La IA ya está transformando la Justicia… pero nadie sabe todavía si la está mejorando

La inteligencia artificial ya se está desplegando masivamente en el sistema judicial del Reino Unido. Y, sin embargo, prácticamente nadie ha demostrado todavía, con evidencia independiente, que esté mejorando la justicia para los ciudadanos.

Esa es la tesis central de Artificial Intelligence & Justice: An Evidence Scoping Review, el informe elaborado por la profesora Holli Sargeant, de la Universidad de Cambridge, por encargo de la Nuffield Foundation dentro de su programa Public Right to Justice. Publicado en julio de 2026, es probablemente el análisis empírico más exhaustivo realizado hasta la fecha sobre la incorporación de la IA al sistema de justicia de Inglaterra y Gales. Lejos de posicionarse a favor o en contra de la tecnología, el estudio adopta un enfoque estrictamente basado en la evidencia disponible, y esa disciplina metodológica es precisamente lo que le da fuerza a su conclusión.

Una revolución silenciosa ya está en marcha

El documento describe un cambio estructural de enorme alcance. En julio de 2025, el Ministerio de Justicia británico publicó su AI Action Plan for Justice, una estrategia a tres años para integrar la inteligencia artificial en todo el departamento y crear una Justice AI Unit dedicada a supervisar su implantación. Desde abril de 2025, los jueces de los tribunales y tribunals de Inglaterra y Gales tienen acceso a Microsoft Copilot a través de la plataforma eJudiciary, y en septiembre de ese mismo año un juez del First-tier Tax Tribunal se convirtió en el primero en confirmar públicamente, en una resolución, el uso de Copilot para resumir la documentación de las partes.

En paralelo, funcionarios, letrados y organizaciones de asistencia jurídica han incorporado herramientas basadas en modelos generativos para tareas que van desde la gestión documental hasta la transcripción de vistas. El informe cataloga 45 herramientas de IA desplegadas o en desarrollo dentro del ecosistema judicial británico: 27 ya operan en producción, 12 se encuentran en fase piloto y 6 permanecen en desarrollo experimental. El grueso se concentra en tribunales y cortes (12 herramientas, sobre todo de transcripción, listado y gestión de expedientes), en asistencia jurídica civil (8) y en derecho de familia (6).

Entre los ejemplos más citados figura Caddy, el asistente construido sobre Claude (Anthropic) con recuperación aumentada por generación (RAG) que Citizens Advice, en colaboración con el Departamento de Ciencia, Innovación y Tecnología y el Incubator for AI, utiliza para redactar borradores de respuesta destinados a los asesores de primera línea. También destacan las herramientas del Home Office para resumir entrevistas de asilo (Asylum Case Summarisation) y buscar información de país de origen (Asylum Policy Search), ambas construidas sobre GPT-4. La conclusión del informe en este punto es inequívoca: la IA ya no es una promesa futura del sistema judicial, sino una realidad operativa.

El verdadero problema no es tecnológico

Uno de los mayores méritos del informe es desmontar un debate excesivamente centrado en cuestiones técnicas. La pregunta relevante, sostiene Sargeant, no es si los modelos son más rápidos o generan mejores resúmenes, sino si su uso está mejorando realmente el acceso de los ciudadanos a la justicia. Y la respuesta, sorprendentemente, es que nadie lo sabe todavía.

La inmensa mayoría de las evaluaciones existentes miden indicadores internos: ahorro de tiempo, productividad, satisfacción de los operadores, velocidad de procesamiento. Apenas existen estudios que examinen las variables que, desde una perspectiva constitucional y democrática, deberían constituir el verdadero criterio de éxito: si las personas comprenden mejor el procedimiento, si reciben decisiones más justas, si aumenta la igualdad de acceso, si determinados colectivos resultan perjudicados, si mejora la confianza ciudadana en la justicia.

El hallazgo más contundente: la evidencia mira al lugar equivocado

La afirmación más severa del informe aparece cuando la autora reconoce, de forma explícita, que no se ha identificado un solo estudio británico que analice qué ocurre con una persona cuyo asunto ha sido tramitado, asesorado o resuelto mediante un proceso asistido por inteligencia artificial. Las evaluaciones existentes examinan la experiencia de quienes operan el sistema —jueces, funcionarios, asesores— y no la de quienes dependen de él para resolver un problema legal.

Esta distinción no es cosmética. Una herramienta puede ahorrar miles de horas administrativas y, al mismo tiempo, empeorar la experiencia jurídica del ciudadano sin que nadie llegue a medirlo. Para Sargeant, este es el mayor vacío científico del panorama actual, y no se trata solo de una laguna en lo que se ha investigado: refleja un límite estructural en los propios datos judiciales. Muchas necesidades legales nunca llegan a una fase de asesoramiento o adjudicación formal, de modo que no quedan registradas —una carencia que se agrava en los conjuntos de datos de acceso público—. Las personas con mayores dificultades para acceder a la justicia son, precisamente, las menos visibles para cualquier análisis empírico del sistema.

Cuatro brechas estructurales

El informe organiza sus hallazgos en torno a cuatro déficits que atraviesan todo el ecosistema.

La brecha de medición. Las evaluaciones actuales miden productividad y satisfacción, no calidad de las decisiones, impacto sobre derechos o desigualdades de acceso. Un estudio paralelo en el ámbito de los servicios sociales británicos —de Lima Neto y otros (2024), sobre modelos predictivos usados para derivar a jóvenes a los Early Help Services— ilustra el riesgo con precisión: el modelo no mostró sesgo estadístico por género ni por privación económica, pero sí por edad y por tasa de asistencia escolar. Y, de forma reveladora, el conjunto de datos analizado excluía a 23.420 jóvenes que nunca fueron derivados pese a que quizá deberían haberlo sido. El sesgo medido, advierten los autores, probablemente subestima el sesgo real, porque no puede capturar a la población para la que el sistema jamás produjo un resultado. El mismo problema es previsible en el ámbito judicial: los datos legales rara vez contienen una verdad de referencia (ground truth) fiable.

La brecha de despliegue. Las herramientas que estudia la literatura académica no coinciden con las que realmente se usan en la práctica. Los despliegues del Reino Unido están dominados por modelos comerciales y propietarios —GPT, Copilot— que no pueden someterse a la inspección estructural de pesos, datos de entrenamiento y arquitectura que sí permiten los sistemas de código abierto o de peso abierto. De las 13 herramientas que revelan el modelo sobre el que están construidas, 11 emplean LLM propietarios de propósito general y solo 2 se apoyan en arquitecturas abiertas. La evidencia disponible indica, además, que los modelos ajustados a dominio jurídico son más fiables que los de propósito general para tareas legales del Reino Unido, y que modelos no generativos más pequeños pueden superarlos en determinadas aplicaciones. La dirección actual del despliegue parece guiada por la disponibilidad comercial, no por la evidencia sobre qué diseño sirve mejor a quienes tienen necesidades legales no cubiertas.

La brecha de legitimidad. Aquí es donde el informe aporta el dato más inquietante. Tomlinson y otros (2025) sometieron a una muestra representativa del Reino Unido a experimentos con viñetas sobre el uso de IA en el Tribunal de Primera Instancia (Cámara de Prestaciones Sociales). En el escenario de control, el 57,9 % de los participantes coincidía en que el proceso garantizaba equidad; cuando se introducía un resumen del expediente generado por IA, ese porcentaje caía al 21,7 %. El porcentaje que consideraba que el proceso permitía una decisión informada por parte del juez pasó del 33,3 % al 7,5 %. Se trata de usos meramente asistivos —nunca decisorios—, y aun así el efecto sobre la percepción de imparcialidad fue severo. La supervisión humana se presenta, en la política pública y en la guía judicial, como la gran garantía frente a estos riesgos; sin embargo, ninguna evaluación de despliegue identificada en el Reino Unido examina si esa supervisión funciona realmente, se calibra correctamente o resulta sostenible en la práctica.

La brecha de transparencia. La mayoría de las herramientas pertenecen a proveedores privados, funcionan mediante modelos propietarios, carecen de auditorías independientes y solo ofrecen evaluaciones internas. De las 45 herramientas catalogadas, únicamente 7 disponen de alguna evaluación pública, 37 no cuentan con evaluación accesible de ningún tipo, y solo una —Housing Helper, el chatbot de asesoramiento sobre vivienda desarrollado por Change Please junto con el Centre for Homelessness Impact, el ayuntamiento de Southwark y el King's College de Londres— está siendo sometida a un ensayo controlado aleatorizado, con resultados previstos para la primavera de 2027. De las siete evaluaciones existentes, tres son gubernamentales sobre herramientas gubernamentales, tres son académicas y una está encargada por el propio proveedor. El riesgo de sesgo de optimismo en las evaluaciones internas o financiadas por el vendedor no es meramente teórico: condiciona directamente si podemos fiarnos de las cifras que hoy circulan.

Un dato especialmente preocupante

De las 45 herramientas identificadas, 37 funcionan diariamente sin que exista ninguna evaluación pública sobre sus efectos reales. Entre las 27 herramientas ya operativas en producción, 22 carecen igualmente de evaluación publicada. Dicho de otro modo: la inmensa mayoría de los sistemas de IA que hoy tramitan, asesoran o intervienen en asuntos judiciales del Reino Unido lo hacen sin que exista evidencia pública suficiente sobre sus efectos en los derechos, la equidad o la calidad de las decisiones.

El informe no es contrario a la IA

Conviene subrayarlo con claridad: la autora no defiende frenar la implantación tecnológica. Reconoce que la IA puede reducir retrasos judiciales, aumentar la capacidad administrativa, facilitar información jurídica a quienes no tienen abogado, automatizar tareas repetitivas y liberar tiempo profesional para el trabajo jurisdiccional propiamente dicho. El informe mantiene, de hecho, una posición favorable al potencial transformador de la tecnología. Lo que cuestiona no es la herramienta, sino la ausencia de prueba de que esté funcionando como se promete.

Una lectura desde el marco europeo

Aunque el informe se circunscribe a Inglaterra y Gales, sus hallazgos interpelan directamente al debate regulatorio europeo. El Reglamento (UE) 2024/1689 de Inteligencia Artificial impone, para los sistemas de alto riesgo, obligaciones de supervisión humana efectiva (artículo 14) y de seguimiento posterior a la comercialización (artículo 72), precisamente las dos dimensiones que el informe británico encuentra sistemáticamente incumplidas en la práctica: una supervisión humana declarada pero no verificada, y una evaluación ex post que, salvo excepciones puntuales, simplemente no existe. El caso británico —con un marco de soft law judicial mucho más flexible que el europeo— funciona así como advertencia anticipada de lo que puede ocurrir incluso bajo un régimen normativo más exigente si la capacidad de evaluación independiente no crece al mismo ritmo que la capacidad de despliegue.

Una advertencia que trasciende el Reino Unido

Los propios autores señalan que las cuatro brechas identificadas —medición, despliegue, legitimidad y transparencia— también aparecen en otros sectores públicos de alto riesgo, como los servicios sociales o la administración de prestaciones. La lección, por tanto, no es exclusivamente jurisdiccional.

Conclusión

El valor principal de este informe no reside en demostrar que la inteligencia artificial sea beneficiosa o perjudicial para la justicia. Su aportación es más incómoda: demuestra que, a día de hoy, no disponemos de evidencia suficiente para responder a esa pregunta. Mientras gobiernos, tribunales y profesionales aceleran la adopción de modelos generativos como herramientas cotidianas de trabajo, la investigación independiente avanza muy por detrás del ritmo de implantación. Nunca se había apostado tanto por la IA en la administración de justicia y, al mismo tiempo, nunca había existido una carencia tan significativa de pruebas empíricas sobre su impacto real en los derechos, la equidad y la confianza ciudadana.

• 45 herramientas de IA operan ya en el sistema judicial británico; solo 7 tienen evaluación pública.
• Ningún estudio ha medido el efecto de la IA en el ciudadano cuyo caso fue tramitado con su asistencia.
• El uso meramente asistivo de IA en tribunales redujo del 57,9 % al 21,7 % la percepción de equidad del proceso.
• Los datos legales incompletos dificultan detectar sesgos contra los colectivos peor servidos por el sistema.
• El dominio de modelos propietarios limita la posibilidad de auditoría independiente.
• El Reglamento de IA europeo exige supervisión humana y seguimiento ex post: el caso británico muestra lo fácil que es incumplir ambos en la práctica.
• La pregunta que queda abierta no es si la IA puede transformar la justicia, sino si seremos capaces de demostrarlo con evidencia rigurosa.

El informe completo, Artificial Intelligence & Justice: An Evidence Scoping Review (Dr. Holli Sargeant, Universidad de Cambridge, julio de 2026), puede descargarse en el sitio de la Nuffield Foundation.