{"id":4131,"date":"2022-06-28T16:24:17","date_gmt":"2022-06-28T15:24:17","guid":{"rendered":"http:\/\/bounsel.com\/inteligencia-artificial-contratos\/"},"modified":"2023-07-25T11:22:25","modified_gmt":"2023-07-25T09:22:25","slug":"inteligencia-artificial-contratos","status":"publish","type":"post","link":"https:\/\/www.bounsel.com\/es\/blog\/inteligencia-artificial-contratos\/","title":{"rendered":"El uso de la Inteligencia Artificial para categorizar tus contratos"},"content":{"rendered":"

La Inteligencia Artificial (IA) se refiere a la capacidad de una m\u00e1quina de realizar tareas propias de la inteligencia humana. Este concepto est\u00e1 teniendo un impacto muy significativo en nuestras vidas aunque muchas veces no nos demos cuenta. El traductor de Google o la publicidad que nos aparece en las diferentes p\u00e1ginas web son ejemplos de c\u00f3mo la Inteligencia Artificial se mete en nuestro d\u00eda a d\u00eda. Nuestro Software de Inteligencia Artificial (IA)<\/strong> <\/a>ya est\u00e1 aplicando mejoras para la gesti\u00f3n de contratos.\u00a0<\/span><\/p>\n

En concreto, el traductor de Google aprende a partir de millones de ejemplos y es capaz de proporcionar resultados para nuestra consulta concreta, mientras que la publicidad en las diferentes p\u00e1ginas web se apoya en nuestro amplio historial de ‘clicks’.<\/p>\n

\"inteligencia<\/a><\/p>\n

Inteligencia Artificial para gestionar contratos<\/h2>\n

En Bounsel queremos utilizar estas t\u00e9cnicas para hacer que tus contratos sean m\u00e1s inteligentes y m\u00e1s humanos, creando funcionalidades en nuestra herramienta que ayuden a ejecutar tareas que de otro modo ser\u00edan inabarcables.<\/strong> Aqu\u00ed os contamos los diferentes pasos que hemos seguido para establecer las diferentes categor\u00edas en las que podemos clasificar nuestros contratos, lo cual constituye el primer paso para la creaci\u00f3n de un amplio corpus jur\u00eddico con diferentes tipos de documentos. Y es que \u00e9stas son las claves para poder exprimir todo el potencial de las t\u00e9cnicas de IA: la creaci\u00f3n de una amplia base de datos junto al empleo de un conjunto de algoritmos que sean capaces de extraer informaci\u00f3n \u00fatil de la misma para realizar una tarea concreta.<\/p>\n

Existen much\u00edsimos tipos de documentos. Solo dentro del sector legal, nos encontramos con miles de posibilidades. En este sentido, nos enfrentamos al reto de reducir este inmenso n\u00famero de categor\u00edas a un n\u00famero de grupos m\u00e1s manejable. Una persona se ver\u00eda ante el may\u00fasculo reto de revisar las miles de categor\u00edas disponibles para buscar patrones y establecer nuevos grupos. Afortunadamente, podemos aprovechar las t\u00e9cnicas de aprendizaje autom\u00e1tico (ML o machine learning <\/em>por su nombre en ingl\u00e9s), de tal forma que sea nuestro ordenador el que realice esta tarea. Esto nos permite encontrar patrones que a simple vista nosotros no ser\u00edamos capaces de detectar, adem\u00e1s de ahorrarnos horas y horas de trabajo manual.<\/p>\n

No obstante, a los ordenadores no les gustan las palabras. Las m\u00e1quinas son m\u00e1s de n\u00fameros. Por ello, si a nuestro ordenador le pasamos las posibles miles de categor\u00edas, no va a saber muy bien qu\u00e9 hacer con esa informaci\u00f3n (como podemos ver en la imagen, nuestro ordenador se encuentra confundido con tanta palabrer\u00eda \ud83d\ude35\u200d\ud83d\udcab). Para convertir las palabras en n\u00fameros, existe el llamado Procesamiento del Lenguaje Natural (NLP por su nombre en ingl\u00e9s, Natural Language Processing<\/em>).<\/strong> Estas t\u00e9cnicas tienen por objetivo hacer que las m\u00e1quinas comprendan los textos no estructurados y sean capaces de extraer informaci\u00f3n relevante de los mismos. En este caso nos apoyamos en un modelo entrenado con m\u00e1s de un bill\u00f3n de oraciones que es capaz de convertir frases y palabras a un vector num\u00e9rico o embedding<\/em>, de tal forma que nuestros ordenadores puedan empezar a trabajar. Y podemos preguntarnos… En la pr\u00e1ctica, \u00bfc\u00f3mo es capaz una m\u00e1quina de convertir una secuencia de palabras en un vector num\u00e9rico? La clave es el entrenamiento.<\/strong> Las t\u00e9cnicas de Inteligencia Artificial se fundamentan en much\u00edsimos ejemplos de todo tipo. As\u00ed, nuestros ordenadores son capaces de detectar patrones, aprender los contextos en los que aparece una palabra, e incluso captar el significado global de un p\u00e1rrafo o de un texto completo.<\/p>\n

Uno de los ejemplos m\u00e1s caracter\u00edsticos de NLP en nuestra lengua espa\u00f1ola lo encontramos en el proyecto MarIA, entrenado con m\u00e1s de 570GB de datos recogidos por la Biblioteca Nacional de Espa\u00f1a (BNE), con un corpus de m\u00e1s de 135.000 millones de palabras resultantes de los rastreos web realizados entre 2009 y 2019. Analizar semejante base de datos es efectivamente una tarea herc\u00falea, pero gracias a la revoluci\u00f3n de los procesadores en este \u00faltimo siglo se convierte en una labor asequible. Y al final nos tenemos que quedar con una idea clave: los datos son informaci\u00f3n y, como se suele decir, la informaci\u00f3n es poder. <\/strong>Camufladas entre esa enorme base de datos est\u00e1n las ra\u00edces de nuestra lengua, de tal manera que, mediante el uso de la IA, nuestros ordenadores son capaces de discernir esos patrones y aprender todos los entresijos del lenguaje. Y ese proceso de aprendizaje, a nivel computacional, se traduce en una conversi\u00f3n num\u00e9rica de la informaci\u00f3n que puede ser utilizada para realizar tareas concretas.<\/p>\n

\"inteligencia<\/a><\/div>\n

As\u00ed pues, utilizando un modelo pre-entrenado con una amplia base de datos, la IA es capaz de ayudarnos a cumplir nuestro objetivo. En concreto, ahora somos capaces de convertir cada tipo de documento en una secuencia de n\u00fameros, y nuestro ordenador es capaz de comparar esas secuencias entre s\u00ed y establecer grupos o clusters<\/em>, <\/strong>cuyos elementos presentan caracter\u00edsticas o patrones comunes. Llega entonces el momento de establecer una etiqueta para cada uno de los clusters formados. Con este fin, podemos extraer los documentos m\u00e1s representativos dentro de cada cluster, as\u00ed como las palabras m\u00e1s frecuentes (apoy\u00e1ndonos en la similitud existente entre sus representaciones num\u00e9ricas), y de esta forma podemos definir de manera sencilla una categor\u00eda com\u00fan para todo este tipo de documentos.<\/p>\n

Llegados a este punto podemos asumir que el resultado que nos proporciona nuestro ordenador es correcto y tomarlo como v\u00e1lido. No obstante, las pel\u00edculas de ciencia ficci\u00f3n nos ense\u00f1an que no es bueno confiar hasta tal punto en nuestras computadoras, as\u00ed que resulta razonable buscar una forma de comprobar que nuestros resultados son correctos. Cuando hablamos de la representaci\u00f3n num\u00e9rica que realiza nuestro ordenador de un texto, no hablamos de un n\u00famero del 1 al 10, ni siquiera de un n\u00famero de -\u221ea \u221e. Hablamos de vectores num\u00e9ricos de grandes dimensiones (en este caso concreto, hablamos de un vector de 384 dimensiones, es decir 384 n\u00fameros por tipo de contrato \ud83d\ude31). \u00bfC\u00f3mo podemos comprobar entonces que el resultado es correcto? \u00bfNos vemos de nuevo ante un reto imposible como es analizar 384 n\u00fameros por cada tipo de contrato, y comprobar que son correctos? Afortunadamente, de nuevo la IA acude al rescate.<\/p>\n

Descubre Bounsel AI<\/div><\/div>

No pierdas la oportunidad de llevar tu gesti\u00f3n de contratos al siguiente nivel<\/h2><\/div>
Solicita una demo<\/span><\/a><\/div><\/div><\/div>
\"bounsel_ai\"<\/span><\/div><\/div><\/div><\/div>
<\/div><\/p>\n

Otra de las muchas funcionalidades que tiene la IA es la capacidad de reducir la complejidad de un problema. En este caso concreto, es capaz de reducir estas 384 dimensiones a sus dimensiones m\u00e1s caracter\u00edsticas, lo que se conoce como an\u00e1lisis de componentes principales (PCA por sus siglas en ingl\u00e9s, Principal Component Analysis<\/em>). Un ejemplo para que podamos entender esta reducci\u00f3n de dimensionalidad es la b\u00fasqueda de correlaciones. En este sentido, la IA se fundamenta (de nuevo, s\u00ed) en una amplia base de datos (en este caso todos nuestros documentos) para establecer dimensiones correlacionadas que se pueden ir agrupando hasta reducir las dimensiones de nuestro vector a algo m\u00e1s tangible.<\/p>\n

\n
\"\"<\/a><\/div>\n<\/figure>\n

Mediante el empleo de estas t\u00e9cnicas reducimos las dimensiones de nuestro problema a tan solo dos. As\u00ed, podemos representar gr\u00e1ficamente nuestros resultados y comprobar que efectivamente cada cluster (o cada color en el diagrama de la figura) se corresponde con una regi\u00f3n bien definida del espacio. Cada uno de estos clusters tiene asociada una categor\u00eda concreta (entre otros ejemplos encontramos compraventa, garant\u00eda…), y con esto hemos cumplido nuestro objetivo: empleando IA hemos sido capaces de reducir el inmenso n\u00famero de categor\u00edas (cada punto del diagrama) a un n\u00famero con el que podemos trabajar (cada color del diagrama, ~50).<\/p>\n

Gracias a este proceso ya es posible a\u00f1adir la categor\u00eda de tu documento cuando gestionas tus contratos con Bounsel. Y \u00e9ste es s\u00f3lo el primer paso. En Bounsel queremos ser pioneros en aprovechar las t\u00e9cnicas de NLP aplicadas al idioma espa\u00f1ol para hacer tus contratos m\u00e1s inteligentes y m\u00e1s humanos, proporcion\u00e1ndote nuevas y alucinantes aplicaciones en nuestra herramienta que te ayuden a ser m\u00e1s productivo al trabajar con documentos. \u00bfTe interesa saber m\u00e1s? \u00a1Mantente atento y no te pierdas nada!<\/p>\n","protected":false},"excerpt":{"rendered":"

La Inteligencia Artificial (IA) se refiere a la capacidad de una m\u00e1quina de realizar tareas propias de la inteligencia humana.<\/p>\n","protected":false},"author":11,"featured_media":4132,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[521,517],"tags":[105],"class_list":["post-4131","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-legal-es","category-inteligencia-artificial","tag-bounsel-es"],"_links":{"self":[{"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/posts\/4131","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/comments?post=4131"}],"version-history":[{"count":2,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/posts\/4131\/revisions"}],"predecessor-version":[{"id":20230,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/posts\/4131\/revisions\/20230"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/media\/4132"}],"wp:attachment":[{"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/media?parent=4131"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/categories?post=4131"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bounsel.com\/es\/wp-json\/wp\/v2\/tags?post=4131"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}