El Ministerio de Justicia de Argentina y el SAIJ pusieron a prueba la IA generativa en todo el Poder Judicial: 5.000 agentes judiciales evaluaron la experiencia como 81% positiva, e identificar agravios en un recurso paso de 25 a 2,5 minutos, con busquedas de jurisprudencia hasta un 90% mas rapidas.
~5,000
Personal judicial encuestado (2024-2025)
81%
Valoración positiva de la experiencia (2024-2025)
25 minutes -> ~2.5 minutes
Tiempo para identificar fundamentos de apelación (agravios), antes vs. asistido por IA (2024-2025)
~77%
Estándar de calidad mantenido en la tarea asistida por IA (2024-2025)
~90%
Reducción del tiempo de búsqueda de jurisprudencia (2024-2025)
1,007 (three trials each), ~3,000 prompts
Casos de prueba estructurados realizados (2024-2025)
Detalles
Madurez
Piloto
Promotor
Ministerio de Justicia de la Nación / Sistema Argentino de Información Jurídica (SAIJ)
Período
2024-2025
Palabras clave
justice, judiciary, generative AI, public administration, legal research
Contexto
El sistema judicial argentino buscaba probar si la IA generativa podía acelerar tareas analíticas comunes, como la redacción y la investigación jurídica, en tribunales de todo el país.
Objetivos
Probar el uso estratégico y responsable de la IA generativa con jueces, fiscales y personal judicial, midiendo tanto la percepción de los usuarios como el tiempo/calidad de finalización de las tareas en casos de prueba estructurados.
Actividades
El Ministerio de Justicia de la Nación argentina, a través del SAIJ y el Programa Nacional de Inteligencia Artificial en la Justicia, llevó a cabo el proyecto piloto en 2024-2025 con socios de laboratorios universitarios de IA (UBA-IALAB, ALTA, JusLab, UNLZ Innovation Laboratory), ejecutando 1.007 casos de prueba estructurados (tres ensayos cada uno) y unos 3.000 prompts, y encuestando a cerca de 5.000 miembros del sistema judicial.
Resultados
El 81% del personal judicial encuestado valoró la experiencia positivamente. Al identificar los fundamentos (agravios) de un recurso de amparo, el trabajo asistido por IA redujo el tiempo de finalización de 25 minutos a unos 2,5 minutos, manteniendo alrededor del 77% del estándar de calidad, y las búsquedas de jurisprudencia se aceleraron en torno a un 90%.
Conclusiones
Las cifras preliminares y autoinformadas del proyecto piloto son indicadores prometedores de ahorro de tiempo y buena acogida, pero el material fuente no revela tasas de error ni de falsos positivos, por lo que los resultados deben leerse como indicadores de etapa piloto y no como una evaluación de impacto validada de forma independiente.
Implementación
Coste indicativo
Bajo (< 50 000 €) — A software pilot using generative AI in partnership with university labs rather than bespoke infrastructure build-out, consistent with a low-cost pilot-stage deployment.
Tiempo hasta resultados
Corto (< 1 año) — Pilot ran through 2024-2025, with preliminary results presented in April 2025.
Personal y competencias
Ministerio de Justicia de la Nación / SAIJ programme team, university AI-lab partners: UBA-IALAB, ALTA, JusLab, UNLZ Innovation Laboratory, participating judges, prosecutors and court staff nationwide
Condiciones para el éxito
Partnership with multiple university AI labs to design and validate the pilot methodology
Structured testing protocol (1,007 test cases, three trials each) rather than anecdotal use
National-scale survey of nearly 5,000 judicial staff to gauge reception
Modos de fallo comunes
Results are self-reported by the implementing programme rather than independently audited
Error or false-positive rates for the AI outputs are not disclosed in the source material
Dónde encaja
Tipo de gobernanza
national justice ministry / judiciary
Escala
nationwide pilot, ~5,000 staff surveyed
Nivel de ingresos
upper-middle-income
Habitualmente financiado por
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.