El corpus de LexBuddy: 8,632 leyes, las 32 entidades y la fecha de cada versión

En octubre, el Congreso votará la reforma a la Ley del ISR. Desde el día en que se publique, cualquier herramienta de IA jurídica tendrá dos versiones de esa ley en juego: la que leyó y la vigente. La pregunta útil es cuál cita, y si lo dice.

Cuando un socio evalúa una herramienta de IA jurídica, la primera pregunta útil no es qué tan bien escribe. Es de dónde saca lo que afirma. Esta pieza responde esa pregunta para LexBuddy, con cifras, y con lo que todavía le falta.

Dos corpus, no uno

LexBuddy fundamenta con dos bases distintas: la legislación y la jurisprudencia. Se construyen, se buscan y se actualizan de forma diferente, y conviene entenderlas por separado.

La legislación: 8,632 leyes

La distribución no es pareja, y eso ya dice algo: Jalisco suma 655 leyes, Yucatán 442, el Estado de México 439 y la Ciudad de México 350. Un despacho que litiga en Guadalajara y en Mérida encuentra ahí el código de cada lugar, no solo el federal.

La búsqueda combina el significado de la pregunta con las palabras exactas. Lo primero encuentra el artículo aunque la consulta no use sus términos; lo segundo evita que se pierda cuando el abogado sí sabe cómo se llama lo que busca.

La fecha de cada versión

La decisión de diseño más importante no es el tamaño. Es que cada artículo viaja con la fecha de consolidación del texto que se usó y con sus notas de reforma, cada una con su fecha de publicación.

Eso contesta la pregunta que importa en un país donde las leyes cambian todo el año: ¿de cuándo es este texto? Si la fecha es anterior a una reforma que el abogado conoce, sabe de inmediato que la respuesta no la incluye.

La jurisprudencia: cerca de 349,000 documentos

Aquí la búsqueda es por significado: una consulta sobre despido durante una incapacidad encuentra criterios que no usan esa frase exacta.

Cómo cita

Cada cita remite a un identificador del catálogo. La regla del sistema es que no puede citar una ley que no encontró en él, y cuando un nombre corresponde a más de una ley —pasa más de lo que parece entre códigos estatales—, pregunta en lugar de escoger.

Y cuando responde sin haber consultado fuentes, la interfaz lo dice con todas sus letras: «El agente no consultó fuentes para redactar esta respuesta». Es una línea incómoda para un producto. Es exactamente la que un abogado necesita ver.

Dónde se queda corto

La actualización se hace por campañas, no en tiempo real. Un texto reformado ayer no está necesariamente en el corpus hoy. Por eso la fecha de consolidación no es un detalle técnico: es la advertencia que acompaña a cada respuesta.

Lo que conviene exigir

Estas cifras sirven para comparar. A cualquier herramienta, esta incluida, conviene pedirle tres cosas: cuántas leyes tiene de su entidad, de qué fecha es el texto que citó y qué hace cuando no encuentra fuente. Si no puede contestar, el tamaño de su corpus no importa.