Fuente: Cavani, M. y Cavani, R. (2026). Suplemento Legal: ¿Es CURIA la IA judicial que garantiza justicia y ética? Descúbrelo. Suplemento Jurídica, Diario Oficial El Peruano, 20 de enero de 2026, 20:37 h.
Autores: Maurizio Cavani (MsC, biólogo computacional) y Renzo Cavani (profesor ordinario asociado, PUCP). Tercer artículo de una serie de los mismos autores sobre CURIA, el asistente de IA de la Quinta Sala de Derecho Constitucional y Social de la Corte Suprema — el mismo sistema documentado en la Publicación 2 del corpus QNM.
Objeto: Reconstrucción técnica especulativa de la arquitectura de CURIA a partir de dos informes situacionales oficiales, ante la ausencia de información pública completa. Los propios autores advierten que actúan "a un paso adelante" mediante inferencia técnica, no verificación directa.
Arquitectura reconstruida (hipótesis técnica, no confirmada oficialmente): Sistema tipo Retrieval-Augmented Generation (RAG) con cinco módulos: (1) pipeline ETL jurídico (OCR/parsing), (2) motor de embeddings (posibles arquitecturas SBERT adaptadas al dominio jurídico), (3) indexador/motor de búsqueda híbrido, (4) generador condicional (LLM), (5) capa de interacción conversacional. Eficiencia reportada en la PoC: ~270 folios procesados en ~4.5 minutos por caso.
Dato crítico sobre el corpus de entrenamiento: La prueba de concepto se entrenó con 1,136 antecedentes y la base SPIJ especializada en revisión de legalidad de ejecución coactiva. Los autores señalan como limitación técnica seria que esta muestra es "insuficiente para entrenar un generador de lenguaje generalizable sobre una amplia gama de supuestos jurídicos" y que la extrapolación a otros tipos de procesos exige "estrategias adicionales de transferencia o ampliación del set de datos".
Vacíos técnicos no documentados por las fuentes oficiales, identificados por los autores: granularidad de las anotaciones del corpus; política de curación y selección de los 1,136 antecedentes; preprocesamiento aplicado (anonimización de datos personales, normalización). Sin esta documentación, concluyen, "la evaluación técnica queda circunscrita a observaciones empíricas sin mayor reproducibilidad".
Cuatro requisitos técnicos propuestos para que CURIA sea institucionalmente fiable: (1) versionado reproducible de datasets/modelos; (2) trazabilidad por sugerencia (fuentes, puntajes de similitud, parámetros de generación); (3) protocolos de evaluación y benchmarks públicos anotados por expertos; (4) interfaces y modularidad (APIs con contratos claros, desacoplamiento de componentes).
Referencia normativa: Confirma que el Reglamento de IA (D.S. N.° 115-2025-PCM) fue aprobado en septiembre de 2025, y que un artículo previo de los mismos autores ya analizó los desafíos de CURIA frente a dicho reglamento.
Nota editorial contextual relevante: En la misma edición de El Peruano (20/01/2026), en la sección Opinión, aparece un artículo titulado "Fortalecer la ANA, clave para el desarrollo", que señala que el Perú enfrenta emergencias por sequías e inundaciones con creciente frecuencia sin abordar el problema estructural de institucionalidad sólida para la gestión hídrica — dato de contexto editorial que refuerza, desde el mismo medio oficial, la línea de investigación QNM sobre gobernanza del agua.
Relevancia para el corpus QNM (Publicación 2 — CURIA): Este es el primer documento del corpus que aporta un análisis técnico independiente y crítico (no institucional, no QNM) sobre uno de los tres sistemas de IA judicial. Confirma con fuente experta externa —desde perspectiva de ingeniería de modelos— exactamente el patrón de opacidad que QNM documentó en la Publicación 2: ausencia de trazabilidad, ausencia de benchmarks públicos, ausencia de auditoría reproducible. La coincidencia entre el diagnóstico técnico de los Cavani y el diagnóstico jurídico-ambiental de QNM refuerza la solidez del hallazgo transversal de la serie.
Nuevamente, ninguno de los cuatro frentes técnicos propuestos por los autores (versionado, trazabilidad, benchmarks, interfaces) menciona consumo computacional, energético o hídrico de la infraestructura que sostiene a CURIA — confirmando por sexta vez en el corpus (Documentos 2, 3, 4, 5, 6 y ahora 7) el punto ciego ambiental transversal a toda la producción académica, normativa y periodística especializada sobre IA judicial en el Perú.
Lista de contaminantes: No aplica — artículo técnico-periodístico sobre arquitectura de IA judicial, sin mediciones ambientales.
Brechas de gestión:
- Los propios autores confirman que la información pública oficial sobre CURIA es insuficiente para "comprender del todo el funcionamiento del sistema ni tampoco si se encuentra alineado con estándares éticos de la IA" — validación experta externa del patrón de opacidad ya denunciado por QNM.
- Corpus de entrenamiento (1,136 antecedentes) técnicamente insuficiente según estándares de ingeniería de modelos, riesgo que se traslada directamente a la fiabilidad de los proyectos de ejecutoria suprema generados.
- Ausencia de trazabilidad por sugerencia (fuentes, puntajes de similitud, parámetros de inferencia), lo que impide auditoría posterior de por qué CURIA ofreció una sugerencia determinada — vacío que coincide con la ausencia de auditoría de sesgo ya señalada en IUDEX IA (Documento 5) y Amauta.Pro (Documento 4).
- Ausencia total, también en este análisis técnico especializado, de cualquier referencia al consumo computacional/energético/hídrico de la infraestructura que soporta a CURIA — sexta confirmación del punto ciego ambiental transversal del corpus QNM.
- Vencimiento del plazo de adecuación al D.S. N.° 115-2025-PCM (septiembre 2026) sin que conste, a enero de 2026, documentación técnica pública que permita evaluar el cumplimiento de los requisitos de transparencia algorítmica exigidos por dicho reglamento.
No hay comentarios:
Publicar un comentario