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 la Base — Ingesta, Búsqueda, Recuperación
Módulo 1: El Panorama del Ingeniero Legal
- Objetivos de aprendizaje: comprender el rol, dónde encaja la IA en el trabajo legal y los dos riesgos que atraviesan todo.
- Temas
-
- El rol del ingeniero legal y por qué se está contratando ahora mismo.
- Dónde encaja la IA: eDiscovery, revisión, contratos, investigación, investigaciones; el modelo EDRM en términos simples.
- Construir vs. comprar.
- Los dos riesgos que atraviesan todo: confidencialidad/privilegio y defensibilidad.
Módulo 2: Los Datos Legales son Desordenados — Ingesta y Extracción
- Objetivos de aprendizaje: manejar la realidad de los datos legales a escala.
- Temas
- Más de 1.400 tipos de archivos, correos electrónicos y PST, papel escaneado, archivos de carga (.dat/.opt); metadatos incrustados relevantes.
- Extracción de texto (Tika), OCR y desduplicación como elección.
- Laboratorio: Ingesta con FreeEed — construir una canalización de ingestión sobre un conjunto deliberadamente desordenado de documentos (correo/PST, escaneos, archivos de carga).
Módulo 3: Búsqueda y Recuperación — la Base Fundamental
- Objetivos de aprendizaje: construir la primitiva central de eDiscovery: encontrar cualquier cosa dentro de todo.
- Temas: búsqueda y indexación de texto completo (Solr/Lucene); relevancia, metadatos y filtrado por fecha; búsqueda en contenido OCRizado.
- Laboratorio: Búsqueda de eDiscovery — indexar un corpus y realizar 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, para material sensible: el modelo nunca "absorbe" los documentos.
- Agrupamiento (chunking), incrustaciones (embeddings) y, sobre todo, citas/proveniencia.
- Resumen de múltiples documentos e hilos de conversación.
- Laboratorio: RAG Legal con Citas — construir un sistema de preguntas y respuestas mediante RAG sobre un conjunto de documentos que responda con citas de fuente.
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
- Hacia dónde van realmente los datos cuando tocan un servicio de IA en la nube.
- Renuncia al privilegio, deber de competencia y el espectro de "privacidad" (contractual vs. físico).
- Morgan v. V2X y por qué lo local es defendible ante tribunales.
- Servicio 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, 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 legalmente.
- Temas
- Las métricas válidas ante tribunales: recall, elusion, precisión, validación de ground truth; TAR/aprendizaje activo.
- Transparencia (¿por qué codificó este documento?) y reproducibilidad: fijar el modelo, configurar ajustes fijos y registrar todo.
- El "instantáneo 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, desplegarlo privadamente y puntuarlo.
- Temas
- Un flujo de trabajo legal multi-etapa (ingesta → búsqueda → resumen → revisión → producción) con intervención humana.
- Eseniales para despliegue privado/en infraestructura propia (containerización; mantener los datos en las instalaciones).
- Gobernanza de IA para lo legal brevemente, y puntuación del sistema con SAIS-100 (la Escalera de Elefante Puntuación Segura de IA).
- Laboratorio: Puntuar y Empaquetar — conectar un flujo de trabajo multi-etapa, puntuarlo con SAIS-100 y empaquetarlo 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 empaquetarla para despliegue privado.
- Los participantes se van con un proyecto portafolio que representa el trabajo real de un ingeniero legal.
Día 3 Opcional / Módulos Avanzados (entregable como día 3 o serie modular)
- Investigaciones: Entidades, Relaciones y Líneas de Tiempo — extraer personas/organizaciones/fechas, reconstruir hilos de correo electrónico, construir cronologías, mapear casi-duplicados y linaje documental. Laboratorio: construir una línea de tiempo y vista entidad-relación.
- Flujos de Trabajo Agentes y Multi-Etapa (profundización) — orquestación más rica, análisis contractual, síntesis multi-documento, uso de herramientas y guardrails como principio de diseño. Laboratorio: construir un flujo de trabajo multi-etapa con un punto de control humano.
- Despliegue a Gran Escala — despliegue en infraestructura propia y appliance, procesamiento distribuido para grandes volúmenes, entornos regulados (CJIS, gobierno, educación superior), dimensionamiento de hardware. Laboratorio: containerizar y escalar un trabajo de procesamiento entre trabajadores.
- Gobernanza y Cumplimiento Profundo — el panorama de la regulación 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/defensibilidad.
Requerimientos
- Comodidad con Python y APIs básicas.
- Útil: familiaridad con LLMs a nivel de usuario (no se requiere experiencia previa en Machine Learning; construimos el modelo mental necesario).
- No se necesita antecedentes legales: los conceptos jurídicos 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 jurídico.
- Profesionales técnicos del ámbito legal, eDiscovery o gobernanza de información que desean construir, no solo comprar.
- Cualquier persona orientada 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
