IA agéntica en AWS: transformando la gestión de casos legales

IA agéntica en AWS:

transformando la gestión

de casos legales

Sobre el cliente

Una plataforma SaaS de gestión de la práctica legal centraliza actuaciones judiciales y se integra con portales judiciales y administrativos, incluido el Portal Judicial Nacional (PJN). La implementación agéntica amplía la plataforma con acceso conversacional a información operativa y judicial de casos para abogados y personal legal interno.

El desafío

La organización necesitaba reemplazar la revisión manual de expedientes judiciales y los reportes basados en hojas de cálculo por un agente analítico conversacional capaz de recuperar, comprender y procesar datos de casos legales.

La lenta difusión de la información y la revisión manual demoraban el acceso al estado de los casos, fechas, actualizaciones e información jurisdiccional, además de aumentar el esfuerzo operativo requerido por los equipos legales. Sin intervención, la organización enfrentaba costos operativos sostenidos, una escalabilidad limitada del soporte y análisis legal, y un mayor riesgo de interpretar los casos con información inexacta o desactualizada.

Identificamos este escenario como un caso de uso de IA agéntica porque la solución debía comprender solicitudes analíticas, acceder a fuentes de datos legales externas e internas, invocar herramientas y ejecutar flujos estructurados de recuperación sobre información empresarial en vivo.

Objetivos del proyecto

Objetivo principal:

Implementar en producción un agente legal conversacional utilizando Amazon Bedrock Agents para responder preguntas analíticas sobre casos legales.

Objetivos específicos:

Reducir la carga operativa asociada con la revisión manual de expedientes judiciales y los reportes basados en hojas de cálculo.
Mejorar la precisión y la relevancia contextual de las respuestas automatizadas sobre casos.
Ampliar las fuentes de información disponibles para los usuarios mediante la integración de datos judiciales y operativos.
Proporcionar acceso seguro basado en roles y observabilidad en producción para aproximadamente 100 usuarios internos.

La solución

Implementamos la solución en producción utilizando Amazon Bedrock Agents con Claude 3.0 Sonnet como modelo fundacional final. Durante la validación evaluamos Claude 3.0 Haiku, pero seleccionamos Sonnet porque ofreció un mejor desempeño en precisión, latencia e integración para la recuperación de casos legales y consultas analíticas.

Un único Bedrock Agent utiliza Action Groups e ingeniería de prompts para invocar herramientas y ejecutar flujos estructurados sobre datos del PJN y datos operativos de la plataforma. Amazon API Gateway y AWS Lambda proporcionan la vía de integración con PJN y MongoDB Atlas, mientras que Amazon ECS con AWS Fargate soporta el entorno de ejecución administrado de la aplicación. La solución se implementó utilizando AWS CDK.

Definición y cumplimiento

Esta referencia se ajusta sólidamente a la especialización de IA agéntica de AWS porque se implementó en producción un Amazon Bedrock Agent que interpreta solicitudes analíticas legales, determina e invoca las herramientas necesarias de Action Groups, recupera información de sistemas judiciales externos y sistemas operativos internos, y devuelve inteligencia de casos fundamentada en esos datos.

Tecnologías clave implementadas

🔹Amazon Bedrock Agents - orquestación administrada del agente en producción. | 🔹Claude 3.0 Sonnet en Amazon Bedrock - seleccionado tras evaluarlo frente a Claude 3.0 Haiku. | 🔹Bedrock Agent Action Groups - invocación de herramientas y flujos de ejecución estructurados. | 🔹Amazon API Gateway + AWS Lambda - integración con PJN y MongoDB Atlas. | 🔹Amazon ECS con AWS Fargate - entorno de ejecución administrado de la aplicación en producción. | 🔹MongoDB Atlas - datos legales operativos y acceso de baja latencia. | 🔹Amazon S3 + AWS Glue - ruta de ingesta y almacenamiento de datos legales externos documentada en la arquitectura. | 🔹AWS KMS - control de cifrado y seguridad confirmado en producción. | 🔹AWS CloudTrail - registro de auditoría confirmado en producción. | 🔹Amazon CloudWatch - monitoreo y observabilidad confirmados en producción. | 🔹AWS CDK + AWS SDKs - herramientas de implementación e integración de aplicaciones.

Solución técnica y justificación

Diseñamos la solución de producción combinando Bedrock Agents con Action Groups e integraciones serverless/API para proporcionar interoperabilidad segura basada en herramientas con PJN y MongoDB Atlas.

La autenticación nativa de la aplicación y la autorización basada en roles restringen el acceso según los permisos del equipo legal y del perfil de usuario. La conectividad con MongoDB Atlas utiliza una lista de IP permitidas. KMS, CloudTrail y CloudWatch proporcionan controles de seguridad y observabilidad.

Las medidas de IA responsable incluyen avisos explícitos de que el sistema no brinda asesoramiento legal, pruebas de prompts, validación por parte del cliente y revisión de precisión factual. La solución de producción utiliza escalado administrado y no incorpora una capa de caché, al tiempo que alcanza tiempos de respuesta inferiores a dos segundos para consultas sobre el estado de los casos.

Principales características de la arquitectura

Flujo agéntico en producción: un Bedrock Agent invoca Action Groups sobre datos judiciales y operativos.
Interoperabilidad externa: se accede a PJN y MongoDB Atlas mediante API Gateway y Lambda.
Seguridad y gobernanza: autorización basada en roles, KMS, CloudTrail, CloudWatch y lista de IP permitidas de MongoDB.
IA responsable: avisos de no asesoramiento legal, revisión de precisión factual, pruebas de prompts y validación del cliente.

Optimización de la solución y enfoques alternativos

Seleccionamos Amazon Bedrock Agents para reemplazar un flujo analítico manual por un agente administrado capaz de invocar herramientas y realizar recuperación estructurada de datos legales. Seleccionamos Claude 3.0 Sonnet en lugar de Haiku después de la validación porque ofreció un mejor desempeño en recuperación de casos legales, comprensión y respuesta a preguntas analíticas.

El entorno administrado de AWS redujo la sobrecarga de infraestructura y, al mismo tiempo, permitió el uso en producción para aproximadamente 100 usuarios internos.

Impacto de negocio e indicadores clave (KPIs)

Se midieron los siguientes KPIs para validar el impacto de negocio de la solución implementada.

KPI 1 — Tiempo de respuesta
Línea base: el promedio absoluto previo a la implementación no se especifica en los materiales suministrados.
Objetivo: reducir el tiempo necesario para responder consultas legales y preguntas sobre el estado de los casos.
Resultado real: reducción del 30 % en el tiempo de respuesta; el agente en producción también logró tiempos inferiores a dos segundos para consultas sobre el estado de los casos.
Método de medición: comparación de los tiempos promedio de respuesta antes y después de la implementación.
KPI 2 — Precisión de la respuesta
Línea base: la puntuación absoluta de precisión previa a la implementación no se especifica en los materiales suministrados.
Objetivo: mejorar la precisión y la relevancia contextual de las respuestas legales automatizadas.
Resultado real: aumento del 25 % en la precisión de las respuestas.
Método de medición: comentarios de usuarios y pruebas de precisión frente a escenarios legales conocidos.

Objetivos no alcanzados y lecciones Aprendidas

El despliegue en producción reforzó la importancia de las pruebas iterativas de prompts, la validación por parte del cliente y la revisión de precisión factual para los flujos de trabajo con datos legales. También identificamos como área de mejora la expansión continua de la cobertura de conocimiento legal.

La combinación de avisos explícitos de no asesoramiento legal, acceso basado en roles, monitoreo operativo y validación del cliente permitió mejorar la utilidad del agente manteniéndolo dentro de su alcance operativo previsto.

Contactanos

Y escala tu negocio sin límites.