💻 computer science

Predicting Case Processing Duration in Kenyan Magistrate Courts: A Three-Stage Machine Learning Pipeline for Proactive Backlog Management

Este estudio introduce un flujo de trabajo de aprendizaje automático de tres etapas, validado en más de 670.000 casos de tribunales de magistrados kenianos, el cual utiliza modelos LightGBM y CatBoost para predecir las duraciones del procesamiento de casos y clasificar las resoluciones en el mismo día, permitiendo así una gestión proactiva de la acumulación de casos mediante un esquema de riesgo derivado empíricamente y una aplicación web implementada.

Autores originales: Anuary Mulombi, Fidelis Mukudi, Anthony Mile

Publicado 2026-08-10

📖 9 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anuary Mulombi, Fidelis Mukudi, Anthony Mile

Artículo original bajo licencia CC BY 4.0 (https://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 una biblioteca gigante y bulliciosa donde millones de libros entran y salen constantemente. En esta biblioteca, los bibliotecarios están abrumados. Algunos libros se devuelven el mismo día en que se sacaron, pero otros se pierden entre los estantes durante años, creando una enorme pila de "rezago" que nadie parece poder despejar. Esto no se trata solo de libros; se trata de justicia. Cuando los casos (los "libros") pasan demasiado tiempo esperando, la gente pierde la fe en el sistema y sus derechos a un juicio justo y rápido se ven retrasados. Durante mucho tiempo, los bibliotecarios solo podían contar los libros que ya habían procesado; no tenían forma de adivinar qué libros nuevos se quedarían atrapados en la pila antes de que siquiera salieran del escritorio.

Entra en el mundo del Aprendizaje Automático (Machine Learning), una rama de la informática en la que enseñamos a las computadoras a encontrar patrones en la historia, de forma muy similar a un detective que estudia viejas escenas del crimen para resolver nuevos misterios. En lugar de adivinar, estas computadoras observan miles de casos pasados para aprender qué hace que un caso avance rápido o se quede estancado. La idea clave aquí es la analítica predictiva: usar datos del pasado para pronosticar el futuro. Si una computadora puede decirnos: "Este nuevo caso se parece a los que tardaron cinco años", podemos evitar que se pierda en la pila incluso antes de que comience. Esto es exactamente lo que los investigadores de este estudio se propusieron hacer para los tribunales de Kenia, convirtiendo un sistema reactivo (arreglar problemas después de que ocurren) en uno proactivo (detener los problemas antes de que crezcan).

El Oráculo de Tres Etapas para Casos Judiciales

En los tribunales de magistrados de Kenia, donde ocurre más del 80% de toda la actividad legal, se ha estado acumulando un rezago masivo. A mediados de 2025, había más de 127,000 casos esperando ser escuchados. El sistema informático existente, llamado Sistema Integrado de Gestión de Casos (ICMS), es excelente registrando lo que ha sucedido, pero es ciego ante lo que podría suceder. No sabe qué nuevos casos tienen probabilidades de convertirse en los "superlentos" que obstruyen el sistema.

Para solucionar esto, los investigadores construyeron un pipeline de aprendizaje automático de tres etapas. Piensen en este pipeline como una máquina de clasificación de alta tecnología en una oficina de correos que no solo sella cartas, sino que predice cuánto tiempo tardará cada carta en llegar a su destino y marca las que podrían perderse.

Etapa 0: La Trampa de Velocidad del "Mismo Día"

El primer trabajo de esta máquina es detectar los casos "exprés". Alrededor del 29% de todos los casos en Kenia se resuelven el mismo día en que se presentan. Los investigadores entrenaron un modelo computacional para observar un caso nuevo en el momento en que llega y preguntar: "¿Es uno rápido o va a ser un maratón?".
Probaron cuatro "cerebros" (algoritmos) computacionales diferentes para ver cuál era el mejor en esto. El ganador fue LightGBM, que identificó correctamente los casos del mismo día con un alto nivel de precisión (una puntuación de 0.9148). Si la computadora dice "Mismo Día", el caso recibe luz verde y avanza sin más demoras. Si dice "Multidía", el caso pasa a la siguiente etapa.

Etapa 1: El Oráculo del "Tiempo de Presentación"

Una vez que un caso es marcado como un maratón de "multidía", el sistema necesita adivinar cuánto durará la carrera. Esta es la parte difícil porque el caso ni siquiera ha comenzado su viaje. La computadora observa únicamente la información disponible en el momento en que se presenta el caso: el tipo de caso, cuántos abogados están involucrados, qué tan ocupado está el juez específico y si el tribunal está en una ciudad o en una zona rural.
Utilizando datos de casi 673,000 casos pasados, el modelo LightGBM volvió a demostrar ser el campeón. Podía predecar la duración de un caso con un margen de error de unos 444 días. Aunque eso suena a mucho, explicaba aproximadamente el 62% de las razones por las cuales los casos tardan tanto. Esto significa que, con solo mirar el papeleo el primer día, el sistema puede decirle a un juez: "Este caso parece que durará alrededor de 1.5 años" o "Este podría arrastrarse por cuatro años".

Etapa 2: El Rastreador de "Actualización en Vivo"

El viaje no termina en el escritorio de presentación. A medida que el caso avanza por el tribunal, acumula historial: se celebran audiencias, se conceden aplazamientos y ocurren retrasos. La tercera etapa del pipeline es un modelo dinámico que actualiza la predicción a medida que el caso progresa.
Imaginen un GPS que no solo les da un tiempo de llegada cuando salen de casa, sino que recalcula la ruta cada vez que encuentran un atasco de tráfico. Este modelo de la Etapa 2 (impulsado por otro cerebro computacional llamado CatBoost) toma la nueva información —como cuántas audiencias han ocurrido o cuánto se retrasó la primera reunión— y revisa la estimación.
Los resultados aquí fueron impresionantes. Mientras que la suposición inicial (Etapa 1) tenía un error de 444 días, la suposición actualizada (Etapa 2) redujo ese error a solo 80.83 días. Esto demuestra que, a medida que el caso avanza, la computadora se vuelve mucho mejor en saber exactamente cuándo terminará.

El Panel de Control "JaliHaki": Poniéndolo Todo en Marcha

Los investigadores no se detuvieron solo en las matemáticas; construyeron una herramienta del mundo real llamada JaliHaling (que significa "proteger o guardar la justicia" en suajili). Esta es una aplicación web que se conecta directamente al sistema informático del tribunal.

Para los Administradores del Tribunal: Muestra un panel con una lista de casos, codificados por colores según su riesgo. Un caso de "Riesgo Bajo" es verde y requiere un monitoreo de rutina. Un caso de "Riesgo Crítico" es rojo y requiere la atención inmediata de un juez superior.
Para los Magistrados: Les ofrece una visión personal de su carga de trabajo, advirtiéndoles si un caso asignado a ellos está empezando a entrar en la zona "Crítica".
Para los Litigantes (El Público): Ofrece una estimación en lenguaje sencillo. En lugar de usar jerga legal confusa, una persona que presenta un caso podría ver: "Se estima que su caso tardará 5 años y actualmente se encuentra en la categoría de Alto Riesgo".

¿Qué Impulsa los Retrasos?

Al utilizar una técnica llamada análisis SHAP (que actúa como una lupa para ver qué factores importan más), los investigadores descubrieron a los principales culpables detrás de los retrasos:

Carga de trabajo por Magistrado: Cuando un juez tiene demasiados casos, todo se ralentiza.
Representación Legal: Si una parte tiene abogado o no, cambia el cronograma.
Naturaleza del Caso: Los casos penales tienden a moverse más rápido (mediana de 90 días para casos de multidía) que los casos civiles (mediana de 547 días).
Retraso de la Primera Comparecencia: Cuánto tiempo tarda en realizarse la primera audiencia es un gran predictor del retraso final.
Audiencias Acumuladas: Cuantas más audiencias tiene un caso, más tiempo tiende a tardar.

Curiosamente, el estudio encontró que los tribunales Urbanos (en grandes ciudades) tardaron más en procesar casos de multidía (mediana de 275 días) que los tribunales Rurales (mediana de 99 días). Esto parece contraintuitivo, pero los investigadores lo explican usando un concepto de la Teoría de Colas: incluso si un tribunal de la ciudad cuenta con suficientes recursos, el volumen masivo de casos crea una "fila de espera" más larga, lo que ralentiza a todos.

El Sistema de Riesgo de Cuatro Niveles

Para que las predicciones sean útiles para personas reales, el equipo creó un sistema de riesgo de cuatro niveles basado en las predicciones de la computadora:

Riesgo Bajo (≤ 218 días): Monitoreo de rutina.
Riesgo Medio (218–564 días): Revisión programada.
Riesgo Alto (564–1,283 días): Intervención inmediata necesaria.
Riesgo Crítico (> 1,283 días): Escalar a un magistrado superior inmediatamente.

Este sistema permite al tribunal identificar los casos de "Riesgo Crítico" (que constituyen aproximadamente el 10.5% de las nuevas presentaciones) justo al inicio y tomar medidas antes de que formen parte del enorme rezago.

Lo que el Estudio Hace y lo que No Hace

Los investigadores son cuidadosos al señalar que su modelo es una herramienta de predicción, no una varita mágica. Establecen explícitamente que el modelo aprende de datos históricos, lo que significa que refleja las realidades actuales del sistema judicial, incluyendo cualquier desigualdad existente entre diferentes condados o tipos de tribunales. Advierten que la precisión del modelo para los tribunales rurales podría necesitar más pruebas debido a que hubo menos casos rurales en sus datos.

También aclaran que el "año de presentación" fue un predictor principal, pero no porque los tribunales se estén volviendo más rápidos o lentos con el tiempo. En cambio, es un detalle matemático: los casos presentados recientemente no han tenido suficiente tiempo para finalizar, por lo que la computadora los ve como "más cortos" simplemente porque son nuevos. Los investigadores ajustaron esto para asegurar que las predicciones fueran justas.

La Conclusión

Este estudio demuestra que, con los datos que los tribunales ya poseen, podemos construir un sistema que prediga los retrasos de los casos con una precisión sorprendente. Al utilizar un pipeline de tres etapas, los tribunales de Kenia pueden ahora pasar de reaccionar ante los rezagos a prevenirlos. La aplicación JaliHaki convierte las matemáticas complejas en un panel de control sencillo y codificado por colores que ayuda a jueces, secretarios y al público a comprender el cronograma de la justicia. Aunque el modelo no es perfecto (todavía tiene un margen de error de unos 80 días para las predicciones actualizadas), representa un salto masivo hacia adelante en el uso de la tecnología para proteger el derecho a un juicio rápido. El estudio sugiere que, si se adoptan estas herramientas, los tribunales pueden identificar los casos que necesitan ayuda más, justo desde el momento en que se presentan, asegurando que la justicia no se pierda entre los estantes.

Resumen Técnico: Predicción de la Duración del Procesamiento de Casos en los Tribunales de Magistrados de Kenia

Planteamiento del Problema
Los tribunales de magistrados de Kenia gestionan más del 80% del volumen de actividad judicial del país, pero sufren una grave crisis de acumulación de casos (backlog), que representaba el 75% del retraso nacional en junio de 2025. Aunque el Sistema Integrado de Gestión de Casos (ICMS) del Poder Judicial registra eventos históricos de los casos, carece de capacidades predictivas para identificar qué casos recién presentados tienen probabilidades de experimentar retrasos en el momento de su presentación. En consecuencia, la gestión de casos sigue siendo reactiva, identificando la acumulación de casos solo después de que se han materializado, lo que infringe el derecho constitucional a la justicia sin demora.

Metodología
El estudio utiliza una extracción de censo de 744,340 casos cerrados presentados entre enero de 2011 y marzo de 2026. Tras la limpieza y validación, se retuvieron 672,974 registros. La investigación propone y valida un pipeline de aprendizaje automático de tres etapas:

Etapa 0 (Triaje): Un clasificador binario que distingue entre "resoluciones en el mismo día" (28.98% de los casos) y "procedimientos de varios días". Esta etapa utiliza una división estratificada 80/20 sobre el conjunto de datos completo.
Etapa 1 (Predicción al Momento de la Presentación): Un modelo de regresión que predice la duración total del caso utilizando únicamente las características disponibles en el momento de la presentación (p. ej., naturaleza del caso, representación legal, carga de trabajo del magistrado). Esta etapa se entrena exclusivamente con los 477,952 casos de varios días mediante una división aleatoria 80/20.
Etapa 2 (Progresión Dinámica): Un modelo de regresión que actualiza la predicción de la duración a medida que se acumula el historial procesal (p. ej., número de audiencias, retrasos por aplazamientos). Esta etapa utiliza una división 80/20 basada en el tiempo (el 80% más antiguo para entrenamiento, el 20% más reciente para prueba) para simular el despliegue en el mundo real.

Datos y Características
El estudio introduce una clasificación formal de las estaciones judiciales en categorías Urbana, Semiurbana y Rural, basada en la Ley de Áreas y Ciudades Urbanas de Kenia y datos del Censo. Ingeniería de características:

Grupo A (Momento de la Presentación): Características temporales, ratios de dotación de personal, proxies de complejidad del caso y especialización del tribunal.
Grupo B (Dinámicas): Historial procesal como el retraso en la primera comparecencia, total de aplazamientos y eficiencia de las audiencias.
Exclusión: El resultado final del caso se excluyó explícitamente para evitar la fuga de datos (data leakage).

Selección y Ajuste de Algoritmos
Se evaluaron cuatro algoritmos de ensamble: Random Forest, XGBoost, LightGBM y CatBoost. El ajuste de hiperparámetros implicó el ajuste base, RandomizedSearchCV y GridSearchCV bajo una validación cruzada de cinco pliegues agrupados (agrupados por court_id) para evitar la fuga de información. Se utilizó SHAP (SHapley Additive exPlanations) para la interpretabilidad del modelo.

Resultados Clave

Etapa 0 (Clasificación): LightGBM logró el mejor desempeño con un ROC-AUC de 0.9148 y un recall de 0.8659, triando eficazmente los casos de resolución en el mismo día.
Etapa 1 (Regresión al Momento de la Presentación): LightGBM fue el mejor desempeño con un RMSE de 444.25 días y un $R^2$ de 0.6157, explicando aproximadamente el 62% de la varianza de la duración utilizando solo datos del momento de la presentación.
Etapa 2 (Regresión Dinámica): CatBoost logró el RMSE más bajo de 80.83 días en el conjunto de prueba retenido cronológicamente. Aunque el $R^2$ fue menor (0.2724) debido al truncamiento a la derecha (right-censoring) en el conjunto de prueba reciente, la reducción del error absoluto (de ~444 a ~81 días) demuestra el valor del historial procesal.
Importancia de las Características: El análisis SHAP identificó la carga de trabajo por magistrado, la representación legal, la naturaleza del caso, el retraso en la primera comparecencia y las audiencias acumuladas como los impulsores dominantes del retraso.
Clasificación de Riesgo: Se estableció un esquema de riesgo de cuatro niveles derivado empíricamente (Bajo, Medio, Alto, Crítico) utilizando los percentiles de la distribución de la duración predicha, con umbrales en 218, 564 y 1,283 días.

Implementación: Aplicación Web JaliHaki
Los modelos se operacionalizaron en JaliHaki, una aplicación web basada en Laravel integrada con una API REST de Flask. El sistema proporciona:

Panel del Administrador del Tribunal: Muestra la carga de trabajo por nivel de riesgo, métricas de cumplimiento y permite acciones de "Actualizar Predicción" para activar los modelos de la Etapa 2.
Panel del Magistrado: Muestra resúmenes de la carga de trabajo activa y clasificaciones de riesgo para los casos asignados.
Portal del Litigante: Proporciona estimaciones de duración en lenguaje sencillo y distintivos de riesgo al momento de la presentación.
El flujo de trabajo es atómico: tras la sumisión del caso, se invocan la Etapa 0 y la Etapa 1; si el caso es de varios días, se asigna un nivel de riesgo. La Etapa 2 se activa cada vez que se registran nuevos procedimientos.

Significancia y Reivindicaciones
El artículo reivindica tres contribuciones primarias:

Innovación Metodológica: Es el primer estudio que combina un clasificador de resolución en el mismo día, un modelo de regresión al momento de la presentación y un modelo de regresión de progresión dinámica en un solo pipeline para cualquier sistema judicial.
Aplicación Contextual: Aplica esta arquitectura específicamente a los datos de los tribunales de magistrados de Kenia, cubriendo tanto casos civiles como penales, extendiendo trabajos previos que a menudo se limitaban a casos penales o análisis descriptivos.
Integración Operativa: A diferencia de estudios previos que permanecen teóricos, este trabajo produce una aplicación web desplegable (JaliHaki) que integra el pipeline directamente en los flujos de trabajo de la administración judicial.

Los autores sostienen que la predicción de la duración de los casos basada en evidencia y con sentido de la realidad es alcanzable utilizando los registros administrativos existentes sin necesidad de nueva infraestructura de datos. El estudio concluye que pasar de una gestión de la acumulación reactiva a una proactiva es factible, permitiendo la identificación inmediata de casos de "Riesgo Crítico" (aprox. 10.5% de los casos de varios días) que requieren escalamiento a magistrados superiores.

Limitaciones
Los autores señalan tres restricciones:

Truncamiento a la Derecha (Right Censoring): Los casos presentados recientemente tienen menos tiempo para cerrarse, lo que afecta las métricas de la Etapa 2 y la prominencia de la característica filing_year.
Subrepresentación Rural: Aunque el 34% de las estaciones son rurales, estas contribuyen con solo el 2.3% de los registros de casos, lo que requiere una validación adicional para el desempeño específico en zonas rurales.
Tractabilidad de Búsqueda: Las búsquedas de hiperparámetros se realizaron en submuestras (hasta 40,000 registros), lo que sugiere la posibilidad de mejoras marginales con búsquedas más exhaustivas.