De la respuesta automática al juicio jurídico: IA generativa y pensamiento crítico

Por:  Dr. Eduardo Andrés Calderón Marenco

Universidad Cooperativa de Colombia

Publicado: 10/09/2026

La inteligencia artificial generativa (IAG) está modificando una práctica fundamental en la formación e investigación jurídica, como lo es buscar información, interpretarla y transformarla en un texto argumentativo. Hoy un estudiante de cualquier nivel de formación puede solicitar a una herramienta que explique una institución, sugiera jurisprudencia, resuma un documento o redacte una primera versión de un escrito. El reto pedagógico ya no consiste únicamente en impedir que la IA produzca la respuesta, sino en comprobar si el estudiante comprende lo que presenta, puede verificar sus fuentes y es capaz de defender el razonamiento que sostiene su conclusión, observando el proceso metodológico que implica la investigación.

Este cambio coincide con una orientación más amplia de la educación superior, y es que la UNESCO propone un uso de la IAG centrado en el ser humano, que preserve la agencia de profesores/as, investigadores/as y estudiantes y desarrolle capacidades para evaluar críticamente estas tecnologías (Miao & Holmes, 2024). En las ciencias jurídicas, esa exigencia es particularmente intensa, dado de que la apariencia de autoridad de una respuesta no garantiza su validez jurídica.

De encontrar información a justificar su validez

La búsqueda jurídica tradicional obliga a delimitar el problema, seleccionar términos de consulta, determinar elementos de inclusión-exclusión, localizar legislación, jurisprudencia y doctrina, valorar su pertinencia y construir una respuesta. La IA puede acelerar varias de estas etapas, pero también puede ocultar el proceso intelectual que permite distinguir una fuente auténtica de una referencia plausible. Ajevski et al. (2023) sostienen que las facultades de Derecho deben repensar sus estrategias de evaluación y, al mismo tiempo, preparar al estudiante para utilizar estas tecnologías en la práctica profesional.

Es importante destacar que la necesidad de verificación no es teórica. Así, Dahl et al. (2024), al evaluar modelos de lenguaje de propósito general frente a preguntas verificables sobre jurisprudencia federal estadounidense, documentaron tasas elevadas de alucinaciones y dificultades de los modelos para reconocer sus propios errores. Incluso los sistemas especializados de investigación jurídica reducen, pero no eliminan, el problema. Igualmente, Magesh et al. (2025) encontraron alucinaciones entre el 17 % y el 33 % en herramientas comerciales de investigación legal evaluadas. Por ello, la competencia que debe enseñarse no es solo preguntar mejor a la IA, sino contrastar mejor sus resultados.

Una estrategia de aprendizaje en cinco movimientos

Una actividad aplicable a cursos de metodología jurídica, investigación, argumentación o redacción puede organizarse en cinco movimientos. Primero, el/la estudiante formula el problema jurídico sin utilizar IA, identifica hechos relevantes, jurisdicción, conceptos y preguntas que deben resolverse. Segundo, utiliza la IA como instrumento exploratorio para generar palabras clave, hipótesis (en dependencia del tipo de investigación), conceptos relacionados y posibles rutas de búsqueda, sin aceptar todavía sus referencias como evidencia.

Tercero, realiza una búsqueda independiente en fuentes jurídicas auténticas y construye una matriz de verificación. Cada afirmación relevante de la IA debe vincularse con la norma, sentencia, doctrina o documento institucional que realmente la sustenta. El/la estudiante puede clasificar el resultado como confirmado, parcialmente confirmado, desactualizado, discutible o falso. Esta fase convierte el error potencial de la herramienta en una oportunidad explícita de aprendizaje.

Cuarto, redacta el texto jurídico a partir de un razonamiento propio y verificable. La IA puede utilizarse como herramienta de apoyo para organizar ideas, mejorar la claridad expositiva o identificar posibles contraargumentos; sin embargo, la estructura central del razonamiento debe ser construida y comprendida por el estudiante. Esto implica identificar con precisión el problema jurídico, seleccionar la norma o fuente aplicable, interpretarla, relacionarla con los hechos y formular una conclusión debidamente fundamentada. La IA no debería sustituir ninguna de estas etapas, aunque en la práctica existe el riesgo de que el/la estudiante delegue en ella gran parte del proceso argumentativo. En esta línea, Prakash y Nair (2024) sostienen que la formación jurídica debe integrar alfabetización en IA, reflexión ética y experiencias prácticas, mediante evaluaciones que preserven el énfasis en el pensamiento crítico y el razonamiento jurídico.

Quinto, el/la estudiante elabora una breve bitácora sobre el uso de la IA generativa y presenta los resultados de su trabajo de investigación, identificando de manera transparente cuál fue la contribución de esta tecnología en cada etapa del proceso. El propósito no es reproducir todos los intercambios mantenidos con la herramienta, sino reflexionar sobre su utilización, qué aportes resultaron útiles, qué errores o limitaciones fueron detectados, qué fuentes permitieron verificar o corregir la información obtenida y qué decisiones intelectuales correspondieron directamente al estudiante. De este modo, la bitácora se convierte en una evidencia del proceso de aprendizaje y de la capacidad para utilizar la IA con criterio, responsabilidad y autonomía. En este mismo sentido, Hyde-Vaamonde y Keller (2025), a partir de una intervención con más de 125 estudiantes de Derecho, destacan el valor pedagógico de involucrar al alumnado en la evaluación crítica de contenidos generados por IA, de manera que puedan reconocer sesgos, imprecisiones y limitaciones, y refinar los resultados de forma responsable.

Evaluar la asimilación: del producto a la trazabilidad

Si solo se califica el documento final, una respuesta generada por IA puede parecer equivalente a un aprendizaje profundo. Por eso, la evaluación debería distribuirse entre evidencias del proceso y del producto, formulación del problema, estrategia de búsqueda, calidad y autenticidad de las fuentes, matriz de verificación, coherencia del razonamiento, texto final y presentación. Una rúbrica puede otorgar mayor peso a la calidad de las fuentes y al razonamiento que a la corrección formal del estilo.

Este enfoque cambia también la pregunta sobre integridad académica. En vez de intentar determinar únicamente si un texto fue escrito por IA, el/la profesor puede preguntar si ¿el estudiante sabe de dónde proviene cada afirmación?, ¿puede explicar por qué una fuente es aplicable?, ¿detecta una cita inexistente?, ¿puede sostener la conclusión sin depender de la interfaz? La American Bar Association informó en 2024 que, entre las facultades de Derecho encuestadas, el 55 % ofrecía cursos dedicados a IA y el 83 % contaba con oportunidades curriculares para aprender a utilizar estas herramientas (American Bar Association, 2024a), lo que muestra que la alfabetización en IA ya forma parte de la agenda de formación jurídica.

Indiscutiblemente, la conexión con la práctica profesional es directa. La Formal Opinion 512 de la American Bar Association recuerda que el uso de IAG no desplaza deberes de competencia, confidencialidad, supervisión, comunicación y veracidad ante los tribunales (American Bar Association, 2024b). En términos educativos, esto significa que enseñar a verificar la salida de una IA no es un ejercicio accesorio, es entrenar una forma de responsabilidad profesional.

Conclusión

La IA generativa puede ampliar la capacidad del estudiante para explorar información y mejorar la construcción de textos, pero su valor educativo depende del diseño de la actividad. Si sustituye la búsqueda, la lectura y la argumentación, puede empobrecer la asimilación. Si se utiliza como objeto de contraste, puede volver visibles competencias que antes resultaban difíciles de observar, identificar una fuente confiable, detectar errores, comparar interpretaciones, justificar una inferencia y explicar por qué una conclusión es jurídicamente defendible.

Así, el objetivo no es formar estudiantes que produzcan prompts sofisticados, sino profesionales capaces de trabajar con IA sin delegar en ella su juicio. En las ciencias jurídicas, la evidencia más convincente de aprendizaje no será un texto impecable, sino la capacidad de reconstruir cómo se llegó a él, es decir, preguntar, buscar, verificar, interpretar, argumentar y defender.