temperatura o fluctuaciones de la demanda de energía o de la bolsa del mercado de valores.
  • Los algoritmos no supervisados: no necesitan ser entrenados con los datos de resultado deseados. En su lugar, utilizan un enfoque llamado aprendizaje profundo (Deep Learning) para revisar los datos y llegar a conclusiones. Se trata de crear una “red artificial de neuronas” y en lugar de enseñarle al ordenador una lista enorme de reglas para solventar un problema, le damos un modelo para que pueda evaluar ejemplos y una pequeña colección de instrucciones para modificar el modelo cuando se produzcan errores. Así por ejemplo Facebook lo utiliza para el reconocimiento facial de las personas diferenciándolo de las imágenes con objetos…
Técnicas de Machine Learning

Por tanto, podemos decir que el Machine Learning está relacionado con el tratamiento de datos o Data Mining y la creación de modelos predictivos. No se trata de ciencia ficción, todos los días Google identifica nuestras preferencias y según ellas generan patrones y perfila nuestros gustos para ofrecernos aquello que cree que nos interesa. Además compañías como Amazon, Azure o IBM entre otras cuentan con plataformas muy potentes basadas en este aprendizaje automático.

El Machine Learning ha dado lugar en nuestro sector a diferentes proyectos de “Legaltech” que se basan en el uso de la tecnología y el software en los servicios legales. En este campo destaca el mapa vivo y los estudios realizados por Jorge Morell Ramos (@Jorge_Morell), jurista fundador del despacho especializado en nuevas tecnologías “Términos y Condiciones, cuyo “Legal LAB” presenta ya un área dedicada a “Legaltech”.

En el campo del Machine Learning en España destacan, a día de hoy, cinco iniciativas accesibles:

  • Vlex Analytics: Ayuda a predecir mucho mejor los casos a través de la visión analítica de juzgados y tribunales, tanto en plazos como en probabilidades de éxito. De la misma manera consigue modelar casos para poder realizar estimaciones de resultados entre diferentes juzgados de un mismo partido judicial.
  • Jurimetría: Permite tomar decisiones procesales de forma rápida a través de indicadores gráficos y visuales, basados en el análisis cognitivo de millones de resoluciones judiciales en función de la duración del procedimiento, del juez, línea jurisprudencial, o posibilidad de que un asunto sea o no recurrido…
  • Legal Data: Esta herramienta es capaz de predecir los resultados de litigios en función de las búsquedas y parámetros que introduzca el usuario.
  • Tirant Analytics: Permite ver posibles estrategias, el porcentaje de éxito de nuestros objetivos, los criterios del Tribunal, la Sala, la Sección o el Ponente, analizar la posición contraria… y obteniendo el tanto por ciento de éxito de cada uno.
  • Luminance: Revoluciona la forma de hacer due diligence. Gracias a los últimos avances en inteligencia artificial su tecnología de análisis de documentos lee y entiende ingentes, complejas y desorganizadas bases de datos en unas horas y presenta la totalidad de los datos analizados de forma altamente intuitiva.
  • Proces@: es un proyecto impulsado por el despacho de abogados Garrigues para robotizar la gestión de la documentación legal en los procesos judiciales con el objeto de facilitar a los abogados la recuperación de documentos de fuentes heterogéneas (texto, audio, video) asociados a un caso. Esta plataforma, que ha sido desarrollada por el Instituto de Ingeniería del Conocimiento y el grupo de investigación Audias-UAM, integra tecnologías de procesamiento de lenguaje natural y aprendizaje automático para que permiten convertir cualquier documento a un formato que facilite su posterior búsqueda y recuperación.
  • Aranzadi Fusión: por medio de la Inteligencia artificial, ofrece la posibilidad de reducir los tiempos de búsqueda de información aplicable a sus asuntos. A través de su motor de recomendaciones, las búsquedas efectuadas arrojan, además de los resultados propios todos aquellos contenidos que por su similitud o características pueden ser de utilidad.

En el trabajo que hacemos los abogados, la información y su tratamiento es una de las tareas que nos llevan más tiempo, así que cuanto más rápido podamos hacerlo más tiempo podremos dedicar a desarrollar una estrategia eficaz para nuestros clientes. La digitalización de la información facilita este trabajo.

Aunque sin duda, hay una serie de problemas que impiden un mayor desarrollo del uso del análisis de datos. Por un lado, la información que las firmas de abogados están analizando pertenece a sus clientes, y necesita ser debidamente anonimizada antes del análisis y, por otro lado, que no existe el volumen suficiente de open data en España.

El ejercicio de la abogacía requiere habilidades cognitivas que están más allá del dominio del aprendizaje automático y la IA. Según un artículo publicado en “Washington Law Review” de Harry Surden, los abogados deben utilizar rutinariamente el razonamiento abstracto y habilidades para resolución de conflictos en entornos de incertidumbre jurídica. Los algoritmos usados actualmente en Inteligencia Artificial son incapaces de replicar la mayoría de las capacidades intelectuales en aspectos relacionados con el razonamiento analógico, que son fundamentales en el trabajo de un abogado.

En conclusión, actualmente y en un futuro cercano el Machine Learning no reemplazará el trabajo de un abogado, pero se trata de una herramienta que en líneas generales es útil a día de hoy para:

  1. Mayor precisión en la fijación de honorarios y proyección de trabajos. Un ejemplo de ello está en iniciativas para fijación y cálculo de precios como Clocktimizer, Legal Decoder o Brightflag.
  2. Análisis predictivo de resultados para el planteamiento de diferentes estrategias de actuación. Tal y como presentan las plataformas que he citado en este artículo.

Sara Molina
TWITTER: @saramolinapt
WEB: Marketingnize 
BLOG: http://marketingnize.com/blog/
COMUNIDAD ONLINE ABOGACÍA: www.abogacia.es/comunidad/saramolinapt/

Comparte: