Enfoque judicial de la inteligencia artificial

1.     Introducción

      El presente trabajo tiene como objetivo promocionar la utilización de la tecnología y, especialmente, la inteligencia artificial (IA) en el proceso de transformación de la Justicia, mediante el análisis de casos de aplicación en distintos poderes judiciales de Argentina. En particular, busca identificar oportunidades de mejora en los juicios ejecutivos, a través del empleo de distintas técnicas y herramientas.

      El foco en estos procesos se debe a su naturaleza estandarizada, reglada y poco contenciosa, que los hace ideales para la implementación de soluciones de IA. El trabajo es resultado de la colaboración entre Fundar, cuya área de Justicia viene desarrollando proyectos enfocados en innovación tecnológica, reingeniería de procesos y fortalecimiento de capacidades en el sistema de administración de justicia, y el IALAB, el Laboratorio de Innovación e Inteligencia Artificial de la Facultad de Derecho de la Universidad de Buenos Aires, un espacio que impulsa desde 2018 proyectos de innovación, ideación y desarrollo de sistemas de IA vinculados a la Justicia de Latinoamérica.

     Se trata de la alianza entre dos instituciones que buscan la integración de inteligencia artificial en el ámbito judicial, como un modo de promover una justicia más rápida, precisa y accesible para todos. Los juicios ejecutivos constituyen una parte significativa del volumen total de casos en los juzgados de primera instancia, civiles y comerciales de todo el país y, por lo general, implican una carga considerable de tareas administrativas.

      La automatización de estas tareas liberaría a parte del capital humano quien podría dedicarse a casos más complejos y agilizaría la resolución de los juicios, beneficiando directamente a la ciudadanía, al obtener una mayor celeridad en la resolución de las causas. Este documento está dirigido al personal de juzgados de todo el país y a las áreas de modernización y tecnología de poderes judiciales y consejos de la magistratura que deseen mejorar la eficiencia en los procesos judiciales con el apoyo de herramientas tecnológicas (y, en particular, aquellas basadas en IA) como parte de sus planes estratégicos.

      En cuanto a su estructura y contenido, el trabajo presenta ejemplos de experiencias de automatización de juicios ejecutivos en las justicias provinciales y una propuesta de aplicación de IA en un proceso ejecutivo típico, detallando cómo diferentes tecnologías pueden ser utilizadas en cada etapa del proceso judicial para mejorar la eficiencia y asistir a las personas en la toma de decisiones.

     Además, el documento aborda consideraciones técnicas y recomendaciones para la implementación de estas tecnologías, incluyendo una discusión sobre las técnicas de detección automática y la utilización de IA. Por último, ofrece recomendaciones prácticas para la planificación y gestión de proyectos de transformación digital en el ámbito judicial, basadas en las lecciones aprendidas y las mejores prácticas identificadas a lo largo de nuestra investigación.

2.      Diferentes conceptos

La automatización debe entenderse como una serie de recursos o herramientas que nos colaboran en la realización de tareas de un modo más eficiente. Dentro de este conjunto de tareas, la automatización de software utiliza código de programación (series de pasos que las computadoras entienden) para realizar tareas repetitivas o complejas.

     Sin embargo, no toda automatización de software implica el uso de IA. Muchas tareas pueden automatizarse, ya sea usando o no sistemas de inteligencia artificial. La inteligencia artificial (IA) es un campo de la informática que se enfoca en desarrollar sistemas y programas capaces de realizar tareas que, normalmente, requerirían de inteligencia humana.         Existe una amplia diversidad de abordajes a los problemas de la inteligencia artificial, pero la enorme mayoría de los avances más importantes de la última década y media se desarrollaron dentro del subcampo del aprendizaje automático o aprendizaje de máquina (machine learning, en inglés).

      En la actualidad es habitual que, a menos que se indique explícitamente lo contrario, cuando se menciona un desarrollo o una aplicación nueva de IA en realidad se está haciendo referencia a algún avance o aplicación de un método de aprendizaje automático (Feole, 2021).  El aprendizaje profundo (o deep learning) remonta su historia al desarrollo de las redes neuronales artificiales, que son estructuras de parámetros numéricos mezclados con un algoritmo de aprendizaje que buscan simular el comportamiento más básico de una red de neuronas biológicas.( O sea que busca imitar el cerebro humano)

      Finalmente, el término "Inteligencia Artificial Generativa" reúne varios algoritmos capaces de generar información a partir de algún estímulo externo. Éstos aprenden, a través de alguno de los diversos métodos mencionados anteriormente, los patrones y estructuras de los datos de entrenamiento y son capaces de generar nuevos datos con características similares. (A esto nos referimos con el aprendizaje de los robots en un asistente cada vez más y más inteligente)  

      En los modelos generativos de lenguaje, se suele utilizar un estímulo externo en forma de instrucciones (denominadas "prompts") dadas en lenguaje natural (coloquial), y a través de éste el modelo de lenguaje es capaz de completar esa información, de forma tal que el resultado satisfaga los patrones que aprendió.

     La automatización de software, por su parte, es una herramienta poderosa que nos permite ser más eficientes y productivos, y aunque siempre pudo realizarse sin necesidad de inteligencia artificial, el auge de nuevas herramientas da lugar a amplios y profundos beneficios en el desarrollo de estos sistemas.

  En este contexto el termino IA significa "herramienta/s basada/s en técnicas de inteligencia artificial".

3.      Los grandes modelos de lenguaje (LLM)

El proceso ejecutivo en el ámbito de la inteligencia artificial, los grandes modelos de lenguaje (LLM, por las siglas en inglés de Large Language Models) ha cambiado la forma en que interactuamos con las computadoras. También modifico el trato que había entre los miembros del Poder Judicial  

        Los LLM son modelos de procesamiento de lenguaje natural que utilizan, principalmente, la arquitectura de transformadores generativos pre entrenados o "GPT". Estos modelos, entrenados con vastas cantidades de datos de texto, son capaces de generar texto de calidad humana, traducir idiomas, escribir diferentes tipos de contenido creativo y responder a nuestras preguntas de manera informativa.

       Aunque comúnmente se considera a ChatGPT como un LLM debido a su capacidad para generar respuestas coherentes, técnicamente es una aplicación web que permite interactuar con un modelo LLM subyacente, como GPT-3. Y más actualmente con los modelos GPT-4o y o1-Preview, entre otros (Ortiz de Zárate et al., 2024).

       Si bien ChatGPT es la aplicación basada en IA más conocida a la fecha, este es un sistema complejo de distintas partes que se interconectan y, de hecho, los detalles de su implementación son desconocidos.

     Casi cualquier afirmación sobre su funcionamiento tiene carácter hipotético. Los modelos subyacentes a ChatGPT son conocidos como "GPT-n" (GPT-2, GPT-3, GPT-3.5, GPT4). No deben confundirse con "GPT", el nombre de la arquitectura desarrollada por Google.

      Existen alternativas a los GPT-n, que son algo más descriptivos respecto de sus detalles, cosa que puede ser de interés a la hora de tener consideraciones sobre su funcionamiento (LLama, de Meta; Gemma, de Google; Mistral, de MistralAI; Phi, de Microsoft; entre otros). Los LLM generan respuestas y contenido específico a partir de indicaciones llamadas "prompts", que son instrucciones o preguntas proporcionadas por el usuario.

      Estos prompts guían al modelo y su objeto es producir respuestas coherentes basadas en la enorme cantidad de datos con los que fue entrenado, y su precisión depende en gran medida de la claridad y especificidad de dichas instrucciones.

     Sin embargo, su conocimiento se basa en patrones aprendidos, lo que implica la posibilidad de reproducir sesgos o errores presentes en los datos originales.

      Es importante entender que estos modelos no comprenden realmente el contenido que generan; más bien, responden siguiendo patrones derivados de los datos utilizados durante su entrenamiento (Ortiz de Zárate et al., 2024).

      El panorama de los grandes modelos de lenguaje está en constante evolución, con nuevas herramientas y enfoques que surgen continuamente. Adicionalmente, durante los últimos años se ha facilitado ampliamente el uso y acceso a este tipo de tecnologías, a través de distintos proveedores de las mismas, cada uno con sus particularidades. Esto, de cierta forma, democratiza el acceso y uso de herramientas que se basan en IA.

4.      Los juicios ejecutivos

Líneas Generales

Los juicios ejecutivos se rigen por los códigos procesales de cada provincia, los cuales pueden presentar particularidades y adaptaciones conforme a las necesidades y realidades jurídicas locales.

    El proceso ejecutivo a nivel nacional se rige por el Código Procesal Civil y Comercial de la Nación (CPCCN). El procedimiento se encuentra detallado en el Título II (Juicio Ejecutivo) del Libro Tercero (Procesos de Ejecución), abarcando los artículos 520 a 594. Además, el Título III del CPCCN aborda las ejecuciones especiales, entre las cuales se encuentra la ejecución fiscal.

      Los juicios ejecutivos se llevan a cabo cuando hay un título que trae aparejada una ejecución, existe una demanda que exige dar cantidades líquidas de dinero o fácilmente liquidables. Según nuestro ordenamiento jurídico, un título es un documento que refleja la titularidad de un derecho, es decir, que contiene una obligación expresa, clara y exigible, cuyo cumplimiento puede ser perseguido judicialmente. Una deuda líquida, por su parte, es una deuda que se puede cuantificar o determinar (se expresa en cifras y letras).

    Si la obligación que se reclama está subordinada a alguna condición o prestación, el juicio ejecutivo podrá llevarse a cabo si del mismo título o de algún otro instrumento (público o privado) que se presente en conjunto se evidencia la condición o la prestación en cuestión.         En caso de que la obligación fuere en moneda extranjera, la ejecución se promoverá por el equivalente en moneda nacional, según la cotización del banco oficial que corresponda al día de la iniciación o la que las partes hubiesen convenido, sin perjuicio del reajuste que pudiere corresponder al día del pago.

       De acuerdo con lo previsto en el artículo 523 del CPCCN, los títulos que traen aparejada ejecución son los siguientes:

• El instrumento público presentado en forma.

• El instrumento privado suscripto por el obligado, reconocido judicialmente o cuya firma estuviese certificada por escribano con intervención del obligado y registrada la certificación en el protocolo.

• La confesión de deuda líquida y exigible prestada ante el juez competente para conocer en la ejecución.

• La cuenta aprobada o reconocida como consecuencia del procedimiento establecido en el artículo 525.

• La letra de cambio, factura de crédito, cobranza bancaria de factura de crédito, vale o pagaré, el cheque y la constancia de saldo deudor en cuenta corriente bancaria, cuando tuvieren fuerza ejecutiva de conformidad con las disposiciones del Código de Comercio o ley especial.

• El crédito por alquileres o arrendamientos de inmuebles.

• Los demás títulos que tuvieren fuerza ejecutiva por ley y no estén sujetos a un procedimiento especial.
  

    En el caso de que el título no sea claro para exigir, se lleva a cabo la preparación de la vía ejecutiva para que pueda reconocerse un título ejecutivo exigible.

5.      Variante simplificada de los juicios ejecutivos: los procesos monitorios

     Los procesos ejecutivos pueden adoptar un enfoque de gestión más simplificado. Esto debido a que se busca evitar que los juicios sean largos y de difícil acceso.

    Algunas jurisdicciones han tomado este camino mediante la implementación de los procesos de tipo monitorio. Los procesos que son monitorios son mucho más acotados y breves y su trámite es expedito y margen de conocimiento acotado (Mayol y Manterola, 2019). Así, tras la presentación de la demanda, el tribunal procede directamente a verificar el título en cuestión y, si corresponde, emite una sentencia monitoria de manera directa.

     La posibilidad de oposición por parte de la persona demandada se prevé para una etapa procesal posterior al dictado de la sentencia. La adopción de procesos monitorios se fundamenta en la comprobación de que sólo en una pequeña porción de juicios ejecutivos la parte demandada opone excepciones.

     Y responde a la necesidad de agilizar la resolución de los casos, destacando la rapidez y simpleza que brinda esta modalidad por su menor número de etapas procesales. El hecho de que se trate de un proceso con tan pocas etapas procesales y tareas vinculadas con su gestión ofrece notorias ventajas para su automatización frente a los juicios ejecutivos clásicos. Ahora bien, son pocas las provincias que han incorporado a su marco procesal los procesos monitorios como estrategia de simplificación de este tipo de trámites. Entre estas, Chaco y Río Negro se destacan por haber acompañado esta simplificación procesal con la automatización de tareas y procesos. Esto será estudiado en el punto siguiente.

   La provincia de Buenos Aires en este momento adopto la digitalización de los procesos principalmente aquellos que se refieren a los títulos ejecutivos.

6.      Los procesos ejecutivos: grandes candidatos a la automatización y la aplicación de IA

     Los sistemas de inteligencia artificial se encuentran preparados para realizar diferentes tareas de acuerdo a las exigencias y necesidades de los procesos judiciales. Los procesos ejecutivos son grandes candidatos para la automatización mediante inteligencia artificial debido a su naturaleza estructurada y repetitiva, así como a su naturaleza poco contenciosa, sea que se trate de procesos clásicos, como de procesos de tipo monitorio. La mayoría de los procesos se llevan a cabo sin oposiciones ni discusiones jurídicas complejas que requieran de un análisis profundo de los hechos o de la ley aplicable.

    Ya que la oposición de excepciones se opone una vez que ya existe un resolutorio por eso el poder judicial estudia la procedencia del reclamo.

    Los procesos ejecutivos se inician en función de un título (boleta de deuda, cheque, pagaré u otro), por lo que una primera dimensión fundamental para la automatización de los procesos ejecutivos sería la generación automatizada del título, con el fin de que las soluciones de IA no sean un parche, sino una solución.

    En otras palabras, si al generar el título existen falencias, estas cuestiones se pueden abordar desde el momento mismo de la generación o en una eventual interacción con un sistema automatizado (formulario digital integrado con reglas de ejecución automatizada) que permita verificar cuestiones formales y esenciales, antes de que este título sea presentado judicialmente. O sea que debe existir desde la administración pública o por parte de la actora verificar que se encuentren reunidos los recaudos formales para llevar adelante a ejecución

   Esta es una cuestión central a trabajar a futuro, ya que muchas de las soluciones que aquí se presentan y que han sido desarrolladas, encuentran su fundamento en mejorar o solucionar la revisión de cuestiones sustanciales y formales, para luego seguir adelante con las etapas procesales que correspondan (intimaciones, sentencia monitoria, entre otras).

     Ahora bien, más allá de que este enfoque apunta a evitar o mitigar la existencia de títulos que tengan vicios formales o sustanciales, también es posible crear desarrollos que aumenten la eficiencia en el trabajo y agilicen los procesos ejecutivos tal como se rigen en la actualidad y con las normas existentes.             

    Estos procesos a menudo involucran la ejecución de actos procesales estandarizados, como la notificación de deudas, la gestión de plazos y la verificación de documentos, tareas que pueden ser realizadas, con mayor precisión y eficiencia respecto de un humano, por sistemas de IA.

     La automatización de estas tareas no sólo reduce la carga de trabajo de los operadores jurídicos, posibilitando su dedicación a tareas de mayor complejidad dentro de la organización, sino que también minimiza los errores humanos y garantiza una mayor uniformidad en la aplicación de la normativa. En las secciones siguientes, se describen ciertas habilidades de los sistemas de IA que podrían generar mejoras relacionadas con el aumento de eficiencia en el proceso ejecutivo actual.

7.      Experiencias de automatización de juicios ejecutivos de naturaleza monitoria.

Estas técnicas de IA están siendo utilizadas en diversas jurisdicciones de la República Argentina.

7.1. La implementación de Prometea en la Provincia de Chaco

     La implementación de Prometea en el Juzgado de Procesos Ejecutivos, Concursos y Quiebras de la Circunscripción 2 de la Provincia de Chaco permitió automatizar la generación de despachos monitorios, cálculos de honorarios e intereses, y la transcripción de montos a texto, tareas que antes eran realizadas manualmente.

     Prometea también simplificó el proceso de revisión de documentos a través de un sistema basado en árboles de decisión, reduciendo el tiempo necesario para emitir sentencias de horas a minutos y permitiendo al personal judicial concentrarse en tareas más complejas.

7.2 Ministerio Público Fiscal de la CABA

     Prometea es un sistema de asistencia virtual desarrollado por el Ministerio Público Fiscal de la Ciudad Autónoma de Buenos Aires para la automatización de tareas reiterativas y la elaboración de dictámenes jurídicos (Estevez et al., 2020, y Le Fevre Cervini, 2022). Constituye un caso pionero de automatización de procesos judiciales en América Latina. El sistema fue adoptado por la Justicia de Chaco, proceso que contó con la colaboración del Ministerio Público Fiscal de la Ciudad de Buenos Aires para adaptar las funcionalidades de automatización y predicción de este sistema al contexto de los procesos ejecutivos.

    En concreto, el sistema fue implementado en el Juzgado de Procesos Ejecutivos, Concursos y Quiebras de la Circunscripción 2, que tramita aproximadamente 2000 causas anuales, correspondientes a juicios ejecutivos, procesos concursales, reclamos de daños y perjuicios, cobros de pesos y sucesiones, entre otros.

    Los juicios ejecutivos, 95% de los cuales involucran la ejecución de pagarés, representan casi la mitad de las causas del juzgado. Los procesos desarrollados en este tipo de causas son predominantemente monitorios y se caracterizan por su estructura estandarizada: tras la presentación de la demanda, sigue el despacho monitorio y, en ausencia de contradicción, se dicta sentencia de manera directa.

    Un diagnóstico del tribunal, a partir de estadísticas anteriores a la implementación de la inteligencia artificial, muestra que sólo en el 2% de las causas la parte demandada se presenta a juicio, y apenas el 0,5% de los casos resulta en el rechazo final de la demanda. Esto motivó al titular del juzgado, Marcelo Gauna, a buscar la integración de la inteligencia artificial en los procesos ejecutivos, impulsado por las experiencias adquiridas durante su Maestría en Magistratura y su familiarización con el sistema Prometea.

    En respuesta a esta iniciativa, en 2021, el Tribunal Superior de Justicia de Chaco formalizó un acuerdo con el Ministerio Público de la Ciudad de Buenos Aires para adaptar y adoptar Prometea.

7.3. Implementación

     La implementación de Prometea vinculada a los aspectos de automatización fue un proceso colaborativo que debió adaptarse a las necesidades de cada tribunal.

     Para ello, el juzgado compartió con los desarrolladores de Prometea un lote de cien expedientes para mapear el flujo de trabajo habitual. A partir de este análisis, se construyeron árboles de decisión que simplificaron significativamente los modelos de despachos monitorios que se utilizaban tradicionalmente, reduciendo documentos de seis carillas a sólo dos y agilizando el proceso.

    Esta versión adaptada del sistema Prometea para el juzgado funciona sobre la base de un modelo de árboles de decisión. Ante un nuevo caso, el sistema plantea al operador judicial preguntas clave sobre el título ejecutivo: fecha, lugar, nombre del firmante, entre otros (recaudos formales).

    Posteriormente, el modelo se simplificó aún más, concentrando múltiples verificaciones en una sola pregunta integral que agiliza la evaluación del documento. Una vez respondida esta pregunta, Prometea genera automáticamente el despacho monitorio correspondiente, calcula los honorarios y los intereses, y transcribe estos montos a texto, lo que antes consumía mucho tiempo.

   Otra cuestión en la que se invertía mucho tiempo era en el cálculo de intereses de la deuda que se hacía manualmente y que demandaba mucho tiempo.

   Con Prometea, la elaboración de una sentencia que antes tomaba hasta una hora, ahora se realiza en aproximadamente tres minutos. Esto ha permitido que el juzgado resuelva hasta 10 ejecuciones por día, contra las 3 que procesaba anteriormente, manteniendo el flujo de trabajo al día y liberando al personal del juzgado para enfocarse en tareas más complejas.

    El tiempo promedio entre la presentación de la demanda y la emisión de la sentencia monitoria se ha acortado considerablemente: los casos se resuelven en sólo tres días, en contraste con el mes que suelen tardar otros juzgados similares. Este avance no sólo optimiza los recursos del juzgado, sino que también mejora significativamente la experiencia de la ciudadanía con el servicio de justicia.

8.      Los juzgados de Paz de Chaco

    Se utiliza IA generativa para automatizar la gestión de ejecuciones de multas y patentes. Este sistema clasifica tipos de ejecuciones, extrae y verifica entidades en los documentos judiciales, y genera proyectos de resoluciones.

ÁMBITO APLICABLE

     El Departamento de Gestión y Desarrollo Humano perteneciente al Poder Judicial del Chaco está probando la aplicación de IA generativa para gestionar ejecuciones de multas y patentes en un Juzgado de Paz de Chaco seleccionado para la prueba piloto.

     Ese Juzgado de Paz maneja aproximadamente cuatro mil ejecuciones de multas por año, lo que representa un desafío significativo en términos de gestión y procesamiento de datos. Para abordar el desafío que implica gestionar este volumen de procesos tan grande y dar una respuesta judicial eficiente y efectiva a las partes, la oficina de Tecnología y Análisis de Tendencias del Departamento decidió trabajar en un prototipo que se apoya en IAGen para agilizar y mejorar la gestión de esas causas.

IMPLEMENTACIÓN

    El sistema se basa en el uso de distintos modelos (Gemma 7B, LLaMA3 y Mistral) que pueden correr localmente o en servicios basados en la nube. Algunos de estos servicios suelen ser llamados “APIs” (Interfaces de Programación de Aplicaciones, por sus siglas en inglés). Éstos exponen un medio de comunicación a través del cual podemos acceder al servicio que ofrecen. En el caso de APIs para modelos de IA, son conocidas como “APIs de inferencia”. Algunos ejemplos de proveedores son HuggingFace, Replicate o Groq.

     Algunos de estos modelos, como Mistral 7B, requieren de mayores especificaciones técnicas, por lo cual, en caso de que las pruebas a realizar resulten exitosas, la oficina evalúa implementarlo en la nube con asistencia de la Junta Federal de Cortes y Superiores Tribunales de Justicia de las Provincias Argentinas y Ciudad Autónoma de Buenos Aires (Ju.Fe.Jus) con el objetivo de facilitar el acceso y la escalabilidad de la solución desarrollada.

     Para lograr el objetivo de automatizar los procesos ejecutivos señalados, el desarrollo utiliza tres tipos de prompts, que son instrucciones dadas a las IA en lenguaje natural con las que se establecen las funciones específicas que cada una de ellas debe llevar a cabo.

CONCLUSIONES

    Las tecnologías actuales ofrecen grandes oportunidades para la optimización y mejora de numerosos procesos judiciales donde muchas de las tareas son repetitivas y la intervención humana no aporta valor significativo.

     En el presente trabajo, se han identificado diversos desarrollos tecnológicos que se han implementado o están en fase de prueba en distintas provincias. Estas experiencias pueden servir como valiosas referencias para otros poderes judiciales que enfrentan desafíos similares.

     La aplicación de tecnología para la mejora de procesos judiciales resultaría en un mejor aprovechamiento de los recursos disponibles, valorizando el trabajo humano y potenciando su intervención en casos complejos.

     Por ejemplo, la implementación de procesos automatizados de gestión de expedientes puede reducir significativamente los tiempos de tramitación y minimizar errores humanos, mientras que el uso de algoritmos puede utilizarse para la detección y evaluación de títulos ejecutivos mediante el análisis de documentos utilizando visión artificial y procesamiento de lenguaje natural. Sin embargo, la adopción de estas tecnologías no está exenta de desafíos.      La implementación de inteligencia artificial en el ámbito judicial debe ser abordada con cautela, teniendo en cuenta los riesgos potenciales relacionados con sesgos inherentes en los modelos algorítmicos.

     Es crucial garantizar que estos sistemas no perpetúen ni amplifiquen prejuicios existentes, lo cual podría comprometer la imparcialidad y equidad del sistema judicial. Asimismo, es fundamental conocer las implicancias de privacidad asociadas al uso de herramientas tecnológicas, debiendo ser considerados con rigor los términos de privacidad de las herramientas utilizadas y la protección de datos de terceros.

   Las condiciones establecidas por las empresas proveedoras de tecnología deben ser consideradas para asegurar que no se ceda información personal sin el consentimiento explícito del titular. La confidencialidad de los datos sensibles y la protección de los derechos de las personas involucradas en los procesos judiciales son siempre prioritarias.

BIBLIOGRAFIA

• Corvalán, J. G. (2019). Inteligencia artificial y proceso judicial. Desafíos concretos de aplicación. Diario DPI Novedades.

• Corvalán, J. G. y Sánchez Caparrós, M. (2023a). Guía de directrices para el uso de ChatGPT e IA generativa de texto en la Justicia. Buenos Aires: La Ley.

• Corvalán, J. G. y Sánchez Caparrós, M. (2023b). Directrices de uso de la IA generativa de texto y ChatGPT en la Justicia. UBA-IALAB.

• Corvalán, J. G., Papini, C. M. y Heleg, G. (2023). Privacidad y tratamiento automatizado de datos personales en la IA generativa. Los grandes modelos de lenguaje (LLM): ChatGPT, Bing y Bard. En Tratado de Inteligencia Artificial y Derecho, T. II. Buenos Aires: La Ley.

• Estevez, E., Fillottrani, P. y Linares Lejarraga, S. (2020). PROMETEA: Transformando la administración de justicia con herramientas de inteligencia artificial. Banco Interamericano de Desarrollo.

• Feole, M. (2021). Quitarle el velo a la inteligencia artificial. Fundar.

• Feole, M., Dias, J. M., Kunst, M., Carrizo, Z. y Lavalle, G. G. (2023). Guía práctica para el desarrollo ético de sistemas basados en IA. Fundar.

• Le Fevre Cervini, E. (2022). Uso estratégico de datos e inteligencia artificial en la justicia. CAF - Banco de Desarrollo de América Latina y el Caribe.

• Mayol, R. y Manterola, N. I. (2019). El proceso monitorio en la legislación nacional y federal. Al día Argentina - Microjuris.com

• Ortiz de Zárate, J. M., Dias, J. M., Avenburg, A. y Gonzalez Quiroga, J. I. (2024). Sesgos algorítmicos y representación social en los modelos de lenguaje generativo (LLM). Fundar. • Rojas, J. A. (2020). Nociones Básicas (teórico-prácticas) de Derecho Procesal Civil. 1ª ed. Buenos Aires: Rubinzal-Culzoni.

• Sánchez Caparrós, M. (2024). Tensiones entre el principio de publicidad procesal y la protección de datos personales en la era de la IA gene

Doctora en Ciencias Jurídicas con tesis en el delito de lavado de activos. Especialista en Derecho Tributario local. Posgrado en Derecho Tributario Subnacional. Diplomada en Gestión de Políticas Publicas con orientación en Gobierno. Secretaria del Instituto de Derecho Tributario del Colegio de Abogados de Morón. Miembro del Observatorio de Derecho Penal Tributario de la UBA. Autora de diversos libros de la especialidad Editorial Olejnik) . Coordinadora editorial de la Revista Argentina de Derecho Público Editorial IJ “International legal Group”. ORCID: 0000-0002-2558-0051