IA y litigiosidad: democratización o colapso judicial

Más ciudadanos pueden demandar gracias a la inteligencia artificial. Los tribunales no pueden responder.

Esta es la paradoja que define el momento actual del mercado jurídico: la misma tecnología que está cerrando la histórica "brecha de justicia" está tensionando hasta el límite la capacidad de absorción de unos sistemas judiciales cuya oferta de resolución es, por naturaleza, inelástica. Lo que sigue es un análisis empírico y normativo de ese fenómeno, de sus consecuencias sistémicas y de las reformas procesales que pueden convertir este choque tecnológico en una oportunidad en lugar de en una crisis.

---

Resumen

La irrupción de la inteligencia artificial generativa está reconfigurando la arquitectura del mercado jurídico y modificando los parámetros tradicionales de la litigiosidad. Este artículo analiza, desde una perspectiva empírica y normativa, el incremento objetivo de las acciones judiciales derivado de la generalización de herramientas de IA, tanto como objeto de litigio —responsabilidad algorítmica, vulneración de derechos de autor, discriminación— como, especialmente, como facilitador procesal que reduce las barreras de coste, tiempo y conocimiento técnico para el ejercicio de acciones judiciales. A partir del análisis de datos de tribunales federales estadounidenses, jurisprudencia reciente y marcos regulatorios como el Reglamento (UE) 2024/1689 sobre Inteligencia Artificial (en adelante, RIA) y la Instrucción 2/2026 del Consejo General del Poder Judicial (CGPJ), se sostiene que la IA actúa como un catalizador de la litigiosidad que, al tiempo que democratiza el acceso a la justicia, tensiona la capacidad de absorción de los sistemas judiciales. El artículo concluye con propuestas de reforma procesal orientadas a una integración híbrida en la que la tecnología escale la respuesta judicial sin erosionar las garantías del debido proceso.

Palabras clave: inteligencia artificial, litigiosidad, acceso a la justicia, facilitación procesal, gobernanza algorítmica, sobrecarga judicial.

---

1. Introducción

La irrupción de la inteligencia artificial (IA) generativa, articulada fundamentalmente a través de los modelos de lenguaje de gran tamaño (large language models o LLM), ha provocado un desplazamiento de alcance estructural en la arquitectura del mercado jurídico y en la dinámica de la litigiosidad contemporánea. Lejos de constituir una mera herramienta de optimización para la práctica profesional, la IA se ha consolidado como un catalizador de la democratización del acceso a los tribunales, alterando de forma irreversible lo que la teoría económica denomina el "coste sombra" de la producción de documentos legales.¹ Este fenómeno se manifiesta con especial intensidad en la reducción drástica de las barreras de entrada que históricamente han limitado el ejercicio de acciones judiciales: el coste de la asesoría técnica, el tiempo de redacción y la complejidad del lenguaje procesal.

1.1. Planteamiento del problema: la democratización del litigio

El núcleo del problema reside en un cambio de paradigma en la autogeneración de escritos procesales. La evidencia empírica indica que no estamos ante un incremento inercial, sino ante una ruptura estadística sin precedentes. En las jurisdicciones donde se ha monitorizado este impacto, como en los tribunales federales de Estados Unidos, la proporción de demandas presentadas por litigantes sin representación profesional (pro se) se ha disparado desde una media histórica estable del 11% hasta alcanzar un 16,8% en el ejercicio fiscal 2025.² Este incremento se concentra sustancialmente en categorías de demandas cuya tarea dominante es la producción de una narrativa fáctica bien estructurada, lo que sugiere que los ciudadanos están utilizando herramientas de IA para sortear la barrera económica que suponía la contratación de servicios profesionales.³

A este aumento del volumen se suma una transformación en la calidad y el origen del material sometido a juicio. Los sistemas de detección de texto sintético revelan que, para principios de 2026, aproximadamente uno de cada cinco escritos de demanda registrados en el sistema federal contenía fragmentos generados íntegramente por algoritmos.⁴ Este fenómeno plantea interrogantes fundamentales sobre la capacidad de absorción del sistema judicial, el cual opera con una oferta de resolución —número de jueces y tiempo de respuesta— que es, por naturaleza, inelástica.⁵

1.2. Tesis: la IA como catalizador y reductor de barreras procesales

La tesis central del presente estudio sostiene que la inteligencia artificial actúa como un facilitador procesal radical que reduce los costes marginales de litigación hasta un punto de equilibrio que incentiva la presentación masiva de acciones, tanto legítimas como espurias. Cabe sostener que la IA no solo atrae a "nuevos litigantes" que antes optaban por el lumping —el abandono de la reclamación por falta de recursos—,⁶ sino que también propicia un cambio de estrategia en los litigantes recurrentes, quienes ahora pueden intensificar su actividad procesal mediante la automatización del e-discovery y la redacción de pretensiones de producción formulaica.

No obstante, esta facilitación no está exenta de riesgos sistémicos de primer orden. La irrupción de "alucinaciones jurídicas" —la invención de jurisprudencia y normativa por parte de modelos probabilísticos— ha comenzado a materializarse en sanciones severas por conducta procesal incorrecta, como lo demuestra la reciente jurisprudencia española que sancionó a un letrado por la inclusión de cuarenta y ocho citas inexistentes del Tribunal Supremo en un recurso de apelación.⁷ Por tanto, la facilidad para ejercer la acción judicial debe ser contrapesada con marcos de gobernanza que aseguren una supervisión humana efectiva y responsable.

1.3. Metodología de la investigación

Para el desarrollo de este análisis, se ha adoptado una metodología multidimensional que prioriza el análisis de datos empíricos sobre las construcciones teóricas abstractas. En primer lugar, se examinan las bases de datos de presentaciones judiciales (IDB y PACER) para cuantificar el aumento real de la litigiosidad asistida. En segundo lugar, se realiza un análisis normativo comparado, evaluando la respuesta de las instituciones reguladoras, con especial énfasis en la Instrucción 2/2026 del CGPJ⁸ y los marcos regulatorios derivados del Reglamento (UE) 2024/1689 (RIA). El estudio se estructura de forma progresiva, desde el diagnóstico del estado de la cuestión en cifras hasta la propuesta de reformas procesales que permitan integrar la IA como apoyo a la función jurisdiccional sin comprometer los derechos fundamentales de las partes.

---

2. Estado de la cuestión: análisis empírico del aumento de la litigiosidad por IA

La transición de la inteligencia artificial desde una curiosidad técnica hacia una herramienta de producción documental masiva ha generado un impacto cuantificable en la carga de trabajo de los sistemas judiciales. Este fenómeno, que parte de la doctrina ha denominado el AI litigation boom, no solo se traduce en un mayor volumen de asuntos, sino en una transformación de la fisonomía de las partes que acceden al proceso y en la naturaleza de las pretensiones interpuestas.⁹

2.1. El fenómeno del litigation boom en las cifras de los tribunales federales

La evidencia estadística más robusta hasta la fecha procede del sistema judicial federal de los Estados Unidos, que actúa como observatorio avanzado de esta tendencia. Tras dos décadas de estabilidad estructural, en las que la tasa de litigación pro se se mantuvo inalterada en un 11% —resistiendo incluso grandes crisis económicas—, el ejercicio fiscal 2025 registró un incremento disruptivo hasta alcanzar el 16,8%.¹⁰ Este aumento no responde a una inercia demográfica, sino que coincide temporalmente con la difusión masiva de modelos de lenguaje capaces de generar narrativa legal técnica a coste prácticamente nulo.¹¹

En términos absolutos, se estima que para 2025 la litigiosidad civil total aumentó en aproximadamente 31.170 casos adicionales respecto a la media histórica anterior a la IA. De este crecimiento, el 59% corresponde exclusivamente a nuevas demandas presentadas por ciudadanos sin representación profesional.¹² El sistema judicial se enfrenta, por tanto, a un choque de demanda masivo impulsado por agentes individuales que, por primera vez, disponen de medios técnicos para externalizar la redacción de escritos complejos sin incurrir en los honorarios de un letrado.¹³

2.2. El auge de la litigación pro se asistida por modelos de lenguaje

El incremento de la litigiosidad asistida por algoritmos es verificable a través del análisis de los propios documentos procesales. Estudios realizados sobre muestras aleatorias de demandas federales mediante sistemas de detección de texto sintético revelan una trayectoria ascendente: mientras que antes de 2023 la presencia de texto generado por IA era prácticamente inexistente, para principios de 2026, el 18% de las demandas presentadas contenían fragmentos significativos producidos por modelos de lenguaje.¹⁴

Este auge de la auto-representación asistida altera la economía judicial interna. Aunque las demandas generadas por IA no se resuelven necesariamente con mayor celeridad, sí generan un aumento drástico en la actividad procesal intermedia. Los datos indican que el volumen de entradas en el docket durante los primeros 180 días de vida de un proceso ha crecido un 158% respecto a la media anterior a la IA.¹⁵ Cada una de estas entradas —mociones, peticiones de prueba, recursos de reposición— representa una presión adicional sobre el tiempo del órgano juzgador, que debe analizar materiales que, aunque formalmente correctos, pueden carecer de la precisión que aporta la dirección técnica profesional.

2.3. Desplazamiento de la demanda: de casos complejos a litigios de producción formulaica

Un hallazgo crítico del análisis empírico es que la IA no aumenta la litigiosidad de forma uniforme en todas las áreas del Derecho. El crecimiento se concentra masivamente en lo que la literatura técnica clasifica como "casos simples" o de producción formulaica: reclamaciones de derechos civiles, disputas de crédito al consumo y procesos hipotecarios, donde la tarea predominante es la construcción de una narrativa fáctica estructurada.¹⁶ En estas categorías, la tasa de litigación pro se ha escalado hasta el 31%.¹⁷

Por el contrario, en áreas de alta complejidad técnica o estratégica, como las infracciones de patentes o el fraude de valores (securities fraud), el impacto de la IA en la litigación sin abogado es prácticamente nulo, manteniéndose en niveles del 3% al 7%.¹⁸ Esto confirma que la IA actúa en la actualidad como un reductor de barreras en tareas de redacción y procedimiento estándar, pero resulta insuficiente para sustituir el juicio experto en litigios que requieren un manejo sustantivo de la prueba y una estrategia procesal adaptativa. En el contexto español, esta tendencia se refleja indirectamente en el aumento de la conflictividad regulatoria: la Agencia Española de Protección de Datos (AEPD) ha visto incrementados sus expedientes relacionados con IA en un 340% en el último bienio.¹⁹

---

3. La inteligencia artificial como objeto de litigio: nuevas fronteras de responsabilidad

La expansión de la inteligencia artificial en el tráfico jurídico no solo actúa como catalizador procesal, sino que está generando nuevos núcleos de conflictividad sustantiva.²⁰ El sistema judicial se enfrenta a una tipología de demandas en las que la tecnología no es meramente un medio, sino la causa directa del daño, desbordando las categorías clásicas de la propiedad intelectual, la responsabilidad civil extracontractual y el derecho a la no discriminación.²¹

3.1. Vulneración de derechos de autor en el entrenamiento de modelos: el frente del copyright

El litigio masivo en materia de propiedad intelectual se ha centrado en el uso no autorizado de obras protegidas para el entrenamiento de modelos de lenguaje de gran tamaño. La jurisprudencia estadounidense ha comenzado a perfilar el estándar de "uso transformativo" (fair use) en este contexto, destacando la causa Kadrey v. Meta,²² en la que se analiza si la ingesta masiva de obras literarias para el entrenamiento algorítmico constituye una vulneración directa de los derechos de explotación.

Desde la perspectiva del Derecho de la Unión Europea, el marco normativo de referencia es la Directiva (UE) 2019/790 sobre derechos de autor y derechos afines en el mercado único digital, cuyo artículo 4 establece una excepción de minería de texto y datos (text and data mining) aplicable con carácter general, salvo reserva expresa del titular. Esta excepción ha sido objeto de una lectura restrictiva por parte de la doctrina europea más autorizada, que destaca que la escala comercial del entrenamiento de los LLM excede la finalidad de investigación para la que fue concebida. La tensión entre la excepción de minería de datos y la protección de los derechos de reproducción en el entrenamiento de IA constituye una de las zonas de frontera normativa más relevantes del momento.

La tendencia observada a finales de 2025 y principios de 2026 muestra un desplazamiento estratégico desde el litigio puro hacia soluciones transaccionales masivas. Grandes grupos de la industria del entretenimiento han comenzado a alcanzar acuerdos compensatorios con desarrolladores de IA, estableciendo estructuras de licencia que permiten a los autores controlar el uso de sus obras a cambio de regalías comerciales.²³ Este fenómeno sugiere que el sector está matizando la defensa del fair use como absoluto legal ante la escala comercial de la IA generativa.

3.2. Responsabilidad civil por algoritmos predictivos: difamación y el caso de las búsquedas relacionadas

La responsabilidad por los resultados erróneos o "alucinados" de los algoritmos plantea el desafío de identificar al sujeto responsable en cadenas de valor caracterizadas por la opacidad técnica. Un hito jurisprudencial en este ámbito es el caso Seren c. Google Inc. ante la Cámara Nacional de Apelaciones en lo Civil de Argentina, que ha consolidado la categoría de la "responsabilidad algorítmica".²⁴ En este supuesto, el módulo de búsquedas relacionadas vinculó automáticamente el nombre de un cirujano con el término "mala praxis" sin que existieran denuncias o sentencias que lo justificaran.

El tribunal determinó que esta asociación, generada por patrones de aprendizaje automático (machine learning), constituía una insinuación lesiva institucionalizada por la interfaz del buscador. La sentencia subraya que la empresa proveedora debe asumir responsabilidad por el daño que sus herramientas de predicción puedan ocasionar cuando estas operan sobre datos manifiestamente falsos.²⁵

3.3. Discriminación algorítmica: desafíos en los ámbitos laboral, crediticio y penal

El riesgo de sesgos sistémicos integrados en los datos de entrenamiento ha dado lugar a una creciente litigiosidad por discriminación algorítmica.²⁶ En el ámbito de las relaciones laborales, el caso Deliveroo en Italia ilustró cómo un algoritmo de asignación de tareas penalizaba a los repartidores que ejercían su derecho a la huelga, al calificar su inactividad como una falta de fiabilidad reputacional. El tribunal concluyó que la impermeabilidad del algoritmo ante los motivos legítimos de ausencia no eximía a la empresa de su responsabilidad por práctica discriminatoria.²⁷

Problemas análogos se presentan en el sector penal, donde el uso de sistemas de evaluación de riesgos —como el sistema COMPAS— ha demostrado una propensión estadística a generar falsos positivos de reincidencia basados en variables que actúan como proxies de carácter racial o socioeconómico.²⁸ La falta de transparencia en la lógica interna de estos modelos impide que los afectados ejerzan su derecho de defensa de forma efectiva, lo que contraviene los principios de tutela judicial efectiva reconocidos en el artículo 47 de la Carta de los Derechos Fundamentales de la Unión Europea (CDFUE) y el artículo 6 del Convenio Europeo de Derechos Humanos (CEDH), así como el deber de motivación de las decisiones que inciden en derechos fundamentales.²⁹

---

4. La IA como herramienta facilitadora: la reducción radical de barreras de entrada

La tesis del "choque de productividad" sostiene que la IA generativa no solo optimiza procesos existentes, sino que altera la economía fundamental del litigio al reducir el "coste sombra" de la producción de documentos legales.³⁰ Esta transformación actúa sobre las barreras cognitivas, lingüísticas y económicas que históricamente han mantenido fuera del sistema judicial un vasto volumen de reclamaciones meritorias, fenómeno conocido en la literatura comparada como la "brecha de justicia" (justice gap).³¹

4.1. Automatización del proceso de naming, blaming and claiming

La sociología jurídica define el acceso a la justicia a través del modelo transformativo de naming, blaming and claiming (NBC).³² Para que un conflicto se traduzca en una acción judicial, el afectado debe primero identificar el daño (naming), atribuir la responsabilidad a un tercero (blaming) y articular una pretensión legal específica (claiming).³³ La IA generativa actúa como un agente de transformación en estas etapas críticas al permitir que sujetos legos traduzcan experiencias fácticas informales en narrativas jurídicas técnicamente viables.³⁴

La evidencia empírica demuestra que herramientas de IA generalistas pueden conducir a un usuario a través de las tres etapas del modelo NBC de forma prácticamente instantánea.³⁵ Ante una consulta sobre condiciones de habitabilidad, los modelos actuales no solo recuerdan las obligaciones legales del arrendador, sino que pueden redactar una carta de requerimiento o una demanda inicial, eliminando la barrera de la "maldición del conocimiento" que separa al ciudadano del lenguaje procesal.³⁶ Esta democratización del conocimiento técnico reduce los filtros que históricamente descartaban litigios antes de su inicio por falta de recursos educativos o sociales de las partes.³⁷

4.2. Reducción de costes y tiempos en la producción de materiales legales complejos

El impacto de la IA en la reducción de barreras económicas es cuantificable. Estudios experimentales comparativos entre modelos de lenguaje y abogados noveles han revelado que la IA puede identificar problemas legales en contratos con una precisión equivalente a la humana, empleando únicamente el 8% del tiempo y con un coste marginal drásticamente inferior.³⁸ Mientras que un profesional podría facturar una media de 74,26 USD por una revisión documental específica, el coste operativo del modelo de IA se sitúa en torno a los 0,25 USD.³⁹

Asimismo, el uso de "lectores inteligentes" (smart readers) basados en IA ha demostrado capacidad para reducir la extensión de documentos legales complejos en un 66,9% y disminuir el nivel de lectura requerido desde un grado universitario a uno de educación primaria, sin comprometer la información esencial.⁴⁰ Esta capacidad de síntesis y simplificación permite a los litigantes navegar sus derechos y obligaciones sin la necesidad constante de intermediación profesional, facilitando un entorno de "auto-representación aumentada".⁴¹ No obstante, esta facilidad de producción conlleva el riesgo de una "justicia de botón único", en la que la conveniencia de uso pueda incentivar la presentación de demandas sin una revisión crítica suficiente sobre su fondo fáctico.⁴²

4.3. El impacto del e-discovery y el análisis semántico de precedentes

En el ámbito profesional, la IA actúa como un ecualizador que permite a despachos pequeños o abogados individuales competir en litigios de gran escala mediante la automatización del e-discovery y la búsqueda semántica.⁴³ A diferencia de las búsquedas tradicionales por palabras clave, la búsqueda semántica permite interrogar miles de páginas de registros utilizando lenguaje natural para hallar patrones de conducta o contradicciones probatorias.⁴⁴

Este avance es especialmente relevante en jurisdicciones de Derecho común (Common Law), donde la gestión de grandes volúmenes de información almacenada electrónicamente (ESI, por sus siglas en inglés) representaba una barrera económica de difícil superación. Hitos jurisprudenciales como el caso Pyrrho Investments Limited v. MWB Property Limited en el Reino Unido han validado el uso de codificación predictiva (predictive coding) para el descubrimiento de pruebas, reconociendo que el análisis algorítmico es no solo más eficiente y económico, sino potencialmente más consistente que la revisión manual.⁴⁵ Esta transición desde el documento físico hacia el dato estructurado permite que la actividad judicial se desplace desde la gestión burocrática del expediente hacia el análisis sustantivo de la prueba.⁴⁶

---

5. Problemas sistémicos derivados del incremento de la litigiosidad

El aumento de la litigiosidad impulsado por la inteligencia artificial no representa únicamente un cambio cuantitativo en el volumen de asuntos, sino un desafío estructural para la viabilidad de los sistemas judiciales.⁴⁷ La paradoja del acceso reside en que, si bien la IA reduce las barreras para los ciudadanos, el flujo masivo resultante de reclamaciones puede degradar la calidad de la respuesta judicial ante una oferta de resolución que es, por definición, inelástica.⁴⁸

5.1. La sobrecarga judicial y la teoría de los "termostatos legales"

La literatura jurídica contemporánea ha formulado la teoría de los "termostatos legales" para explicar cómo reaccionan los tribunales ante oleadas de litigiosidad que amenazan con desbordar sus recursos.⁴⁹ Según este modelo, cuando el volumen de demandas aumenta, el sistema tiende a ajustar sus mecanismos de control mediante la elevación de los estándares de admisibilidad, el endurecimiento de los requisitos de legitimación (standing) o la aplicación más rigurosa de los plazos de prescripción.⁵⁰

El riesgo sistémico actual radica en que el sistema judicial no puede ampliar su capacidad de forma inmediata; el número de jueces y el presupuesto operativo son fijos a corto plazo, mientras que la demanda de justicia asistida por IA es altamente elástica.⁵¹ Ante un choque de demanda que algunos estudios estiman podría duplicar o quintuplicar las tasas actuales de litigación,⁵² existe el peligro de que los tribunales reaccionen restringiendo derechos procesales sustantivos para mantener la operatividad, lo que anularía paradójicamente los avances en el acceso a la justicia logrados mediante la tecnología.⁵³

5.2. El riesgo de la "burocracia algorítmica" y las demandas frívolas basadas en alucinaciones

Un segundo problema sistémico es la aparición de lo que cabe denominar "burocracia algorítmica".⁵⁴ La IA generativa permite producir documentos procesales de gran extensión pero carentes de contenido sustantivo relevante, lo que obliga a los órganos judiciales a dedicar un tiempo desproporcionado a cribar información redundante.⁵⁵ A ello se suma el fenómeno de las "alucinaciones jurídicas": la invención de jurisprudencia y normativa por parte de modelos probabilísticos que carecen de una ontología de la verdad verificable.⁵⁶

Estudios recientes revelan que incluso las herramientas de investigación jurídica profesional diseñadas para abogados presentan tasas de alucinación de entre el 17% y el 33%.⁵⁷ La facilidad para generar escritos persuasivos pero factualmente falsos incentiva la presentación de demandas frívolas o temerarias. Un hito negativo en esta tendencia es el Auto del Tribunal Superior de Justicia de Canarias de 13 de febrero de 2026, en el que se detectó un recurso penal que contenía cuarenta y ocho citas del Tribunal Supremo y del CGPJ íntegramente inventadas por un algoritmo.⁵⁸ Estas prácticas no solo saturan los tribunales, sino que erosionan la confianza pública en la integridad del proceso judicial.⁵⁹

5.3. Asimetría de recursos y el impacto en la economía judicial

Lejos de actuar como un ecualizador perfecto, la irrupción de la IA corre el riesgo de estratificar el mercado jurídico entre operadores con acceso a herramientas avanzadas y quienes dependen de modelos generalistas.⁶⁰ Los grandes litigantes corporativos y los fondos de inversión especializados en litigación disponen de recursos para adquirir herramientas de IA de grado profesional que garantizan privacidad y precisión, mientras que los litigantes con menos recursos dependen de modelos generalistas gratuitos propensos al error.⁶¹

Esta asimetría genera una dinámica de escalada en la producción de materiales escritos. Los datos indican que la actividad interna de los casos ha crecido significativamente tanto en procesos con abogado (+23%) como en casos de auto-representación (+38%).⁶² Además, el uso estratégico de la IA por parte de actores con mayores recursos permite saturar a la contraparte mediante la generación masiva de solicitudes de prueba o requerimientos de admisión, convirtiendo el proceso en un ejercicio de desgaste económico más que de resolución de conflictos sobre el fondo.⁶³

---

6. Gobernanza y análisis comparado de marcos regulatorios

La respuesta regulatoria a la irrupción de la inteligencia artificial en la justicia ha evolucionado desde las guías éticas de finales de la década de 2010 hacia un marco de Derecho vinculante centrado en la gestión de riesgos y la preservación de la autonomía humana. Este ecosistema normativo busca equilibrar los beneficios en eficiencia con la protección de los derechos fundamentales, estableciendo que la responsabilidad judicial es, por naturaleza, indelegable.⁶⁴

6.1. El Reglamento (UE) 2024/1689 sobre Inteligencia Artificial y la administración de justicia

El Reglamento (UE) 2024/1689, de 13 de junio de 2024 (RIA), constituye la piedra angular de la gobernanza algorítmica en Europa. Siguiendo un enfoque basado en el riesgo, la norma clasifica como de "alto riesgo" los sistemas de IA destinados a ser utilizados por una autoridad judicial para asistir en la investigación e interpretación de hechos y normas, así como en la aplicación del Derecho a casos concretos, conforme a lo previsto en el Anexo III, punto 8 del RIA.⁶⁵ Esta calificación no implica una prohibición, sino la imposición de requisitos estrictos de transparencia, gestión de datos, documentación técnica y supervisión humana efectiva, recogidos en los artículos 9, 13 y 14 RIA, respectivamente.⁶⁶

El Reglamento establece que el uso de estas herramientas es lícito siempre que se garantice que el proceso de toma de decisiones sigue siendo una actividad impulsada por personas.⁶⁷ En particular, los sistemas de alto riesgo deben diseñarse de modo que las personas físicas puedan supervisar su funcionamiento para prevenir o minimizar riesgos como el "sesgo de automatización" (automation bias), evitando que los jueces validen de forma acrítica los resultados algorítmicos.⁶⁸ Además, el artículo 86 RIA introduce un derecho autónomo de los afectados a recibir una explicación clara sobre el papel de la IA en una decisión que les afecte significativamente, precepto que opera con independencia del artículo 22 del Reglamento (UE) 2016/679 (RGPD), que regula las decisiones exclusivamente automatizadas, y cuyo ámbito de aplicación y presupuestos difieren sustancialmente.⁶⁹

6.2. La respuesta institucional en España: análisis de la Instrucción 2/2026 del CGPJ

En el contexto español, el Consejo General del Poder Judicial aprobó el 28 de enero de 2026 la Instrucción 2/2026, que regula el empleo de la IA por parte de la Carrera Judicial.⁷⁰ Este instrumento establece cinco pilares fundamentales: el control humano efectivo, la no sustitución del juez, la responsabilidad judicial exclusiva, la transparencia y la prevención de sesgos algorítmicos.⁷¹ La Instrucción prohíbe taxativamente que la IA opere de forma autónoma en la valoración de pruebas o la interpretación del Derecho.⁷²

Un aspecto relevante de esta regulación es la distinción entre usos permitidos y prohibidos. Se permite el uso de IA para la búsqueda de información jurídica, la estructuración de datos y la elaboración de borradores de resoluciones, siempre que se sometan a una validación "crítica, completa y personal" por parte del magistrado.⁷³ Por el contrario, se prohíbe el uso de IA para el tratamiento de datos especialmente protegidos o con fines de predicción del comportamiento de sujetos individuales.⁷⁴ El incumplimiento de estas pautas puede derivar en responsabilidades disciplinarias, reafirmando que el argumento de la inducción al error por parte de la máquina carece de validez legal.⁷⁵

6.3. Experiencias en EE. UU. e Iberoamérica: del sistema Maria (Brasil) a las sanciones por citaciones alucinadas

A nivel internacional, la gobernanza ha estado marcada por la reacción de los tribunales ante el mal uso de la tecnología. En los Estados Unidos, tras el caso Mata v. Avianca, en el que se sancionó a letrados por incluir citas jurisprudenciales inexistentes generadas por un modelo de IA, diversas cortes federales han emitido órdenes permanentes que exigen certificaciones de verificación humana para cualquier escrito asistido por IA.⁷⁶ La American Bar Association (ABA), en sus directrices de 2025, insiste en que la autoridad judicial reside exclusivamente en las personas y que los jueces deben mantener la competencia tecnológica necesaria para detectar alucinaciones.⁷⁷

En Iberoamérica, Brasil destaca por una integración tecnológica avanzada y regulada. El Supremo Tribunal Federal implementó en diciembre de 2024 el sistema Maria, una herramienta de IA generativa diseñada para la clasificación de demandas repetitivas y la elaboración de resúmenes de votos.⁷⁸ Conviene distinguir este sistema del anterior Victor —concebido para el triaje de recursos ante el propio STF desde 2018 y regulado por la Resolución CNJ n.º 332/2020—, mientras que Maria está regulado por la Resolución CNJ n.º 615/2025. Ambos operan bajo supervisión humana estricta.⁷⁹ Esta experiencia demuestra que es posible acelerar la resolución de atascos procesales masivos —Brasil gestiona más de 80 millones de casos pendientes— sin comprometer la independencia judicial, siempre que se mantenga el principio de transparencia técnica.⁸⁰

---

7. Propuestas de reforma procesal

La gestión del incremento de la litigiosidad y la integración de la inteligencia artificial en la administración de justicia exigen una reforma de las leyes procesales que supere la mera digitalización de documentos para abrazar la gestión de datos estructurados.⁸¹ El objetivo no debe ser el robo-judging o la automatización de la decisión, sino la creación de un entorno de "asistencia aumentada" que preserve las garantías del debido proceso mientras se escala la capacidad de respuesta judicial.⁸²

7.1. Gobernanza de la IA en el proceso: transparencia y el principio de "asistente aumentado"

La primera reforma necesaria es la codificación del principio de "control humano efectivo", ya esbozado en instrumentos de soft law y regulaciones sectoriales.⁸³ Se propone que las leyes de enjuiciamiento civil y criminal incluyan la obligación de que toda resolución judicial asistida por IA contenga una declaración de transparencia. Ello implica que el juez no solo valide el resultado, sino que realice una comprobación crítica, completa y personal de los borradores generados algorítmicamente, asumiendo la responsabilidad exclusiva de la interpretación jurídica y la valoración probatoria.⁸⁴

Para evitar la "burocracia algorítmica", la integración debe priorizar herramientas de compresión de información sobre las de generación de contenido.⁸⁵ Los sistemas de consulta documental (Document Q&A) y búsqueda semántica permiten a los jueces interrogar el expediente en lenguaje natural, lo que reduce los tiempos de disposición sin comprometer la independencia.⁸⁶ Esta integración actúa como soporte a la navegación por la creciente masa documental, permitiendo que el magistrado concentre su atención en los aspectos estratégicos y axiológicos del caso.⁸⁷

7.2. Estándares de validación de la prueba algorítmica y deepfakes

Ante la facilidad para generar evidencias sintéticas, el derecho probatorio requiere una actualización de sus criterios de autenticidad.⁸⁸ Resulta necesaria la reforma de las reglas de admisibilidad para exigir certificaciones de origen (hash values o firmas digitales) en materiales audiovisuales, invirtiendo la carga de la prueba sobre la autenticidad cuando existan indicios racionales de manipulación mediante IA.⁸⁹

Asimismo, los tribunales deben implementar sistemas de auditoría periódica de sus propios modelos de IA para detectar sesgos sistémicos.⁹⁰ La propuesta incluye la creación de un registro público de algoritmos judiciales que detalle los datos de entrenamiento y las métricas de precisión, garantizando que el proceso de toma de decisiones no sea una "caja negra" inescrutable para las partes.⁹¹ El derecho a una explicación clara sobre el papel de la IA en la decisión debe consolidarse como una vertiente del derecho a la tutela judicial efectiva garantizado en el artículo 47 CDFUE y el artículo 6 CEDH.⁹²

7.3. Gestión del AI litigation boom: triaje y "termostatos" responsables

Para gestionar el incremento masivo de demandas, en particular las de producción formulaica, se propone una reforma del sistema de triaje procesal.⁹³ En lugar de reaccionar endureciendo de forma indiscriminada los estándares de admisibilidad o los plazos de prescripción —lo que actuaría como un "termostato legal" regresivo que limita derechos sustantivos—, los sistemas judiciales deben adoptar procedimientos de resolución simplificada para casos de baja cuantía y alta repetitividad.⁹⁴

Estos procedimientos podrían incluir una primera fase de mediación o de oferta de acuerdo asistida por IA, bajo supervisión institucional, permitiendo que solo los casos con controversias fácticas complejas o cuestiones de Derecho novedosas escalen a una vista presencial.⁹⁵ Esta "justicia de doble vía" permitiría absorber el choque de productividad de la IA sin saturar los recursos de los tribunales de instancia, asegurando que la tecnología sirva para cerrar la brecha de justicia en lugar de crear una nueva forma de exclusión tecnológica.⁹⁶

---

8. Conclusiones

La investigación desarrollada permite concluir que la inteligencia artificial no representa una mera iteración tecnológica en el ecosistema jurídico, sino una fuerza disruptiva que está reconfigurando los parámetros de la litigiosidad contemporánea. La tesis de la IA como catalizador procesal se ve confirmada por la evidencia empírica: la reducción del "coste sombra" de la producción legal ha provocado un incremento objetivo en la presentación de acciones judiciales, democratizando el acceso a los tribunales pero tensionando simultáneamente su capacidad de respuesta.

8.1. Hallazgos principales

El primer hallazgo crítico es la ruptura de la estabilidad histórica en las tasas de litigación. El paso de una media del 11% al 16,8% en demandas pro se en jurisdicciones avanzadas demuestra que la IA ha comenzado a contribuir al cierre de la "brecha de justicia" al permitir que sujetos legos articulen pretensiones técnicamente viables a un coste marginal ínfimo.⁹⁷ Sin embargo, este avance cualitativo en el acceso conlleva un riesgo de saturación sistémica. El aumento de la actividad procesal intermedia y la proliferación de la "burocracia algorítmica" amenazan con convertir el derecho de defensa en un ejercicio de desgaste documental inabarcable para el órgano juzgador.⁹⁸

En segundo lugar, se ha verificado que la IA ha dejado de ser únicamente una herramienta para convertirse en objeto de litigio autónomo. Las disputas sobre copyright en el entrenamiento de modelos y la consolidación de la "responsabilidad algorítmica" ante daños reputacionales —como en el caso Seren c. Google Inc.—⁹⁹ señalan que los tribunales son actualmente los laboratorios donde se definen los límites éticos y jurídicos de la autonomía de las máquinas.

8.2. Limitaciones y prospectiva: ¿hacia una justicia de "botón único"?

La principal limitación observada en esta transición es la persistencia de las alucinaciones jurídicas y la asimetría tecnológica.¹⁰⁰ Mientras que los grandes actores pueden permitirse sistemas de IA de alta fidelidad con arquitecturas de recuperación de información aumentada (RAG), el litigante común se encuentra expuesto a modelos probabilísticos propensos al error. El riesgo de una "justicia de botón único", donde la conveniencia de uso se anteponga a la veracidad factual, exige que el principio de "control humano efectivo" no sea una mera declaración retórica, sino una obligación procesal inexcusable.¹⁰¹

Desde una perspectiva de lege ferenda, resulta conveniente articular estas propuestas en reformas concretas del ordenamiento procesal español: la incorporación en la Ley de Enjuiciamiento Civil de una obligación de declaración de transparencia en resoluciones asistidas por IA, la creación de un registro público de algoritmos judiciales adscrito al CGPJ y la regulación reglamentaria de los procedimientos simplificados de triaje para litigiosidad formulaica. En términos más amplios, la supervivencia del sistema judicial ante el AI litigation boom no vendrá de la restricción del uso de la tecnología, sino de una integración profunda y ética de la IA en la propia función jurisdiccional.¹⁰² El futuro de la administración de justicia no es algorítmico ni exclusivamente humano, sino híbrido: una simbiosis en la que la tecnología escale la capacidad de respuesta y la persona que ejerce la función judicial garantice la integridad del Derecho.¹⁰³

---

Bibliografía

I. Normativa

Carta de los Derechos Fundamentales de la Unión Europea, DO C 326, de 26 de octubre de 2012.

Convenio para la Protección de los Derechos Humanos y de las Libertades Fundamentales (CEDH), Consejo de Europa, Roma, 4 de noviembre de 1950.

Directiva (UE) 2019/790 del Parlamento Europeo y del Consejo, de 17 de abril de 2019, sobre los derechos de autor y derechos afines en el mercado único digital, DO L 130, de 17 de mayo de 2019.

Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos (RGPD), DO L 119, de 4 de mayo de 2016.

Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, relativo a la inteligencia artificial (RIA), DO L, de 12 de julio de 2024.

Consejo General del Poder Judicial (CGPJ), Instrucción 2/2026, de 28 de enero, en relación con el empleo de la inteligencia artificial por los integrantes de la Carrera Judicial, CGPJ, Madrid, 2026.

Conselho Nacional de Justiça (CNJ), Resolução n.º 332/2020, de 21 de agosto, que establece a Política de Inteligência Artificial do Poder Judiciário Brasileiro.

Conselho Nacional de Justiça (CNJ), Resolução n.º 615/2025, reguladora del sistema Maria.

II. Jurisprudencia

Cámara Sindacale Autonoma di Polizia (CSAP) e altri c. Deliveroo Italia s.r.l., Tribunale di Bologna, Sezione Lavoro, Sentenza n. 2685/2020, 31 dicembre 2020.

Cámara Nacional de Apelaciones en lo Civil, Sala J, Seren, Juan Manuel c/ Google Inc. s/ hábeas data, Expediente n.º 94.057/2024, sentencia de 15 de octubre de 2025, Buenos Aires (Argentina).

Kadrey v. Meta Platforms, Inc., Case No. 23-cv-03417-VC (N.D. Cal. 2025).

Mata v. Avianca, Inc., 678 F. Supp. 3d 443 (S.D.N.Y. 2023).

Pyrrho Investments Ltd v MWB Property Ltd [2016] EWHC 256 (Ch), Master Matthews.

Tribunal Superior de Justicia de Canarias, Sala de lo Penal, Auto de 13 de febrero de 2026.

III. Doctrina

ABA Task Force, Law and Artificial Intelligence (AI), American Bar Association, Chicago, 2024.

ABA Task Force, Guidelines for U.S. Judicial Officers Regarding the Responsible Use of AI, American Bar Association, Chicago, 2025.

ABA Task Force, Year 2 Report on the Impact of AI on the Practice of Law, American Bar Association, Chicago, 2025.

ARBEL, Y. A., Judicial Economy in the Age of AI, National Civil Justice Institute, Washington D.C., 2024.

ARBEL, Y. A. & BECHER, S., "How Smart are Smart Readers? LLMs and the Future of the No-Reading Problem", Cambridge Law Journal, Cambridge University Press, 2024.

ANGWIN, J., LARSON, J., MATTU, S. & KIRCHNER, L., "Machine Bias", ProPublica, 23 de mayo de 2016.

CASAROSA, F., "Regulation (EU) 2024/1689 on artificial intelligence: an analysis", en School for the Judiciary (ed.), JuLIA Handbook: Artificial Intelligence, Judicial Decision-Making and Fundamental Rights, Scuola Superiore della Magistratura, Roma, 2025.

CHIEN, C. V. & KIM, M., "Generative AI and Legal Aid", Loyola of Los Angeles Law Review, vol. 57, núm. 903 (2024), pp. 903-948.

Copyright Alliance, AI Copyright Lawsuit Developments in 2025: A Year in Review, Copyright Alliance, Washington D.C., 2026.

CORBETT-DAVIES, S. et al., "Algorithmic Decision Making and the Cost of Fairness", Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, ACM Press, Nueva York, 2017, pp. 797-806.

DE MARI CASARETO DAL VERME, T., "The Italian Proposal for a Law on Artificial Intelligence", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., 2025.

DIAFERIA, A., "Evolution of the Brazil's Judicial Procedure System in the Context of AI", en Institut za Uporedno Pravo, Artificial Intelligence and Law: Comparative Perspectives, Belgrado, 2025.

DONATI, F., "The use of Artificial Intelligence in judicial systems: ethics and efficiency", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., 2025.

FELSTINER, W. L. F., ABEL, R. L. & SARAT, A., "The Emergence and Transformation of Disputes: Naming, Blaming, Claiming", Law & Society Review, vol. 15, núm. 3/4 (1980-1981), pp. 631-654.

GALANTER, M., "Reading the Landscape of Disputes: What We Know and Don't Know (And Think We Know) About Our Allegedly Contentious and Litigious Society", UCLA Law Review, vol. 31, núm. 4 (1983), pp. 4-71.

GAROFALO, A. M., "Fundamental principles in the use of 'artificial justice' tools", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., 2025.

IZQUIERDO, J., "Abogado multado por 48 sentencias falsas generadas con IA", Perito Informático Forense, 2026, disponible en: https://www.peritoinformaticoforense.es.

IZQUIERDO, J., "AEPD abre 147 expedientes por IA: sanciones inminentes", Perito Informático Forense, 2026.

IZQUIERDO, J., Forense de IA: Guía Definitiva, Perito Informático Forense, 2026.

LEGUIZAMÓN, M., La responsabilidad civil por algoritmos predictivos, Editorial Hammurabi, Buenos Aires, 2026.

MAGESH, V. et al., Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, Stanford CodeX, Stanford University, 2024.

MARTIN, L. et al., "Better Call GPT: Comparing Large Language Models Against Lawyers", arXiv:2401.16212, enero de 2024.

National Civil Justice Institute, Artificial Intelligence and the Courts, National Civil Justice Institute, Washington D.C., 2024.

REILING, D., Technology for Justice: How Does Information Technology Support Delay, Access and Integrity?, Vrije Universiteit Amsterdam Press, Amsterdam, 2009.

SÁ, C. T. B., "Redefining Jurisdiction and Combating Predatory Litigation", en Institut za Uporedno Pravo, Artificial Intelligence and Law: Comparative Perspectives, Belgrado, 2025.

SANTOSUOSSO, A., "From 'documents' to 'data': an epochal shift in Italian justice is possible", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., 2025.

School for the Judiciary, JuLIA Handbook: Artificial Intelligence, Judicial Decision-Making and Fundamental Rights, Scuola Superiore della Magistratura, Roma, 2025.

SHAH, A. V. & LEVY, J. Y., Access to Justice in the Age of AI: Evidence from U.S. Federal Courts, Massachusetts Institute of Technology, Cambridge (MA), 2026.

Supremo Tribunal Federal (STF), STF lança MARIA, ferramenta de inteligência artificial, nota de prensa, Brasília, diciembre de 2024.

TAPIA HERMIDA, A. J., "Reflexiones del Comité Consultivo de IA de la CEPEJ", Revista de Jurisprudencia, núm. 3 (2025).

WHITE, P. J., "AI and Evidence: What Should Judges Look For?", en National Civil Justice Institute, Artificial Intelligence and the Courts, op. cit., 2024.

---

Notas

Footnotes

1. SHAH, A. V. & LEVY, J. Y., Access to Justice in the Age of AI: Evidence from U.S. Federal Courts, Massachusetts Institute of Technology, Cambridge (MA), 2026, p. 14 [en adelante, Shah & Levy (2026)]. ↩

2. Shah & Levy (2026), op. cit., p. 7. ↩

3. Shah & Levy (2026), op. cit., p. 11. ↩

4. Shah & Levy (2026), op. cit., p. 27. ↩

5. ARBEL, Y. A., Judicial Economy in the Age of AI, National Civil Justice Institute, Washington D.C., 2024, p. 37 [en adelante, Arbel (2024)]. ↩

6. REILING, D., Technology for Justice: How Does Information Technology Support Delay, Access and Integrity?, Vrije Universiteit Amsterdam Press, Amsterdam, 2009, p. 172. ↩

7. Auto de 13 de febrero de 2026 del Tribunal Superior de Justicia de Canarias, Sala de lo Penal [en adelante, Auto TSJ Canarias 2026]. El número de rollo no consta en fuentes públicas disponibles a la fecha de redacción del presente trabajo. ↩

8. Consejo General del Poder Judicial (CGPJ), Instrucción 2/2026, de 28 de enero, en relación con el empleo de la inteligencia artificial por los integrantes de la Carrera Judicial, CGPJ, Madrid, 2026 [en adelante, Instrucción 2/2026]. ↩

9. Arbel (2024), op. cit., p. 11. ↩

10. Shah & Levy (2026), op. cit., p. 2. ↩

11. Shah & Levy (2026), op. cit., p. 10. ↩

12. Shah & Levy (2026), op. cit., p. 12. ↩

13. Arbel (2024), op. cit., p. 15. ↩

14. Shah & Levy (2026), op. cit., p. 27. ↩

15. Shah & Levy (2026), op. cit., p. 21. ↩

16. Shah & Levy (2026), op. cit., p. 14. ↩

17. Shah & Levy (2026), op. cit., p. 17. ↩

18. Ibid., p. 17. ↩

19. IZQUIERDO, J., "AEPD abre 147 expedientes por IA: sanciones inminentes", Perito Informático Forense, 2026, disponible en: https://www.peritoinformaticoforense.es [consulta: 10/05/2026]. ↩

20. Arbel (2024), op. cit., p. 116. ↩

21. DONATI, F., "The use of Artificial Intelligence in judicial systems: ethics and efficiency", en School for the Judiciary (ed.), JuLIA Handbook: Artificial Intelligence, Judicial Decision-Making and Fundamental Rights, Scuola Superiore della Magistratura, Roma, 2025, p. 15. ↩

22. Kadrey v. Meta Platforms, Inc., Case No. 23-cv-03417-VC (N.D. Cal. 2025). ↩

23. Copyright Alliance, AI Copyright Lawsuit Developments in 2025: A Year in Review, Copyright Alliance, Washington D.C., 2026. ↩

24. Cámara Nacional de Apelaciones en lo Civil, Sala J, Seren, Juan Manuel c/ Google Inc. s/ hábeas data, Expediente n.º 94.057/2024, sentencia de 15 de octubre de 2025, Buenos Aires (Argentina). ↩

25. LEGUIZAMÓN, M., La responsabilidad civil por algoritmos predictivos, Editorial Hammurabi, Buenos Aires, 2026, pp. 87-112. ↩

26. School for the Judiciary, JuLIA Handbook: Artificial Intelligence, Judicial Decision-Making and Fundamental Rights, Scuola Superiore della Magistratura, Roma, 2025, p. 45. ↩

27. Cámara Sindacale Autonoma di Polizia (CSAP) e altri c. Deliveroo Italia s.r.l., Tribunale di Bologna, Sezione Lavoro, Sentenza n. 2685/2020, 31 dicembre 2020. ↩

28. ANGWIN, J., LARSON, J., MATTU, S. & KIRCHNER, L., "Machine Bias", ProPublica, 23 de mayo de 2016, disponible en: https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing [consulta: 10/05/2026]. Véase también CORBETT-DAVIES, S. et al., "Algorithmic Decision Making and the Cost of Fairness", Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, ACM Press, Nueva York, 2017, pp. 797-806. ↩

29. GAROFALO, A. M., "Fundamental principles in the use of 'artificial justice' tools", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., p. 76. Véanse, asimismo, el art. 47 de la Carta de los Derechos Fundamentales de la Unión Europea (CDFUE), DO C 326, de 26 de octubre de 2012, y el art. 6 del Convenio Europeo de Derechos Humanos (CEDH), Consejo de Europa, Roma, 1950. ↩

30. Shah & Levy (2026), op. cit., p. 11. ↩

31. Arbel (2024), op. cit., p. 73. ↩

32. FELSTINER, W. L. F., ABEL, R. L. & SARAT, A., "The Emergence and Transformation of Disputes: Naming, Blaming, Claiming", Law & Society Review, vol. 15, núm. 3/4 (1980-1981), pp. 631-654. ↩

33. Arbel (2024), op. cit., p. 91. ↩

34. Ibid., p. 92. ↩

35. Arbel (2024), op. cit., p. 147. ↩

36. Ibid., p. 144. ↩

37. Ibid., p. 91. ↩

38. MARTIN, L. et al., "Better Call GPT: Comparing Large Language Models Against Lawyers", arXiv:2401.16212, enero de 2024, p. 10. ↩

39. Arbel (2024), op. cit., p. 84. ↩

40. ARBEL, Y. A. & BECHER, S., "How Smart are Smart Readers? LLMs and the Future of the No-Reading Problem", Cambridge Law Journal, Cambridge University Press, 2024, p. 85. ↩

41. Donati, F. (2025), op. cit., p. 15. ↩

42. IZQUIERDO, J., Forense de IA: Guía Definitiva, Perito Informático Forense, 2026, disponible en: https://www.peritoinformaticoforense.es [consulta: 10/05/2026]. ↩

43. ABA Task Force, Law and Artificial Intelligence (AI), American Bar Association, Chicago, 2024, p. 15. ↩

44. Arbel (2024), op. cit., p. 157. ↩

45. Pyrrho Investments Ltd v MWB Property Ltd [2016] EWHC 256 (Ch), Master Matthews. ↩

46. SANTOSUOSSO, A., "From 'documents' to 'data': an epochal shift in Italian justice is possible", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., p. 131. ↩

47. Arbel (2024), op. cit., p. 11. ↩

48. Shah & Levy (2026), op. cit., p. 1. ↩

49. GALANTER, M., "Reading the Landscape of Disputes: What We Know and Don't Know (And Think We Know) About Our Allegedly Contentious and Litigious Society", UCLA Law Review, vol. 31, núm. 4 (1983), pp. 4-71. La metáfora del "termostato legal" es elaborada y aplicada al contexto de la IA judicial por Arbel (2024), op. cit., pp. 25 y ss. ↩

50. Arbel (2024), op. cit., p. 37. ↩

51. Shah & Levy (2026), op. cit., p. 32. ↩

52. Arbel (2024), op. cit., p. 116. ↩

53. Ibid., p. 9. ↩

54. IZQUIERDO, J., "Abogado multado por 48 sentencias falsas generadas con IA", Perito Informático Forense, 2026, disponible en: https://www.peritoinformaticoforense.es [consulta: 10/05/2026]. ↩

55. Shah & Levy (2026), op. cit., p. 30. ↩

56. Izquierdo, J. (2026), op. cit. ↩

57. MAGESH, V. et al., Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, Stanford CodeX, Stanford University, 2024, p. 1. ↩

58. Auto TSJ Canarias 2026, op. cit. Véase también Mata v. Avianca, Inc., 678 F. Supp. 3d 443 (S.D.N.Y. 2023), caso análogo en la jurisdicción federal estadounidense en el que se impusieron sanciones a los letrados por la inclusión de citas jurisprudenciales inexistentes generadas mediante ChatGPT. ↩

59. Mata v. Avianca, Inc., 678 F. Supp. 3d 443 (S.D.N.Y. 2023). ↩

60. ABA Task Force, Year 2 Report on the Impact of AI on the Practice of Law, American Bar Association, Chicago, 2025, p. 7. ↩

61. CHIEN, C. V. & KIM, M., "Generative AI and Legal Aid", Loyola of Los Angeles Law Review, vol. 57, núm. 903 (2024), p. 917. ↩

62. Shah & Levy (2026), op. cit., p. 22. ↩

63. National Civil Justice Institute, Artificial Intelligence and the Courts, National Civil Justice Institute, Washington D.C., 2024, p. 156. ↩

64. Instrucción 2/2026, op. cit., Preámbulo. ↩

65. Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, relativo a la inteligencia artificial, DO L, 12 de julio de 2024 [en adelante, RIA], Anexo III, punto 8. Véase asimismo CASAROSA, F., "Regulation (EU) 2024/1689 on artificial intelligence: an analysis", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., p. 69. ↩

66. Arts. 9, 13 y 14 RIA, sobre gestión de riesgos, transparencia y supervisión humana, respectivamente. Casarosa, F. (2025), op. cit., p. 69. ↩

67. DE MARI CASARETO DAL VERME, T., "The Italian Proposal for a Law on Artificial Intelligence", en School for the Judiciary (ed.), JuLIA Handbook, op. cit., p. 146. ↩

68. Art. 14 RIA, apartado 4. DONATI, F. (2025), op. cit., p. 18. ↩

69. Art. 86 RIA. Casarosa, F. (2025), op. cit., p. 70. Este derecho es autónomo respecto del derecho a no ser objeto de decisiones automatizadas reconocido en el art. 22 del Reglamento (UE) 2016/679 (RGPD), DO L 119, de 4 de mayo de 2016; su ámbito de aplicación y los requisitos de activación difieren sustancialmente. ↩

70. Instrucción 2/2026, op. cit. ↩

71. Instrucción 2/2026, op. cit., Principios rectores. ↩

72. Instrucción 2/2026, op. cit., Principio de no sustitución del juez. ↩

73. Instrucción 2/2026, op. cit., apartado relativo a usos permitidos y elaboración de borradores. ↩

74. Instrucción 2/2026, op. cit., apartado relativo a usos no autorizados. ↩

75. Izquierdo, J. (2026), "Abogado multado...", op. cit. ↩

76. Mata v. Avianca, Inc., op. cit. Véase también In re: Michael H. Cohen, S.D.N.Y., Misc. No. 23-00168 (2023), orden de sanción con certificación de verificación humana de escritos asistidos por IA. ↩

77. ABA Task Force, Guidelines for U.S. Judicial Officers Regarding the Responsible Use of AI, American Bar Association, Chicago, 2025, p. 3. ↩

78. Supremo Tribunal Federal (STF), STF lança MARIA, ferramenta de inteligência artificial, nota de prensa, STF, Brasília, diciembre de 2024, disponible en: https://www.stf.jus.br [consulta: 10/05/2026]. ↩

79. DIAFERIA, A., "Evolution of the Brazil's Judicial Procedure System in the Context of AI", en Institut za Uporedno Pravo, Artificial Intelligence and Law: Comparative Perspectives, Belgrado, 2025, p. 128. El sistema Victor opera desde 2018 bajo la Resolução CNJ n.º 332/2020, de 21 de agosto, que establece la Política de Inteligência Artificial do Poder Judiciário Brasileiro, mientras que el sistema Maria está regulado por la Resolução CNJ n.º 615/2025. ↩

80. SÁ, C. T. B., "Redefining Jurisdiction and Combating Predatory Litigation", en Institut za Uporedno Pravo, op. cit., p. 116. ↩

81. Santosuosso, A. (2025), op. cit., p. 131. ↩

82. Arbel (2024), op. cit., p. 116. ↩

83. Instrucción 2/2026, op. cit. Véase también Carta Ética Europea sobre el Uso de la Inteligencia Artificial en los Sistemas Judiciales, CEPEJ, Consejo de Europa, Estrasburgo, 2018. ↩

84. Instrucción 2/2026, op. cit., apartado sobre validación personal de borradores. ↩

85. Shah & Levy (2026), op. cit., p. 30. ↩

86. Arbel (2024), op. cit., p. 157. ↩

87. Ibid., p. 183. ↩

88. WHITE, P. J., "AI and Evidence: What Should Judges Look For?", en National Civil Justice Institute, Artificial Intelligence and the Courts, op. cit., p. 117. ↩

89. ABA Task Force, Guidelines for U.S. Judicial Officers..., op. cit., p. 29. ↩

90. TAPIA HERMIDA, A. J., "Reflexiones del Comité Consultivo de IA de la CEPEJ", Revista de Jurisprudencia, núm. 3 (2025), disponible en: https://www.coe.int/cepej [consulta: 10/05/2026]. ↩

91. Casarosa, F. (2025), op. cit., p. 69. ↩

92. Garofalo, A. M. (2025), op. cit., p. 76. El derecho a la tutela judicial efectiva se garantiza en el art. 47 CDFUE y el art. 6 CEDH, op. cit. ↩

93. Arbel (2024), op. cit., p. 37. ↩

94. Ibid., p. 25. ↩

95. Sá, C. T. B. (2025), op. cit., p. 116. ↩

96. Chien, C. V. & Kim, M. (2024), op. cit., p. 907. ↩

97. Shah & Levy (2026), op. cit., p. 1. ↩

98. Arbel (2024), op. cit., p. 116. ↩

99. Cámara Nacional de Apelaciones en lo Civil, Sala J, Seren..., op. cit. ↩

100. Magesh, V. et al. (2024), op. cit. ↩

101. Instrucción 2/2026, op. cit. ↩

102. Arbel (2024), op. cit., p. 9. ↩

103. Santosuosso, A. (2025), op. cit., p. 131. ↩