El colapso del filtro: sobrecarga informativa, inteligencia artificial y la reconfiguración del valor jurídico

El problema no es el acceso: es el filtro

La práctica legal contemporánea enfrenta una crisis epistémica que no proviene de la escasez de información, sino de su abundancia incontenible. El modelo clásico de autoridad cognitiva en el derecho, aquel en que el abogado domina el corpus normativo relevante mediante acceso especializado y depurado se ha vuelto estructuralmente inviable. La digitalización masificó el acceso; la inteligencia artificial generativa (IAGen) está multiplicando el volumen de contenido producible a un costo marginal casi nulo.

El problema jurídico central no es tecnológico: es epistemológico. ¿Cómo determina el operador jurídico qué información es válida, pertinente y autorizada, cuando el entorno produce contenido en cantidades que superan toda capacidad humana de procesamiento individual?

La sobrecarga como condición estructural

Este fenómeno no es nuevo en entornos profesionale, pero la evidencia empírica confirma que es severo y sistemático su impacto en la productividad y el juicio cognitivo. Arnold et al. (2023), en una revisión de 87 estudios sobre intervenciones ante el exceso informativo en entornos digitales laborales, documentan que la saturación produce deterioro cognitivo acumulativo: el profesional sometido a volúmenes irreductibles de información migra progresivamente del análisis fundado hacia la heurística reactiva. Es decir, del razonamiento deliberado al atajo cognitivo. Es precisamente en ese punto de agotamiento donde la IAGen emerge como solución aparente. Si el cuello de botella es la capacidad humana de procesar, automatizar la síntesis parece la respuesta natural. El problema radica en que este desplazamiento no resuelve la sobrecarga: la terceriza hacia un sistema cuya arquitectura de error permanece opaca para el operador jurídico.

Este dato es jurídicamente relevante: el estándar de diligencia profesional exigible al abogado ya no puede evaluarse en función del volumen de información revisada, sino de la calidad del método de selección empleado. La distinción no es semántica: los sistemas jurídicos diseñados bajo lógicas de escasez informativa son estructuralmente inadecuados para gestionar la abundancia digital, por lo que las soluciones normativas e institucionales deben rediseñarse desde la premisa opuesta: el problema no es el acceso, es la discriminación.

La IAGen como amplificador del déficit

Existe una narrativa dominante según la cual la inteligencia artificial resuelve la sobrecarga al automatizar la síntesis y recuperación de información jurídica. Esta premisa es técnicamente incorrecta y estratégicamente peligrosa.

Glantz (2024) demuestra que los LLM (grandes modelos de lenguaje) simplifican la investigación legal en términos de velocidad, pero introducen un riesgo sistémico de desinformación por hallucinations: afirmaciones jurídicas formalmente plausibles que carecen de sustento real. La implementación de arquitecturas RAG (que conectan el LLM con bases de datos jurídicas curadas) mitiga el problema parcialmente, pero no lo elimina. Más aún, la facilidad de producción de contenido jurídico aparentemente fundamentado por parte de estas herramientas eleva el volumen de ruido dentro del ecosistema de información disponible para el operador jurídico. 

La evidencia empírica es concluyene: Magesh et al. (2025), en la única evaluación pre registrada y sistemática de herramientas como Lexis+ AI y Westlaw AI, reportan tasas de hallucinations que oscilan entre el 17% y el 33%, Esto implica que incluso en entornos controlados, con arquitecturas técnicas avanzadas y corpus cerrados, uno de cada cinco o seis resultados contiene errores materiales. 

Fordon (2026) identifica el mecanismo central: la sycophancy, es decir, la tendencia del sistema a confirmar las premisas implícitas en la pregunta del usuario en lugar de corregirlas. La IA no actúa como un espejo de la ley, sino como un eco de los prompts del usuario. Se configura así una cámara de eco algorítmica en la que el operador jurídico, en el afán de ganar eficiencia, termina confinado en sus propios supuestos amplificados con apariencia de autoridad. Por lo que, la supervisión humana no es una salvaguarda opcional en el uso de herramientas de IA jurídica; es un presupuesto de validez del resultado. La delegación sin verificación, en consecuencia, no es solo un error técnico: equivale a incumplir el deber de diligencia profesional.

Del contenido al método: la verdadera reconfiguración

Se describe previamente entonces una consecuencia estructural que la profesión jurídica no ha procesado aún institucionalmente: cuando el contenido se vuelve abundante, barato y poco confiable, el valor diferencial migra hacia el método. No hacia quién sabe más, sino hacia quién filtra mejor. La competencia crítica deja de ser el acceso a la base de datos y pasa a ser la capacidad de evaluar críticamente la coherencia del resultado con el ordenamiento aplicable. 

Villaseñor (2024) anticipa esta reconfiguración: mientras la IA mejora la eficiencia en investigación básica, su utilidad decrece exponencialmente en tareas de razonamiento factogenético complejo. La elaboración del argumento jurídico permanece irreductiblemente humana. McPeak (2025) añade que la automatización sin control activo del profesional socava los presupuestos de justicia sobre los que descansa la legitimidad del asesoramiento legal.

Las herramientas más eficaces no son las que procesan mayor volumen, sino las que aplican mecanismos de jerarquización semántica que replican la lógica de vinculación estatutaria y precedente del razonamiento jurídico.

Conclusiones

Los mecanismos que permiten sostener la calidad del razonamiento jurídico en este entorno son tecnológicos: son protocolares, formativos y organizacionales. Para el abogado en ejercicio, la tasa de error documentada en LLMs (17%-33%) obliga a implantar un protocolo estricto de verificación humana; ningún resultado algorítmico sustituye el contraste con la fuente primaria. Para las firmas, adoptar IA sin filtros institucionales de calidad transfiere el riesgo epistémico directamente al cliente. Para la formación jurídica, la literacidad algorítmica —comprender los límites y sesgos de los sistemas de IA, no programarlos— debe consolidarse como habilidad jurídica nuclear con la misma jerarquía que la argumentación o la interpretación normativa.

El derecho siempre ha sido una práctica de discriminación: separar lo relevante de lo irrelevante, lo válido de lo inválido, lo fundado de lo especulativo. La IAGen no cambia esa naturaleza; la hace más urgente.

Bibliografía:

• Arnold, M., Goldschmitt, M., & Rigotti, T. (2023). Dealing with information overload: A comprehensive review. Frontiers in Psychology, 14, Article 1122200. https://doi.org/10.3389/fpsyg.2023.1122200 
• Fordon, R. (2026). What the science says about hallucinations in legal research. LLRX.com Legal Research and Technology. https://www.llrx.com/2026/02/what-the-science-says-about-hallucinations-in-legal-research/
• Glantz, S. (2024). Generative AI large language models and researching the law. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4927675
• Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2025). Hallucination-free? Assessing the reliability of leading AI legal research tools. Journal of Empirical Legal Studies, 22(2), 216–242. https://doi.org/10.1111/jels.12413
• McPeak, A. (2025). AI, ethics, and augmented lawyering. University of Toledo Law Review, 56(3), 301–311. https://www.utoledo.edu/law/law-review/publications/pdfs/ai-ethics-augmented-lawyering-agnieszka-mcpeak.pdf
• Villasenor, J. (2024). Generative artificial intelligence and the practice of law: Impact, opportunities, and risks. Minnesota Journal of Law, Science & Technology, 25(2), 25–48. https://doi.org/10.24926/15529541.3895

Elaborado por: Álvaro Eduardo Huamani Cajamarca y Maida Keeli Quiñonez Cevallos