Hay una promesa que se repite en casi cualquier demo de IA aplicada al sector legal: que el sistema va a poner orden donde hoy hay desorden. En la práctica, sobre todo en cumplimiento normativo, puede pasar lo contrario.
Hay una promesa que se repite en casi cualquier demo de IA aplicada al sector legal: que el sistema va a poner orden donde hoy hay desorden.
En la práctica, sobre todo en cumplimiento normativo, puede pasar lo contrario.
La inteligencia artificial no “arregla” la información con la que trabaja. La toma como está, la procesa y la mueve mucho más rápido que una persona. Si los datos de origen están incompletos, dispersos o mal capturados, la IA no elimina el problema. Lo ejecuta más rápido y lo replica más.
Un ejemplo concreto: los avisos ante la autoridad
Imagina una notaría o correduría que implementa un sistema de IA para revisar expedientes, detectar operaciones que requieren un aviso regulatorio y generar un borrador automáticamente.
Suena perfecto para automatizar.
Ahora la pregunta incómoda: ¿qué pasa si la información necesaria para calificar la operación no está completa?
Si los montos, las partes, el tipo de operación u otros datos relevantes están repartidos en varios documentos, registrados con criterios distintos o simplemente no se capturaron, el sistema va a trabajar con lo que encuentre.
No tiene por qué detenerse y decir “falta este dato”.
Puede generar el aviso con datos parciales, hacerlo en segundos y aplicar la misma lógica a todos los expedientes con una estructura parecida. En ese momento, la velocidad deja de ser ventaja.
El problema no es equivocarse. Es equivocarse a escala.
Antes de automatizar, un error podía quedarse en un solo expediente. Una persona revisaba, interpretaba y, con suerte, detectaba una inconsistencia antes de seguir. Era más lento, sí, pero había frenos naturales.
La automatización cambia esa dinámica. Un sistema puede procesar cientos de expedientes en el tiempo que un equipo tardaría en revisar unos cuantos. Si la lógica está mal o los datos de entrada son malos, el error también se multiplica cientos de veces en ese mismo lapso.
El riesgo real no es que la IA se equivoque.
Es que un error que antes era aislado se vuelva rutina.
Antes de automatizar, hay que ordenar
Esto no significa que notarías, corredurías o cualquier empresa regulada deban desconfiar de la IA. Significa que el orden de prioridades importa.
Antes de automatizar una alerta regulatoria, hay que definir con claridad:
- ¿Qué información se necesita para calificar bien una operación?
- ¿Dónde está hoy esa información?
- ¿Está completa en todos los expedientes?
- ¿Se captura siempre con los mismos criterios?
- ¿Qué campos dependen de interpretación humana?
- ¿Qué debe pasar cuando falta información?
Solo después de contestar eso vale la pena automatizar.
Porque una IA puede detectar patrones, revisar grandes volúmenes y ejecutar procesos en segundos. Lo que no puede hacer es convertir datos mal capturados en datos confiables solo por procesarlos más rápido.
La automatización en cumplimiento es tan confiable como los datos que recibe. Ni más.
Y aquí va una prueba simple que vale más que cualquier demo:
Si mañana tuvieran que auditar 100 expedientes al azar, ¿la información necesaria para calificarlos correctamente ya estaría ahí, completa y disponible?
Si la respuesta es no, el primer proyecto no debería ser “meter IA”.
Debería ser poner orden.