Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Día 1: Construir los Fundamentos — Ingestión, Búsqueda y Recuperación
Módulo 1: El Panorama del Ingeniero Legal
- Objetivos de aprendizaje: comprender el rol, dónde encaja la IA en el trabajo legal y los dos riesgos que atraviesan todo el proceso.
- Temas:
-
- El rol del ingeniero legal y por qué está siendo contratado actualmente.
- Dónde encaja la IA: descubrimiento electrónico, revisión, contratos, investigación e investigaciones; el modelo EDRM explicado de forma sencilla.
- Construir frente a comprar (Build vs. Buy).
- Los dos riesgos que atraviesan todo: confidencialidad/privilégio y defendibilidad.
Módulo 2: Los Datos Legales Son Desordenados — Ingestión y Extracción
- Objetivos de aprendizaje: afrontar la realidad del manejo de datos legales a gran escala.
- Temas:
- Más de 1.400 tipos de archivos, correos electrónicos y PST, papel escaneado, archivos de carga (.dat/.opt); metadatos incrustados que importan.
- Extracción de texto (Tika), OCR y deduplicación como una decisión estratégica.
- Laboratorio: Ingestión en FreeEed: crear un pipeline de ingestión sobre un conjunto deliberadamente desordenado de documentos (correo/PST, escaneos, archivos de carga).
Módulo 3: Búsqueda y Recuperación — Los Fundamentos
- Objetivos de aprendizaje: construir la primitiva central del descubrimiento electrónico: encontrar cualquier cosa dentro de todo.
- Temas: búsqueda de texto completo e indexación (Solr/Lucene); relevancia, filtrado por metadatos y fechas; búsqueda en contenido procesado con OCR.
- Laboratorio: Búsqueda de Descubrimiento Electrónico: indexar un corpus y realizar búsquedas reales estilo descubrimiento electrónico, incluyendo dentro de escaneos con OCR.
Módulo 4: RAG para Documentos Legales — Con Citas
- Objetivos de aprendizaje: construir RAG sobre documentos legales que cite sus fuentes.
- Temas:
- Por qué la recuperación, no el ajuste fino (fine-tuning), es la opción para material sensible: el modelo nunca "traga" los documentos.
- Chunking, embeddings y, sobre todo, citas y procedencia.
- Resumen multi-documento e hilos de conversación.
- Laboratorio: RAG Legal con Citas: construir un Q&A (preguntas y respuestas) basado en RAG sobre un conjunto de documentos que responda con citas de las fuentes originales.
Día 2: Hacerlo Privado, Defendible y Listo para Producción
Módulo 5: Privacidad, Privilegio y Servicio Local — La Trampa del Privilegio
- Objetivos de aprendizaje: mantener los datos legales locales y poder certificarlo.
- Temas:
- Dónde va realmente la data cuando interactúa con una IA en la nube.
- Renuncia a la confidencialidad, deber de competencia y el espectro de lo "privado" (contractual frente a físico).
- Morgan v. V2X y por qué lo local es defendible ante un tribunal.
- Servicio de modelos locales (Ollama/vLLM) y monitoreo del tráfico saliente.
- Laboratorio: Modelo Local + Prueba de Egress: ejecutar un modelo local de extremo a extremo y demostrar, mediante monitoreo, que ningún dato salió de la red interna.
Módulo 6: Revisión de IA Defendible
- Objetivos de aprendizaje: medir y documentar una revisión de IA para que sea válida ante un tribunal.
- Temas:
- Los números que sostienen en juicio: recall, elusión, precisión, validación con verdad fundamental; TAR/aprendizaje activo.
- Transparencia (¿por qué codificó este documento?) y reproducibilidad: fijar el modelo, ajustar los parámetros y registrar todo.
- La "instantánea de caso defendible" que permite a alguien volver a ejecutar tu revisión un año después y obtener el mismo resultado.
- Laboratorio: Revisión Defendible: medir una revisión de IA contra una verdad fundamental ciega y producir un paquete de reproducibilidad.
Módulo 7: Desplegar — Flujo de Trabajo, Implementación Privada y Gobernanza
- Objetivos de aprendizaje: ensamblar las piezas en un flujo de trabajo, desplegarlo privadamente y evaluarlo.
- Temas:
- Un flujo de trabajo legal multi-etapa (ingestión → búsqueda → resumen → revisión → producción) con intervención humana.
- Fundamentos del despliegue privado/on-premise (contenedores; mantener los datos dentro de la organización).
- Gobernanza de IA para lo legal en resumen, y evaluación del sistema con SAIS-100 (la Escala del Elefante para Puntuación Segura de IA).
- Laboratorio: Puntuar y Empaquetar: conectar un flujo de trabajo multi-etapa, puntuarlo con SAIS-100 y empacarlo para despliegue privado.
Proyecto Final (integrado a lo largo del Día 2)
- Construir una aplicación de IA legal privada y defendible de extremo a extremo: ingerir un corpus desordenado, buscar en él, responder preguntas con citas usando un modelo local, medir una revisión defendible y empacarla para despliegue privado.
- Los participantes se van con un proyecto de portafolio que simula el trabajo real de un ingeniero legal.
Día 3 Opcional / Módulos Avanzados (entregable como un tercer día o una serie modular)
- Investigaciones: Entidades, Relaciones y Líneas de Tiempo: extraer personas/organizaciones/fechas, reconstruir hilos de correo electrónico, construir cronologías, mapear duplicados cercanos y linaje de documentos. Laboratorio: crear una línea de tiempo y vista de entidades/relaciones.
- Flujos de Trabajo Agénticos y Multi-Etapa (en profundidad): orquestación más rica, análisis de contratos, síntesis multi-documento, uso de herramientas y guardrails como principio de diseño. Laboratorio: construir un flujo de trabajo multi-etapa con un punto de control humano.
- Despliegue a Escala: implementación on-premise y en appliances, procesamiento distribuido para grandes volúmenes, entornos regulados (CJIS, gobierno, educación superior), dimensionamiento de hardware. Laboratorio: contenerizar y escalar un trabajo de procesamiento entre varios trabajadores.
- Inmersión en Gobernanza y Cumplimiento: el panorama de la regulación de IA (más de 100 leyes estatales de IA en EE.UU., Reglamento Europeo de IA), requisitos de auditoría y una auditoría completa de gobernanza con SAIS-100. Laboratorio: auditar un sistema de IA legal contra una lista de verificación de gobernanza/defendibilidad.
Requerimientos
- Comodidad con Python y APIs básicas.
- Útil: familiaridad con LLMs a nivel de usuario (no se requiere formación previa en aprendizaje automático, ya que construimos el modelo mental).
- No se requiere antecedentes legales; los conceptos jurídicos necesarios se enseñan contextualmente.
Audiencia Objetivo
- Ingenieros de software e inteligencia artificial que transicionan hacia la tecnología jurídica.
- Ingenieros de empresas de legal-tech que necesitan profundidad en el dominio legal.
- Profesionales técnicamente orientados del ámbito legal, descubrimiento electrónico (eDiscovery) o gobernanza de información que desean construir soluciones en lugar de simplemente comprarlas.
- Cualquier persona que busque desempeñar el rol de "ingeniero legal" o "ingeniero de IA legal".
14 Horas
Reseñas (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática
