Resumen Técnico: Falkor-IRAC

Declaración del Problema

Los sistemas actuales de IA jurídica, que dependen predominantemente de la Generación Aumentada por Recuperación (RAG) con similitud semántica basada en vectores, no abordan la naturaleza estructural del razonamiento jurídico. El artículo argumenta que el razonamiento jurídico no es un problema de búsqueda semántica, sino un proceso de razonamiento simbólico restringido que implica la propagación de precedentes, transiciones de estado procesal e inferencia vinculada a estatutos.

Los enfoques RAG estándar sufren tres fallos estructurales críticos en el dominio jurídico:

1. Relevancia Semántica vs. Relevancia Jurídica: La similitud léxica no garantiza la relevancia jurídica; un precedente histórico puede utilizar un vocabulario diferente al del caso actual y seguir siendo estructuralmente vital.
2. Alucinación como Responsabilidad: En contextos jurídicos, una cita que suena plausible pero es fabricada no es meramente un error de calidad, sino una responsabilidad profesional que puede perjudicar a los litigantes.
3. Falta de Estado: El razonamiento jurídico es con estado (dependiente de cronogramas procesales, vinculación de derechos y plazos), una dimensión que los modelos vectoriales no pueden representar.

Estos fallos son particularmente agudos en la India, donde una acumulación masiva de casos y una asistencia jurídica limitada crean una brecha severa en el acceso a la justicia. Las herramientas existentes no ofrecen explicaciones libres de alucinaciones y priorizadas por voz sobre avisos judiciales o estados procesales.

Metodología: Falkor-IRAC

Falkor-IRAC es un marco de generación restringido por grafos que desacopla la generación de la verificación. En lugar de utilizar un grafo de conocimiento simplemente para mejorar la recuperación (como en GraphRAG), Falkor-IRAC utiliza el grafo como una restricción rígida sobre lo que el modelo tiene permitido afirmar.

1. Esquema del Grafo de Conocimiento

El sistema ingesta sentencias de la Corte Suprema y de las Cortes Superiores de la India en FalkorDB, una base de datos de grafos que soporta consultas híbridas vectoriales y de grafos. El esquema extiende las redes de citas estándar con tres capas novedosas:

• Estructura IRAC: Nodos para Cuestión, Regla, Análisis y Conclusión, vinculados a Casos, Estatutos y Jueces.
• Transiciones de Estado Procesal: Una capa de nodos EventoProcesal (por ejemplo, DENEGADA_FIANZA, AUDIENCIA_CELEBRADA) conectados por relaciones DISPARA y PRECEDE. Esto modela el flujo del litigio como una máquina de estados, permitiendo al sistema responder preguntas sobre la posición procesal actual de un litigante.
• Relaciones Tipificadas por Conflicto: Nuevos tipos de aristas (CONFLICTA_CON, RESUELTO_POR, RESTRINGIDO_POR) que modelan explícitamente divisiones doctrinales (por ejemplo, desacuerdos entre salas coordinadas) en lugar de resolverlas silenciosamente.

2. Pipeline de Ingesta

Las sentencias se procesan en tres etapas:

1. Extracción de Texto: Se utiliza PyMuPDF para la limpieza consciente de la maquetación.
2. Extracción Estructurada: Un LLM extrae componentes IRAC, estatutos, precedentes y eventos procesales en JSON restringido, instruido a dejar los campos vacíos en lugar de fabricar datos si la confianza es baja.
3. Carga del Grafo: Los datos estructurados se cargan en FalkorDB utilizando operaciones MERGE idempotentes.

3. Arquitectura de Inferencia

El pipeline de generación opera como un bucle multiagente:

1. Agente de Recuperación: Recorre el grafo utilizando cinco estrategias paralelas (tipo de asunto, estatuto, palabra clave de la cuestión, cadena de citas y detección de conflictos) para recuperar precedentes candidatos.
2. Síntesis LLM: Genera una respuesta fundamentada únicamente en los candidatos recuperados.
3. Agente Verificador (Oráculo de Falsabilidad): Esta es la innovación central. Verifica la respuesta generada contra el grafo:
   • Verifica la existencia de los casos citados.
   • Comprueba relaciones de anulación (ANULA) o conflictos.
   • Valida el estado de derogación de los estatutos.
   • Salida: Devuelve VÁLIDO, INVÁLIDO, CONFLICTO o OBSOLETO.
   • Restricción: Si la ruta es INVÁLIDA u OBSOLETA, se solicita al LLM que revise (hasta dos intentos). Si falla nuevamente, el sistema se abstiene en lugar de devolver una respuesta no verificada.

Contribuciones Clave

1. Esquema de Grafo de Conocimiento IRAC: El primer esquema para el razonamiento jurídico indio que modela el flujo del litigio (transiciones de estado procesal) junto con el razonamiento doctrinal y las relaciones de precedentes tipificadas por conflicto.
2. Generación Restringida por Grafos: Una arquitectura donde las salidas del LLM se aceptan solo si existe una ruta de soporte válida en el grafo. Esto cambia el paradigma de "mejor recuperación" a "examinador externo con poder de veto".
3. Detección de Conflictos como Salida de Primera Clase: El sistema pone explícitamente de manifiesto los conflictos doctrinales (por ejemplo, desacuerdos no resueltos entre salas coordinadas) en lugar de resolverlos silenciosamente, proporcionando incertidumbre honesta al usuario.
4. Suite de Evaluación Nativa de Grafos: Una propuesta para reemplazar las métricas léxicas (BLEU/ROUGE) con métricas estructurales: Precisión de Fundamentación de Citas, Tasa de Validez de Ruta, Tasa de Precedentes Alucinados y Tasa de Detección de Conflictos.

Resultados

El sistema fue evaluado en un corpus de prueba de concepto de 51 sentencias de la Corte Suprema (abarcando de 1949 a 2026) utilizando 10 consultas sobre fianza, derecho constitucional, derecho laboral y desacato.

• Precisión del Verificador: El Agente Verificador validó correctamente las 8 citas reales de la Corte Suprema presentadas (100% de precisión de fundamentación) y rechazó correctamente 2 citas fabricadas (0% de tasa de alucinación en entrada fabricada).
• Rendimiento de Generación: Utilizando Mistral 7B-Instruct en hardware de CPU de consumo, 3 de cada 10 consultas se completaron dentro del tiempo de espera de 300 segundos. La única consulta completada con citas estructuradas logró un 100% de precisión de fundamentación de citas.
• Limitaciones: 7 consultas agotaron el tiempo de espera debido a la latencia de inferencia en CPU. Las consultas sobre fianza sufrieron específicamente una cobertura escasa del grafo en el pequeño corpus.
• Línea Base: No se realizó ninguna comparación contra RAG Vectorial o GraphRAG en este estudio; el enfoque fue la validación arquitectónica.

Significado y Afirmaciones

El artículo posiciona a Falkor-IRAC no como un sistema listo para producción, sino como un prototipo de investigación que demuestra que el razonamiento jurídico está estructuralmente más cerca de la traversía restringida de grafos que de la búsqueda difusa por similitud.

• Honestidad sobre Confianza: El sistema prioriza la "incertidumbre honesta" (abstención o señalización de conflictos) sobre la alucinación confiada, lo cual se argumenta que es más útil para los profesionales de la asistencia jurídica y los litigantes sin representación.
• Razonamiento con Estado: Al modelar transiciones de estado procesal, el sistema aborda una brecha en la IA jurídica existente que trata las sentencias como documentos estáticos en lugar de registros de traversía de un proceso legal.
• Generalización: Los autores argumentan que esta arquitectura (restricciones de grafos simbólicos sobre generación probabilística) es aplicable a cualquier dominio que requiera un razonamiento trazable y auditable, como el cumplimiento normativo, el análisis de patentes y las guías clínicas.

El artículo concluye que hacer explícito el grafo implícito del razonamiento jurídico y utilizarlo para restringir la generación es la dirección necesaria para una IA jurídica confiable, particularmente en jurisdicciones de alto riesgo y alta carga de casos como la India.