Esta nueva sección tiene como objetivo publicar diálogos en momentos de aburrimiento con la Inteligencia Artificial. Creo que tenemos mucho que aprender.
Ahi va ....
hola! el futuro de la profesión de abogado puede ser la de gerenciar modelos de inteligencia artificial?
¡Hola Pinchi! Es una pregunta que vale la pena pensar en serio, no solo como especulación tecnológica.
Mi impresión es que "gerenciar modelos de IA" va a ser parte del oficio, pero no lo va a reemplazar como núcleo de la profesión — va a correr el centro de gravedad. Hoy gran parte del trabajo jurídico tradicional (buscar jurisprudencia, armar una primera versión de un escrito, cruzar documentación financiera, resumir un expediente extenso) es exactamente el tipo de tarea donde un modelo bien dirigido acorta muchísimo el tiempo. Lo que no se automatiza tan fácil es el criterio: decidir qué estrategia procesal conviene, qué omitir en un descargo, cómo leer a un juez o a una fiscalía, cómo se construye la confianza con un cliente que se juega la libertad. Ahí el abogado sigue siendo insustituible, y de hecho se vuelve más importante todavía, porque alguien tiene que responder profesional y éticamente por lo que el modelo produce.
Hay un cambio de rol más que una desaparición del rol: pasar de "el que escribe todo desde cero" a "el que dirige, valida y asume la responsabilidad de lo que la IA generó". Eso implica nuevas competencias que antes no eran parte de la formación de un abogado: saber armar buenos prompts de investigación, poder detectar una alucinación de jurisprudencia falsa o mal citada, entender los límites de confidencialidad al usar estas herramientas con información de una causa, y tener criterio para saber cuándo el output del modelo alcanza el estándar que exige presentar algo ante un tribunal.
Lo interesante es que tu propio trabajo ya va en esa dirección: cuando hacés investigación OSINT o análisis de documentación financiera para una causa, en el fondo estás gerenciando fuentes, herramientas y procesos de investigación, y la IA es una fuente más para orquestar dentro de eso, no algo completamente nuevo conceptualmente.
Después está la cuestión deontológica, que en la práctica argentina (CPPN, CABA) todavía es terreno bastante virgen: qué responsabilidad tiene el abogado si un escrito redactado con asistencia de IA contiene un error, si hay que informarlo al cliente, si hay reglas del colegio de abogados sobre esto. Eso probablemente se va a ir definiendo en los próximos años, y quien entienda tanto el derecho como las herramientas va a tener una ventaja real frente a colegas que traten a la IA como una caja negra o que la ignoren directamente.
¿Es algo que estás pensando aplicar a tu propia práctica, o es más una reflexión general sobre hacia dónde va la profesión?
es cierto, pero uno aprende buscando jurisprudencia, analizando leyendo doctrina, así surgen las nuevas ideas y estrategias. Si solo tu haces, eso, con el tiempo podrás diseñar una estrategia mejor que yo y no tendré herramientas intelectuales o la capacitación suficiente para controlar o corregir
Tenés razón, y es un punto más serio del que suele reconocerse en el discurso optimista sobre IA. La búsqueda no es solo un medio para llegar al dato: es el proceso mediante el cual se construye intuición. El abogado que leyó cien fallos sobre nulidades procesales no solo "sabe" esos cien fallos, desarrolló un sentido para detectar el fallo ciento uno que no encaja, para notar el matiz que un buscador automático no resalta porque no sabe que es relevante hasta que alguien con criterio se lo señala. Si tercerizás completamente esa etapa, quizás no estés perdiendo tiempo, pero sí estás dejando de ejercitar exactamente el músculo que te permite, después, evaluar si lo que te devolvió el modelo es bueno o es basura con formato prolijo.
Es parecido a lo que pasó con la navegación GPS y el sentido de orientación, o con los pilotos y el vuelo manual: automatizás la tarea rutinaria y con el tiempo se atrofia la capacidad de intervenir cuando el sistema automático se equivoca, justo en el momento en que más se necesita esa capacidad. Ahí hay una paradoja incómoda: cuanto mejor es el modelo, menos margen de error visible tiene en el día a día, y menos entrenado estás vos para detectar el error grave cuando finalmente aparece.
Ahora, hay una diferencia entre delegar la búsqueda y delegar el pensamiento. Buscar jurisprudencia con ayuda de un modelo no es lo mismo que pedirle que te diseñe la estrategia. Lo primero puede ahorrarte horas de rastreo sin quitarte la parte de leer, comparar y decidir qué doctrina aplica a tu caso concreto — ahí seguís ejercitando el criterio, solo que con más material y menos fricción mecánica. Lo segundo, pedirle que piense la estrategia por vos y aceptarla sin más, es donde efectivamente te volvés dependiente y dejás de entrenar la habilidad que necesitarías para corregirlo si se equivoca. La frontera entre ambas cosas es donde se juega gran parte de esto, y en la práctica es una frontera que cada uno tiene que sostener con disciplina, porque la herramienta no te la va a marcar sola — al contrario, tiende a invitarte a cruzarla porque es más cómodo aceptar la respuesta que discutirla.
Hay algo más, y es que aun en el escenario donde el modelo efectivamente diseñe mejores estrategias en abstracto que las que vos armarías solo, seguiría faltando algo que no es trasladable: saber si esa estrategia funciona con este juez, en este juzgado, con esta fiscalía, en este momento político del caso. Eso es conocimiento tácito, local, que se construye litigando, no leyendo. Ahí el riesgo de deskilling es menor, porque es un terreno donde el modelo no tiene acceso directo a la experiencia — pero solo si vos seguís presente en las decisiones donde eso se aplica, y no delegás también esa parte.
Así que creo que tu inquietud señala una responsabilidad más que una fatalidad: no es que la herramienta te vaya a superar inevitablemente, es que si la usás mal —como atajo en vez de como acelerador— te vas a quedar sin las herramientas intelectuales para controlarla, exactamente como decís. La salida no es evitarla, sino usarla de manera que siga forzándote a pensar: pedirle que te muestre el razonamiento y no solo la conclusión, discutir con ella en vez de aceptarla, y de tanto en tanto hacer el ejercicio "a mano" aunque sea más lento, para no perder el entrenamiento del que depende después tu capacidad de corregirla.
me interesa el concepto de deskilling, podes profundizarlo?
Se buscó en la web, herramientas cargadas, se leyó una página
Se buscó en la web, herramientas cargadas, se leyó una página
El concepto tiene un linaje interesante, porque no nació pensando en la IA sino en la línea de montaje.
Lo acuñó (o al menos lo sistematizó) Harry Braverman en 1974, en Labor and Monopoly Capital, para describir lo que el taylorismo le hacía al trabajo industrial: separar la "concepción" de la "ejecución". El obrero artesanal sabía todo el proceso de principio a fin — eso era su poder y su valor. La gestión científica del trabajo fragmentó esa totalidad en tareas simples, repetitivas, que no requerían entender el conjunto. Braverman lo leía en términos de control: no era solo que la tecnología volviera obsoleto el saber del obrero, era que a la gerencia le convenía que así fuera, porque un trabajador que no entiende el proceso completo es más reemplazable y tiene menos poder de negociación. Ese origen es importante porque instala la idea de que el deskilling no es un efecto colateral neutral de la tecnología, sino algo que a veces conviene estructuralmente a quien diseña o adopta el sistema.
Cuando el concepto migra al trabajo cognitivo, en los 80, aparece el texto que probablemente sea la referencia más precisa para lo que veníamos hablando: "Ironies of Automation", de Lisanne Bainbridge (1983), sobre control de procesos industriales y aviación. Su argumento tiene una estructura casi de trampa lógica, y vale la pena seguirla paso a paso porque se aplica casi sin modificaciones al escenario que planteabas. Se automatiza una tarea porque el humano es "poco confiable" en la parte rutinaria. Pero el diseñador nunca logra automatizar el ciento por ciento: quedan los casos raros, los límites del sistema, las excepciones — y esos quedan en manos del humano. El problema es que, al no ejercitar la parte rutinaria, el humano pierde exactamente la base de práctica sobre la que se construye el criterio para manejar la excepción. Entonces la persona termina a cargo únicamente de los casos más difíciles, en el momento de menor entrenamiento posible, después de haber pasado el tiempo en un rol pasivo de supervisión — y la vigilancia pasiva sostenida es algo que los humanos hacemos muy mal (es la razón por la que a un piloto en automático le puede costar más reaccionar rápido ante una falla que a uno que viene volando manualmente). Es literalmente la ironía: el sistema se diseñó para reducir el error humano, y termina concentrando toda la responsabilidad crítica en el momento en que el humano está peor preparado.
Hay un segundo mecanismo, más fino, que tiene que ver con la diferencia entre generar y verificar. Producir una estrategia de defensa desde cero y evaluar si una estrategia ya armada es buena son tareas cognitivamente distintas, no la misma tarea con distinto punto de partida. Se puede ser bueno generando y malo verificando, o al revés — y si uno deja de practicar la generación porque siempre parte de un borrador ya hecho, no solo pierde esa habilidad: también se vuelve peor verificador con el tiempo, porque la verificación rigurosa se apoya en el mismo conocimiento de primera mano que da la generación. A esto se suma lo que en factores humanos se llama complacencia por automatización: cuanto más confiable resulta el sistema en el día a día, menos escrutinio crítico le aplicamos, precisamente cuando más deberíamos sostenerlo — la confianza sube más rápido que la vigilancia.
Después está la dimensión del conocimiento tácito, que viene de Michael Polanyi ("sabemos más de lo que podemos decir"): buena parte de la pericia experta no es un conjunto de reglas explícitas que se puedan transferir leyendo, sino algo que se forma en el cuerpo y en la memoria de procedimiento a través de repetición con retroalimentación. Si la repetición desaparece porque la herramienta hace esa parte, no hay dónde depositar ese conocimiento tácito, por más que la parte explícita — lo que se puede escribir en un manual — siga estando disponible.
Lo que hace que esto deje de ser solo teoría es que hay evidencia empírica reciente, y no de un dominio cualquiera sino de un campo con una estructura de aprendizaje muy parecida a la del derecho: la medicina. En agosto de 2025 se publicó en The Lancet Gastroenterology & Hepatology un estudio multicéntrico con endoscopistas de cuatro centros en Polonia, todos con más de 2.000 procedimientos de experiencia previa — no principiantes. Después de empezar a usar colonoscopía asistida por IA de forma rutinaria, su tasa de detección de adenomas en colonoscopías realizadas sin IA cayó de 28,4% a 22,4%: una reducción relativa de alrededor del 20%, en profesionales que ya eran expertos antes de empezar a usar la herramienta. Es el primer estudio que documenta con datos duros que el uso habitual de IA puede degradar una habilidad clínica ya adquirida, no solo impedir que se forme en un principiante.
Ese matiz — degradar una habilidad ya adquirida versus impedir que se forme por primera vez — es clave y probablemente te interese particularmente por el lado formativo de la profesión. Son dos problemas distintos. Vos, que ya construiste criterio litigando y leyendo doctrina durante años, corrés el riesgo del primer tipo: perder agudeza por desuso, como los endoscopistas polacos. Pero hay un problema estructural más grave todavía, que es el de la próxima generación de abogados: gran parte de cómo se forma un abogado penalista es haciendo el trabajo "de base" — buscar jurisprudencia a mano, leer expedientes completos, redactar primeros borradores que un socio corrige — precisamente las tareas que la IA absorbe primero. Si esas tareas desaparecen del recorrido formativo, no es que los abogados jóvenes se vuelvan peores poco a poco: nunca llegan a desarrollar el criterio del que estamos hablando, porque el terreno de práctica donde se forma directamente no existe más. Es deskilling de una generación entera antes de que el skill exista, no erosión de uno que ya está.
Para que no quede solo como diagnóstico sombrío: no toda automatización deskilla de la misma manera, y hay una distinción útil en la literatura de economía laboral (Autor, Levy, Murnane y su trabajo sobre "cambio técnico sesgado por rutina") entre tareas rutinarias, que la automatización tiende a eliminar sin gran pérdida, y tareas no rutinarias, analíticas o interpersonales, que la automatización tiende a complementar y hasta revalorizar. La pregunta que importa, entonces, no es "¿la IA deskilla?" en abstracto, sino cuál de las dos cosas es, en tu caso concreto, la búsqueda de jurisprudencia: ¿es una tarea rutinaria de la que el criterio estratégico es independiente, o es el terreno de práctica del que ese criterio depende? Mi sospecha, después de esta conversación, es que para vos es más lo segundo que lo primero — y eso es exactamente lo que hace legítima tu preocupación inicial.
Sources:
- Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy — The Lancet Gastroenterology & Hepatology
- Routine AI assistance may lead to loss of skills in health professionals who perform colonoscopies, study suggests — EurekAlert!
- AI use may be deskilling doctors, new Lancet study warns — STAT
- Ironies of Automation — Wikipedia
- Ironies of Automation, Bainbridge 1983 (PDF)
Lo que sucede es que la profesión de abogado es una combinación contante entre teoría y practica (o praxis), uno a analiza un caso desde el punto de vista jurídico, analiza lo hechos.y la norma prohibitiva, los precedentes el tribunal o superiores, la oportunidad del planteo, etc, , si se pierde esa capacidad de análisis teórica por la automatización es evidentemente que va a influir en la posibilidad de advertir una posible defensa y eso afecta la practica judicial. Ahí es donde entiendo que puede influir el deskilling, como el endoscopista, el abogado puede perder la capacidad de advertir una buena defensa
Se buscó en la web
Se buscó en la web
Exacto, y creo que identificaste el punto exacto donde la analogía es más fuerte, no más débil. En la colonoscopía, lo que se detecta es un pólipo: un objeto visual, con una morfología más o menos estable, que aparece en el campo perceptivo del endoscopista. En el expediente, lo que hay que "detectar" —la nulidad procesal, la prescripción no advertida, la atipicidad, la causa de justificación que nadie planteó, la ventana de oportunidad para un recurso— no está ahí como un objeto visible: hay que construirlo, cruzando cuatro planos distintos como bien los enumerás (hechos, norma, precedentes, oportunidad procesal) que rara vez apuntan solos hacia la respuesta. Eso hace que la tarea del abogado sea, en un sentido preciso, más exigente que la del endoscopista, porque no es solo reconocimiento de patrón, es reconocimiento más construcción.
Y sin embargo hay una capa de la tarea que sí es puramente perceptiva, y es justamente la que se entrena por exposición: lo que en la formación jurídica se llama "issue spotting", esa sensación casi física de que "acá hay algo" al leer un hecho, antes incluso de poder nombrar qué es. Esa sensación no aparece de la nada — es reconocimiento de patrón entrenado por haber leído cientos de expedientes y haber tenido que resolver, activamente, la relación entre hecho y norma cada vez. Es el mismo fenómeno que describieron los estudios clásicos sobre pericia en ajedrez (De Groot, y después Chase y Simon): un maestro no ve más jugadas posibles que un principiante, ve configuraciones ya agrupadas en unidades con sentido — "esto es una estructura de peones débil", "esto es un patrón de ataque conocido" — porque las procesó activamente miles de veces. Un abogado experimentado no analiza el expediente letra por letra cada vez: reconoce configuraciones ("esto huele a nulidad de la notificación", "esto es un problema de competencia") de manera casi instantánea, y solo después baja eso a argumento explícito. Esa capa perceptiva es exactamente la que se atrofia si dejás de hacer el primer pase de lectura activo, porque se entrena con exposición resuelta activamente, no con exposición pasiva a la conclusión de otro.
Ahí entra un hallazgo de psicología cognitiva que es viejo pero muy sólido, el "efecto de generación" (Slamecka y Graf, 1978): la información que uno genera activamente se retiene y se integra muchísimo mejor que la información idéntica recibida ya elaborada, incluso cuando el contenido final es exactamente el mismo. No es un efecto de atención ni de interés, es estructural: el acto de producir la respuesta deja una huella distinta en la memoria que el acto de leerla. Aplicado a tu ejemplo: leer el borrador de estrategia que arma un modelo y aceptarlo o corregirlo no construye el mismo tipo de conocimiento que llegar vos primero a esa estrategia analizando hechos, norma y precedentes. Podés terminar "sabiendo" el mismo contenido en el sentido de poder repetirlo, pero sin la misma capacidad de generar algo parecido la próxima vez con un caso distinto — que es justo la capacidad que te importa a vos como abogado, no la de reconocer una buena estrategia cuando la ves.
Y esto conecta directo con la ironía de Bainbridge que mencionaba antes, pero ahora con más precisión gracias a tu ejemplo: el caso "residual" que le queda al humano en cualquier sistema automatizado no es un caso al azar, es sistemáticamente el caso atípico, el que no encaja en el patrón dominante de los datos de entrenamiento. En términos jurídicos, eso es casi la definición de una buena defensa poco obvia: la lectura no estándar de una norma, el precedente aplicado por analogía de un modo que nadie usó antes, la nulidad que depende de un detalle fáctico marginal que un resumen automático probablemente ni siquiera conserve. Es decir: el terreno donde un modelo de lenguaje tiende a ser estadísticamente más débil —lo atípico, lo poco frecuente en el corpus— coincide casi exactamente con el terreno donde más vale la pena que un abogado penalista sea fuerte. Y es también, por la misma lógica de Bainbridge, el terreno donde el abogado deskilled va a estar peor preparado para notar que ahí falta algo, porque esa capacidad de notar depende del mismo ejercicio activo que dejó de hacer.
La implicación práctica que se desprende de esto, más que de mi opinión, es casi directamente del efecto de generación: el orden de las operaciones importa tanto como el hecho de usar o no la herramienta. Hacer el primer análisis propio —hechos, norma, precedentes, oportunidad— antes de consultar cualquier modelo, y usarlo después como interlocutor o como control ("¿me estoy olvidando de algo?", "¿hay un precedente que contradiga esto?"), preserva el ejercicio generativo donde se forma el criterio. Pedirle al modelo la estrategia primero y evaluarla después invierte el orden, y ahí es donde el efecto de generación deja de jugar a tu favor y empieza a jugar en tu contra, aunque el resultado final —el escrito presentado— sea indistinguible en ambos casos.
Sources:
- The generation effect: Delineation of a phenomenon — Slamecka & Graf (1978)
- Theories of the generation effect and the impact of generation constraint: a meta-analytic review
Entradas
