💻 computer science

Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States

Este artículo presenta LOCUS, un corpus exhaustivo y legible por máquinas de casi todas las ordenanzas municipales y de condados de los EE. UU. disponibles públicamente, derivadas mediante OCR a partir de fuentes fragmentadas, acompañado de capas de acceso armonizadas y modelos de IA especializados para permitir la investigación y el análisis legal a gran escala de las leyes locales.

Autores originales: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

Publicado 2026-06-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la ley como una biblioteca masiva de múltiples niveles. Durante años, la IA legal (programas informáticos que entienden el derecho) ha sido muy buena leyendo los "libros grandes" de los estantes superiores: leyes federales, estatutos estatales y casos judiciales. Estas son las reglas que se aplican a todos en el país o a todo un estado.

Pero hay todo un nivel de sótano en la biblioteca que ha permanecido cerrado y lleno de polvo: las leyes locales. Estas son las reglas que tu ciudad o condado crea sobre cosas como la zonificación (dónde puedes construir una casa), niveles de ruido, licencias comerciales y control de animales.

El artículo presenta LOCUS (Local Ordinance Corpus for the United States), que es esencialmente un proyecto masivo para desbloquear ese sótano, limpiar los libros y ponerlos en un estante digital donde las computadoras finalmente puedan leerlos.

Aquí hay un desglose de lo que hicieron, utilizando analogías simples:

1. El Problema: Una Biblioteca sin Catálogo

Antes de LOCUS, encontrar leyes locales era como intentar encontrar una receta específica en una biblioteca donde cada pueblo tenía su propio libro de cocina, pero:

Los libros estaban en diferentes idiomas (formatos).
Algunos estaban escritos a mano, otros eran mecanografiados y algunos eran solo fotocopias de fotocopias (PDF escaneados).
No había una lista maestra que te dijera qué pueblo tenía qué libro.
No podías simplemente preguntarle a un bibliotecario (un motor de búsqueda) por "todas las reglas sobre estacionamiento en América" porque los libros estaban dispersos en miles de sitios web diferentes diseñados para que los humanos navegaran, no para que las computadoras los escanearan.

2. La Solución: El Proyecto "LOCUS"

Los autores construyeron una enorme canalización para arreglar esto. Piensa en ello como un equipo de robots con ojos y cerebros superpotentes:

Los Coleccionistas: Enviaron robots a visitar miles de sitios web de ciudades y condados para descargar los libros de leyes.
Los Traductores (OCR): Dado que muchas leyes eran solo imágenes de texto (PDF escaneados), utilizaron una IA especial (llamada LightOnOCR) para "leer" las imágenes y convertirlas en texto digital, como convertir una carta escrita a mano en un documento de Word.
Los Organizadores: Limpiaron el texto, eliminando números de página y encabezados, y trocearon los libros masivos en leyes individuales (como separar una sola receta de todo un libro de cocina).
Los Etiquetadores: Utilizaron IA para etiquetar cada ley con etiquetas como "Esto es sobre edificios", "Esto es sobre negocios" o "Esto es sobre ruido".

3. El Resultado: Un Mapa "Armonizado por Condado"

El producto final es un conjunto de datos que cubre 9,239 ciudades y condados. Sin embargo, para que sea útil para la investigación, crearon una versión simplificada llamada "Capa de Acceso Armonizada por Condado".

La Analogía: Imagina que quieres estudiar el clima en todo EE. UU. No necesitas un informe separado para cada esquina de la calle; necesitas un informe confiable por cada condado.

Para cada condado de EE. UU., LOCUS elige el libro de leyes locales más "grande" disponible (ya sea el libro propio del condado o el libro de la ciudad más grande dentro de ese condado).
Esto no significa que resuelva cada pregunta legal (como "¿Puedo construir un cobertizo en este patio trasero específico?"), pero ofrece a los investigadores una base sólida y comparable para estudiar las leyes locales en todo el país.

4. Dándole a las Leyes una "Puntuación de Personalidad"

Una de las partes más geniales del artículo es que no solo organizaron el texto; le dieron a las leyes "puntuaciones" basadas en cuatro rasgos de personalidad específicos. Entrenaron a la IA para leer una ley y adivinar cómo se siente en una escala:

Opacidad (Confuso vs. Claro): ¿Está esta ley escrita en inglés sencillo o es un laberinto confuso de jerga?
Paternalismo (Protegiéndote a ti vs. Protegiendo a otros): ¿Esta ley intenta evitar que te hagas daño a ti mismo (como un toque de queda para niños) o intenta evitar que dañes a otros (como una ordenanza de ruido)?
Discreción de Aplicación (Estricto vs. Flexible): ¿Le da la ley a los oficiales de policía mucho margen para decidir qué hacer, o es una regla estricta de "sí/no"?
Saliencia del Problema (Urgente vs. Menor): ¿Trata esta ley el asunto como una gran emergencia o como una molestia menor?

Ejemplo: Una ley que dice "Nadie menor de 16 años puede ir a un festival sin un adulto" tiene una puntuación alta de Paternalismo (está protegiendo al niño) y una puntuación baja de Opacidad (es muy clara).

5. Por qué esto es importante

Los autores descubrieron que las leyes locales no son solo un desorden aleatorio. Tienen una estructura oculta.

Las ciudades tienden a enfocarse en "molestias" (ruido, mascotas, orden público).
Los condados tienden a enfocarse en "zonificación" (uso de suelo, permisos de construcción).
Diferentes partes del país tienen diferentes "sabores" de leyes (por ejemplo, las leyes de Florida tienden a ser muy confusas/opacas, mientras que otras leyes estatales son más claras).

La Conclusión

El artículo afirma que al "liberar" estas leyes locales de sus formatos polvorientos y fragmentados y convertirlas en un conjunto de datos limpio y buscable, han construido la infraestructura para la próxima generación de la IA legal.

No pretenden que la IA pueda ahora actuar como un juez o dar asesoría legal. En cambio, están diciendo: "Finalmente hemos construido el mapa y la biblioteca. Ahora, los investigadores pueden empezar a hacer grandes preguntas sobre cómo funcionan las leyes locales, cómo difieren en todo el país y cómo afectan la vida diaria de las personas".

Resumen Técnico: Liberando la Ley con LOCUS

Planteamiento del Problema
El progreso en la IA jurídica se ha centrado principalmente en los estatutos federales, la jurisprudencia y los contratos, dejando una capa crítica de la ley estadounidense notablemente ausente de los corpus legibles por máquina: las ordenanzas locales. Aunque los códigos locales rigen dominios cotidianos esenciales como la zonificación, la vivienda, las licencias comerciales, la salud pública y el control de animales, estos permanecen fragmentados en plataformas de proveedores comerciales diseñadas para la navegación humana en lugar de para la investigación masiva. Estas plataformas carecen de un registro central, utilizan estructuras de navegación inconsistentes y, a menudo, presentan el contenido como PDF generados dinámicamente o documentos escaneados. En consecuencia, no existe un acceso sistemático a escala nacional a la legislación local, lo que dificulta la recuperación, el análisis comparativo de políticas y el desarrollo de evaluaciones de razonamiento jurídico que requieran navegar por capas superpuestas de jurisdicción (estatal, del condado y municipal).

Metodología
Los autores presentan LOCUS (Local Ordinance Corpus for the United States), un corpus integral y una capa de acceso armonizada por condados. El proceso de construcción consta de cuatro etapas principales:

Recopilación de Datos: El equipo recopiló datos brutos de 9.239 ciudades y condados, sumando aproximadamente 7 millones de páginas a través de más de 9.000 PDF. Emplearon automatización de navegación y lógica específica de cada proveedor para extraer los códigos, abordando desafíos como los límites de ensamblaje de PDF en el lado del servidor, colisiones de nombres de archivos, medidas anti-bots y ciudades consolidadas multi-condado.
OCR y Preprocesamiento: Para manejar la diversidad de diseños de documentos (escaneados, digitales nativos, de una o dos columnas), el proceso utiliza LightOnOCR-2-1B, un modelo de lenguaje visual de 1.000 millones de parámetros basado en Qwen-3. Este modelo convierte las imágenes de las páginas en Markdown. El procesamiento posterior elimina artefactos (encabezados, pies de página), fusiona el contenido que cruza los límites de página y segmenta el texto en leyes individuales basadas en encabezados de sección.
Anotación y Clasificación:
- Filtrado de Sustantividad: Un enfoque zero-shot utilizando GPT-5.4-nano identifica y elimina el contenido estructural (ej. tablas de contenido) para retener únicamente las leyes sustantivas.
- Clasificación: Tres clasificadores (entrenados en ModernBERT-base) categorizan las leyes por Función (Reglas, Aplicación, Estructural, Contexto, Proceso), Tema (Edificios, Negocios, Zonificación, Molestias, Otro) y Sustantividad.
Puntuación Dimensional: Para analizar las características legales más allá de la simple categorización, los autores entrenaron modelos de regresión para calificar las ordenanzas en cuatro dimensiones continuas: Discrecionalidad de Aplicación, Opacidad, Paternalismo y Relevancia del Problema. Estas puntuaciones se generaron mediante un método de comparación por pares "LLM-as-a-Judge" (200.000 comparaciones usando GPT-5.4-nano) y se calibraron utilizando el sistema de calificación bayesiana TrueSkill. Las puntuaciones resultantes se normalizaron a puntuaciones z para entrenar los regresores finales de ModernBERT.
Estrategia de Armonización: Para crear una capa de acceso utilizable, LOCUS adopta una simplificación transparente: para cada uno de los 3.144 condados de EE. UU., selecciona el código local más sustantivo (ya sea la ordenanza del condado o el código del municipio más grande) basándose en la longitud del documento. Esto cubre 2.309 condados, representando la mayor parte de la población de EE. UU.

Contribuciones Clave

Corpus LOCUS-v1: Una versión que contiene 2.211.516 fragmentos de texto derivados de casi todos los códigos municipales y de condado disponibles públicamente, cubriendo 9.239 jurisdicciones.
Capa de Acceso Armonizada por Condados: Un sustrato geográfico reproducible que cubre los 2.309 condados más grandes, permitiendo la búsqueda y comparación a escala nacional.
Metadatos Estructurados: El corpus incluye etiquetas de función y tema para cada segmento, así como puntuaciones continuas para opacidad, paternalismo, discrecionalidad de aplicación y relevancia del problema.
Suite de Modelos: Una colección de clasificadores y evaluadores basados en ModernBERT que se lanzan junto con el conjunto de datos para facilitar el análisis derivado de la ley local.
Proceso de Procesamiento: Una metodología abierta para convertir leyes locales fragmentadas y no legibles por máquina en Markdown estructurado utilizando OCR y anotación basada en LLM.

Resultados y Análisis

Cobertura: El corpus bruto abarca 9.239 ciudades y condados. La capa armonizada cubre 2.309 condados, lo que representa a la mayoría de la población de EE. UU.
Distribución de Contenido: La mayor parte del corpus consiste en leyes sustantivas (Reglas y Aplicación), que cubren principalmente edificios, licencias comerciales, zonificación y molestias.
Rendimiento de los Modelos: Los evaluadores entrenados basados en BERT lograron una alta correlación con la verdad de terreno de TrueSkill, con coeficientes de correlación de Pearson que oscilan entre 0,82 y 0,94 en las cuatro dimensiones.
Hallazgos Empíricos:
- Opacidad vs. Paternalismo: Estas dimensiones están solo débilmente correlacionadas ( $r=0,11$ ), lo que indica que capturan características legales distintas.
- Diferencias Jurisdiccionales: Los códigos de los condados contienen sustancialmente más material de zonificación, mientras que los códigos de las ciudades contienen más regulación de molestias y orden público.
- Variación Regional: Se encontró que las leyes de Florida son significativamente más opacas que las de otros estados. En el Noreste, los condados parecen tener menos peso en zonificación y estar más orientados a la aplicación de la ley en comparación con el promedio nacional, reflejando diferentes historias institucionales.
- Patrones Estructurales: Los códigos locales exhiben una arquitectura documental recurrente (ej. disposiciones generales seguidas de regulación de negocios, luego zonificación), lo que sugiere que la posición dentro de un código conlleva un peso semántico.

Significancia y Reivindicaciones
El artículo posiciona a LOCUS no como una teoría final de la autoridad legal local, sino como infraestructura para la recuperación legal, la extracción regulatoria y el análisis comparativo de políticas. Los autores argumentan que "liberar la ley" no es meramente un problema de acceso, sino de representación. Al hacer que la ley local sea observable a escala nacional, LOCUS transforma un cuerpo fragmentado de autoridad pública en un objeto estructurado para el análisis computacional.

Los autores enfatizan que, si bien la capa armonizada simplifica la complejidad jurisdiccional, proporciona un sustrato necesario para futuras evaluaciones que pongan a prueba la capacidad de un sistema para razonar sobre autoridades superpuestas (estado vs. local, ciudad vs. condado). El conjunto de datos permite el estudio de dimensiones legales (como la opacidad y el paternalismo) a una escala previamente imposible, moviendo la IA jurídica desde la simple recuperación de texto hacia el razonamiento requerido para navegar la naturaleza estratificada de la ley estadounidense. El artículo concluye que reconocer las variaciones estructurales y funcionales en la ley local es esencial para construir sistemas de IA jurídica fiables.