Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos

Este artículo presenta la metodología colaborativa aplicada en el desarrollo de un asistente jurídico basado en inteligencia artificial, diseñado para responder a consultas legales complejas en un contexto universitario. Este proyecto busca resolver el problema de acceso restringido y complicado a i...

Full description

Autores:
Gonzalez Torres, Daniel Leonardo
Santa Quintero, Ricardo Andres
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Libre
Repositorio:
RIU - Repositorio Institucional UniLibre
Idioma:
OAI Identifier:
oai:repository.unilibre.edu.co:10901/31240
Acceso en línea:
https://hdl.handle.net/10901/31240
Palabra clave:
Retrieval Augmented Generation (RAG)
IA jurídica
Acceso legal
Docker
Neo4j
Fine-tuning
Retrieval Augmented Generation (RAG)
Legal AI
Legal access
Docker
Neo4j
Fine-tuning
Inteligencia Artificial -- Aspectos legales
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id RULIBRE2_a7a48b793cd3408831d710cfdbf65f87
oai_identifier_str oai:repository.unilibre.edu.co:10901/31240
network_acronym_str RULIBRE2
network_name_str RIU - Repositorio Institucional UniLibre
repository_id_str
dc.title.spa.fl_str_mv Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
dc.title.alternative.spa.fl_str_mv Written Work: METHODOLOGY DESIGN FOR AN ARTIFICIAL INTELLIGENCE BASED LEGAL ASSISTANT IN ACADEMIC CONTEXTS
title Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
spellingShingle Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
Retrieval Augmented Generation (RAG)
IA jurídica
Acceso legal
Docker
Neo4j
Fine-tuning
Retrieval Augmented Generation (RAG)
Legal AI
Legal access
Docker
Neo4j
Fine-tuning
Inteligencia Artificial -- Aspectos legales
title_short Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
title_full Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
title_fullStr Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
title_full_unstemmed Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
title_sort Diseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicos
dc.creator.fl_str_mv Gonzalez Torres, Daniel Leonardo
Santa Quintero, Ricardo Andres
dc.contributor.advisor.none.fl_str_mv Gonzalez Torres, Daniel Leonardo
Santa Quintero, Ricardo Andres
dc.contributor.author.none.fl_str_mv Gonzalez Torres, Daniel Leonardo
Santa Quintero, Ricardo Andres
dc.subject.spa.fl_str_mv Retrieval Augmented Generation (RAG)
IA jurídica
Acceso legal
Docker
Neo4j
Fine-tuning
topic Retrieval Augmented Generation (RAG)
IA jurídica
Acceso legal
Docker
Neo4j
Fine-tuning
Retrieval Augmented Generation (RAG)
Legal AI
Legal access
Docker
Neo4j
Fine-tuning
Inteligencia Artificial -- Aspectos legales
dc.subject.subjectenglish.spa.fl_str_mv Retrieval Augmented Generation (RAG)
Legal AI
Legal access
Docker
Neo4j
Fine-tuning
dc.subject.lemb.spa.fl_str_mv Inteligencia Artificial -- Aspectos legales
description Este artículo presenta la metodología colaborativa aplicada en el desarrollo de un asistente jurídico basado en inteligencia artificial, diseñado para responder a consultas legales complejas en un contexto universitario. Este proyecto busca resolver el problema de acceso restringido y complicado a información legal organizada y confiable. Utilizando técnicas como la Recuperación Asistida Generativa (RAG) y el ajuste fino (fine-tuning), y herramientas de despliegue como Docker y ngrok, el equipo del semillero Sensorama desarrolló un asistente de IA que implementa el modelo LLaMA 3.2. Durante el proceso, el equipo enfrentó varios desafíos técnicos al depender de servicios gratuitos y equipos de baja capacidad. A lo largo de las pruebas de campo y ajustes técnicos, se fortaleció el conocimiento sobre el uso y limitaciones de tecnologías IA aplicadas al ámbito jurídico.
publishDate 2024
dc.date.created.none.fl_str_mv 2024-10-20
dc.date.accessioned.none.fl_str_mv 2025-06-04T15:30:25Z
dc.date.available.none.fl_str_mv 2025-06-04T15:30:25Z
dc.type.local.spa.fl_str_mv Tesis de Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10901/31240
url https://hdl.handle.net/10901/31240
dc.relation.references.spa.fl_str_mv Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. A., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2018). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171–4186.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. In Proceedings of NeurIPS 2020.
Raffel, C., Shinn, S., Roberts, A., Lee, N., & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21(140), 1-67.
Cheng, S., & Kogan, M. (2020). Graph Databases: A Survey. Computing Research Repository (CoRR), abs/2003.09802.Cheng, S., & Kogan, M. (2020). Graph Databases: A Survey. Computing Research Repository (CoRR), abs/2003.09802.
Gunning, D., & Aha, D. W. (2019). DARPA’s explainable artificial intelligence (XAI) program. AI Magazine, 40(2), 44-58.
Kroger, W., & Hutter, D. (2020). Big Data and AI in Legal Research. Springer.
Goyal, P., & Lieberman, H. (2016). Using data graphs for legal research. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 3302–3311.
Mnih, V., Heess, N., & Graves, A. (2014). Recurrent models of visual attention. Advances in Neural Information Processing Systems, 27.
Chien, E., & Polack, L. (2021). How Graph Databases Can Help with Legal Research. Journal of Legal Technology Risk Management, 12(4), 21-31.
Oren, A. (2015). Graph Databases for Legal Data and its Integration with Legal Information Systems. Journal of Information Science and Technology, 12(2), 50-61.
Garlik, L., & Mitchell, T. (2020). Building and Leveraging Large Language Models for Research and Development. Cambridge University Press.
Hendrycks, D., & Gimpel, K. (2016). Bridging the gap: Direct learning from language and vision. In NeurIPS, 23, 2061-2069.
Liu, H., & Soni, A. (2020). Application of Large Language Models in Legal Assistance. International Journal of Artificial Intelligence and Law, 28(4), 341-355.
Singh, P., & Gupta, R. (2020). Enhancing AI-based Legal Assistants using Fine-Tuning. Springer.
Ousterhout, J. (2021). Docker: A Tool for Building Distributed Applications in AI Development. O'Reilly Media.
Banko, M., & Jelinek, F. (2007). Scaling to Very Large Corpora for Statistical Machine Translation. Proceedings of the Annual Meeting of the Association for Computational Linguistics (ACL), 563-570.
Salinas, E., & Lee, H. (2018). Fine-tuning large pre-trained models for domain-specific knowledge. Machine Learning Journal, 15(2), 200-212.
Ahmad, R., & Doshi, P. (2021). Artificial Intelligence in Law: A Review of Applications. Computing Research Repository (CoRR), abs/2101.02417.
Benassi, M., & Cortellini, D. (2020). Secure Communication in AI Systems: Elliptic Curve Cryptography for Confidentiality. International Journal of Cybersecurity, 16(1), 10-22.
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.license.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.spa.fl_str_mv PDF
dc.coverage.spatial.spa.fl_str_mv Bogotá
institution Universidad Libre
bitstream.url.fl_str_mv http://repository.unilibre.edu.co/bitstream/10901/31240/4/Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf.jpg
http://repository.unilibre.edu.co/bitstream/10901/31240/5/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf.jpg
http://repository.unilibre.edu.co/bitstream/10901/31240/3/license.txt
http://repository.unilibre.edu.co/bitstream/10901/31240/1/Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf
http://repository.unilibre.edu.co/bitstream/10901/31240/2/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf
bitstream.checksum.fl_str_mv ec7d1b7c39b4e376673bedcb0128185b
89e53f1702c3ce2330523d79dc445d09
8a4605be74aa9ea9d79846c1fba20a33
63595d508faaad9f5c2463220dcc543b
48547b1590a5d87646831b27fb95da46
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Unilibre
repository.mail.fl_str_mv repositorio@unilibrebog.edu.co
_version_ 1837099489657094144
spelling Gonzalez Torres, Daniel LeonardoSanta Quintero, Ricardo AndresGonzalez Torres, Daniel LeonardoSanta Quintero, Ricardo AndresBogotá2025-06-04T15:30:25Z2025-06-04T15:30:25Z2024-10-20https://hdl.handle.net/10901/31240Este artículo presenta la metodología colaborativa aplicada en el desarrollo de un asistente jurídico basado en inteligencia artificial, diseñado para responder a consultas legales complejas en un contexto universitario. Este proyecto busca resolver el problema de acceso restringido y complicado a información legal organizada y confiable. Utilizando técnicas como la Recuperación Asistida Generativa (RAG) y el ajuste fino (fine-tuning), y herramientas de despliegue como Docker y ngrok, el equipo del semillero Sensorama desarrolló un asistente de IA que implementa el modelo LLaMA 3.2. Durante el proceso, el equipo enfrentó varios desafíos técnicos al depender de servicios gratuitos y equipos de baja capacidad. A lo largo de las pruebas de campo y ajustes técnicos, se fortaleció el conocimiento sobre el uso y limitaciones de tecnologías IA aplicadas al ámbito jurídico.Universidad Libre -- Ingenieria -- Ingenieria de sistemasThis article presents the collaborative methodology applied in the development of an AI-based legal assistant, designed to answer complex legal queries in an academic context. This project seeks to solve the issue of restricted and complex access to organized and reliable legal information. Using techniques such as Retrieval-Augmented Generation (RAG) and fine-tuning, and deployment tools like Docker and ngrok, the Sensorama team developed an AI assistant implementing the LLaMA 3.2 model. Throughout the process, the team faced technical challenges relying on free services and low-capacity equipment. Through field tests and technical adjustments, knowledge was strengthened on the use and limitations of AI technologies applied to the legal field.PDFhttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Retrieval Augmented Generation (RAG)IA jurídicaAcceso legalDockerNeo4jFine-tuningRetrieval Augmented Generation (RAG)Legal AILegal accessDockerNeo4jFine-tuningInteligencia Artificial -- Aspectos legalesDiseño de la metodología para un asistente legal basado en inteligencia artificial en contextos académicosWritten Work: METHODOLOGY DESIGN FOR AN ARTIFICIAL INTELLIGENCE BASED LEGAL ASSISTANT IN ACADEMIC CONTEXTSTesis de Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisVaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. A., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30.Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2018). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171–4186.Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. In Proceedings of NeurIPS 2020.Raffel, C., Shinn, S., Roberts, A., Lee, N., & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21(140), 1-67.Cheng, S., & Kogan, M. (2020). Graph Databases: A Survey. Computing Research Repository (CoRR), abs/2003.09802.Cheng, S., & Kogan, M. (2020). Graph Databases: A Survey. Computing Research Repository (CoRR), abs/2003.09802.Gunning, D., & Aha, D. W. (2019). DARPA’s explainable artificial intelligence (XAI) program. AI Magazine, 40(2), 44-58.Kroger, W., & Hutter, D. (2020). Big Data and AI in Legal Research. Springer.Goyal, P., & Lieberman, H. (2016). Using data graphs for legal research. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 3302–3311.Mnih, V., Heess, N., & Graves, A. (2014). Recurrent models of visual attention. Advances in Neural Information Processing Systems, 27.Chien, E., & Polack, L. (2021). How Graph Databases Can Help with Legal Research. Journal of Legal Technology Risk Management, 12(4), 21-31.Oren, A. (2015). Graph Databases for Legal Data and its Integration with Legal Information Systems. Journal of Information Science and Technology, 12(2), 50-61.Garlik, L., & Mitchell, T. (2020). Building and Leveraging Large Language Models for Research and Development. Cambridge University Press.Hendrycks, D., & Gimpel, K. (2016). Bridging the gap: Direct learning from language and vision. In NeurIPS, 23, 2061-2069.Liu, H., & Soni, A. (2020). Application of Large Language Models in Legal Assistance. International Journal of Artificial Intelligence and Law, 28(4), 341-355.Singh, P., & Gupta, R. (2020). Enhancing AI-based Legal Assistants using Fine-Tuning. Springer.Ousterhout, J. (2021). Docker: A Tool for Building Distributed Applications in AI Development. O'Reilly Media.Banko, M., & Jelinek, F. (2007). Scaling to Very Large Corpora for Statistical Machine Translation. Proceedings of the Annual Meeting of the Association for Computational Linguistics (ACL), 563-570.Salinas, E., & Lee, H. (2018). Fine-tuning large pre-trained models for domain-specific knowledge. Machine Learning Journal, 15(2), 200-212.Ahmad, R., & Doshi, P. (2021). Artificial Intelligence in Law: A Review of Applications. Computing Research Repository (CoRR), abs/2101.02417.Benassi, M., & Cortellini, D. (2020). Secure Communication in AI Systems: Elliptic Curve Cryptography for Confidentiality. International Journal of Cybersecurity, 16(1), 10-22.THUMBNAILTrabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdf.jpgTrabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdf.jpgimage/jpeg87911http://repository.unilibre.edu.co/bitstream/10901/31240/4/Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf.jpgec7d1b7c39b4e376673bedcb0128185bMD54Formato autorización PUBLICACIÓN DE OBRAS - Trabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdf.jpgFormato autorización PUBLICACIÓN DE OBRAS - Trabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdf.jpgIM Thumbnailimage/jpeg32407http://repository.unilibre.edu.co/bitstream/10901/31240/5/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf.jpg89e53f1702c3ce2330523d79dc445d09MD55LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.unilibre.edu.co/bitstream/10901/31240/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALTrabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdfTrabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdfapplication/pdf262890http://repository.unilibre.edu.co/bitstream/10901/31240/1/Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf63595d508faaad9f5c2463220dcc543bMD51Formato autorización PUBLICACIÓN DE OBRAS - Trabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdfFormato autorización PUBLICACIÓN DE OBRAS - Trabajo Escrito DISEÑO DE LA METODOLOGÍA PARA UN ASISTENTE LEGAL BASADO EN INTELIGENCIA ARTIFICIAL EN CONTEXTOS ACADÉMICOS.pdfapplication/pdf189060http://repository.unilibre.edu.co/bitstream/10901/31240/2/Formato%20autorizaci%c3%b3n%20PUBLICACI%c3%93N%20DE%20OBRAS%20-%20Trabajo%20Escrito%20DISE%c3%91O%20DE%20LA%20METODOLOG%c3%8dA%20PARA%20UN%20ASISTENTE%20LEGAL%20BASADO%20EN%20INTELIGENCIA%20ARTIFICIAL%20EN%20CONTEXTOS%20ACAD%c3%89MICOS.pdf48547b1590a5d87646831b27fb95da46MD5210901/31240oai:repository.unilibre.edu.co:10901/312402025-06-20 06:01:15.948Repositorio Institucional Unilibrerepositorio@unilibrebog.edu.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