La idea del abogado robot, ese extraño ser capaz de realizar todas las tareas del jurista pero las 24 horas del día y los 7 días de la semana, se ha popularizado mucho en los últimos 12 – 18 meses. De hecho, si alguien seguramente ha colaborado en ese proceso de popularización (aunque de forma involuntaria en buena parte), se trate de ROSS Intelligence.
Conocido como la versión jurídica del sistema de computación cognitiva de IBM, el no menos conocido Watson, ROSS Intelligence (en adelante ROSS) es más que una simple copia jurídica de Watson, pero también menos de lo que en general la prensa generalista (y en ocasiones la jurídica) ha dado a entender.
ROSS opera desde Canadá, que se está posicionando como uno de los centros mundiales en relación al desarrollo de inteligencia artificial, y si bien incluye algunos elementos prestados de Watson, su punto fuerte consiste en un framework de trabajo en materia de IA creado a nivel interno y llamado Legal Cortex.
¿Pero qué es ROSS exactamente? Pues una herramienta de «legal research» o investigación legal. Es decir, un buscador de jurisprudencia y documentación legal más avanzado que los habituales. Pero además no es aplicable en cualquier materia, ya que ROSS se ha especializado en quiebras y concursos de acreedores.
Ésa es su tarea y es bueno en ella.
Sin embargo, desde por allá 2016, cuando comenzó a operar de forma pública, muchas de las veces que en prensa se hablaba del famoso «abogado robot» era en relación a ROSS. Ahí van unos pocos ejemplos (solo en castellano y sin salir de la página 3 de Google):
- El primer «robot – abogado ya tiene cliente
- Conoce a Ross, el primer abogado robot que defiende a sus clientes utilizando Inteligencia Artificial
- Ross, el primer abogado robot
- Un bufete contrata al abogado de inteligencia artificial creado por IBM
- Contratan a Ross, un abogado creado con inteligencia artificial
- Robots profesores, abogados o periodistas: la invasión de la inteligencia artificial
- Los abogados del futuro, ¿serán máquinas?
Cómo una herramienta que simplemente mejora la búsqueda de jurisprudencia (que no es poca cosa) acaba convirtiéndose en un «abogado de inteligencia artificial» (!) que un bufete contrata (!), es digno de estudio y seguramente un tema que abordaremos próximamente al hablar del mito del abogado robot. Sea como sea, demuestra que a nivel de opinión publicada hay mucho interés en servicios legales automatizados y prestados por máquinas en lugar de personas.
¿Y qué parte del proceso legal automatiza ROSS? En verdad ninguno, ya que el abogado deber ser quien realiza la búsqueda de sentencias o documentación legal aplicable al caso que le ocupa. Ahora bien, las nuevas técnicas que ROSS aplica en esa tarea, mayormente el procesamiento de lenguaje natural y machine learning o aprendizaje automático, aumentan la calidad de los resultados obtenidos y reducen el tiempo invertido en ello.
Vamos a ver esto más detalle.
Según el estudio encargado por ROSS a la consultora Blue Hill Research en enero de este año, cuando se ofreció a 16 abogados probar ROSS junto a Westlaw y LexisNexis (herramientas muy similares pero que usan sistemas de búsqueda más básicos, como las palabras clave o frases concretas), ROSS salió ganando en todos los apartados. Es decir, ROSS demostró ser mejor al reducir el tiempo necesario para obtener resultados útiles, generó resultados de mayor calidad que los otros sistemas de búsqueda e incluso puede ser un generador indirecto de mayor negocio para el cliente (ya que su uso permite invertir las horas ahorradas en otras tareas facturables, acciones de marketing o mejor atención al cliente).
El estudio compara cómo un profesional que trabaje el área de las quiebras o los concursos de acreedores, pero sin llegar a ser un especialista, puede resolver varias dudas sobre la materia que le plantea un cliente. Para resolver esas dudas necesita buscar jurisprudencia que fundamente un determinado argumento, y ahí es donde entran Westlaw, LexisNexis y ROSS.
Las dos primeras herramientas permiten hacer búsquedas booleanas (mediante palabras clave o conectores que busquen conexiones entre términos) o búsquedas con lenguaje natural (cuando se busca una frase, expresión o conjunto de palabras concreto a lo largo de un texto). Por su parte, ROSS aplica el llamado procesamiento de lenguaje natural, algo que como ya explicamos permite que se hagan preguntas de forma natural al sistema y que el software entienda el contexto de los términos o frase a buscar. Por ejemplo, si indico al software que haga una búsqueda sobre «Pagos», que no solo aparezcan los documentos que contienen el término, sino también facturas, presupuestos y otros relacionados que nunca mencionan la palabra «pago» pero el software entiende que están relacionados.
El estudio no es muy largo (11 páginas), puede encontrarse en la web de la compañía y resulta interesante para ver lo mucho que mejora una herramienta de búsqueda de documentación legal al aplicar técnicas modernas. Por ejemplo, en función del número de veces que una sentencia era citada en los ejercicios completados por los 16 abogados, se determinó la relevancia de ese resultado. Entonces se midió en cada herramienta, y según la técnica de búsqueda empleada: 1) el porcentaje de sentencias relevantes que habían sido localizadas; 2) el porcentaje de sentencias relevantes que mostraba el software entre sus primeros 20 resultados; y 3) finalmente el NDCG (donde el máximo es 1) o la similitud entre el posicionamiento de los resultados relevantes en cada programa y el posicionamiento ideal de esos resultados relevantes dada su importancia (es decir, que si las sentencias buenas eran las número 3, 7 y 9, a ver si el software las mostraba en ese orden o en realidad la 9 iba primera y la 3 estaba al final).
La conclusión es que ROSS gana en todas esas métricas, especialmente cuando se compara con sistema de búsqueda basados en simples palabras clave o conectores. De ese modo, ROSS fue capaz de localizar casi el 56% de las sentencias relevantes, mientras que los sistemas booleanos no llegaban al 32%. El término medio es la búsqueda por expresiones naturales más específicas, que se queda cerca de ROSS pero sin llegar a alcanzarlo (y requiriendo más tiempo para llegar a ese número).
Otras dos métricas que también analiza el informe, pero que simplemente apuntamos, es el tiempo que llevó a cada abogado encontrar la jurisprudencia relevante según el tipo de herramienta usado y el posible beneficio económico que se deriva del uso de ROSS. En ese sentido, encontrar las sentencias relevantes con ROSS llevaba entre 11 y 15 minutos menos que con los otros sistemas. Por tanto, si uno suma todo el tiempo ahorrado al final del año y lo invierte por ejemplo en tareas facturables que antes no podía atender, se podrían ganar de media entre 5.300 y 6.100 dólares más al año (pero ya dice el informe que hay que coger esto un poco con pinzas).
En conclusión, ROSS es una herramienta para buscar jurisprudencia y documentación legal en materia de quiebras y concursos de acreedores (aunque la voluntad es llevarlo a otras materias), solo funciona por ahora con casuística norteamericana y canadiense (no se puede contratar en Europa), consiste en un servicio SaaS y nada tiene que ver con un abogado robot. Es simplemente (y no es poco) una forma más eficaz y rápida de localizar sentencias relevantes en un caso.
Por tanto, ROSS es una buena herramienta para subir un peldaño más en la eficiencia de las tareas legales del día a día. Y un gran ejemplo de lo que irá ocurriendo cada día más en otras áreas y herramientas relacionadas.
El abogado robot deberá esperar.
Un comentario en «Qué es y para qué sirve en verdad ROSS Intelligence»