De la avalancha de documentos a una narrativa defendible: cómo usar la IA para construir la teoría del caso más rápido

La mayoría de los litigantes tratan la revisión de documentos como algo que hay que sobrellevar y no como algo que aprovechar. Llega la recolección, el volumen es peor de lo previsto y el objetivo se reduce a una sola pregunta: con qué rapidez podemos terminar esto a un costo aceptable. La revisión se convierte en un centro de costos, medido en documentos por hora y dólares por gigabyte, y el trabajo estratégico del caso espera hasta que termine la revisión.

Esa secuencia tenía sentido cuando la revisión era lenta. Cuando una revisión de primer nivel tomaba seis semanas, nadie esperaba obtener conclusiones antes de que terminara. Pero hoy esa secuencia es un hábito más que una limitación. La revisión asistida por IA cambia lo que se puede aprender de un corpus en los primeros días de un asunto, y eso cambia el momento en que la teoría del caso puede empezar a tomar forma.

El cambio que vale la pena hacer no es pasar de la revisión humana a la revisión automática. Es pasar de la revisión como procesamiento a la revisión como indagación.

La teoría del caso suele llegar demasiado tarde para ser barata

La teoría del caso es la historia que usted se propone probar: quién hizo qué, cuándo, por qué importa jurídicamente y qué hechos sostienen el peso. En la práctica, la mayoría de los equipos llega a una teoría de trabajo a partir de los escritos de demanda y contestación, las entrevistas con el cliente y un puñado de documentos clave que surgieron temprano por azar o gracias a un custodio que sabía dónde buscar.

El problema es que una teoría formada con pruebas parciales tiende a arraigarse. Los términos de búsqueda se construyen en torno a ella. Los protocolos de revisión se redactan en torno a ella. A los revisores junior se les capacita para detectar lo que la teoría predice. Para cuando se ha leído todo el corpus, el equipo ha pasado meses buscando la confirmación de una idea que se formó antes de examinar la mayor parte de las pruebas.

Una teoría tardía es también una teoría costosa. Cada revisión después de iniciada la revisión documental implica rehacer los términos de búsqueda, volver a codificar poblaciones y explicarle al cliente por qué hay que repetir una línea de trabajo que ya pagó. El costo de una hipótesis inicial equivocada no es la hipótesis. Es la revisión construida sobre ella.

Qué cambia cuando el corpus puede leerse desde el principio

La IA generativa hace algo que la búsqueda por palabras clave y la codificación predictiva nunca hicieron bien. Lee un documento y le dice de qué trata en sus propios términos. No si coincide con una lista de términos, ni si se parece a documentos que un revisor ya marcó como pertinentes, sino qué ocurrió, quiénes participaron y qué se decidió.

Aplicada a una población en lugar de a un documento a la vez, esa capacidad produce algo más cercano a un relevamiento de las pruebas que a una revisión. Puede preguntarle a un corpus cuáles son las disputas recurrentes entre dos custodios, qué documentos tratan un término comercial específico y cómo cambió su tratamiento con el tiempo, o qué explicaciones se dieron internamente para una decisión que ahora está en disputa.

Nada de eso requiere haber terminado la revisión. Requiere haber preguntado. Escribimos sobre la trayectoria más amplia de este cambio en nuestra filosofía pragmática de la revisión asistida por IA, y el análisis temático es donde esa trayectoria se vuelve concreta para el litigante y no solo para el equipo de soporte de litigios.

Pasadas temáticas antes de las pasadas de pertinencia

La medida práctica es realizar una pasada temática antes de la pasada de pertinencia, sobre una muestra y no sobre toda la población.

Tome una muestra defendible de sus custodios clave y del rango de fechas central. Plantéele un conjunto de preguntas abiertas. No preguntas de relevancia, que presuponen una teoría, sino preguntas descriptivas: cuáles son los temas principales en esta población, qué decisiones se están tomando, quién escala a quién, dónde cambia el tono. Tanto los resúmenes como la codificación objetiva sirven a este propósito, porque un resumen estructurado de dos mil documentos es algo que un litigante realmente puede leer en una tarde.

Lo que se obtiene rara vez es una prueba irrefutable. Lo que se obtiene es un mapa. Descubre que la disputa comercial que su cliente describió como un desacuerdo de precios se lee, en los documentos, como un problema de confiabilidad del suministro que solo más tarde se convirtió en una disputa de precios. Esa es una teoría del caso diferente, y encontrarla en la primera semana y no en el cuarto mes cambia los escritos, la lista de custodios y el plan de deposiciones.

El mapa también le indica dónde las pruebas son escasas. Saber desde el principio que un período crítico de seis semanas casi no tiene material pertinente es un problema de recolección que todavía puede corregir. Descubrirlo durante la preparación del juicio es otro tipo de conversación.

Darle a la IA suficiente contexto para que sea útil

Una IA que lee un documento sin contexto no sabe nada de su asunto. No sabe quiénes son las partes, qué relaciones están protegidas por el privilegio (secreto profesional) ni qué hace que un documento importe en este caso y no en general. Sin esa base, el resultado temático es preciso pero genérico, y un resultado genérico no le ayuda a construir una teoría.

Este es el trabajo para el que está diseñado Case Context. Recoge las partes y las personas, la descripción y la cronología, la relevancia y los temas en disputa, los indicadores de privilegio y los detalles de la recolección, y usa esa estructura para generar prompts adaptados a su asunto y no al litigio en abstracto.

Conviene ser precisos sobre el límite. Case Context no es el lugar para su estrategia de litigio ni para sus impresiones mentales, y es visible para todos en el caso. Es una base fáctica compartida, no un repositorio de producto del trabajo del abogado (work product). Usado de esa manera, hace más precisa la pasada temática sin poner nada sensible donde no corresponde.

La defendibilidad mejora cuando la narrativa está documentada

Existe la preocupación refleja de que usar IA para dar forma a la teoría del caso es de algún modo menos defendible que llegar a la misma teoría leyendo. Suele ocurrir lo contrario, siempre que el trabajo quede registrado. Cuando una teoría surge de un conjunto documentado de preguntas aplicadas a una muestra definida, usted tiene un registro de qué se preguntó, sobre qué población y qué se obtuvo. Cuando surge de un abogado sénior que leyó cuarenta documentos en un avión, tiene una convicción. Solo una de las dos resiste un cuestionamiento de su proceso.

El revisor no desaparece de este proceso. Cada resultado temático es una hipótesis que debe verificarse contra los documentos subyacentes, y el abogado sigue siendo responsable de lo que se afirma ante el tribunal. Lo que cambia es que la verificación se hace contra una hipótesis explícita y no contra una corazonada.

Por dónde empezar

Elija su próximo asunto de más de cien mil documentos y realice una pasada temática sobre una muestra antes de redactar el protocolo de revisión. Compare la teoría que produce esa pasada con la que habría redactado solo a partir de los escritos. Si coinciden, tiene una corroboración temprana y una revisión más económica. Si difieren, encontró la diferencia en el momento en que menos cuesta actuar en consecuencia.

Claira funciona dentro de Nuix Discover, de modo que la pasada temática se realiza en la plataforma en la que su equipo ya trabaja, con los datos que ya están cargados allí. Si desea ver cómo se ve eso en una población real, agende una demostración guiada con nuestro equipo y le mostraremos el flujo de trabajo de principio a fin.

Los documentos siempre iban a decirle de qué trata el caso. La única decisión pendiente es cuándo quiere averiguarlo.