Plumas NCC |El ente y el simulador: Cuando la tecnología intenta ocultar la falta de talento legal

Por: Mtro. Rodolfo Guerrero Martínez (México).

 

En 1988, Ignacio Burgoa Orihuela, abogado y escritor mexicano, publicó un opúsculo intitulado “el jurista y el simulador del derecho”, dirigido a quienes se forman en la carrera de Derecho, cuya vigencia hoy resulta incómoda. Ahí retrató al simulador jurídico como quien finge lo que no es: un ser vanidoso, vacío por dentro y engañoso por fuera, que aparenta sabiduría para envolver su ignorancia y que rehúye el estudio porque su idiosincrasia utilitarista se lo impide (Burgoa, 1988).

Casi cuatro décadas después, el simulador dispone de un aliado que el maestro no pudo imaginar: un ente artificial que opera como modelo de razonamiento y que, en segundos, puede producir sentencias, demandas y dictámenes con apariencia impecable. La pregunta que este artículo plantea es directa: ¿la inteligencia artificial expone al simulador o lo perfecciona?

El diagnóstico de Burgoa, intacto

Conviene precisar el punto de partida, dado que, para Burgoa, la simulación no es un defecto técnico sino una patología moral. El simulador de abogado no litiga: halaga a jueces y secretarios, se finge influyente y evita asumir responsabilidad profesional directa, precisamente porque desconoce la esencia de los asuntos en que interviene. Peor aún es el juez simulador, a quien el jurista mexicano describió como un ser de mayor peligrosidad social que el más draconiano de los gobernantes, pues su ignorancia o interés personal lo convierte en negación misma del Estado de Derecho. La maldición que cierra aquel capítulo —entre jueces simuladores te veas— adquiere hoy un matiz tecnológico, el simulador contemporáneo ya no necesita fingir elocuencia; la subcontrata.

Ahora bien, el ente artificial no es culpable de esta mutación, es decir, un modelo de lenguaje carece de vanidad, de megalomanía y de cobardía, los vicios que Burgoa atribuyó al farsante. Por consiguiente, el problema surge cuando el profesional sin talento convierte a la máquina en máscara: presenta como propio un razonamiento que no comprende, no puede defender y, con frecuencia, ni siquiera verificó. La simulación clásica exigía al menos audacia histriónica; la actual solo requiere copiar y pegar.

El espejo virtuoso: el voto del Magistrado Muñoz Acevedo

Ante ese peligro, la práctica judicial mexicana ya permite observar dos respuestas contrastantes. La primera aparece en el voto concurrente dictado dentro del amparo directo 213/2025, en el que el Segundo Tribunal Colegiado en Materia Administrativa del Segundo Circuito recurrió a ChatGPT, Gemini y DeepSeek como herramientas de contraste para fortalecer el cálculo de una indemnización derivada de responsabilidad patrimonial del Estado. En lugar de encubrir esa asistencia tecnológica, el Magistrado Isidro Emmanuel Muñoz Acevedo la hizo explícita y delimitó su alcance al sostener que la persona juzgadora no puede trasladar su facultad decisoria a la inteligencia artificial, ya que ello supondría renunciar a su función constitucional y evadir la responsabilidad que acompaña toda resolución judicial (Muñoz, 2026).

El voto sostiene, además, que sustituir el raciocinio judicial por un algoritmo lesiona la explicación debida al justiciable, la rendición de cuentas del tribunal y la congruencia entre ley y decisión pública. Su advertencia central merece subrayarse: los jueces no pueden ocultarse al amparo de sistemas automatizados ni hacer pasar como propios los argumentos generados por una máquina como bien refiere Muñoz Acevedo (2026). Dicho de otro modo, la transparencia convierte al ente en instrumento; la opacidad lo convierte en cómplice.

El espejo degradado: la sanción a la Juez González Cortés

El segundo espejo es menos alentador, debido a que, en julio de 2026, el Tribunal de Disciplina Judicial suspendió a Lizbeth González Cortés, titular del Juzgado Tercero de Distrito en Zacatecas y jueza electa en los comicios judiciales de 2025. Entre los señalamientos acumulados durante meses figuran el desconocimiento de los procedimientos, un rezago superior al de otros juzgados, la delegación de asuntos propios y, de manera significativa, el empleo de inteligencia artificial para redactar sentencias, acuerdos y otros documentos (Martínez, 2026).

La diferencia estructural con el caso anterior es nítida al demostrar que no se trata del uso auxiliar, documentado y supervisado de una herramienta, sino de su utilización como sustituto del oficio que la titular debía acreditar. Cuando la máquina redacta lo que la persona juzgadora no sabe elaborar, la tecnología deja de ser apoyo y se vuelve coartada. Ahí reaparece, con exactitud quirúrgica, el tipo que Burgoa describió: quien aparenta valía para cubrir su insignificancia, solo que ahora la apariencia la produce un servidor remoto.

Método contra simulación

¿Cómo distinguir, entonces, al jurista asistido del simulador asistido? La propuesta metodológica desarrollada a partir de la queja civil 212/2025 —primera resolución judicial asistida por IA en México— ofrece una respuesta operativa articulada en tres fases con separación funcional (Guerrero, 2026). Inicialmente con los datos cuantitativos (inflación, tasas, valores catastrales) se obtienen exclusivamente de fuentes primarias como INEGI o Banxico, pues tienen una única respuesta correcta y el modelo de lenguaje no es fuente válida para recuperarlos.

Segundo, con los datos ya verificados, la herramienta puede apoyar el razonamiento hermenéutico, desde identificar criterios jurisprudenciales —siempre confirmados en el sistema IUS, dado el riesgo documentado de tesis fabricadas— hasta redactar borradores de fundamentación. Y en tercer término con la decisión es humana y deja constancia en autos del modelo utilizado, su versión, la fecha y el prompt exacto, de modo que el uso sea auditable en segunda instancia.

Este protocolo no es burocracia añadida; es precisamente lo que el simulador no puede cumplir. Verificar una tesis en el IUS, contrastar una tasa contra el Diario Oficial o validar cada aporte del modelo exige saber Derecho. La documentación del proceso funciona como prueba de talento: quien domina la materia puede exhibir su método sin temor; quien simula necesita ocultarlo.

Por eso la advertencia empírica es pertinente: los modelos de lenguaje alucinan con frecuencia alarmante en tareas jurídicas específicas, inventando precedentes y citas con total verosimilitud (Dahl et al., 2024). El profesional que no puede detectar esas fabricaciones no está usando la herramienta, está siendo usado por ella.

Del prompt al bucle: el simulador sin supervisión

El panorama tecnológico agrava la urgencia de esta distinción, comprendiendo la interacción con la IA migra de la ingeniería de prompts —donde el humano revisa cada respuesta antes de dictar la siguiente instrucción— hacia la ingeniería de bucles agénticos: se fija una meta verificable, un disparador activa al agente y este actúa, evalúa si alcanzó el objetivo y reitera el ciclo sin intervención humana hasta cumplirlo; la revisión se desplaza al final del proceso (Data Science Dojo, 2026).

En términos técnicos, el propio ecosistema advierte que no está exento de riesgos, pues puede derivar en ciclos interminables, desviaciones respecto de la meta original o fallas silenciosas en las que el agente simula avance sin producir progreso verificable. Por ello, sus límites deben fijarse mediante barandales irrenunciables, como criterios de terminación comprobables, trazabilidad del proceso y control humano obligatorio antes de cualquier decisión irreversible.

Trasladado al foro, el riesgo escala en proporción directa: si el simulador de ayer copiaba y pegaba una respuesta, el de mañana podrá delegar expedientes completos a agentes que operan en bucle mientras él firma sin leer. La carrera entre modelos —cuyos rankings de Arena AI (2026) en generación de código se reordenan semana a semana— garantiza herramientas cada vez más capaces, pero ninguna clasificación mide lo que la función jurisdiccional no puede tercerizar: la responsabilidad de quien firma.

Hay, con todo, una convergencia alentadora: los barandales de la ingeniería de bucles —meta verificable, supervisión humana en decisiones irreversibles, constancia auditable— son estructuralmente idénticos a las tres fases de la propuesta metodológica judicial mexicana. La lección es la misma en el código y en el estrado: la autonomía de la máquina se acota con método; jamás se entrega con la firma.

El talento no se delega

El ente artificial no es éticamente neutro, ya que reproduce los sesgos de los datos que lo alimentan y las decisiones de valor de quienes lo diseñan, al punto de poder sistematizar desigualdades históricas tal como se subraya por Piñeiro Vilas (2025). Lo que no tiene es intención, no elige engañar ni puede responder por lo que produce. El simulador, en cambio, elige. La misma tecnología que en el amparo directo 213/2025 sirvió para robustecer un cálculo indemnizatorio bajo supervisión estricta, en Zacatecas encubrió la impericia de quien debía impartir justicia. Es decir, la variable determinante nunca fue la máquina, sino la persona: su formación, su honestidad intelectual y su disposición a responder por lo que firma.

Burgoa escribió que el poder del juez radica en entender sus limitaciones; el voto del Magistrado Muñoz Acevedo actualiza esa lección al recordar que quienes juzgan también comparecen en el juicio y que esa responsabilidad no admite delegación humana ni algorítmica.

La tentación de acelerar y automatizar los procesos humanos suele ser el preludio de su destrucción. Frente a ella, la respuesta no es prohibir el ente, sino exigir al jurista lo que ninguna máquina puede simular durante mucho tiempo: talento verificable, método transparente y el valor de admitir, como pedía Burgoa, lo que aún no se sabe.

 

Referencias

Arena AI. (2026). Frontend Code Arena leaderboard [Gráfico]. https://x.com/arena/status/2077824029126504525?lang=es

Burgoa, I. (1988). El jurista y el simulador del derecho. Porrúa.

Dahl, M., Magesh, V., Suzgun, M. y Ho, D. E. (2024). Large legal fictions: Profiling legal hallucinations in large language models. Journal of Legal Analysis, 16(1), 64–93.

Data Science Dojo. (2026). Agentic loops explained: From ReAct to loop engineering (2026 guide). https://datasciencedojo.com/blog/agentic-loops-explained-from-react-to-loop-engineering-2026-guide/

Guerrero Martínez, R. (2026). Retos para la implementación de la justicia algorítmica en los tribunales. Enlace Jurídico Académico. http://enlacejuridicoacademico.com/novedades/retos-para-la-implementacion-de-la-justicia-algoritmica-en-los-tribunales

Martínez, M. A. (2026). Jueza usaba inteligencia artificial para elaborar sentencias; hoy está suspendida. La Silla Rota. https://lasillarota.com/nacion/2026/7/18/jueza-usaba-inteligencia-artificial-para-elaborar-sentencias-hoy-esta-suspendida-608950.html

Muñoz Acevedo, I. E. (2026). Voto concurrente en el amparo directo 213/2025. Segundo Tribunal Colegiado en Materia Administrativa del Segundo Circuito, Poder Judicial de la Federación.

Piñeiro Vilas, S. M. (2025). Los retos de la Inteligencia Artificial en la investigación criminal. Boletín Inteligencia Artificial, VI, 68-102.