La automatización que permite la IA ha comportado múltiples ventajas también en el ámbito jurídico y legal. Este es el caso de Atomian, empresa que ha construido una IA como un sistema de conocimiento universal, que aprende los conceptos de una forma muy similar a como lo hacemos las personas. A partir de ese conocimiento, es capaz de interpretar documentos en toda su extensión y de extraer conceptos clave con una fiabilidad de casi el 100%. La tecnología cognitiva de Atomian ha permitido a despachos de abogados y procuradores gestionar un gran volumen de notificaciones judiciales y notas simples en muy poco tiempo. Así lo explica en la siguiente entrevista Emili Mata, Director General de Atomian en Europa.
¿Qué necesidad resuelve la IA en el mundo legal, tech y Fintech?
Nosotros hablamos de computación cognitiva. Lo que hacemos es utilizar la capacidad de los ordenadores para comprender el lenguaje humano escrito. ¿Dónde brilla más la computación cognitiva en comparación con la computación matemática, predictiva o basada en ejemplos y entrenamiento? Brilla cuando la estructura del escrito de los documentos es menos estándar y menos repetitiva. Escritos legales, de seguros (pólizas de seguros complejas), escritos médicos, dictámenes, jurisprudencia, aplicación o no de ciertas cláusulas, compliance, verificación de informes, de reporting, de informes técnicos… ahí es donde la computación cognitiva brilla, porque no hace falta entrenar con grandes volúmenes de información, no hace falta tener sets entrenados para hacerlo. Además, tiene toda una serie de ventajas sobre otras tecnologías de IA: información transparente, traceable y justa y equitativa -no hay sesgos de ningún tipo. Brilla especialmente en el tema legal donde el entrenamiento en sentencias judiciales ha dado lugar a predicciones basadas en textos antiguos, basadas en otros contextos culturales u otra relación entre las personas.
¿Cómo se evitan estos sesgos?
Se evitan porque lo que se está haciendo con la computación cognitiva no es tomar decisiones basadas en tendencias o porcentajes que se han aprendido a partir de fórmulas matemáticas a base de entrenamientos con otros ejemplos. Cuando estamos leyendo con computación cognitiva, el approach es diferente. Lo que estamos haciendo es entender el texto en su completa concepción. No lee keywords sino que lee conceptos y, por tanto, se exprese como se exprese un concepto, no arrastra sesgos, tendencias, errores … Eso permite que la inteligencia basada en computación cognitiva no arrastre ese tipo de errores y que sea, además, traceable.
Estamos solo en el punto de partida. ¿Cómo es el futuro que se vislumbra?
El futuro es espectacular. Y puede ser peligroso si no somos cautos. En pocos meses hemos conseguido pasar de la sorpresa y la admiración por resultados de IA generativas que son muy espectaculares, a entender que eso entraña riesgos, zonas oscuras. El principal es engañar a las personas. Sobre todo, generar información falsa. Y eso se está aplicando mucho en imágenes, por ejemplo. Se ha hablado durante muchos años de los engaños asociados a Photoshop, imágenes distorsionadas de la realidad, personas que no eran como parecían ver. Nos hemos acostumbrado a eso y a saber filtrar esa información. Lo mismo está pasando en la actualidad.
Cuando la IA generativa genera un informe o un documento escrito lo está haciendo en base a información previa de entrenamiento, está haciendo correlaciones entre varios conceptos basado en un entrenamiento previo. Eso no quiere decir que sea real, que se haya contrastado. El reto pasa por regular todo esto, sobre todo en el uso más ordinario. La ventaja que tiene es que permite que las personas se dediquen a hacer tareas de valor, que se dediquen a ser creativas. La IA va a permitir que los abogados aporten valor, entender los conceptos y cuál es la mejor estrategia con información bien fundamentada sin tener que malgastar tanto tiempo, leyendo documentación, jurisprudencia o bases de datos legales que no aportan valor.
¿Cómo funciona vuestro software?
Hemos creado un motor cognitivo. Es un software que recibe inputs -texto, básicamente-, y es capaz de establecer la identificación de conceptos y relacionarlo con un modelo cognitivo que ya tiene. Los modelos cognitivos son propios de cada idioma. Muchas veces los conceptos se repiten, se relacionan entre ellos. Por ejemplo, el concepto de la Sagrada Familia tiene relación con otros conceptos de diferentes ámbitos: con Gaudí y todas sus obras desde el punto de vista arquitectónico, con la catedral de Barcelona desde el punto de vista religioso, con puntos turísticos de Barcelona… Esas relaciones múltiples se construyen, se dibujan en un modelo de conocimiento –knowledge graph-, y eso es capaz de explotarse de manera continuada. Eso es lo que permite que Atomian entienda los textos. Sobre eso se pone otra capa que es una capa cognitiva específica. En la primera capa lo que hacemos es entender el texto como lo haría un graduado de ESO o de Bachillerato, que es capaz de entender un lenguaje en profundidad, textos complejos, y entender los conceptos que se representan. Y después vamos a una segunda capa de especialización, que es la verticalización, que consiste en comprender conceptos específicos de áreas de conocimiento, por ejemplo, la especialización en temas legales. Esa segunda capa es la que nos permite entender con eficiencia desde el inicio ese texto. Y sobre esa base de conocimiento ese motor coge el conocimiento -puede ser un pdf, un Word, una imagen escaneada de calidad- y sobre eso aplicamos toda una serie de extractores, que son piezas de software específicas para aplicar a un texto y lo que hacen es relacionar un rol con un concepto.
¿Puedes poner algún ejemplo de su aplicabilidad en el ámbito legal?
Por ejemplo, en la lectura de diligencias judiciales, que es una de nuestras especialidades, aplicamos ese conocimiento y esos extractores para extraer toda la información necesaria para detectar no solo que se está comunicando en esa notificación judicial sino también quiénes son los actuantes y cuáles son los hitos que del proceso judicial se están cumpliendo: si se requiere nueva documentación, si se detiene el proceso, si queda sobreseído o se pasa a una nueva etapa del proceso judicial. La principal ventaja de ello es que podemos automatizar de manera rápida y efectiva, con mucha fiabilidad, procesos que hasta ahora se hacían manualmente.
¿Cuándo detectasteis esta necesidad de los profesionales que se dedican a temas legales y de jurisprudencia?
La primera vez que detectamos esta necesidad fue en la lectura de documentación judicial. Hablando con un despacho de abogados y procuradores vimos que era un problema grave que requería mucho tiempo y nos daba la posibilidad de aportar mucho valor a esos despachos. Hablamos mucho con ellos para entender cuál era la problemática y conseguir finalmente aportar una solución. Ello nos llevó un par de años acabar de afinarlo. Y nos ha permitido dar resultados por encima del 98 y 99% de fiabilidad. Aplicamos sistemas de mejora continua. Ellos tienen un sistema de reporting inmediato que nos llega a nosotros, verificamos y añadimos para que no vuelva a pasar.
De hecho, vuestra empresa se creó a raíz de este software, ¿es así?
La empresa se generó en 2014-2015 a partir de la necesidad de generar un modelo de gestión del conocimiento. Salimos al mercado a finales de 2017. Entonces generamos la mayoría de extractores que estamos utilizando actualmente. Desde entonces hemos ido sacando nuevos extractores relacionados con las nuevas necesidades de los clientes. Cada cliente requiere procesos y soluciones diferentes: despachos de procuradores que se dedican a reclamaciones como impagos hipotecarios, empresas que se dedican a valoración y gestión inmobiliaria, también temas legales en el sector Fintech (por ejemplo, notas simples de la propiedad, escrituras, validación, cotejo de escrituras, cálculo de pago para la plusvalía…). Son tareas y gestiones muy mecánicas y que están relacionadas con documentos complejos y que están redactados de manera diferente. Por tanto, notarías, despachos de abogados o procuradores, inmobiliarias o gestoras de inmobiliarias, empresas de repago y de recobro, empresas de gestión de activos, bancos que gestionan morosidad, portales de morosos, prevención de morosidad.
¿Cuál es el próximo desafío?
El próximo desafío es ampliar la base de documentos con los que trabajamos. Tenemos una muy buena base de comprensión del lenguaje castellano y del lenguaje legal y del lenguaje financiero. Nos queda ampliar esa base de documentos que es lo que genera los extractores específicos. Estamos trabajando directamente con nuestros clientes. Hemos desarrollado también mucho las herramientas de desarrollo de esos extractores, somos capaces de sacar un documento en pocos días con un alto porcentaje de fiabilidad.
La siguiente etapa es estar cada vez más presentes en Estados Unidos, donde cada vez contamos con más inversores interesados en nuestro software para temas legales. LA IA está aquí para quedarse, para quedarse en la forma en la que los humanos deseemos. Ha venido para ayudar y no para sustituir. Hay un miedo intrínseco a una nueva tecnología que va a sustituir puestos de trabajo. LA IA como nosotros la concebimos, como la mayoría de empresas que desarrollan IA, no la adoptan para sustituir personas sino para que esas personas se puedan dedicar a tareas más creativas y de mucho más valor.
