Un plazo de 90 días para la fase de descubrimiento (discovery) que involucra millones de documentos rara vez fracasa porque el equipo no sepa leer. Fracasa porque el equipo no logra priorizar, medir y explicar sus decisiones de revisión con la rapidez necesaria para cumplir con las fechas de entrega y las expectativas de solidez procesal (defensibility). En este contexto, la IA resulta más valiosa cuando genera productos de trabajo intermedios y concretos que el equipo legal puede distribuir, someter a muestreo y validar. Pensemos, por ejemplo, en etiquetas de temas generadas por IA para hilos de correo electrónico y chats, resúmenes de cláusulas o comunicaciones para una orientación rápida, sugerencias de custodios y entidades para la evaluación inicial del caso, y líneas de tiempo creadas por IA que integran cronológicamente los sucesos provenientes de diversas fuentes. El abogado sigue siendo responsable de qué información se entrega, qué se excluye y cómo se documenta el proceso. [fuentes][/fuentes]
Los tribunales aceptan la Revisión Asistida por Tecnología (TAR, por sus siglas en inglés) como una metodología válida para el descubrimiento electrónico (eDiscovery) asistido por IA, siempre que el flujo de trabajo sea defendible. En este curso, abordamos la TAR como parte de la preparación del descubrimiento, y no como una “caja negra”. El objetivo no es sustituir la revisión humana, sino elevar el nivel de la labor del abogado: centrarse en definir los objetivos de revisión, entrenar e iterar el modelo y validar los resultados mediante muestreos para que las decisiones de entrega de documentos puedan defenderse ante un tribunal. Nos centraremos en los elementos en los que se apoya el equipo: predicciones de relevancia (responsiveness) generadas por IA, alertas de riesgo de privilegio y lotes de revisión propuestos por la IA. Cada uno de estos resultados requiere un nivel de verificación distinto, según el grado de riesgo y el uso que se les vaya a dar. [fuentes][/fuentes]
En la preparación del caso, más allá de la entrega de documentos, la IA resulta sumamente útil cuando transforma pruebas no estructuradas en una estructura sólida lista para el litigio. Esto implica generar fragmentos de líneas de tiempo vinculados a documentos con numeración Bates, elementos base para esquemas de declaraciones (depositions) fundamentados en pruebas documentales específicas, y listas de vacíos informativos que identifican qué aspectos aún no pueden probarse con el registro actual. De este modo, el equipo puede asignar tareas de seguimiento realmente ejecutables: solicitar los documentos faltantes, realizar búsquedas dirigidas o entrevistar al custodio adecuado. La habilidad que desarrollará aquí no consiste en solicitar un resumen genérico, sino en dirigir al modelo para que genere elementos de revisión que se integren perfectamente en su flujo de trabajo y sistema de gestión de registros actuales. Veamos un ejemplo concreto del tipo de línea de tiempo generada por IA que utilizan los equipos en la fase inicial de preparación del caso. [fuentes][/fuentes]
En los litigios, los deberes profesionales se convierten en requisitos operativos en el momento en que la IA interactúa con los datos del cliente o influye en una decisión de producción documental. El deber de competencia implica comprender qué es —y qué no es— el resultado generado por la IA. Si no puede explicar cómo se entrenó y validó un flujo de trabajo de TAR (Revisión Asistida por Tecnología), no podrá defenderlo ante una impugnación. El deber de confidencialidad significa que los límites de la herramienta son fundamentales. Aspectos como qué información sale del entorno de la firma, dónde se almacena, quién tiene acceso a ella y si se conserva para entrenar modelos no son meros detalles técnicos; determinan si se ha expuesto material confidencial o protegido por el privilegio legal. El deber de supervisión implica que no puede delegar el criterio profesional en la herramienta o en el proveedor. Usted debe dirigir los objetivos de la revisión, aprobar el protocolo y garantizar que se realicen y documenten los controles de calidad. [fuentes][/fuentes]
Punto de control de responsabilidad profesional
No introduzca material confidencial o protegido por el privilegio del cliente en herramientas de IA que no sean de nivel empresarial. Utilice plataformas de revisión aprobadas por la empresa que cuenten con controles de acceso definidos, políticas de retención y límites contractuales sobre el uso de los datos del cliente por parte del proveedor. Si la gobernanza de los datos no está clara, detenga el proceso y consulte la elección de la herramienta con el abogado supervisor antes de realizar la carga o el análisis. [fuentes][/fuentes]
Una forma práctica de abordar esto es considerar si la IA utilizada para el discovery (fase de obtención de pruebas) se encuentra dentro o fuera de un sistema de revisión controlado. Dentro de una plataforma de revisión, los resultados de la TAR pueden vincularse a recopilaciones de datos, listas de custodios, registros de auditoría y decisiones de codificación. Por el contrario, una herramienta de IA de consumo masivo puede almacenar las instrucciones (prompts) y los resultados, utilizarlos para mejorar sus modelos o dificultar la verificación de las políticas de retención y eliminación. Es en esa brecha donde la exposición de información privilegiada puede llegar a ser determinante para el resultado del caso. Es posible utilizar la IA de manera intensiva, siempre que se haga en entornos donde los controles sean proporcionales a los riesgos implicados. A continuación, compararemos dos configuraciones de herramientas tal como lo haría un equipo de litigios antes de implementar la IA en un asunto legal. [fuentes][/fuentes]