Predictive Artificial Intelligence and Legislative Gaps in Arabic Legal Texts
Este estudio evalúa la capacidad de los modelos de lenguaje de gran tamaño para identificar y evaluar vacíos legislativos en textos jurídicos árabes, encontrando que, si bien detectan eficazmente las omisiones y generan argumentos, determinar la significación constitucional de tales vacíos requiere del juicio jurídico humano para distinguir entre defectos reales y elecciones legislativas intencionales.
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
En el mundo del derecho, un "vacío" no es un agujero en el suelo, sino un silencio en las normas. Es una situación en la que surge un nuevo problema, o uno antiguo cambia, y las leyes escritas no dicen exactamente qué hacer. Durante siglos, encontrar estos vacíos ha sido el trabajo de abogados y jueces humanos, quienes deben leer miles de páginas de texto, comprender la historia detrás de ellas y decidir si una regla ausente es un simple descuido o una falla peligrosa que viola la constitución. Hoy, una nueva herramienta ha entrado en esta sala: la inteligencia artificial. Específicamente, los modelos de lenguaje extensos son programas informáticos entrenados con vastas cantidades de texto que pueden leer, resumir y argumentar sobre documentos legales. Pero una pregunta crítica permanece: ¿pueden estas máquinas distinguir entre una ley que es simplemente silenciosa y una ley que está rota? Si una computadora dice que a una ley le falta una regla, ¿realmente falta, o es el silencio una elección deliberada de los legisladores?
Una investigadora llamada Sahar Al-Atawi, de la Universidad de Tabuk, se propuso responder esto poniendo a trabajar a tres de los sistemas de inteligencia artificial más avanzados en la ley egipcia. No les pidió a las máquinas que escribieran nuevas leyes o que actuaran como jueces. En su lugar, les pidió que actuaran como investigadores. Les suministró cuatro artículos específicos de estatutos egipcios —leyes que regulan a profesores universitarios, trabajadores postales y fondos sociales— y les dio un conjunto estricto de instrucciones. Las computadoras tenían que leer el texto, encontrar cualquier cosa que pareciera faltar, como una advertencia antes de despedir a alguien o una definición clara de un término, y luego decidir si esa pieza faltante era un detalle menor o una falla constitucional de gran magnitud. El estudio comparó el trabajo de tres modelos diferentes: ChatGPT, Gemini y DeepSeek, tratando sus resultados no como respuestas finales, sino como datos brutos para ser verificados contra el razonamiento jurídico humano.
Los resultados revelaron una división fascinante en la forma en que estas máquinas piensan. Los tres modelos fueron excelentes para detectar el silencio. Todos identificaron correctamente que algunas leyes no establecían explícitamente que un trabajador debía recibir una advertencia por escrito antes de ser considerado como dimitente, o que un profesor debía recibir una audiencia antes de perder su empleo. Sin embargo, las máquinas discreparon profundamente sobre lo que ese silencio significaba. Un modelo, DeepSeek, tendía a tratar cada paso procesal faltante como un defecto legal serio, concluyendo a menudo que la ley estaba rota y necesitaba una reparación inmediata. Los otros dos modelos, ChatGPT y Gemini, fueron más cautelosos. Reconocieron que solo porque una regla no estuviera escrita no significaba que la ley fuera inconstitucional. Entendieron que, a veces, el silencio es una elección deliberada, o que otras partes del sistema legal ya cubren el asunto.
El estudio encontró que el enfoque más preciso fue el cauteloso. En el primer caso, que involucraba a profesores universitarios que dejaban de presentarse al trabajo, las máquinas encontraron que la ley no exigía explícitamente una advertencia antes de que el profesor fuera considerado como si hubiera renunciado. DeepSeek calificó esto como un vacío importante que podría violar derechos. Los otros modelos, y el análisis humano que siguió, determinaron que la ley era en realidad bastante robusta. Le daba al profesor seis meses para regresar y explicar su ausencia, y requería que un consejo aprobara cualquier excusa. La advertencia faltante era un detalle que podría mejorarse, pero no era una falla fatal que invalidara la ley. El mismo patrón apareció en un segundo caso sobre trabajadores postales. La ley permitía que un trabajador fuera despedido por faltar treinta días al trabajo, pero no decía explícitamente que se le tuviera que informar el motivo por el cual su excusa fue rechazada. Nuevamente, una máquina vio una crisis, mientras que las otras vieron un vacío manejable que no rompía la constitución.
El momento más revelador ocurrió en el cuarto caso, donde las máquinas fueron probadas con una ley sobre un fondo social nacional. El texto de la ley describía cómo se recaudaba el dinero y cómo se administraba el fondo, pero no decía nada sobre el despido de empleados. Cuando los investigadores preguntaron a las máquinas si a la ley le faltaba una regla sobre el despido de personas, un modelo, DeepSk, tuvo dificultades. Asignó un peso significativo a la ausencia de salvaguardas procesales individuales, sugiriendo que la ley era defectuosa porque no protegía a los trabajadores de ser despedidos, a pesar de que la ley nunca trató sobre el despido de trabajadores en primer lugar. Era como pedirle a un chef que explicara por qué a una receta de pastel le faltan instrucciones para construir un coche; la receta no está rota, simplemente trata sobre un tema diferente. Solo un modelo, ChatGPT, se dio cuenta correctamente de que la ley no cubría la terminación del empleo en absoluto y, por lo tanto, no podía ser criticada por la falta de esas reglas. Este error resaltó una limitación crucial: sin el contexto humano profundo, la inteligencia artificial puede confundir un silencio con un error, o buscar problemas en el lugar equivocado.
La conclusión final de la investigación es que la inteligencia artificial es una asistente poderosa, pero no un juez. Estos modelos computacionales pueden escanear miles de páginas en segundos y señalar cada lugar donde falta una palabra o una regla es vaga. Pueden generar argumentos sobre por qué una ley podría ser injusta. Pero no pueden decidir si esa injusticia es real o si importa ante la constitución. El estudio demostró que una omisión identificada no es automáticamente un vacío legal. A veces el silencio es intencional, a veces la regla existe en otra parte de la ley, y a veces el asunto está simplemente fuera del alcance del texto leído. Las máquinas son excelentes encontrando las piezas faltantes, pero los humanos aún deben decidir si esas piezas son realmente necesarias.
Esta investigación sugiere una nueva forma para que los abogados y legisladores trabajen. En lugar de esperar que la inteligencia artificial resuelva los problemas legales por sí sola, deberían usarla como una herramienta de detección. La computadora puede resaltar las áreas que requieren atención, señalando posibles problemas que un humano podría pasar por alto en la prisa. Luego, un experto humano puede intervenir para verificar el hallazgo, revisar el contexto más amplio y decidir si el silencio es un problema que necesita solución o una elección que debe mantenerse. El estudio deja claro que, si bien la tecnología puede acelerar la búsqueda de respuestas, el juicio final sobre lo que significa la ley, y si es justa, sigue siendo una tarea profundamente humana. Las máquinas pueden señalar el vacío, pero solo una persona puede decidir si es un abismo o solo una sombra.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.