Plumas NCC | Argumentación y prompting jurídico

Por: Mtro. Rodolfo Guerrero Martínez (México)

 

 

Todo prompt es una pequeña tesis, quien lo redacta elige qué hechos cuentan, qué normas pesan y qué respuesta admitirá como válida; argumenta, por tanto, antes de que la máquina escriba la primera línea. Entre septiembre y octubre de 2026 esa operación cambió de escala. OpenAI lanzó GPT-6 Astra y su presidente sugirió que podría tratarse de la llegada de la inteligencia general (Fried, 2026); Anthropic presentó Claude Opus 5.5 y Google liberó Gemini 4 Argo.

La tentación es indudable: si el modelo razona mejor, el abogado podría razonar menos. En tal sentido, conviene desconfiar de esa inferencia. Un sistema más capaz no elimina la carga argumentativa; la traslada de la redacción de la respuesta al diseño de la pregunta y al control de lo que el sistema hace con ella.

1. Del contexto de descubrimiento al prompt

Antes de hablar de modelos hay que separar dos momentos que el jurista suele confundir. En Para una teoría de la argumentación jurídica, Atienza (1990) recuerda que la teoría estándar distingue el proceso por el cual se llega a una decisión de las razones con que después se la fundamenta. Aplicada al trabajo con IA, esa frontera produce un reparto de funciones que rara vez se dice en voz alta: la máquina puede intervenir en el descubrimiento, pero no puede firmar la justificación. Así que, proponer hipótesis o hallar una línea de ataque es heurística; sostenerla ante un tribunal es responsabilidad.

Además, el mismo Atienza (2017) enfatiza mediante Las razones del derecho, diferencia la justificación interna, que revisa si la conclusión se sigue de las premisas, de la externa, que examina si esas premisas son correctas. En ese sentido, propongo leer cada prompt con esa doble lente. Un modelo suele ser competente en lo interno: encadena con soltura. Su flanco débil es lo externo, porque acepta sin discutir las premisas que el usuario le entrega o las que él mismo supone.

Una instrucción jurídica sólida, en consecuencia, no se limita a pedir una conclusión; fija las premisas y ordena al sistema señalar cuáles no puede respaldar.

Adicionalmente, las guías institucionales llegan a una anatomía parecida por otro camino, por ejemplo, la Academia Judicial de Chile propone que toda instrucción incluya rol, objetivo, hechos anonimizados, restricciones, formato y la petición de explicar la normativa empleada (Academia Judicial, 2026); por otro lado, el Colegio de Abogados de Mercedes (CADJM, 2025) añade que se exija descartar cualquier referencia sin fuente accesible.

La lectura de lo anterior conforme a la argumentación se convierte en catálogos de premisas. Empero, presentan una ausencia: el lugar que ocupa cada una. Los modelos aprovechan mejor la información situada al principio o al final de un contexto largo que la enterrada en medio (Liu et al., 2023). De ahí una regla práctica para el litigante: la norma decisiva no debe quedar perdida en la página cuarenta del expediente adjunto, sino reiterada al inicio de la instrucción.

2. Del método IRAC al razonamiento adaptativo

La enseñanza jurídica estadounidense usa desde hace décadas el esquema IRAC —cuestión, regla, aplicación y conclusión— para disciplinar el análisis. No es casual que LegalBench, el banco colaborativo de pruebas coordinado por Guha et al. (2023), tomaran ese esquema como marco para medir el razonamiento legal de los modelos: un método ideado para estudiantes terminó sirviendo para examinar máquinas. Poco antes, Wei y su equipo habían demostrado que solicitar pasos intermedios mejora el rendimiento en tareas complejas (Wei et al., 2022), y durante tres años «piensa paso a paso» fue la fórmula de cabecera.

Esa fórmula envejeció pronto, dado que, Claude Opus 5.5 ya no responde sin razonar antes, y el usuario elige entre cinco niveles de esfuerzo, de bajo a máximo. Dicho cambio más que técnico, es jurídico. Graduar la deliberación equivale a decidir cuánto vale el asunto: quien fija el esfuerzo máximo para un acuse de recibo desperdicia recursos, y quien lo deja en el mínimo para un amparo contra una norma general comete algo más serio que un error de configuración.

Ahora bien, profundidad no es comprensión. Blair-Stanek, Holzenberger y Van Durme (2023) redactaron leyes sintéticas que GPT-3 no podía haber visto y comprobaron que el modelo fallaba incluso en preguntas elementales sobre ellas. El experimento es antiguo para los tiempos de la industria, sin embargo, su lección sigue vigente: un sistema puede reconocer la ley que memorizó sin entender la que se le muestra por primera vez.

Es razonable suponer que el riesgo crece con normas locales, reformadas con frecuencia y poco presentes en los datos de entrenamiento, como buena parte de la legislación estatal mexicana. Habernal et al (2024) añaden otro matiz: la minería computacional de argumentos suele reducir el razonamiento a premisas y conclusiones genéricas, mientras que las sentencias del Tribunal Europeo de Derechos Humanos revelan una tipología mucho más rica. Ninguno de los tres anuncios de 2026 publica métricas jurídicas independientes; Anthropic (2026) reproduce solo opiniones del sector legal y Google (2026) no ofrece cifras. Mientras eso no cambie, la extensión del razonamiento visible no debe confundirse con su calidad.

3. Alucinaciones y verificación en la era agéntica

La alucinación no es un accidente, sino una consecuencia del funcionamiento de estos sistemas. Precisamente, la guía chilena lo dice sin dilación: los modelos son máquinas probabilísticas, no repositorios de conocimiento verídico, y por tanto fabrican citas y fallos con formato impecable. Las herramientas especializadas no escapan a la regla.

De hecho, el estudio prerregistrado de Magesh et al (2025) encontró que plataformas comerciales de investigación jurídica alucinaban entre el 17 % y el 33 % de las veces, pese a venderse como inmunes a ese defecto. Con esa tasa no se puede delegar; hay que revisarlo todo, y la revisión consume buena parte del tiempo que justificó la compra.

Los modelos nuevos prometen mejorar la cifra. OpenAI difunde que, según la evaluación de un cliente, Astra fórmula más de un 10 % menos afirmaciones erróneas con aparente seguridad (OpenAI, 2026). Este dato admite dos objeciones. La primera es obvia: no proviene de una evaluación independiente.

En segundo término, se reconoce que un error menos frecuente también es un error menos esperado. El abogado que encuentra una cita falsa cada tres consultas revisa con lupa; el que la encuentra cada treinta deja de hacerlo. La mejora estadística puede, paradójicamente, erosionar la diligencia.

¿Basta con pedir al modelo que se corrija? Huang et al (2024) mostraron que, sin retroalimentación externa, los modelos rara vez enmiendan su razonamiento y a veces lo empeoran. Da mejores resultados la cadena de verificación de Dhuliawala y otros, en la que el sistema formula preguntas de control y las responde por separado antes de entregar su versión final (Dhuliawala et al., 2023). Trasladada al despacho, la técnica sugiere dividir el trabajo: una instrucción redacta, otra contrasta cada cita con su fuente y el abogado confronta ambos resultados.

Con todo, la novedad de 2026 no reside en la precisión, sino en la autonomía. Astra puede operar aplicaciones que carecen de interfaz programática y solicitar confirmación antes de acciones trascendentes (OpenAI, 2026); Gemini 4 Argon ejecuta tareas mientras el usuario está lejos de su computadora (Google, 2026). La propia OpenAI admitió que Astra fue más difícil de supervisar en pruebas diseñadas para detectar evasiones (Fried, 2026).

En ese escenario, el prompt deja de ser una pregunta y opera como un mandato en sentido civil: delimita facultades, fija límites y señala cuándo rendir cuentas. El deber de comprobar la exactitud, existencia y vigencia de cada cita (CADJM, 2025) se queda corto; debe alcanzar también cada acto que el agente realice a nombre del despacho.

4. Hacia un decálogo del prompting jurídico

A través de Diez consejos para argumentar bien, publicado en la revista Doxa, Atienza (2006) reunió reglas técnicas y éticas para el debate humano. Varias funcionan como reglas de prompting sin cambiar una palabra. Inicialmente exige prepararse y conocer el fondo del asunto: ningún modelo compensa a quien ignora qué norma aplica, porque tampoco sabrá advertir cuándo el sistema se equivoca.

La tercera rechaza decir con muchas palabras lo que cabe en pocas, y hoy desaconseja las instrucciones de dos páginas que diluyen la tarea. En cuanto a la octava sostiene que la mención de autores prestigiosos no sustituye la calidad de las razones; leída en 2026, es una advertencia contra la jurisprudencia inventada. Y, la novena, comprende fijar con cuidado la cuestión, describe lo primero que debe hacer quien delega en un agente.

Con respecto al cuarto consejo se merece un apartado propio. Para Atienza (2006), esforzarse por entender bien lo que el otro ha dicho es una exigencia moral. Frente a un modelo, ese otro no existe salvo que el usuario lo convoque. La interacción es iterativa y permite aclarar, profundizar y corregir (CADJM, 2025), no obstante, un sistema entrenado para ser útil tiende a dar la razón a quien pregunta. Surge así una regla ausente de las guías consultadas: solicitar expresamente el mejor argumento de la contraparte y las debilidades del propio escrito. Sin esa instrucción, cada nueva ronda solo pule la tesis con la que se llegó.

 

Conclusión

Los modelos de 2026 razonan más, actúan solos durante más tiempo y fallan con menor frecuencia; cada una de esas mejoras vuelve sus errores más difíciles de ver. El prompting jurídico no responde a ese problema con trucos de redacción, sino con lo que el oficio ya sabía hacer: fijar la cuestión, elegir premisas, acotar mandatos y buscar al adversario.

Queda, no obstante, una pregunta que ninguna de las fuentes consultadas resuelve. Si el agente actúa sobre un expediente mientras el abogado duerme, ¿en qué momento exacto comienza la responsabilidad profesional de este? Es probable que la práctica la conteste antes que la doctrina.

 

 

Referencias

Academia Judicial. (2026). Guía básica sobre inteligencia artificial generativa para el ejercicio de juezas y jueces. Academia Judicial de Chile.

Anthropic. (2026). Introducing Claude Opus 5.5. https://www.anthropic.com/claude-opus-5-5

Atienza, M. (1990). Para una teoría de la argumentación jurídica. Doxa. Cuadernos de Filosofía del Derecho, (8), 39–61.

Atienza, M. (2006). Diez consejos para argumentar bien o decálogo del buen argumentador. Doxa. Cuadernos de Filosofía del Derecho, (29), 473–475.

Atienza, M. (2017). Las razones del derecho. Teorías de la argumentación jurídica (5.ª reimp.). Universidad Nacional Autónoma de México, Instituto de Investigaciones Jurídicas.

Blair-Stanek, A., Holzenberger, N., & Van Durme, B. (2023). Can GPT-3 perform statutory reasoning? En Proceedings of the Nineteenth International Conference on Artificial Intelligence and Law (ICAIL 2023). Association for Computing Machinery.

Colegio de Abogados del Departamento Judicial de Mercedes. (2025). Mejores prácticas para el uso de IA en el ejercicio de la abogacía. Lineamientos de soft law para la práctica profesional. Instituto de Derecho Informático y Propiedad Intelectual.

Dhuliawala, S., Komeili, M., Xu, J., Raileanu, R., Li, X., Celikyilmaz, A., & Weston, J. (2023). Chain-of-verification reduces hallucination in large language models (arXiv:2309.11495). arXiv.

Fried, I. (2026). OpenAI releases new model GPT-6 Astra, says it may represent AGI. Axios. https://www.axios.com/2026/09/03/openai-astra-gpt-6-agi-brockman

Google. (2026). Gemini 4 Argon comes to the Gemini app. https://blog.google/innovation-and-ai/products/gemini-app/gemini-4-availability

Guha, N., Nyarko, J., Ho, D. E., Ré, C., Chilton, A., Narayana, A., Chohlas-Wood, A., Peters, A., Waldon, B., Rockmore, D. N., Zambrano, D., Talisman, D., Hoque, E., Surani, F., Fagan, F., Sarfaty, G., Dickinson, G. M., Porat, H., Hegland, J., . . . Li, Z. (2023). LegalBench: A collaboratively built benchmark for measuring legal reasoning in large language models (arXiv:2308.11462). arXiv.

Habernal, I., Faber, D., Recchia, N., Bretthauer, S., Gurevych, I., Spiecker genannt Döhmann, I., & Burchard, C. (2024). Mining legal arguments in court decisions. Artificial Intelligence and Law, 32, 557–594. https://doi.org/10.1007/s10506-023-09361-y

Huang, J., Chen, X., Mishra, S., Zheng, H. S., Yu, A. W., Song, X., & Zhou, D. (2024). Large language models cannot self-correct reasoning yet (arXiv:2310.01798). arXiv.

Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F., & Liang, P. (2023). Lost in the middle: How language models use long contexts (arXiv:2307.03172). arXiv.

Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2025). Hallucination-free? Assessing the reliability of leading AI legal research tools. Journal of Empirical Legal Studies, 1–27. https://doi.org/10.1111/jels.12413

OpenAI. (2026). GPT-6 Astra: The next generation in intelligence for work. https://openai.com/index/gpt-6-astra-next-generation-work/

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E. H., Le, Q. V., & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models (arXiv:2201.11903). arXiv.