flowchart LR
A[DOF / SIDOF] --> B[dofjson]
B --> C[nota2md]
B --> D[document2md<br/>OCR]
C --> E[md2akn<br/>artículo, fracción]
D --> E
E --> F[vectores]
¿Qué tan cerca están nuestras leyes? Explorando el derecho mexicano con inteligencia artificial
LegalIA: corpus abiertos y un atlas de la legislación federal
INFOTEC
Introducción
Definiciones
Inteligencia Artificial (IA)
Conjunto de teorías, métodos y algoritmos para el desarrollo y estudio de sistemas que presentan un comportamiento que sería identificado como inteligente.
Aprendizaje Computacional
Subárea de IA que estudia el desarrollo e implementación de algoritmos capaces de aprender de datos de manera autónoma sin haber sido explícitamente programados.
Procesamiento de Lenguaje Natural
Conjunto de teorías, métodos y algoritmos para el desarrollo y estudio de sistemas que permitan el entendimiento, generación y manipulación del lenguaje humano.
Derecho y datos
La legislación es, ante todo, texto: leyes, reglamentos y decretos escritos en lenguaje natural que se modifican con el tiempo y que se pueden estudiar como datos.
Percepción de Inteligencia Artificial (IA)
Así la vemos
Así está
¿Qué puede hacer el PLN?
Aplicaciones
- Minería de opinión
- positivo :) –neutro :| –negativo :(
- Análisis de tópicos
- Identificación de humor
Aplicaciones jurídicas
- Buscar leyes: encontrar el artículo que responde a una necesidad
- Responder preguntas sobre la legislación vigente
- Resumir documentos jurídicos extensos
La inteligencia artificial y el derecho
Un poco de historia
1987
Primera Conferencia Internacional de Inteligencia Artificial y Derecho (ICAIL) (Proceedings of the First International Conference on Artificial Intelligence and Law 1987): el campo se institucionaliza.
GPT-4 y el examen de la barra
GPT-4 “aprobó” el examen de la barra de Estados Unidos (Katz et al. 2024).
Una reevaluación
Al repetir la evaluación, las cifras resultaron más conservadoras (Martínez 2024).
El problema: las alucinaciones
Modelos generativos públicos
Alucinan entre 58 % y 88 % de las veces al preguntar sobre jurisprudencia federal estadounidense (Dahl et al. 2024).
Herramientas comerciales “libres de alucinación”
Aun así se equivocan entre 17 % y 33 % de las veces (Magesh et al. 2025).
Alucinar
Generar una respuesta que suena convincente, pero que cita leyes o casos que no existen o que dicen otra cosa.
¿Y México?
Evidencia concentrada en otros países
La validación de los sistemas de IA jurídica se ha concentrado en Estados Unidos y la Unión Europea; para América Latina la evidencia es escasa.
Para México
No se cuenta con puntos de referencia públicos ni con corpus abiertos construidos a partir de las leyes mexicanas vigentes.
Leyes dispersas
La legislación vigente está dispersa en fuentes heterogéneas y es de difícil consulta para quien no es especialista.
Cajas negras y confianza
Cajas negras
Los modelos de lenguaje operan como cajas negras: no sabemos por qué responden lo que responden.
Confianza
La confianza depende de que la persona usuaria entienda por qué el sistema recomienda algo (Atkinson et al. 2020).
La respuesta debe remitir al artículo
Una respuesta jurídica útil es una que se puede verificar contra el texto vigente de la ley.
LegalIA
El proyecto
Datos abiertos
Corpus que documentan el sistema jurídico mexicano, estandarizados y abiertos.
Modelos especializados
Modelos de lenguaje entrenados con texto jurídico mexicano, liberados abiertamente.
PLN jurídico
Clasificación, resumen y minería de argumentos en los términos del derecho mexicano.
Todo en abierto (Apache 2.0)
¿Dónde están las leyes?
Diario Oficial de la Federación (DOF)
Medio oficial donde se publican los decretos, las leyes y sus reformas. Cada reforma aparece como una nota.
Suprema Corte de Justicia de la Nación (SCJN)
Publica las leyes, reglamentos y lineamientos federales en su forma consolidada, con sus textos de reforma fechados.
El Diario Oficial de la Federación
Un siglo de notas
El archivo
- 1,232,802 notas
- 30,614 días de publicación
- Del 1917-01-01 al 2026-06-30
- Se actualiza cada mes
¿Qué formato tienen?
- HTML desde los años setenta; universal desde los 2000
- 25,500 notas sólo con PDF
- 4,308 notas, todas de los 1910, sin contenido
¿Cuánto se publica?
1999
El volumen anual salta de 12,921 a 28,234 notas.
2014
Máximo histórico: 36,041 notas en un año.
¿De qué habla el DOF? (1/2)
Zedillo
Fox
¿De qué habla el DOF? (2/2)
Calderón
AMLO
2019 vs 2025
¿Cómo se escribe?
El tipo de documento
La primera palabra del título indica el tipo de documento. En 2025, “aviso” es el 43.9 % de las notas.
Títulos más cortos
La longitud mediana del título cae de unas 20 palabras a 5–6.
Las leyes federales
315 leyes, 3,724 versiones
Leyes
- 3,724 versiones fechadas (“textos de reforma”)
- De 315 de los 316 instrumentos federales catalogados
- De 1889 a 2026
Enlace con el DOF
- 87.7 % enlazadas a su decreto en el DOF
- 66.4 % por título, 21.3 % por contenido
- Además: 1,082 reglamentos y 126 lineamientos
De la nota al artículo
Paquetes en PyPI, licencia Apache 2.0
Reconstruir una ley a partir de sus reformas
La idea
Cada decreto modifica artículos. Con todos los decretos en orden, el texto vigente de una ley se vuelve a armar.
Un ejemplo
La Constitución: 1,328 disposiciones, reconstruidas a partir de sus reformas.
El atlas
¿Qué tan cerca están dos leyes?
La pregunta
Cada artículo busca a su “gemelo”: el texto más parecido que está en otra ley.
El vecino más cercano
- El texto más cercano (coseno) fuera de su propio instrumento
- Si ese texto lo comparten m instrumentos, cada uno recibe 1/m
Texto → números
De artículos a instrumentos
Disposiciones
- 161,989 disposiciones
- 28,568 encabezados y 21,344 transitorios se excluyen
- 1,715 textos idénticos compartidos se descartan
- 110,362 disposiciones contadas
Instrumentos
- 315 leyes, 863 reglamentos y 125 lineamientos
- 1,303 instrumentos únicos (de reglamentos y lineamientos reeditados sólo se conserva el más reciente)
- Matriz dirigida instrumento × instrumento: 32,539 celdas no nulas
Dibujar el mapa
UMAP
“Aplanar” el espacio de 1,024 dimensiones a una hoja, de modo que los instrumentos cercanos queden juntos.
La vecindad (4, 8, 16 o 32) cambia el dibujo, no los datos.
El atlas
Cómo leerlo
Cómo leer el mapa
- Azul: leyes (315)
- Verde: reglamentos (863)
- Magenta: lineamientos (125)
- El área del punto es proporcional al número de disposiciones
- Al elegir un instrumento se ven sus 5 vecinos salientes y 5 entrantes
Ejemplo: Universidad Autónoma Chapingo
Ley de la UACh
- 28 disposiciones, 18 contadas
- 10 → Ley Orgánica de la UAM
- 7 → Antonio Narro
- 1 → IPN
- 24 disposiciones ajenas apuntan a ella
Ejemplo: la Constitución
CPEUM
1,328 disposiciones, 137 contadas. Vecinos más cercanos:
- LGIPE: 15.0
- LOPJF: 9.0
- Ley Orgánica del Congreso: 8.0
Cada vecindad se explica
Pares de artículos
Cada peso abre la tabla de pares de artículos que lo explican.
Art. 96 CPEUM ↔︎ art. 494 LGIPE: similitud 0.86
¿Quién recibe más?
Un mapa, dos modelos
0.6B vs 4B
El modelo de representación cambia qué instrumentos están más cerca, y por tanto cambia las relaciones y el dibujo.
¿Qué sigue?
Objetivos
Objetivo general
Desarrollar y evaluar sistemas explicables de inteligencia artificial que ofrezcan respuestas trazables y eficientes, apoyados en corpus jurídicos, para tareas del derecho mexicano.
Objetivos específicos
- Corpus abiertos del derecho mexicano vigente
- Sistemas híbridos de recuperación y búsqueda semántica
- Respuesta a preguntas sobre códigos vigentes, con citas y abstención
- Resúmenes con trazabilidad al texto original
- Conjuntos de evaluación y protocolo público
- Análisis de explicabilidad
- Difusión en acceso abierto
Plan de trabajo
PT1. Corpus abiertos
Meses 1–10
PT2. Sistemas híbridos explicables
Meses 4–15
PT3. Evaluación y difusión
Meses 7–18
Hitos
- Mes 6: corpus v1 interno
- Mes 10: corpus público
- Mes 12: prototipos de recuperación y de respuesta a preguntas, y primer manuscrito
- Mes 15: resúmenes y explicabilidad, y código liberado
- Mes 18: protocolo y conjuntos de evaluación
Respuestas que citan la ley
Buscador
Encontrar el artículo correcto, combinando búsqueda por palabras y por significado.
Preguntas
Responder citando las disposiciones, y abstenerse cuando no hay evidencia suficiente.
Resúmenes
Cada afirmación del resumen se vincula con el segmento del documento que la origina.
Eficiencia
Sistemas que priorizan la trazabilidad y la eficiencia sobre el cómputo de alto desempeño, pensados para las condiciones reales de instituciones y despachos.
Conclusiones
Temas
Técnicas
- Inteligencia artificial
- Procesamiento de lenguaje natural
- Representaciones densas y mapas (UMAP)
Recursos y tareas
- Corpus del DOF y de las leyes federales
- Atlas de la legislación federal
- Búsqueda, preguntas y resúmenes con citas
Todo es abierto
Paquetes en PyPI, releases con licencia Creative Commons, sitio web y código Apache 2.0: https://ingeotec.github.io/LegalIA/
Referencias
Atkinson, Katie, Trevor Bench-Capon, y Danushka Bollegala. 2020. «Explanation in AI and law: Past, present and future». Artificial Intelligence 289 (diciembre): 103387. https://doi.org/10.1016/J.ARTINT.2020.103387.
Dahl, Matthew, Varun Magesh, Mirac Suzgun, y Daniel E. Ho. 2024. «Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models». Journal of Legal Analysis 16 (1): 64-93. https://doi.org/10.1093/JLA/LAAE003.
Katz, Daniel Martin, Michael James Bommarito, Shang Gao, y Pablo Arredondo. 2024. «GPT-4 passes the bar exam». Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 382 (2270). https://doi.org/10.1098/rsta.2023.0254.
Magesh, Varun, Faiz Surani, Matthew Dahl, Mirac Suzgun, Christopher D. Manning, y Daniel E. Ho. 2025. «Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools». Journal of Empirical Legal Studies 22 (2): 216-42. https://doi.org/10.1111/JELS.12413.
Martínez, Eric. 2024. «Re-evaluating GPT-4’s bar exam performance». Artificial Intelligence and Law 2024 33:3 33 (3): 581-604. https://doi.org/10.1007/s10506-024-09396-9.
Proceedings of the First International Conference on Artificial Intelligence and Law. 1987. Association for Computing Machinery.