Acceso usuarios
Javier Ercilla García
En la era digital actual, la posibilidad de integrar sistemas de inteligencia artificial (IA) en el ámbito jurídico ha suscitado un debate profundo sobre la administración automatizada de la justicia. Este artículo explora dos enfoques paradigmáticos en la conceptualización de un «juez robot»: el basado en reglas y el adaptativo. Mientras que el primero se centra en una codificación explícita de la ley, garantizando predictibilidad y transparencia, inspirado en AlphaZero, el segundo, inspirado en AlphaGo, se adapta continuamente a la jurisprudencia, ofreciendo flexibilidad y capacidad de evolución. A través de un análisis detallado, se discuten las ventajas, limitaciones y aplicaciones potenciales de ambos modelos. Asimismo, se muestran dos ejemplos concretos de juez robot basados en cada uno de los modelos, Python y Tkinter, para la resolución por IA de pleitos relativos a la extinción del contrato de trabajo por voluntad del trabajador fundamentados en retrasos en el abono de los salarios y en materia de revisión de incapacidades permanentes por mejoría.
In today's digital era, the possibility of integrating artificial intelligence systems into the legal field has sparked a profound debate about automated justice administration. This article explores two paradigmatic approaches in conceptualizing a "robot judge": the rule-based and the adaptive. While the former focuses on an explicit encoding of the law, ensuring predictability and transparency, inspired by AlphaZero, the latter, inspired by AlphaGo, continuously adapts to jurisprudence, offering flexibility and evolutionary capacity. Through a detailed analysis, the advantages, limitations, and potential applications of both models are discussed. Likewise, two specific examples of a Robot Judge based on each of the models are shown, all based on Python and Tkinter, for AI resolution of lawsuits related to the termination of employment contracts due to delays in salary payments and on the review of permanent disabilities due to improvement.
