Resumen Técnico: Más allá de la similitud probabilística

Planteamiento del problema

El artículo identifica un desajuste arquitectónico sistémico entre los paradigmas actuales de Generación Aumentada por Recuperación (RAG, por sus siglas en inglés) y los requisitos ontológicos específicos del dominio jurídico. Si bien se ha adoptado el RAG para mitigar las alucinaciones en la IA jurídica, persisten fallos de alto perfil donde los sistemas citan documentos reales de formas anacrónicas, estructuralmente incompletas o institucionalmente carentes de fundamento. Los autores argumentan que estos no son confabulaciones residuales que puedan resolverse escalando los modelos de lenguaje, sino síntomas de un fallo fundamental: las arquitecturas de recuperación dominantes optimizan la similitud semántica aproximada, mientras que la corrección jurídica requiere una fundamentación de validez.

La corrección jurídica se define no por la proximidad textual, sino por tres condiciones:

1. Validez jerárquica: Qué norma aplica basándose en su posición en una jerarquía formal.
2. Validez temporal: Qué versión de una norma estaba en vigor en un momento específico en el tiempo.
3. Proveniencia institucional: La cadena específica de actos oficiales que crearon, modificaron o autorizaron la norma.

Los enfoques actuales basados en vectores, e incluso los de tipo Graph RAG, no logran expresar estas nociones, lo que deriva en resultados que son fluidos pero jurídicamente inadecuados.

Metodología

El artículo emplea un estudio crítico basado en la teoría en lugar de un benchmark empírico sistemático. La metodología procede mediante tres movimientos distintos:

1. Formulación Ontológica: Basándose en la teoría jurídica clásica (la jerarquía de las normas de Kelsen, las reglas de reconocimiento/cambio de Hart y la clausura operacional de Luhmann), los autores articulan el "compromiso ontológico" del conocimiento jurídico. Traducen estos conceptos teóricos en tres requisitos computacionales para las arquitecturas de recuperación.
2. Identificación de Patologías: Los autores invierten la perspectiva para definir tres "patologías" específicas de la recuperación que surgen cuando estos compromisos se violan. Para cada patología, proporcionan una definición operacional, un mecanismo de fallo, un ejemplo canónico y criterios de detección.
3. Revisión Crítica y Síntesis: Se revisa la literatura existente (incluyendo RAG, Graph RAG, ontologías jurídicas, grafos de conocimiento temporal y agentes con uso de herramientas) a través del prisma de estas patologías. Los autores demuestran que, si bien existen soluciones parciales para patologías individuales, estas no se componen automáticamente cuando se intentan integrar en sustratos diseñados para otros fines. Esto conduce a la derivación de cuatro compromisos arquitectónicos para un nuevo paradigma.

Contribuciones Clave

1. El Compromiso Ontológico del Conocimiento Jurídico

El artículo formaliza tres propiedades a nivel de dominio que cualquier sistema de recuperación jurídica debe respetar:

• Estructura Jerárquica y Mereológica: Los textos jurídicos poseen relaciones estrictas de parte-todo (p. ej., artículos, párrafos, incisos). Un fragmento aislado de su contexto rector (p. ej., un inciso sin su caput) es semánticamente ambiguo y potencialmente engañoso.
• Dinamismo Diacrónico bajo Clausura Operacional: Los sistemas jurídicos cambian únicamente a través de operaciones internas reconocidas (actos legislativos, sentencias). La validez es impulsada por eventos, no inferida de tendencias textuales. Esto requiere distinguir entre el tiempo de validez (cuándo una norma produce efectos jurídicos) y el tiempo de transacción (cuándo fue registrada), acomodando complejidades como la vacatio legis y la retroactividad.
• Trazabilidad Causal de la Proveniencia Institucional: Las decisiones jurídicas requieren un "deber de justificación". La recuperación debe exponer la cadena de actos institucionales (promulgación, enmienda, interpretación) que fundamentan la validez de una norma, no solo el texto en sí.

2. Un Marco Diagnóstico de Tres Patologías

Los autores definen tres fallos agnósticos a la arquitectura:

• Ceguera Mereológica: El fallo al preservar la estructura parte-todo.
  • Mecanismo: Tratar los fragmentos como unidades independientes o no lograr la clausura del ancestro durante la recuperación.
  • Detección: ¿Puede el sistema devolver todos los descendientes de una consulta de alcance? ¿Puede recuperar el contexto rector de un fragmento?
• Ceguera Diacrónica: El fallo al reconstruir el estado de las normas en momentos específicos.
  • Mecanismo: Devolver versiones actuales para consultas del pasado, no distinguir entre tiempo de validez y de transacción, o ignorar cambios interpretativos (p. ej., decisiones judiciales vinculantes que alteran el sentido sin cambiar el texto).
  • Detección: ¿Puede el sistema recuperar el texto vigente en la fecha T? ¿Distingue entre el texto estatutario y la interpretación operativa?
• Opacidad Causal: El fallo al exponer la cadena de actos institucionales.
  • Mecanismo: Devolver texto sin la secuencia de eventos (enmiendas, sentencias) que fundamentan su validez.
  • Detección: ¿Puede el sistema reconstruir el linaje ordenado de actos desde la promulgación hasta el estado actual?

3. Revisión Crítica de Enfoques Actuales

El artículo revisa diversas líneas de literatura (estándares de documentos, segmentación consciente de la estructura, Graph RAG, KGs temporales, modelado de proveniencia y herramientas de agentes) y concluye que son insuficientes de forma aislada:

• Los Estándares codifican la estructura pero no fuerzan el recorrido en el momento de la recuperación.
• Graph RAG infiere la estructura de abajo hacia arriba, perdiendo a menudo las jerarquías jurídicas formales.
• Los Grafos de Conocimiento (KG) Temporales a menudo carecen de reificación de eventos o fallan al modelar el tiempo interpretativo.
• La IA Explicable (XAI) explica el comportamiento del modelo, no el fundamento institucional.
• Los Agentes con Uso de Herramientas proporcionan pistas de auditoría, pero a menudo dependen de una planificación probabilística que puede omitir pasos legales necesarios.
  La revisión concluye que las soluciones parciales no se componen; intentar integrarlas crea desajustes de impedancia y puede enmascarar las patologías restantes.

4. Compromisos Arquitectónicos para una Recuperación Determinista por Diseño

Para lograr la satisfacción conjunta de los tres requisitos, el artículo propone cuatro compromelos mutuamente reforzados:

• C1. Primacía Ontológica: El sustrato debe organizarse en torno a entidades jurídicas (normas, autoridades, unidades estructurales) en lugar de fragmentos de texto con metadatos. La estructura es el sustrato, no una anotación.
• C2. Reificación de Eventos: Las transiciones de validez (enmiendas, sentencias) deben ser entidades de primera clase, consultables y con propiedades (fecha, autoridad, tipo), no meramente marcas de tiempo en aristas.
• C3. Corrección Bitemporal: Los sistemas deben representar y consultar de forma independiente el tiempo de validez (efecto legal) y el tiempo de transacción (registro), gestionando casos complejos como la retroactividad y la vacatio legis.
• C4. Protocolos de Interacción Deterministas: El acceso al sustrato debe estar mediado por primitivas de tipo semántico fijo (p. ej., retrieve_version(T), trace_lineage()) en lugar de una generación de consultas abierta (p. ej., generación de SQL/SPARQL por parte de LLMs). Esto garantiza la reproducibilidad y la auditabilidad.

Resultados y Afirmaciones

El artículo no reporta un nuevo benchmark empírico ni una implementación de software específica. En su lugar, sus "resultados" son formales y diagnósticos:

• Establece que el fallo de la IA jurídica es estructural, no simplemente una cuestión de escala del modelo o datos de entrenamiento.
• Demuestra que los paradigmas actuales de RAG, optimizados para la similitud semántica, no pueden garantizar la adecuación jurídica.
• Argumenta que el enfoque "determinista por diseño" es técnicamente viable, citando trabajos existentes en RAG basado en ontologías, modelado centrado en eventos y bases de datos temporales como precursores, aunque su co-satisfacción en la recuperación jurídica sigue siendo poco común.

Significancia

El artículo afirma desplazar el paradigma de la IA jurídica de la similitud probabilística a la fundamentación de validez. Su importancia radica en:

1. Reencuadrar el Problema: Mover el enfoque de "prevenir alucinaciones" a "asegurar la corrección estructural, temporal y causal".
2. Proveer una Herramienta Diagnóstica: Ofrecer un marco reutilizable (las tres patologías) para evaluar sistemas de recuperación jurídica actuales y futuros.
3. Definir una Nueva Dirección Arquitectónica: Proponer la "recuperación jurídica determinista por diseño" como la base necesaria para aplicaciones jurídicas de alto riesgo donde el fallo silencioso es intolerable.
4. Clarificar el Rol de los LLM: Posicionar a los modelos de lenguaje como herramientas para la comprensión y síntesis del lenguaje natural, mientras se reserva la fundamentación de validez, la resolución temporal y la reconstrucción de la proveniencia para sustratos controlados, simbólicos o procedimentales.

Los autores concluyen que, si bien los métodos probabilísticos siguen siendo útiles para tareas exploratorias, el subconjunto de aplicaciones jurídicas que requieren fundamentación de validez exige un cambio arquitectónico hacia estructuras que traten la jerarquía, el tiempo y la proveniencia como elementos co-constitutivos, auditables y deterministas.