Cuando las redes neuronales litigan: cómo los sistemas multiagente están cambiando el AI jurídico

Uno de los problemas más persistentes con los modelos de lenguaje en tareas profesionales es su tendencia a mentiras confiadas. En la jurisprudencia, donde cada referencia a la ley debe ser precisa y la lógica de la argumentación debe ser impecable, esta debilidad se vuelve crítica. Investigadores de la Universidad de Tsinghua y la empresa rusa AiJurist encontraron de forma independiente la misma respuesta: para evitar que una red neuronal alucine, necesita un oponente.

A finales de 2025, un equipo de Tsinghua publicó un preimpreso titulado "Chinese Court Simulation with LLM-Based Agent System", que analizó sistemáticamente una debilidad fundamental del enfoque convencional para la IA jurídica. El esquema clásico — usuario hace una pregunta, sistema busca documentos relevantes en una base de datos, modelo genera una respuesta — parece lógico, pero en la práctica se quiebra debido al sesgo de confirmación. La red neuronal encuentra el primer argumento adecuado y comienza a construir toda su lógica alrededor de él, ignorando hechos contradictorios. No tiene ningún crítico interno que pudiera decir: "Espera, este artículo de la ley dice exactamente lo opuesto."

La solución resultó ser elegante y, si lo piensas bien, obvia. Los investigadores chinos aplicaron el principio de la adversarialidad — el mismo principio sobre el que se construye todo el sistema judicial. Crearon dos agentes de IA: un fiscal y un abogado, cada uno basado en un gran modelo de lenguaje. Los agentes no simplemente generaban argumentos — atacaban activamente la posición del oponente. Cuando el abogado citaba una regulación inexistente, el fiscal inmediatamente la refutaba. El resultado fue impresionante: el número de alucinaciones disminuyó drásticamente y la calidad de la argumentación legal mejoró. La verdad, como en un tribunal real, nació del debate.

Sin embargo, entre un experimento académico y un producto funcional existe un abismo bien comprendido por los profesionales. La empresa rusa AiJurist, que simultáneamente estaba construyendo un sistema multiagente para tribunales de arbitraje basado en su propio modelo abierto Ken1.0, intentó transferir los hallazgos de los colegas chinos a un entorno empresarial real — y se encontró con el problema de que la arquitectura se desmoronó completamente al entrar en contacto con la realidad.

El enfoque académico, que funcionaba excelentemente con conjuntos de datos controlados, no podía resistir el choque con el caos de los casos judiciales reales, donde los documentos llegan en diferentes formatos, las normas legales se contradicen entre sí, y el contexto del caso puede cambiar drásticamente de un párrafo a otro.

El equipo de AiJurist fue más allá y construyó lo que llaman el primer sistema ruso de simulaciones judiciales. En lugar de dos agentes — diez, cada uno con su propio rol y área de responsabilidad. Esta arquitectura es más similar a cómo está estructurado un proceso judicial real: aquí no solo hay partes contendientes, sino también un juez, expertos, analistas que verifican hechos y evalúan evidencia. Aumentar el número de agentes resuelve otro problema importante — impide que el sistema se quede atrapado en la oposición entre dos posiciones y crea espacio para un análisis matizado.

Es importante entender el contexto en el que surgen tales sistemas. La profesión jurídica es una de las más conservadoras y, simultáneamente, una de las más agobiada por la rutina. Los abogados corporativos pasan decenas de horas analizando jurisprudencia, pronosticando resultados y preparando argumentos. Las simulaciones multiagente no reemplazan a los abogados — les dan una herramienta para probar su propia posición antes de presentar una demanda. Este es un nivel fundamentalmente diferente de preparación del caso.

Este caso es indicativo en un sentido más amplio también. Demuestra una tendencia general en el desarrollo de sistemas de IA: la transición de modelos monolíticos que resuelven una tarea en una sola pasada a ensambles orquestados de agentes especializados. El mismo principio ya funciona en programación, donde un revisor de IA verifica código escrito por un desarrollador de IA, y en medicina, donde los modelos de diagnóstico se verifican mutuamente. La jurisprudencia es la próxima frontera, y las apuestas son particularmente altas aquí: un error en el código genera un bug, un error en tribunal causa pérdidas financieras reales.

La conclusión principal de la historia de Tsinghua y AiJurist es simple pero importante. La multiagencia no es un juguete académico sino un patrón arquitectónico que definirá la próxima generación de herramientas profesionales de IA. Pero el camino desde un preimpreso de investigación hacia un producto por el que los clientes corporativos pagan requiere no solo escalabilidad — requiere replantear la arquitectura misma a la luz de las condiciones reales de un sistema jurídico específico.