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 los fundamentos — Ingestión, Búsqueda, Recuperación
Módulo 1: El panorama del Ingeniero Legal
- Objetivos de aprendizaje — comprender el rol, cómo encaja la IA en el trabajo legal y los dos riesgos que atraviesan todo.
- Temas
-
- El rol del ingeniero legal y por qué está siendo contratado ahora.
- Ubicación de la IA: eDiscovery, revisión, contratos, investigación, investigaciones; el modelo EDRM en términos simples.
- Construir vs. comprar.
- Los dos riesgos centrales: confidencialidad/privilégio y defensibilidad.
Módulo 2: Los datos legales son desordenados — Ingestión y extracción
- Objetivos de aprendizaje — manejar la realidad de los datos legales a gran escala.
- Temas
- Más de 1,400 tipos de archivos, correos electrónicos y PSTs, papel escaneado, archivos de carga (.dat/.opt); metadatos incrustados que importan.
- Extracción de texto (Tika), OCR y deduplicación como opción.
- Laboratorio: Ingestión en FreeEed — construir un pipeline de ingestión sobre un conjunto de documentos deliberadamente desordenado (correos/PSTs, escaneos, archivos de carga).
Módulo 3: Búsqueda y recuperación — Los fundamentos
- Objetivos de aprendizaje — construir la primitiva principal de eDiscovery: encontrar cualquier cosa dentro de todo.
- Temas — búsqueda full-text e indexación (Solr/Lucene); relevancia, metadatos y filtrado por fecha; búsqueda a través de contenido OCR.
- Laboratorio: Búsqueda en eDiscovery — indexar un corpus y realizar búsquedas reales estilo eDiscovery, incluyendo dentro de escaneos procesados con OCR.
Módulo 4: RAG para documentos legales — Con citas
- Objetivos de aprendizaje — construir RAG sobre documentos legales que cite sus fuentes.
- Temas
- Por qué recuperar, no ajustar finamente (fine-tuning), para material sensible — el modelo nunca "traga" los documentos.
- Fragmentación (chunking), embeddings y, sobre todo, citas / procedencia.
- Resumen multi-documento e hilo de conversación.
- 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, Privilégio y Servicio Local — La trampa del privilegio
- Objetivos de aprendizaje — mantener los datos legales locales y poder certificarlo.
- Temas
- Dónde va realmente los datos cuando tocan una IA en la nube.
- Renuncia al privilegio, deber de competencia y el espectro de lo "privado" (contractual vs. físico).
- Caso Morgan v. V2X y por qué lo local es defendible ante un tribunal.
- Servir modelos locales (Ollama / vLLM) y monitorear el tráfico saliente.
- Laboratorio: Modelo Local + Prueba de egress — ejecutar un modelo local de extremo a extremo y demostrar, mediante monitoreo, que ningún dato salió.
Módulo 6: Revisión de IA Defendible
- Objetivos de aprendizaje — medir y documentar una revisión de IA para que sea válida ante la ley.
- Temas
- Los números que sostienen en un tribunal: recall, elusion, precisión, validación de ground-truth; TAR / aprendizaje activo.
- Transparencia (¿por qué codificó este documento?) y reproducibilidad — fijar el modelo, configurar parámetros fijos, registrar todo.
- La "instantánea del caso defendible" que permite a alguien volver a ejecutar 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 evaluarlas.
- Temas
- Un flujo de trabajo legal multi-paso (ingestión → búsqueda → resumen → revisión → producción) con intervención humana.
- Esenciales para despliegue privado/on-prem (contenedorizar; mantener los datos dentro del edificio).
- Gobernanza de IA para lo legal brevemente, y puntuar el sistema con SAIS-100 (la Puntuación de IA Segura Elephant Scale).
- Laboratorio: Puntuar y Empaquetar — 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 sobre él con citas usando un modelo local, medir una revisión defendible y empacarlo para despliegue privado.
- Los participantes se llevan un proyecto de portafolio que representa el trabajo real de un ingeniero legal.
Día 3 Opcional / Módulos Avanzados (entregables como un 3er día o una serie modular)
- Investigaciones: Entidades, Relaciones y Líneas de Tiempo — extraer personas/organizaciones/fechas, reconstruir hilos de correo electrónico, construir cronologías, mapear duplicados cercanos y linaje de documentos. Laboratorio: construir una línea de tiempo y una vista de entidades/relaciones.
- Flujos de trabajo ágenticos y multi-paso legales (profundización) — 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 local y en appliances, procesamiento distribuido para grandes volúmenes, entornos regulados (CJIS, gobierno, educación superior), dimensionamiento de hardware. Laboratorio: contenedorizar y escalar un trabajo de procesamiento entre varios workers.
- Profundización en Gobernanza y Cumplimiento — el panorama de la regulación de IA (+100 leyes estatales de IA en EE.UU., Reglamento de IA de la UE), requisitos de auditoría y una auditoría de gobernanza completa de SAIS-100. Laboratorio: auditar un sistema de IA legal contra una lista de verificación de gobernanza/defensibilidad.
Requerimientos
- Comodidad con Python y APIs básicas.
- Útil: familiaridad con LLMs a nivel de usuario (no se requiere antecedentes en Machine Learning, construimos el modelo mental).
- No se requiere conocimiento previo del ámbito legal — los conceptos legales necesarios se enseñan en contexto.
Público objetivo
- Ingenieros de software o IA que se trasladan hacia la tecnología legal.
- Ingenieros de empresas de tecnología legal que necesitan profundizar en el dominio jurídico.
- Profesionales técnicos del ámbito legal, eDiscovery y gestión de información que quieren construir soluciones, no solo comprarlas.
- Cualquiera que apunte 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
