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 Cimientos — Ingesta, 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.
- Temas
-
- El rol del ingeniero legal y por qué se está contratando actualmente.
- Dónde encaja la IA: eDiscovery, revisión, contratos, investigación e investigaciones; el modelo EDRM explicado en términos sencillos.
- Construir vs. comprar.
- Los dos riesgos transversales: confidencialidad/privilegio y defendibilidad.
Módulo 2: Los Datos Legales son Desordenados — Ingesta y Extracción
- Objetivos de aprendizaje: gestionar la realidad de los datos legales a escala.
- Temas
- Más de 1.400 tipos de archivos, correos electrónicos y PST, documentos escaneados y archivos de carga (.dat/.opt); metadatos embebidos relevantes.
- Extracción de texto (Tika), OCR y deduplicación como decisión estratégica.
- Laboratorio: Ingesta en FreeEed — construir una tubería de ingesta sobre un conjunto deliberadamente desordenado de documentos (correo/PST, escaneos, archivos de carga).
Módulo 3: Búsqueda y Recuperación — La Base Fundamental
- Objetivos de aprendizaje: construir la primitiva central de eDiscovery: encontrar cualquier cosa dentro de todo.
- Temas: búsqueda de texto completo e indexación (Solr/Lucene); relevancia, filtrado por metadatos y fecha; búsqueda en contenido extraído mediante OCR.
- Laboratorio: Búsqueda de eDiscovery — indexar un corpus y ejecutar búsquedas reales estilo eDiscovery, incluido dentro de escaneos procesados con OCR.
Módulo 4: RAG para Documentos Legales — con Citaciones
- Objetivos de aprendizaje: construir RAG sobre documentos legales que cite sus fuentes.
- Temas
- Por qué la recuperación, no el ajuste fino (fine-tuning), es adecuado para material sensible: el modelo nunca "absorbe" los documentos.
- Agrupamiento, incrustaciones (embeddings) y, sobre todo, citaciones/procedencia.
- Resumen multi-documento e hilos de conversación.
- Laboratorio: RAG Legal con Citaciones — construir una aplicación de preguntas y respuestas basada en RAG sobre un conjunto de documentos que responda con citas de las fuentes originales.
Día 2: Hacerlo Privado, Defendible y Listo para el Despliegue
Módulo 5: Privacidad, Privilegio y Servicio Local — La Trampa del Privilegio
- Objetivos de aprendizaje: mantener los datos legales locales y ser capaz de certificarlo.
- Temas
- Dónde van realmente los datos cuando se envían a una IA en la nube.
- Renuncia al privilegio, deber de competencia y el espectro de "privacidad" (contractual frente a físico).
- Caso 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 Egreso — ejecutar un modelo local de extremo a extremo y demostrar, mediante monitoreo, que ningún dato salió de la infraestructura.
Módulo 6: Revisión de IA Defendible
- Objetivos de aprendizaje: medir y documentar una revisión de IA para que sea sostenible legalmente.
- Temas
- Las métricas que resisten en tribunal: recall, elusion, precisión, validación con ground truth; TAR/aprendizaje activo.
- Transparencia (¿por qué codificó este documento así?) y reproducibilidad: fijar el modelo, configurar los parámetros fijos y registrar todo.
- La "captura 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: Desplegarlo — Flujo de Trabajo, Despliegue Privado y Gobernanza
- Objetivos de aprendizaje: ensamblar las piezas en un flujo de trabajo, desplegarlo privatamente y evaluarlo.
- Temas
- Un flujo de trabajo legal multipaso (ingesta → búsqueda → resumen → revisión → producción) con intervención humana.
- Fundamentos del despliegue privado/on-prem (containerización; mantener los datos dentro de la organización).
- Gobernanza de IA para el sector legal en breve, y evaluación del sistema con SAIS-100 (la Escala Elefante de Puntuación de AI Segura).
- Laboratorio: Evaluar y Empaquetar — conectar un flujo de trabajo multipaso, evaluarlo con SAIS-100 y prepararlo para su despliegue privado.
Proyecto Final (integrado a lo largo del Día 2)
- Construir una aplicación legal de IA privada y defendible de extremo a extremo: ingerir un corpus desordenado, buscar en él, responder preguntas con citaciones utilizando un modelo local, medir una revisión defendible y prepararlo para su despliegue privado.
- Los participantes se llevan un proyecto de portafolio que simula exactamente el trabajo 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, construir cronologías y mapear duplicados cercanos y linaje de documentos. Laboratorio: construir una línea de tiempo y vista de entidades/relaciones.
- Flujos de Trabajo Agénticos y Multipaso (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 multipaso con un punto de control humano.
- Despliegue a Gran Escala — despliegue on-prem y en appliances, procesamiento distribuido para grandes volúmenes, entornos regulados (CJIS, gobierno, educación superior), dimensionamiento de hardware. Laboratorio: containerizar y escalar un trabajo de procesamiento entre varios workers.
- Inmersión en Gobernanza y Cumplimiento — el panorama de la regulación de IA (más de 100 leyes estatales de EE.UU., Ley de IA de la UE), requisitos de auditoría y una auditoría completa de gobernanza SAIS-100. Laboratorio: auditar un sistema legal de IA 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 ML; construimos el modelo mental).
- No se requiere conocimientos previos de derecho; los conceptos legales necesarios se enseñan en contexto.
Público Objetivo
- Ingenieros de software/AI que se están trasladando al sector legal tecnológico.
- Ingenieros de empresas de tecnología legal que necesitan profundidad en el dominio legal.
- Profesionales técnicos del ámbito jurídico, eDiscovery o gobernanza de información que desean construir soluciones en lugar de solo comprarlas.
- Cualquier persona que busque posicionarse para 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
