Josephine Petrick, Jefa de Productos de IA en BriefCatch – Serie de Entrevistas

Josephine Petrick como Jefa de Productos de IA en BriefCatch aporta una rara combinación de experiencia en litigios apelativos, juicio de productos de IA y experiencia práctica en redacción legal a una de las plataformas de escritura más especializadas de la industria legal. En su papel, lidera la estrategia de productos de IA para BriefCatch, guiando el desarrollo de herramientas generativas y basadas en recuperación diseñadas para mejorar la forma en que los abogados y jueces redactan, editan y perfeccionan documentos legales. Su experiencia incluye haber sido socia en The Norton Law Firm, consejera sénior y litigante apelativa en Hanson Bridgett, y secretaria legal del juez James L. Dennis del Tribunal de Apelaciones de los Estados Unidos para el Quinto Circuito. Esa combinación de experiencia en el tribunal, apelativa y asesora le da una perspectiva práctica sobre la construcción de herramientas de IA que abordan desafíos de redacción legal reales en lugar de problemas de productividad abstractos.

BriefCatch es una plataforma de escritura y edición legal impulsada por IA diseñada específicamente para abogados, jueces, bufetes de abogados, tribunales y agencias gubernamentales. Fundada en 2017 y construida alrededor de la experiencia en redacción legal de Ross Guberman, la plataforma ayuda a los profesionales legales a mejorar la claridad, la precisión, la persuasión y la credibilidad directamente dentro de su flujo de trabajo de redacción. BriefCatch afirma que apoya a más de 300 bufetes de abogados, incluidos 45+ bufetes de abogados Am Law 200, junto con 80+ tribunales, y su producto más reciente, BriefCatch Next, combina orientación experta en redacción legal con herramientas de IA opcionales destinadas a mejorar, y no reemplazar, el juicio legal.

Recientemente se unió a BriefCatch como Jefa de Productos de IA después de servir como abogada apelativa, especialista apelativa certificada y constructora de productos de tecnología legal. ¿Cómo ha influido su experiencia en la intersección de la ley apelativa, la estrategia legal y la tecnología en su visión de la IA en la profesión legal?

Después de licenciarme en lingüística en Cal, me fascinó la IA y siempre deseé haber ingresado en este campo. Me atraía su potencial para ampliar la inteligencia humana y ayudar a resolver problemas prácticos a gran escala. Me convertí en abogada por razones similares. Mi madre era abogada constitucional, y de ella aprendí que la ley se podía utilizar para ayudar a las personas de manera eficiente, a gran escala. Para cuando estaba practicando, asumí que el camino hacia una carrera en IA se había cerrado. Así que es un poco irónico, y profundamente satisfactorio, que mi carrera legal me haya llevado de regreso a las preguntas que me interesaban desde el principio: ¿Cómo utilizamos la tecnología para hacer que la experiencia sea más accesible, más útil y más humana?

He estado experimentando con grandes modelos de lenguaje desde antes de que se comercializaran como chatbots, cuando OpenAI ofreció su producto como un sandbox. Desde el principio, pude ver el potencial para la resolución de problemas prácticos. ¿Podría ayudar con la revisión de registros? ¿Podría hacer que la investigación de normas locales sea menos dolorosa? ¿Podría ayudar a rastrear los casos pendientes del Tribunal Supremo de California, estimar cuánto tiempo tomarán las apelaciones, o agilizar la práctica de mociones posteriores al juicio? ¿Podría ayudar a alguien a desbloquearse?

Uno de mis ejemplos favoritos de la última pregunta proviene de mi padre, un teórico de números retirado que todavía trabaja en problemas abiertos. Lo convencí para que probara una cuenta de LLM de pago, y ha utilizado para demostrar teoremas y hacer progresos en problemas en los que había estado pensando durante años. Una de las razones por las que los LLM son tan efectivos para resolver problemas de matemáticas abiertas, como los problemas de Erdős, es que tienen capacitación en muchas áreas de las matemáticas, y pueden transferir esas técnicas de un dominio a otro (por ejemplo, utilizando técnicas de teoría de números algebraicos para resolver un problema de geometría elemental). Esa experiencia capturó algo importante para mí: la IA puede ampliar nuestro alcance creativo, ayudarnos a basarnos en un cuerpo más amplio de conocimientos y experiencia humana de lo que podemos retener individualmente, y utilizar eso para hacer progresos en el conocimiento y las empresas humanas que de otra manera habrían llevado mucho tiempo.

Vi el mismo patrón en la práctica legal. Como abogada apelativa, las mismas preguntas procedimentales y estratégicas surgían una y otra vez. Así que construí bases de datos, rastreadores, infografías, recursos para clientes, calculadoras de duración de apelaciones, herramientas de temporización posteriores al juicio, y eventualmente ayudé a construir una base de datos de normas legales. El hilo común era siempre el mismo: el conocimiento existía, pero estaba atrapado en PDF, libros, seminarios, notas internas o en la cabeza de algún experto. Me obsesioné con un problema que la IA está inusualmente bien equipada para resolver: ¿cómo hacer que el conocimiento y la experiencia estén disponibles en el momento en que las personas los necesitan?

Eso dio forma a mi visión para la IA legal. La mayoría de los productos de tecnología legal prometen que la IA automatizará la monotonería para que los abogados puedan centrarse en la estrategia. Eso es cierto y valioso, pero solo es el comienzo. Lo que más me interesa ahora es activar la experiencia. Un abogado puede haber leído el libro correcto, asistido a la CLE correcta, guardado el post correcto o aprendido la lección correcta de la práctica, pero ese conocimiento a menudo está dormido cuando el abogado está redactando, investigando o asesorando a un cliente.

BriefCatch se encuentra directamente en esa oportunidad. La redacción legal no es solo pulido. Es donde el juicio legal, la estrategia y la persuasión se vuelven útiles para otra mente. Estoy emocionada de un futuro en el que la IA ayuda a los abogados a recuperar y aplicar la regla, la técnica, la estrategia, la advertencia o la perspicacia estratégica correcta en el momento, mientras preserva el juicio profesional y la rendición de cuentas. Pienso en ello como un exoesqueleto de experiencia: tecnología que ayuda a los abogados a llevar más conocimientos, ver más claramente, evitar errores prevenibles y aplicar su mejor juicio cuando más importa. Si construimos estos sistemas bien, la sociedad se beneficia porque la experiencia legal se vuelve menos atrapada en canales de uno a uno costosos y más accesible para las personas, empresas, tribunales e instituciones que dependen de ella.

BriefCatch acaba de introducir RealityCheck, una herramienta diseñada para identificar citas legales alucinadas o no respaldadas antes de presentar. ¿Qué brechas veía en las herramientas de IA legales existentes que hicieron que esta capacidad fuera necesaria, y cuán significativo es el problema de la confiabilidad de las citas hoy en día?

La brecha más grande es que demasiadas herramientas todavía están optimizadas para la generación en lugar de la verificación. Pueden ayudar a producir texto rápidamente, lo que parece impresionante, pero el trabajo legal no termina con texto plausible. Ni siquiera comienza allí. Nuestro sistema legal depende fundamentalmente de que los jueces y abogados cuenten y apliquen con fidelidad la autoridad. Cualquier herramienta legal debe comenzar con autoridades que realmente existen, debe describir con precisión lo que dicen esas autoridades, cómo se han aplicado y si la proposición para la que se invocan está respaldada considerando el contexto en el que se decidió la autoridad. Cualquier cosa menos que eso es ficción legal. Hay palabras menos educadas para ello, pero las dejaré a los jueces que han lidiado con ello en sus salas.

Esa es la razón por la que una herramienta como RealityCheck es tan importante. El problema no se limita a casos completamente fabricados, aunque esos son obviamente alarmantes. Hay modos de fallo más sutiles y comunes: un caso real citado para la proposición equivocada, un fallo exagerado, una cita ligeramente alterada, un paréntesis que suaviza una distinción incómoda o una cita que parece facialmente adecuada pero no respalda realmente la oración que la sigue.

Estos no son problemas nuevos en la práctica de la ley, pero ahora están amplificados. Los abogados siempre han sido responsables de verificar su trabajo, pero la escala y la velocidad de la redacción asistida por IA hacen que la verificación sea aún más importante. La pregunta no es solo “¿Alucinó la IA?” Es “¿El documento presentado contiene afirmaciones legales que son precisas, respaldadas y profesionalmente defendibles?”

También creo que debemos tener cuidado de no tratar el trabajo humano como el estándar de oro. Los humanos también citan mal, exageran y se pierden cosas, especialmente bajo presión. Independientemente de la fuente del texto, la mejor práctica es la revisión en capas: juicio humano, herramientas basadas en fuentes, controles deterministas donde corresponda y flujos de trabajo de verificación que hacen que los errores sean más fáciles de detectar antes de que se conviertan en una orden para mostrar causa.

Muchos abogados siguen siendo escépticos sobre la IA generativa debido a preocupaciones sobre precisión, ética y responsabilidad profesional. ¿Qué pasos prácticos pueden tomar las empresas de tecnología legal para generar confianza y fomentar la adopción responsable?

Los productos confiables deben hacer visibles sus límites. Deben mostrar fuentes cuando las fuentes importan. Deben dejar claro cuándo un sistema está generando lenguaje en lugar de verificar una cita o aplicar una regla determinista. También deben ser francos sobre las limitaciones, porque exagerar es una de las formas más rápidas de perder la confianza de los abogados.

La adopción responsable debe estar integrada en el flujo de trabajo. Los abogados no deben tener que convertirse en ingenieros de prompts o oficiales de riesgos de IA para usar estas herramientas bien. Los buenos productos deben guiar a los usuarios hacia un uso responsable por diseño: preservando la confidencialidad, apoyando la supervisión, habilitando la revisión, reteniendo registros de auditoría cuando corresponda y facilitando la verificación.

Ha trabajado extensamente con la generación aumentada de recuperación (RAG) y otras técnicas diseñadas para mejorar la confiabilidad de los sistemas de IA. ¿Dónde cree que los productos de IA legales actuales todavía no cumplen, y qué avances técnicos son necesarios para cerrar esas brechas?

Los productos de IA legales ya son impresionantes para redactar, resumir, brainstorming y recuperar. Algunos todavía no cumplen con un métrico importante: la precisión exacta que la práctica legal exige. (Nuestro sistema de justicia depende de ello).

Me gustaría pensar en la brecha de confiabilidad como un problema de sistemas, no de un solo modelo. Mejores modelos ayudarán, pero la confiabilidad de grado legal proviene de varias capas que trabajan juntas: recuperación y clasificación, bucles de verificación, memoria, diseño de flujo de trabajo y arquitectura híbrida determinista/LLM.

La mecánica básica de la recuperación es bastante bien entendida, pero se requiere mucha prueba y iteración para obtener el recuerdo y la clasificación correctos. Los agentes adversarios y los bucles agénticos están volviéndose más comunes, pero el desafío de diseño es hacer que esas comprobaciones sean principled en lugar de crear “desarrollo de verificación costoso y latente”. Con la memoria de LLM, los desafíos técnicos incluyen dónde pertenece la memoria (memoria general versus un flujo de trabajo específico; los sistemas de memoria pueden sentirse un poco soldados) y la forma en que se garantiza que el agente acceda a ella cuando corresponda. El diseño del flujo de trabajo todavía importa; si el sistema recibe un prompt largo y vago, producirá resultados incompletos o genéricos. La IA legal necesita flujos de trabajo más estructurados, dividiendo la tarea en pasos deliberados para garantizar que tenga el contexto que necesita y que realice todos los pasos necesarios para generar un producto de trabajo legal preciso y excelente. Pero esto puede volverse menos problemático a medida que desarrollamos modelos de fundación más grandes y mejoramos la compresión.

Otro palanca que se puede utilizar es la mezcla entre reglas deterministas como regex y modelos probabilísticos. Los LLM son increíblemente útiles en la fase de prototipo porque ayudan a descubrir la forma del problema. Pero una vez que tienes un prototipo de trabajo y entiendes el patrón, es posible que desees retroceder partes del flujo de trabajo a la lógica determinista. Y aunque los LLM pueden ser inconsistentes, son excelentes para complementar lo que las reglas deterministas no son lo suficientemente flexibles como para atrapar, y para utilizar reglas deterministas/código ellos mismos. Los sistemas más fuertes no serán puramente deterministas o puramente basados en LLM. Utilizarán reglas deterministas donde el problema esté bien entendido, y LLM donde se necesite ambigüedad, juicio o comprensión del lenguaje sensible al contexto. La pregunta es dónde se encuentra el límite: ¿dónde terminan las reglas y dónde debe tomar el control el modelo?

Cuando comienzas a capas estas técnicas, puedes hacer mejoras enormes en la brecha de confiabilidad, pero el intercambio es la complejidad de ingeniería, el costo de tokens y la latencia. Espero que estas mejoran con los avances técnicos y a medida que la memoria y la compresión se vuelvan más efectivas y se integren en los modelos de fundación.

La redacción legal a menudo requiere sutileza, persuasión y una interpretación cuidadosa de la jurisprudencia. ¿Qué aspectos de la redacción legal cree que la IA puede mejorar genuinamente hoy, y qué elementos todavía requieren un juicio humano único?

La IA ya puede mejorar mucho la redacción legal, especialmente cuando la tarea está bien definida. Puede ayudar a identificar oraciones poco claras, puntos enterrados, inconsistencia, redundancia, mala organización, afirmaciones fácticas no respaldadas, problemas de citas, y lugares donde el borrador no guía bien al lector. También puede ayudar a los abogados a brainstorming creativamente, probar argumentos y aplicar principios de redacción y persuasión conocidos en el momento de la redacción en lugar de confiar en la memoria sola.

Esa última parte es especialmente emocionante para mí. Un abogado puede saber, en teoría, que un breve necesita una introducción más fuerte, una declaración de regla más clara o una declaración de hechos más legible para el lector. Pero cuando estás redactando bajo presión, saber y aplicar no son lo mismo. La IA puede ayudar a traer orientación de redacción experta al flujo de trabajo cuando realmente puede mejorar el documento.

Pero la buena redacción legal no es solo oficio o optimización de texto. Es también la capacidad de identificar los detalles más destacados, interesantes y específicos del caso, y luego convertirlos en una teoría que hace que el lector comprenda por qué esta disputa importa. En mi experiencia, eso es donde los abogados humanos son mucho más fuertes que los LLM. Tal vez sea gusto, tal vez sea experiencia, y tal vez sea algo más profundo sobre cómo funcionan estos sistemas. Los LLM están entrenados para generar continuaciones de texto plausibles, lo que crea una atracción gravitatoria hacia el texto que suena estadísticamente ordinario. En muchos contextos legales, eso es útil. A menudo no quieres que la redacción legal llame la atención sobre sí misma. Quieres que las ideas, los hechos y las autoridades brillen.

Pero la redacción legal persuasiva a menudo depende de encontrar lo que es diferente. ¿Qué es el detalle que hace que el caso cobre vida? ¿Qué hecho cambia la valencia emocional de la disputa? ¿Qué punto legal hará que un juez se siente y reconozca el problema? Como abogada apelativa, eso es a menudo el hilo que estás tratando de encontrar. Estás buscando la versión del caso que es lo suficientemente única y convincente como para hacer que el tribunal se preocupe.

Esa es la parte que no quiero que la IA desvirtúe. Un sistema puede sugerir una redacción más clara, señalar debilidades, verificar citas, recordar técnicas de persuasión. Pero el abogado todavía tiene que decidir qué importa, qué conceder, cómo ser agresivo, qué no decir, cómo enmarcar la incertidumbre y cómo explicar el corazón emocional y ético del caso.

Soy cautelosa con respecto a decir “la IA nunca podrá hacer esto”, porque esas predicciones han sido incorrectas muchas veces. La IA ya hace muchas tareas discretas más rápido y con más precisión que los humanos, y no creo que tenga sentido sentirse amenazado por eso. Es una herramienta. Pero al menos hoy, las partes más importantes de la persuasión legal todavía requieren juicio humano: seleccionar los detalles correctos, entender por qué importan y construir una historia que resuene emocionalmente.

A medida que la IA se integra más profundamente en los flujos de trabajo legales, ¿cómo ve evolucionando el papel de los asociados y abogados junior? ¿Podría la IA cambiar fundamentalmente cómo la próxima generación de abogados desarrolla habilidades de redacción y investigación legales?

Sí, y debemos ser intencionados al respecto. Los abogados junior tradicionalmente han aprendido haciendo trabajo difícil lentamente: investigando, redactando, revisando, recibiendo comentarios y desarrollando gradualmente el juicio. La IA cambiará ese camino, pero no tiene que debilitarlo. Utilizada bien, puede hacer que la capacitación sea más explícita y más efectiva.

El riesgo es que los abogados junior salten la lucha que construye el juicio. Si una herramienta produce un borrador plausible demasiado rápido, un abogado nuevo puede no aprender cómo se construyó el argumento, dónde están los puntos débiles o por qué un marco es mejor que otro. Eso sería una pérdida real.

Pero la oportunidad es enorme. La IA puede funcionar como un tutor, un simulador, un entrenador de redacción y una fuente de retroalimentación inmediata. Puede mostrar estructuras alternativas, identificar afirmaciones no respaldadas, explicar por qué una cita puede no respaldar una proposición o comparar un borrador con principios de redacción legal efectiva. También puede dar a los abogados junior más oportunidades de práctica. Obtener nuestras oportunidades de práctica y obtener retroalimentación es cómo aprendemos y crecemos.

Los bufetes y departamentos legales que lo hagan mejor no solo darán a los abogados junior IA y esperarán lo mejor. Rediseñarán la capacitación alrededor de ella. Pedirán a los juniors que expliquen sus elecciones, verifiquen los resultados, comparen alternativas y aprendan a supervisar el trabajo asistido por IA de la misma manera que eventualmente supervisarán el trabajo humano.

Ha asesorado a clientes en una variedad de industrias, desde criptomonedas y tecnología de consumo hasta litigios comerciales complejos. ¿Hay sectores específicos en los que cree que la adopción de IA legal se acelerará, y por qué?

Creo que la adopción de IA legal se moverá más rápido cuando

1. La organización tiene flujos de trabajo que funcionan bien con LLM,
2. La organización está abierta a la innovación, y
3. La organización está motivada para hacer un cambio.

En el primer punto, el derecho es un dominio natural para los LLM porque la ley es, en muchos sentidos, comportamiento humano y valores humanos codificados en lenguaje. El trabajo legal convierte hechos complicados en categorías, reglas, obligaciones, argumentos, riesgos y consecuencias. Eso es exactamente el terreno donde los modelos de lenguaje pueden ser poderosos, siempre y cuando estén basados en fuentes, verificables y diseñados alrededor de cómo trabajan los abogados. Así que creo que la mayoría de las organizaciones legales son buenas candidatas, excepto quizás aquellas cuyo modelo de servicio principal es la interacción humana a humana. Pero incluso para organizaciones como clínicas pro bono, los LLM pueden ayudar con cosas como la triage y la gestión del conocimiento, así que no las descartaría.

El segundo factor, la apertura a la innovación, puede ser más de una puerta. Es por eso que creo que los equipos legales internos están especialmente bien posicionados. Se encuentran dentro de organizaciones que ya están tratando de mejorar la velocidad, reducir el costo y operacionalizar el conocimiento. Administran contratos, disputas, políticas, obligaciones regulatorias, problemas de clientes, cuestiones de empleo, asesoramiento de productos y evaluaciones de riesgos a gran escala. Esos flujos de trabajo a menudo son lo suficientemente repetibles como para respaldar la adopción de IA, mientras que todavía requieren suficiente juicio legal para que mejores herramientas puedan hacer una diferencia significativa.

También creo que el litigio, la práctica apelativa, las industrias reguladas, la fintech y la criptomoneda, la tecnología de consumo, el seguro y la atención médica serán áreas importantes. En el litigio y la práctica apelativa, por ejemplo, la IA puede ayudar con la revisión de registros, el seguimiento de problemas, la verificación de citas, las reglas procesales, el análisis de preservación y la retroalimentación de borradores. Las apuestas son altas, así que las herramientas necesitan ser serias. Pero eso no es una razón para evitar la adopción. Es una razón para construir mejores productos.

El tercer punto, la motivación para cambiar, también es un factor de puerta importante. La industria legal en general debería estar motivada para cambiar. El sistema de justicia es lento, caro e inaccesible para demasiadas personas. La pregunta más difícil es si la profesión está abierta al cambio. Creo que cada vez más lo está. Algunas partes de la industria han sido lentas en moverse porque el modelo existente era rentable y familiar. Pero los abogados también son resolutores de problemas. Muchos de nosotros somos justos, reformistas y tercos en el sentido útil. Estamos entrenados para argumentar a favor del cambio cuando la respuesta existente es incorrecta.

El sector privado puede moverse primero porque es más ágil y mejor financiado. El gobierno, las organizaciones de ayuda legal y las organizaciones pro bono enfrentan restricciones y a menudo tienen que centrarse en el trabajo urgente que tienen frente a ellos. Pero esos sectores no deben subestimarse. Si la IA puede ayudar a hacer que los servicios legales sean más eficientes, más accesibles y más asequibles, la oportunidad a largo plazo no se limita a ningún sector. Es relevante para todos los que se preocupan por hacer que el sistema legal funcione mejor.

Los tribunales, los reguladores y las asociaciones de abogados están examinando cada vez más el uso de la IA en la práctica legal. ¿Qué marcos regulatorios o éticos espera que surjan en los próximos años, y cómo deberían prepararse los proveedores de tecnología legal?

Nuestro marco ético existente ya puede manejar la mayoría de estas preocupaciones. Los abogados siempre han sido responsables de garantizar que todo lo que representan ante un tribunal esté basado en la verdad. Deben ser francos cuando un caso va en su contra y transparentes cuando cometen errores. Deben manejar sus casos con competencia y supervisar a los abogados junior y no abogados que los ayudan. Deben mantener la información confidencial de sus clientes.

La primera ola de ética de IA no requiere un sistema moral operativo completamente nuevo. Necesitamos aplicar estos deberes familiares con nueva seriedad. El abogado no puede subcontratar el juicio y luego renunciar a la responsabilidad. Esa parte no debería ser controvertida.

Una cosa que deberíamos empezar a hacer más es la capacitación específica de tecnología para que los abogados no sean sorprendidos cuando no supervisan o verifican adecuadamente la salida de IA. California, por ejemplo, ahora requiere competencia tecnológica como parte de la educación legal continua, y creo que eso es el camino correcto. Pero una hora cada pocos años no es suficiente. Los bufetes, los departamentos legales, los tribunales y las organizaciones de servicios legales deberían desarrollar sus propias políticas y capacitación obligatoria de IA: no solo “no cite fuentes alucinadas”, sino cuándo usar estas herramientas, cuándo no usarlas, cómo verificar los resultados, cómo proteger la información confidencial y cómo pensar en la asignación de responsabilidad entre humano y máquina.

Para los proveedores de tecnología legal, la ética no debe tratarse como una etiqueta de advertencia pegada al producto al final. Debe ser la arquitectura del producto. Las mejores herramientas harán que el uso responsable sea más fácil por diseño: transparencia de fuentes, controles de confidencialidad y flujos de trabajo que faciliten la revisión humana.

Así que ninguno de los problemas que estamos viendo ahora es “nuevo”. Pero hay una pregunta ética legal verdaderamente sin precedentes en el horizonte. Ahora, casi todos están de acuerdo en que la IA debe asistir a los abogados y jueces, no reemplazarlos. Estoy de acuerdo con esa intuición, dado donde está la tecnología hoy. Pero, ¿qué sucede si los sistemas de IA se vuelven más rápidos, menos costosos, más consistentes, más objetivamente confiables y menos sesgados que los humanos en tareas de razonamiento legal? ¿Seguiremos diciendo que un humano siempre debe permanecer en el bucle?

Esa es una pregunta incómoda y extraña, pero creo que debemos ser honestos para hacerla. No creo que estemos cerca de reemplazar a jueces o abogados en disputas humanas de alto riesgo, y sería muy escéptico de cualquier sistema que afirmara lo contrario hoy. Pero esto ya está sucediendo en entornos discretos: la IA ya está resolviendo ciertas disputas con un proveedor de ADR importante y en X, Grok a menudo resuelve disputas de verificación de hechos.

Normalmente asumimos que el juicio humano es el freno ético. A menudo lo es. Los humanos aportan responsabilidad moral, legitimidad institucional, empatía, sabiduría práctica y comprensión del contexto que las máquinas no poseen aún. Pero los humanos también aportan retrasos, costos, inconsistencias, fatiga, sesgos, control de acceso y acceso desigual. Si la resolución asistida por IA se vuelve más precisa, más asequible y más accesible que el status quo, la pregunta ética no debe responderse por reflejo. La pregunta debe ser, “¿Qué proceso produce el resultado más justo, más preciso, más transparente y más responsable?”

Si la resolución automatizada o asistida por IA eventualmente maneja más disputas rutinarias, la revisión humana puede volverse más importante en los bordes: los casos inusuales, los modos de fallo incómodos y los lugares donde la consistencia rígida comienza a parecerse más al formalismo legal antiguo que a la justicia.

Así es como creo que los proveedores de tecnología legal deberían prepararse. Construir para las reglas éticas actuales, pero también para un futuro en el que la profesión tenga que comparar el rendimiento humano y de la máquina honestamente. El objetivo no debe ser preservar cada ritual existente de la práctica legal. El objetivo debe ser preservar lo que esos rituales están destinados a proteger: justicia, precisión, responsabilidad, legitimidad y acceso a la justicia.

BriefCatch ha construido su reputación alrededor de mejorar la redacción legal en lugar de simplemente automatizar el trabajo legal. ¿Cómo equilibra las ganancias de productividad de la IA con la necesidad de preservar el pensamiento crítico, el razonamiento legal y la responsabilidad profesional?

No creo que la productividad y el pensamiento crítico tengan que estar en tensión. De hecho, cuando un abogado es más eficiente en tareas rutinarias, crea más espacio para el pensamiento creativo y crítico. Así que la pregunta es qué tipo de productividad estamos creando. Si la IA solo ayuda a los abogados a generar más palabras más rápido, eso no necesariamente es progreso. El trabajo legal ya tiene suficientes palabras.

El objetivo mejor es ayudar a los abogados a producir un trabajo más claro, más preciso, más persuasivo y más defendible. Eso es por qué la atención de BriefCatch a la redacción importa. La redacción legal no es la capa decorativa sobre el análisis legal. Es donde el análisis se vuelve preciso, verificable y útil para el lector.

La forma de preservar la responsabilidad es diseñar la IA como una capa de experiencia, no como un sustituto de autoridad. La herramienta puede sugerir, señalar, verificar, comparar y presionar para probar. Puede ayudar a aplicar principios de redacción, identificar debilidades y atrapar problemas. Pero el abogado tiene que tomar la decisión final y permanecer responsable del trabajo. Para parafrasear a mi instructor de Peloton favorito, “La IA hace sugerencias. Usted toma decisiones”.

Mi propia visión es que la IA es más valiosa cuando hace que el abogado esté más comprometido. Un buen sistema debe aguzar la atención del abogado. Debe hacer la pregunta que el abogado podría haber perdido, superficie la autoridad que necesita verificación, o sugerir una forma más clara de expresar el punto. No debe adormecer al usuario para que piense que el texto plausible es el trabajo terminado.

Mirando hacia adelante cinco años, ¿qué relación ideal entre abogados y IA ve? ¿Imagina la IA principalmente como asistente, colaborador o algo más cercano a un copiloto legal de confianza?

Preferiría “exoesqueleto de experiencia”. El sistema de IA legal ideal debería ayudar a los abogados y jueces a hacer lo que ya son responsables de hacer, pero con mejor alcance, mejor recuerdo, mejor consistencia, mejor creatividad y mejores herramientas de verificación.

En cinco años, espero que los abogados tengan sistemas de IA que estén profundamente integrados en sus flujos de trabajo y mucho más especializados que los chatbots de propósito general de hoy. Un abogado que redacta un breve debería poder basarse en la experiencia en redacción, la ley, los materiales de registro, las reglas procesales, las verificaciones de citas, el conocimiento interno y la retroalimentación estratégica sin salir del flujo de trabajo. Pero el sistema también debe ser transparente sobre lo que sabe, lo que verificó y dónde el abogado necesita ejercer el juicio.

La relación ideal no es la comprensión delegada ni el juicio. Es la confianza calibrada. Los abogados deben saber qué tareas el sistema es excelente, qué tareas requieren supervisión y qué tareas pertenecen claramente al juicio humano.

Si lo hacemos bien, la IA hará que la experiencia sea más accesible. Hará que los abogados redacten mejor, razonen más cuidadosamente, eviten errores prevenibles y dediquen más tiempo a las partes del trabajo que requieren intuición y juicio. Me gusta la idea de una legión de “Abogados Mecha” mucho más que la automatización simple.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar BriefCatch.