Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Pakistan trial courts
Pakistán reparte JudgeGPT de forma aleatoria entre 1.559 jueces de primera instancia y los distritos resuelven más casos
Investigadores y el poder judicial de Pakistán dieron un asistente de IA, JudgeGPT, a jueces de primera instancia en un experimento aleatorizado en 118 tribunales. Los distritos con más jueces formados resolvieron más casos, en torno a un 6,3 % por encima de la media con exposición mediana, sin que aumentaran los recursos.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
1.848
Casos adicionales resueltos por distrito y año con exposición mediana a jueces formados1
6,3 %
Aumento de los casos resueltos sobre la media con exposición mediana1
aproximadamente 616
Casos adicionales resueltos por distrito y año en el percentil 25 de exposición1
1.559
Jueces asignados aleatoriamente en el experimento1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Pakistán tiene muy pocos jueces para su población, y millones de casos esperan una decisión. The Decoder informa de 2,26 millones de casos pendientes a finales de 2024, la mayoría en tribunales de primera instancia. Los jueces trabajan con poca tecnología y sin personal de apoyo.
Qué construyeron
JudgeGPT es un chatbot basado en la familia de modelos GPT-4 de OpenAI. Se adaptó a Pakistán con una instrucción personalizada y una biblioteca de sentencias y leyes que consulta antes de responder, de modo que las respuestas citan documentos reales. Este enfoque se llama generación aumentada por recuperación (RAG).
Cómo lo hicieron
Investigadores de la ETH Zurich, el Imperial College London y la New Economic School trabajaron con el poder judicial. Asignaron al azar a 1.559 jueces de primera instancia de 118 tribunales a uno de tres grupos: acceso a la IA con formación específica, acceso a la IA con formación general sobre tecnología y derecho, o solo formación general. La formación del primer grupo se escalonó por cohortes, a partir de marzo de 2024. Los registros de chat mostraron cómo usaban la herramienta los jueces.
Resultados
Los jueces con IA y formación específica adoptaron más la herramienta, la usaron más y siguieron usándola. Los distritos con más exposición a estos jueces resolvieron más casos: unos 1.848 más por distrito y año con exposición mediana, un aumento del 6,3 % sobre la media. Los recursos por caso resuelto no aumentaron y, en todo caso, bajaron ligeramente. La formación desplazó el uso hacia el apoyo en la edición y la redacción, y lo alejó de las preguntas amplias de investigación jurídica.
Todas las cifras comunicadas
| Indicador | Cifra | Cita |
|---|---|---|
| Casos adicionales resueltos por distrito y año con exposición mediana a jueces formados | 1.8481 | |
| Aumento de los casos resueltos sobre la media con exposición mediana | 6,3 %1 | |
| Casos adicionales resueltos por distrito y año en el percentil 25 de exposición | aproximadamente 6161 | |
| Jueces asignados aleatoriamente en el experimento | 1.5591 | |
| Tribunales cubiertos | 1181 |
Lecciones para su proyecto
Combine el acceso con la formación. En el estudio, los jueces con formación específica usaron más la herramienta y siguieron usándola; el acceso por sí solo importó mucho menos.
Oriente a las personas hacia tareas en las que la herramienta es fiable, como mejorar textos, y aléjelas de las preguntas abiertas que cuesta verificar.
Mida la producción con registros administrativos, y no solo con encuestas a usuarios, y siga la calidad (tasa de recursos) junto con el volumen.
Aleatorice el despliegue siempre que pueda. Dio a esta evidencia una credibilidad de la que carecen la mayoría de los casos de estudio de proveedores.
Salvedades
- Las cifras son resultados de investigación: estimaciones de los autores sobre cómo cambia la producción de un distrito con la proporción de jueces formados, no un recuento de casos resueltos por la propia herramienta.
- El artículo es un documento de trabajo fechado el 9 de agosto de 2026 y puede revisarse. El artículo de The Decoder (21 de julio de 2026) lo resume.
- El documento da una referencia aproximada de coste de unos 41,90 dólares de capacidad equivalente en salarios por cada dólar gastado, y de al menos 10 dólares con supuestos prudentes. The Decoder informa de 38,50 dólares. Al ser una estimación modelizada, aquí no se muestra como resultado.
- El documento nombra un modelo de la familia GPT-4; no se da la versión exacta. La primera cohorte de formación comenzó en marzo de 2024, fecha usada aquí como inicio.
- Los datos de producción usados en el análisis terminan a finales de 2024, por lo que solo contribuye la cohorte más temprana.
Fuentes
- Courts of Tomorrow: Evidence from a Nationwide Rollout of Generative AI
Mehmood, Goessmann, Ash (working paper) · 2026-08-09 · Artículo de investigación · elliottash.com
- An AI system helped Pakistani judges clear massive backlogs at $38.50 return per dollar invested
The Decoder · 2026-07-21 · Noticia · the-decoder.com
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.