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 las Bases — Ingestión, Búsqueda, Recuperación
Módulo 1: El Panorama del Ingeniero Legal
- Objetivos de aprendizaje: comprender el rol, cómo encaja la IA en los trabajos legales y los dos riesgos que atraviesan todo.
- Temas
-
- El rol del ingeniero legal y por qué está siendo solicitado actualmente.
- Dónde encaja la IA: eDiscovery, revisión, contratos, investigación e investigaciones; el modelo EDRM en términos claros.
- Construir vs. comprar.
- Los dos riesgos que atraviesan todo: confidencialidad/privilégio y defendibilidad.
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, correo electrónico y PST, papel escaneado, archivos de carga (.dat/.opt); metadatos incrustados relevantes.
- Extracción de texto (Tika), OCR y deduplicación como opción.
- Laboratorio: Ingestión en FreeEed — construir un pipeline de ingestión sobre un conjunto intencionalmente desordenado de documentos (correo/PST, escaneos, archivos de carga).
Módulo 3: Búsqueda y Recuperación: La Base
- Objetivos de aprendizaje: construir la primitiva central de eDiscovery: encontrar cualquier cosa dentro de todo.
- Temas: búsqueda e indexación de texto completo (Solr/Lucene); relevancia, metadatos y filtrado por fechas; búsqueda en contenido OCRizado.
- Laboratorio: Búsqueda de eDiscovery — indexar un corpus y ejecutar búsquedas reales estilo eDiscovery, incluyendo dentro de escaneos OCRizados.
Módulo 4: RAG para Documentos Legales — con Citas
- Objetivos de aprendizaje: construir RAG sobre documentos legales que cite sus fuentes.
- Temas
- Por qué la recuperación, no el ajuste fino (fine-tuning), es preferible para material sensible — el modelo nunca "absorbe" los documentos.
- Agrupamiento (chunking), embeddings y, sobre todo, citas o proveniencia.
- Resumen de múltiples documentos e hilos de conversación.
- Laboratorio: RAG Legal con Citas — construir un sistema Q&A basado en RAG sobre un conjunto de documentos que responda con citas de fuentes.
Día 2: Hacerlo Privado, Defendible y Listo para Desplegar
Módulo 5: Privacidad, Privilegio y Servicio Local — La Trampa del Privilegio
- Objetivos de aprendizaje: mantener los datos legales locales y poder certificarlo.
- Temas
- Dónde va realmente la data al interactuar con IA en la nube.
- Renuncia de privilegio, deber de competencia y el "espectro privado" (contratual vs. físico).
- Morgan v. V2X y por qué lo local es defendible ante tribunales.
- Servido de modelos locales (Ollama/vLLM) y monitoreo del tráfico saliente.
- Laboratorio: Modelo Local + Prueba de Egress — ejecutar un modelo local de extremo a extremo y probar, con monitoreo, que ningún dato salió.
Módulo 6: Revisión de IA Defendible
- Objetivos de aprendizaje: medir y documentar una revisión de IA para que resista ante un tribunal.
- Temas
- Las métricas que resisten en tribunal: recall, elusion, precisión, validación con ground-truth; TAR / aprendizaje activo.
- Transparencia (¿por qué codificó este documento?) y reproducibilidad: fijar el modelo, ajustar configuraciones, registrar todo.
- La "instantánea de 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 un ground-truth ciego y producir un paquete de reproducibilidad.
Módulo 7: Desplegarlo: Flujo de Trabajo, Implementación Privada y Gobernanza
- Objetivos de aprendizaje: ensamblar las piezas en un flujo de trabajo, desplegarlas privatamente y evaluar el sistema.
- Temas
- Un flujo de trabajo legal multi-paso (ingestión → búsqueda → resumen → revisión → producción) con intervención humana.
- Aspectos esenciales del despliegue privado/en instalaciones locales (contenerizar; mantener los datos dentro de la organización).
- Gobernanza de IA para lo legal en breve y evaluación del sistema mediante SAIS-100 (la Escala Elephante de Puntuación Segura de IA).
- Laboratorio: Evaluar y Empaquetar — interconectar un flujo de trabajo multi-paso, evaluarlo con SAIS-100 y empaquetarlo para despliegue privado.
Proyecto Final (integrado en el Día 2)
- Construir una aplicación de IA legal privada y defendible de extremo a extremo: ingestar un corpus desordenado, buscar en él, responder preguntas con citas usando un modelo local, medir una revisión defendible y empaquetarlo para despliegue privado.
- Los participantes se van con un proyecto de portafolio que representa el trabajo real de un ingeniero legal.
Día 3 Opcional / Módulos Avanzados (entregable como un tercer 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 vista entidad-relación.
- Flujos de Trabajo Agentes y Multi-Paso (en profundidad) — orquestación más rica, análisis de contratos, síntesis multi-doc, uso de herramientas y guardrails como principio de diseño. Laboratorio: construir un flujo de trabajo multi-paso con punto de control humano.
- Despliegue a Gran Escala — despliegue en instalaciones locales y appliances, procesamiento distribuido para grandes volúmenes, entornos regulados (CJIS, gobierno, educación superior), dimensionamiento de hardware. Laboratorio: contenerizar y escalar un trabajo de procesamiento entre workers.
- Inmersión Profunda en Gobernanza y Cumplimiento — el panorama regulatorio de IA (+100 leyes estatales estadounidenses sobre IA, Ley de IA de la UE), requisitos de auditoría y una auditoría completa de gobernanza SAIS-100. Laboratorio: auditar un sistema de IA legal contra una lista de verificación de gobernanza/defendibilidad.
Requerimientos
- Comodidad con Python y APIs básicas.
- Útil: familiaridad con LLMs a nivel de usuario (no se requiere experiencia en ML, 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 transicionan hacia la tecnología legal.
- Ingenieros de empresas de tecnología legal que necesitan profundidad en el dominio legal.
- Profesionales jurídicos, de eDiscovery o gestión de información con perfil técnico que desean construir soluciones en lugar de solo adquirirlas.
- Cualquiera orientado 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
