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...
- 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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 |