7 módulos · 31 horas
El programa está organizado en 7 módulos. Cada uno combina teoría con práctica, y los módulos 3 a 5 usan el swarm _judicial como ejemplo vivo con casos del fuero de familia.
¿Qué es la IA y qué puede/no puede hacer?
Tipos de IA (narrow vs general), qué hace bien (síntesis, estructuración, búsqueda semántica, consistencia, tareas mecánicas) y qué hace mal (sentido común, responsabilidad, actualidad garantizada, creatividad argumentativa). Regla clave: la IA es un asistente, no un colega.
Seguridad, Privacidad y Confidencialidad en el Uso de IA
Tipos de datos sensibles en el PJ (PII, datos de NNA, información médica, secretos sumariales, financieros). Riesgos concretos al usar IA pública (entrenamiento con tus inputs, logs, terceros subcontratados, alucinaciones). El caso Samsung y sus lecciones. Buenas prácticas: anonimización, redacción selectiva, servicios auditados, audit trail, capacitación al personal. La Regla de Oro: trazabilidad obligatoria.
Gestión de Agentes de IA
Qué es un agente vs un chat simple. Cuándo SÍ conviene construir un agente (tareas repetitivas, conocimiento específico, audit trail) y cuándo NO (tareas únicas, bajo riesgo, sin integración). Anatomía de un agente: system prompt, modelo, herramientas, conocimiento, memoria, gates. Demo: el swarm _judicial ejecutando el pipeline con el caso FAM-2024-001. Límites técnicos, de seguridad, legales y éticos. Ejercicio: diseñar un agente para una tarea del juzgado de familia.
IA como herramienta de investigación jurídica
Búsqueda tradicional vs búsqueda con IA. Fuentes confiables: INFOLEG, SAIJ, Boletín Oficial de Santa Fe, Poder Judicial de Santa Fe, Diario La Ley. Lo que NO es fuente confiable (Wikipedia, blogs). Cómo construir un prompt de búsqueda efectivo. Cómo verificar lo que la IA dice (fuente explícita, contraste, vigencia, doble fuente, sentido común). Caso práctico: armar el marco normativo del caso FAM-2024-001 (Pérez c/ García). Ejercicio: 3 búsquedas con errores intencionales para detectar.
IA en la redacción de sentencias y resoluciones
Qué puede hacer la IA en la redacción (estructurar, sugerir redacción, buscar normativa, revisar coherencia, resumir) y qué no puede (decidir el fondo, interpretar normas ambiguas, considerar impacto humano, reemplazar prudencia judicial). Anatomía de un draft del swarm (VISTOS, CONSIDERANDO, RESUELVO). Demo en vivo: el swarm redactando un decreto de admisibilidad con el caso FAM-2024-001. El rol del magistrado: editor, no autor pasivo. Cuándo NO usar IA para redactar (sentencias, resoluciones sobre NNA). Ética: la diferencia entre asistir y sustituir.
Evaluación de prueba pericial tecnológica
Qué es la prueba pericial tecnológica (informática, criptoactivos, comunicaciones, datos, IA). Caso FAM-2024-003: sucesores con criptoactivos. Qué preguntar al perito (datos, modelo, resultados, reproducibilidad, límites). Cómo leer un informe pericial sobre IA (metodología, datos de entrenamiento, test de sesgo, explicabilidad, auditoría). Casos reales: COMPAS, Amazon hiring tool, SyRI. Status en el swarm v1.0: el skill _judicial-pericia-evaluador está diferido a v1.1.
Aspectos legales y éticos de la IA
Regulación comparada: EU AI Act, Brasil PL 2338, Argentina, Santa Fe. Sesgos algorítmicos: cómo se originan (datos de entrenamiento, diseño del modelo, datos de uso, feedback loops). Responsabilidad del magistrado. Decisiones automatizadas y Constitución Nacional (arts. 18, 33, 75 inc. 22, 42; OC-192/2008). La Regla de Oro como framework ético: los 3 principios operacionales (J1, J2, J3) son una declaración ética, no solo técnicas. Dilemas recurrentes (transparencia, sesgo, reemplazo del secretario). Mesa redonda final.
¿Querés ver los casos prácticos?
Los módulos 3 a 5 usan 3 casos sintéticos del fuero de familia de Santa Fe como ejercicios prácticos.
Ver los 3 casos →