La IA frente al razonamiento del abogado ¿Loros estocásticos o asistentes inteligentes?

Mediante la razón, el ser humano advierte las consecuencias y ve las causas de las cosas –Per quam consequentia cernit, causas rerum videt-. Así lo expresó Cicerón en De officiis. La frase nos permite plantear la pregunta central de este artículo: cuando una inteligencia artificial construye argumentos convincentes, ¿razona del mismo modo que una persona que debe decidir cómo actuar y afrontar las consecuencias? ¹

Hoy podemos pedirle a un sistema que analice un contrato, proponga argumentos para una demanda o compare alternativas para resolver un conflicto. A menudo, su respuesta tiene la forma de un razonamiento: presenta premisas, distingue opciones y llega a una conclusión. Incluso puede señalar una objeción que el abogado no había considerado. ¿Significa eso que piensa del mismo modo que nosotros?

Mi respuesta es que no. La inteligencia artificial puede realizar tareas que requieren razonamiento y producir resultados valiosos. Pero el funcionamiento de un modelo de lenguaje es distinto de la deliberación de una persona que comprende un conflicto, conoce sus consecuencias y debe responder por la decisión adoptada. Reconocer esa diferencia permite utilizar mejor la tecnología, sin restarle mérito a lo que efectivamente hace.

Me concentro aquí en dos usos cotidianos: el del abogado que prepara y recomienda un curso de acción, y el de la persona que consulta una IA antes o después de acudir a un profesional. El uso de estas herramientas para elaborar decisiones judiciales plantea cuestiones propias que merecen un análisis separado.

El “loro estocástico”: qué ocurre cuando un modelo de lenguaje responde

Cuando conversamos con una herramienta como ChatGPT, su respuesta no sale de una lista de frases preparadas. En su núcleo hay un modelo entrenado con enormes cantidades de datos que procesa el contexto de la conversación y calcula probabilidades para generar sucesivamente pequeñas unidades de texto, llamadas tokens. La arquitectura Transformer, fundamental para el desarrollo de estos modelos, describe ese mecanismo de predicción. ²

Esto no significa que el modelo copie lo que leyó ni que elija palabras al azar. Puede combinar información de maneras nuevas, relacionar conceptos, comparar hipótesis y resolver problemas complejos. “Estocástico” señala que intervienen probabilidades; no equivale a decir que cualquier respuesta es igualmente probable o que el resultado carece de utilidad.

La destacada lingüista computacional Emily Bender y sus coautoras recurrieron a la metáfora de los “loros estocásticos” para advertir sobre un riesgo clave: un modelo de lenguaje puede generar textos convincentes sin que ello implique una comprensión humana de lo expresado. El término “loro” alude a la imitación del lenguaje, pero no significa que el sistema se limite a repetir de forma literal sus datos de entrenamiento. ³

Bender aclaró después que nunca afirmó que toda “la inteligencia artificial” fuera un loro estocástico. Su expresión se refiere específicamente a los grandes modelos de lenguaje utilizados para generar texto, como los que intervienen en muchas herramientas conversacionales. Mantener esa precisión importa: este artículo analiza cómo abogados y clientes usan esas herramientas, no todas las tecnologías que suelen agruparse bajo el nombre de IA. ⁴

La advertencia puede entenderse así: cuando leemos una respuesta bien escrita, tendemos a reconocer en ella argumentos, intenciones y significados. Esa interpretación la hacemos nosotros. El texto puede ayudarnos a pensar y hasta señalarnos algo que habíamos pasado por alto; su fluidez, sin embargo, no demuestra por sí sola que el sistema haya comprendido el conflicto en toda su dimensión humana. En la abogacía, distinguir ambas cosas es fundamental: una respuesta aparentemente sólida puede influir en decisiones cuyas consecuencias para el cliente sean difíciles de revertir.

Entonces, ¿por qué se habla de “razonamiento” artificial?

Porque algunos modelos pueden dedicar pasos adicionales a descomponer un problema, explorar distintos caminos y revisar partes de una respuesta antes de ofrecerla. En informática, es razonable describir ciertas de esas capacidades como razonamiento: el término se refiere al desempeño del sistema en tareas lógicas, matemáticas o analíticas. Los propios desarrolladores emplean esa denominación para modelos que generan pasos intermedios durante el procesamiento. ⁵

La palabra “razonamiento” se utiliza aquí en un sentido funcional: describe la capacidad del sistema para resolver ciertos problemas mediante pasos intermedios. El equívoco aparece cuando suponemos que, porque esos pasos se parecen a una explicación humana, el sistema piensa del mismo modo que una persona.

Un ser humano razona a partir de conocimientos y experiencias, pero también de sus propósitos, sus vínculos y su contacto con el mundo. Puede preguntarse qué quiere conseguir, cambiar de objetivo al conocer un hecho nuevo y actuar sabiendo que la decisión tendrá consecuencias para él o para otros. Un modelo de lenguaje opera de otra manera: procesa la información recibida y genera respuestas a partir de patrones y probabilidades aprendidos durante su entrenamiento. Algunos modelos pueden explorar alternativas y resolver problemas complejos; ese desempeño no implica, por sí solo, que comprendan la situación como quien debe vivirla.

En la abogacía, la diferencia se vuelve concreta. La IA puede ordenar los hechos de un despido, identificar normas que conviene verificar y comparar tres estrategias posibles. El abogado debe escuchar qué busca el cliente, comprobar qué hechos pueden probarse, evaluar cómo podría reaccionar la contraparte y recomendar, con sus fundamentos, si conviene intimar, negociar o esperar. El cliente podrá decidir con una comprensión más clara de las alternativas y sus riesgos. La herramienta ayuda a ampliar y organizar la deliberación; no ocupa el lugar de quien recomienda un curso de acción y responde profesionalmente por él.

Esto no significa que el razonamiento humano sea infalible. También podemos omitir datos, aferrarnos a una primera hipótesis o dejarnos influir por prejuicios. Una IA que nos plantee objeciones, señale contradicciones o proponga una alternativa inesperada puede ayudarnos a pensar mejor. Su valor no depende de que piense como nosotros, sino de que sepamos utilizar sus capacidades para someter nuestras propias conclusiones a examen.

Un beneficio menos espectacular y muy concreto: ordenar ideas

Cuando se habla de IA en la abogacía, suele pensarse primero en escritos producidos en segundos. Sin embargo, una de sus mejores aplicaciones puede ocurrir antes de redactar: ayudar a formular el problema.

Un cliente rara vez llega al estudio con los hechos clasificados jurídicamente. Cuenta lo que recuerda, vuelve sobre una discusión que lo afectó, omite una fecha que considera menor y mezcla lo que sucedió con lo que supone que la otra persona quiso hacer. La IA puede ayudarlo a preparar una cronología preliminar, distinguir hechos de interpretaciones y elaborar una lista de documentos y preguntas para llevar a la consulta.

Imaginemos a una persona que consulta por un despido. Podría utilizarla para ordenar fechas de ingreso, cambios de tareas, mensajes intercambiados y pagos recibidos. Ese ejercicio no determina si hubo un despido, cuál es el régimen aplicable ni cuánto corresponde reclamar. Sí puede permitir que la entrevista comience con una exposición más clara y que el abogado detecte antes lo que falta investigar.

El mismo beneficio existe del lado profesional. Frente a un expediente voluminoso, puedo pedirle a una herramienta que proponga una cronología, señale posibles contradicciones o presente varias preguntas que todavía no formulé. A veces lo más útil no es la respuesta que ofrece, sino la pregunta que me obliga a hacer.

Por ejemplo, ante un acuerdo sucesorio, la IA podría ayudar a separar tres planos que suelen confundirse: qué bienes integran la herencia, cuánto valen razonablemente y qué instrumento permitirá cumplir el acuerdo. Si una propuesta parece equilibrada sobre el papel, el abogado todavía deberá verificar títulos, deudas, gastos, ocupación de los inmuebles, voluntad de los herederos y posibilidades reales de instrumentación. Pero ordenar esos planos desde el comienzo puede mejorar considerablemente el trabajo.

La mejora de productividad existe, aunque no puede medirse con una sola cifra

La utilidad de estas herramientas no se reduce a una impresión subjetiva. En un experimento publicado en Science, Shakked Noy y Whitney Zhang observaron que, para determinadas tareas de escritura profesional, quienes tuvieron acceso a ChatGPT tardaron en promedio un 40 % menos y obtuvieron trabajos evaluados con una calidad un 18 % mayor. El estudio no examinó el ejercicio de la abogacía argentina ni demuestra que todos los asuntos jurídicos puedan resolverse con esas mejoras. Sí aporta evidencia de un aumento de productividad en tareas profesionales de redacción comparables en algunos aspectos. ⁶

Otra investigación con consultores encontró mejoras en velocidad y calidad cuando trabajaban en tareas dentro de las capacidades del sistema, junto con peores resultados en una tarea situada fuera de ellas. Los investigadores describieron ese límite irregular como una «frontera tecnológica dentada»: una IA puede resolver bien una actividad difícil y fallar en otra que parece semejante. La lección para un estudio jurídico es práctica: no basta con comprobar que la herramienta funciona bien en algunos encargos para confiarle cualquier otro. ⁷

En mi trabajo, la productividad puede mejorar cuando utilizo la IA para explorar enfoques, preparar un esquema, comparar versiones o detectar puntos que merecen revisión. El tiempo ganado tiene valor si me permite investigar mejor, explicar con mayor claridad las opciones al cliente o dedicar más atención a una negociación. También puede perderse si acepto respuestas sin control y luego debo corregir errores difíciles de detectar.

La Organización Internacional del Trabajo considera que, en muchas ocupaciones, el impacto más probable de la IA generativa será la transformación de tareas antes que la sustitución completa del empleo. Es un análisis del mercado de trabajo en general, no una predicción específica sobre el futuro de cada abogado. Ayuda, sin embargo, a observar lo que ya está cambiando: la producción de un primer borrador demanda menos esfuerzo, mientras adquieren más importancia la formulación del problema, la comprobación y la decisión. ⁸

Si la IA da una respuesta muy completa, el abogado solo debe revisarla

La palabra “revisar” puede ocultar dos actividades muy distintas. Una es corregir estilo, eliminar repeticiones y comprobar que el texto suene bien. Otra es verificar si los hechos son verdaderos, si las normas están vigentes, si los fallos existen y dicen lo que se les atribuye, y si la solución sirve a los intereses de la persona involucrada.

Solo la segunda constituye una revisión profesional suficiente para una tarea jurídica relevante. La guía del Colegio Público de la Abogacía de la Capital Federal insiste en la supervisión humana, el pensamiento crítico, la protección de datos y la responsabilidad del abogado por el trabajo realizado con estas herramientas. ⁹

La necesidad de control no desaparece por utilizar una plataforma especializada. Un estudio académico sobre herramientas de investigación jurídica detectó respuestas falsas o no sustentadas incluso en sistemas diseñados para ese ámbito. Sus resultados se refieren a productos y preguntas determinados y no deben trasladarse mecánicamente a cualquier sistema actual. Pero refutan una idea peligrosa: que basta con pedir “jurisprudencia con fuentes” para convertir una respuesta en investigación verificada. ¹⁰

En la práctica, yo distinguiría al menos tres momentos. Primero, pedir ayuda para descubrir preguntas y alternativas. Segundo, comprobar cada dato decisivo en documentos, normas y fallos originales. Tercero, decidir si la alternativa jurídicamente posible es también conveniente para este cliente, en estas circunstancias. La IA puede colaborar en los tres; la responsabilidad de cerrar el análisis continúa en el profesional.

El razonamiento del abogado no consiste solo en aplicar una regla

Muchas cuestiones legales admiten más de una solución defendible. Dos abogados pueden coincidir en la norma y discrepar razonablemente sobre la estrategia. Uno propondrá intimar de inmediato; otro aconsejará obtener primero una prueba. Ninguno de los dos debates se resuelve necesariamente produciendo un texto más extenso.

El razonamiento profesional comprende hechos, normas y pruebas, pero también fines. Hay que preguntar qué busca el cliente, qué costo puede tolerar, cuánto tiempo está dispuesto a esperar y qué relación desea conservar con la otra parte. En un contrato, por ejemplo, una cláusula muy favorable en abstracto puede frustrar una negociación que al cliente le interesa concretar. En una sucesión, un acuerdo formalmente posible puede ser económicamente inconveniente si se valoraron los bienes con parámetros poco realistas.

La IA puede exponer argumentos a favor y en contra de cada camino. Eso mejora la deliberación si obliga a justificar por qué elegimos uno. Pero no conoce por experiencia propia a las personas del conflicto ni tiene un deber profesional hacia ellas. Tampoco puede decidir qué riesgo aceptará el cliente después de recibir una explicación comprensible.

La Ley 5.177, que regula el ejercicio profesional en la Provincia de Buenos Aires, establece deberes y un régimen de responsabilidad disciplinaria para los matriculados. La herramienta empleada en la preparación del trabajo no sustituye esa relación entre abogado, cliente y ejercicio responsable de la profesión. ¹¹

La autoconsulta jurídica: una ayuda que también tiene riesgos

Que una persona consulte una IA antes de acudir al estudio no debería verse automáticamente como una dificultad. Puede ayudarla a identificar documentos, entender términos desconocidos y expresar con más precisión lo que necesita. Alguien que no sabe cómo explicar un problema puede pedir: “Ayudame a ordenar lo ocurrido por fechas y señalá qué datos me faltan reunir para hablar con un abogado”. Esa solicitud es distinta de pedir: “Decime qué demanda debo presentar”.

El problema surge cuando una respuesta preliminar se toma como una solución definitiva. La persona puede haber omitido un dato que no sabía importante; el sistema puede aplicar normas de otra jurisdicción, interpretar mal un documento o presentar como seguro un resultado que depende de la prueba disponible. Que la respuesta sea clara y convincente no garantiza que sea correcta. Se han detectado afirmaciones falsas o no sustentadas incluso en herramientas diseñadas para la investigación jurídica. ¹⁰

La diferencia puede ser decisiva. Usar la IA para preparar una lista de preguntas suele dejar abiertas las opciones. En cambio, firmar un acuerdo, enviar una intimación o dejar pasar un plazo basándose únicamente en esa conversación puede producir consecuencias difíciles de revertir. La autoconsulta aporta valor cuando ayuda a identificar lo que todavía necesitamos comprobar; se vuelve riesgosa cuando nos hace creer que ya no queda nada por preguntar.

También hay un beneficio después de la consulta. Si el profesional explicó varias alternativas, el cliente puede utilizar una herramienta para preparar preguntas adicionales sobre los términos que no comprendió. Así participa mejor de la decisión. La conversación con la IA puede complementar la conversación profesional, siempre que no se confundan sus funciones.

Debemos ser cuidadosos con la información que se comparte. Una consulta puede involucrar datos médicos, documentos de identidad, conversaciones privadas o información de familiares y terceros. En Argentina, la Ley 25.326 establece obligaciones relativas a la calidad, seguridad y confidencialidad de los datos personales. Preparar una cronología con referencias generales y sin documentos identificatorios puede ser suficiente para ordenar preguntas iniciales. ¹²

La otra cara de la productividad: más textos, más apariencia de certeza

La IA facilita producir un informe largo donde antes había apenas unas notas. Eso puede ayudar a no olvidar aspectos relevantes, pero la abundancia también tiene un costo. Un argumento débil ocupa espacio, una cita equivocada adquiere apariencia académica y una explicación innecesariamente extensa puede dificultar que el cliente comprenda lo importante.

El riesgo profesional no consiste únicamente en que la máquina invente algo. También podemos dejarnos convencer por una respuesta plausible porque confirma nuestra primera hipótesis. O dedicar tanto tiempo a revisar una lista de posibilidades que terminemos perdiendo de vista el problema principal. A veces, el mejor uso de la herramienta será pedirle tres objeciones concretas a una estrategia que ya estamos considerando, en lugar de solicitarle un escrito completo.

En este punto, la formación de los abogados más jóvenes merece atención. Si una máquina prepara todas las primeras investigaciones y todos los borradores, ¿cómo se aprende a reconocer una fuente confiable, advertir una omisión y construir un argumento propio? La solución no exige apartar la IA del aprendizaje. Exige utilizarla de modo que el profesional pueda explicar qué aceptó, qué descartó y por qué.

Una herramienta para pensar mejor, no una conciencia que piensa por nosotros

Decir que la IA funciona mediante modelos estadísticos y probabilísticos no es un modo de restarle valor. Precisamente resulta notable que ese funcionamiento permita conversar, resumir, relacionar información y ayudar a resolver problemas complejos. Su utilidad para la abogacía es real, y su capacidad seguirá cambiando.

Lo que considero necesario es usar con precisión la palabra “pensar”. En sentido funcional, una IA puede desarrollar pasos que llamamos razonamiento y ofrecer análisis que nos ayudan a razonar. En el sentido humano relevante para una decisión profesional, no delibera como alguien que conoce a su cliente, comprende lo que está en juego en su vida y asume las consecuencias de recomendar un curso de acción.

Por eso, no veo a la IA como una amenaza que deba rechazarse ni como una autoridad a la que debamos obedecer. La utilizo para ordenar ideas, encontrar objeciones, acelerar tareas y ampliar las alternativas que puedo examinar. Su mayor aporte quizá no sea darme la última palabra, sino ayudarme a llegar mejor preparado al momento en que debo pronunciarla.

La pregunta para la abogacía ya no es si una máquina puede producir argumentos jurídicos. Puede hacerlo. La pregunta es qué haremos nosotros con esa nueva capacidad: multiplicar documentos o mejorar la calidad de nuestras decisiones. Allí sigue estando, a mi juicio, el centro del ejercicio profesional.

Conclusión

La inteligencia artificial está transformando el ejercicio de la abogacía porque permite producir textos, organizar información y explorar alternativas a una velocidad que antes era impensable. Puede ayudar al cliente a llegar a la consulta con sus hechos y preguntas mejor ordenados. Y puede ayudar al abogado a investigar, detectar contradicciones, poner a prueba una estrategia y dedicar menos tiempo a tareas preparatorias. Esa mejora de productividad es una oportunidad real.

Para aprovecharla, debemos comprender qué clase de ayuda recibimos. Un modelo de lenguaje trabaja con patrones y probabilidades; los sistemas más avanzados pueden desarrollar pasos de razonamiento y resolver problemas complejos. Pero una respuesta bien argumentada no equivale necesariamente a una comprensión completa del caso. Puede faltar un hecho decisivo, una fuente puede estar mal interpretada y una solución correcta en abstracto puede resultar inconveniente para la persona que deberá vivir con sus consecuencias.

El razonamiento profesional comienza antes de pedir una respuesta y continúa después de recibirla. Consiste en definir qué problema hay que resolver, escuchar al cliente, comprobar los hechos y las fuentes, considerar las alternativas y explicar por qué se recomienda una de ellas. La IA puede enriquecer cada una de esas etapas. No puede asumir la responsabilidad del abogado ni reemplazar la participación del cliente en las decisiones que afectan sus derechos e intereses.

Mi conclusión no es que debamos elegir entre el razonamiento humano y el «razonamiento» de la IA. Podemos hacerlos trabajar juntos si mantenemos clara su diferencia. Cuanto más fácil resulte generar respuestas, más importante será saber formular buenas preguntas, reconocer cuándo una respuesta es insuficiente y decidir con criterio. Allí veo el valor que la abogacía debe preservar y fortalecer en esta transformación.

Notas y referencias

1. ↩ Marco Tulio Cicerón, De officiis, libro I, 11. Traducción del pasaje empleada en el texto: propia. https://texts.alpheios.net/text/urn%3Acts%3AlatinLit%3Aphi0474.phi055.perseus-lat1/passage/1.11-1.15
2. ↩ Ashish Vaswani y otros, Attention Is All You Need, 2017, especialmente la descripción de las probabilidades del siguiente token. https://arxiv.org/abs/1706.03762
3. ↩ Emily M. Bender, Timnit Gebru, Angelina McMillan-Major y Margaret Mitchell, On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?, Proceedings of FAccT, 2021. https://doi.org/10.1145/3442188.3445922
4. ↩ Emily M. Bender, Stochastic Parrots: Frequently Unasked Questions, mayo de 2026, especialmente el apartado «Bender says “AI is a stochastic parrot”». https://medium.com/@emilymenonbender/stochastic-parrots-frequently-unasked-questions-49c2e7d22d11
5. ↩ OpenAI, Reasoning models, documentación técnica sobre modelos de razonamiento y tokens empleados durante su procesamiento. https://developers.openai.com/api/docs/guides/reasoning
6. ↩ Shakked Noy y Whitney Zhang, Experimental evidence on the productivity effects of generative artificial intelligence, Science, vol. 381, 2023, pp. 187–192. https://doi.org/10.1126/science.adh2586
7. ↩ Fabrizio Dell’Acqua y otros, Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality, Organization Science, 2026. https://doi.org/10.1287/orsc.2025.21838
8. ↩ Organización Internacional del Trabajo, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 20 de mayo de 2025. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
9. ↩ Colegio Público de la Abogacía de la Capital Federal, Guía para el uso de Inteligencia Artificial para Abogados, julio de 2025. https://www.cpacf.org.ar/uploads/files/com/11072515_Gu%C3%ADaparaelusodeInteligenciaArtificialparaAbogados.pdf
10. ↩a ↩b Varun Magesh y otros, Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, Journal of Empirical Legal Studies, 2025. https://doi.org/10.1111/jels.12413
11. ↩ Ley 5.177, Ejercicio profesional en la Provincia de Buenos Aires, texto actualizado, especialmente arts. 25 y 58. https://www.argentina.gob.ar/normativa/provincial/ley-5177-123456789-0abc-defg-771-5078bvorpyel/actualizacion
12. ↩ Ley 25.326, Protección de los Datos Personales, texto actualizado, especialmente arts. 4, 9 y 10. https://www.argentina.gob.ar/normativa/nacional/64790/actualizacion