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 la base — Ingesta, búsqueda y recuperación
Módulo 1: El panorama del Ingeniero Legal
- Objetivos de aprendizaje: comprender el rol, dónde encaja la IA en los trabajos legales y los dos riesgos que atraviesan todo.
- Temas
-
- El rol del ingeniero legal y por qué está siendo contratado actualmente.
- Dónde encaja la IA: eDiscovery, revisión, contratos, investigación e investigaciones; el modelo EDRM explicado en términos sencillos.
- Construir vs. comprar.
- Los dos riesgos que atraviesan todo: confidencialidad/privilegio y defendibilidad.
Módulo 2: Los datos legales son desordenados — Ingesta y extracción
- Objetivos de aprendizaje: manejar la realidad de los datos legales a gran escala.
- Temas
- +1.400 tipos de archivos, correos electrónicos y PST, documentos escaneados, archivos de carga (.dat/.opt); metadatos incrustados relevantes.
- Extracción de texto (Tika), OCR y desduplicación como opción.
- Laboratorio: Ingesta en FreeEed — construir una tubería de ingestión sobre un conjunto deliberadamente desordenado de documentos (correos/PST, escaneos, archivos de carga).
Módulo 3: Búsqueda y recuperación — los cimientos
- 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 fechas; búsqueda en contenido OCRizado.
- Laboratorio: Búsqueda de eDiscovery — indexar un corpus y realizar búsquedas reales estilo eDiscovery, incluso dentro de escaneos OCRizados.
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 (retrieval), no el ajuste fino (fine-tuning), es preferible para material sensible: el modelo nunca «traga» los documentos.
- Chunking, embeddings y, sobre todo, citas/procedencia.
- Resumen multdocumento y por hilos (threads).
- Laboratorio: RAG Legal con Citas — construir un Q&A basado en RAG sobre un conjunto de documentos que responda con citas de origen.
Día 2: Hacerlo privado, defendible y listo para producción
Módulo 5: Privacidad, privilegio y despliegue local: la trampa del privilegio
- Objetivos de aprendizaje: mantener los datos legales locales y poder certificarlo.
- Temas
- Hacia dónde van realmente los datos cuando se envían a una IA en la nube.
- Baja del privilegio, deber de competencia y el espectro de lo «privado» (contractual vs. físico).
- Morgan v. V2X y por qué lo local es defendible ante los tribunales.
- Despliegue 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 del sistema.
Módulo 6: Revisión de IA defendible
- Objetivos de aprendizaje: medir y documentar una revisión de IA para que sea válida ante un tribunal.
- Temas
- Las métricas que resisten en juicio: recall, elusion (evasión), precisión y validación contra ground-truth; TAR/aprendizaje activo.
- Transparencia (¿por qué clasificó este documento?) y reproducibilidad: fijar el modelo, configurar los parámetros, registrar todo.
- La «instantánea defendible del caso» que permite a otra persona reejecutar tu revisión un año después y obtener el mismo resultado.
- Laboratorio: Revisión Defendible — medir una revisión de IA contra una ground-truth 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, desplegarlas de forma privada y evaluar el sistema.
- Temas
- Un flujo de trabajo legal multi-paso (ingesta → búsqueda → resumen → revisión → producción) con intervención humana.
- Fundamentos del despliegue privado/on-prem (contenerizar; mantener los datos dentro de la organización).
- Gobernanza de IA para el derecho en breve y evaluación del sistema con SAIS-100 (la Escala Segura de IA de Elefante).
- Laboratorio: Puntuación y Empaque — conectar un flujo de trabajo multi-paso, 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, buscarlo, 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.
Módulos Avanzados: Día 3 Opcional (entregable como día 3 o serie modular)
- Investigaciones: Entidades, Relaciónes y Líneas de Tiempo. — extraer personas/organizaciones/fechas, reconstruir hilos de correo, crear cronologías, mapear casi-duplicados y linaje de documentos. Laboratorio: construir una línea de tiempo y vista de entidades/relaciones.
- Flujos de Trabajo Agentes y Multi-Paso (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-paso con un punto de control humano.
- Despliegue a Escala. — despliegue on-prem 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 trabajadores.
- Inmersión en Gobernanza y Cumplimiento Normativo. — panorama de la regulación de IA (+100 leyes estatales de EE. UU., Reglamento 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 experiencia previa en ML; construimos el modelo mental).
- No se necesita conocimientos previos de derecho; los conceptos legales necesarios se enseñan en contexto.
Público Objetivo
- Ingenieros de software/IA que se están moviendo hacia el sector de tecnología legal.
- Ingenieros de empresas de tecnología legal que necesitan profundidad en el dominio legal.
- Profesionales técnicos del derecho, eDiscovery o gestión de información que desean construir, no solo adquirir herramientas.
- Cualquier persona que aspire al 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
