Al desarrollar un software asistente de causas judiciales, una startup paulista apoyada por la FAPESP gana un concurso público del Tribunal de Cuentas del gobierno brasileño (imagen: Pixabay)

Inteligencia artificial para agilizar la fiscalización de las finanzas públicas
08-09-2022

Al desarrollar un software asistente de causas judiciales, una startup paulista apoyada por la FAPESP gana un concurso público del Tribunal de Cuentas del gobierno brasileño

Inteligencia artificial para agilizar la fiscalización de las finanzas públicas

Al desarrollar un software asistente de causas judiciales, una startup paulista apoyada por la FAPESP gana un concurso público del Tribunal de Cuentas del gobierno brasileño

08-09-2022

Al desarrollar un software asistente de causas judiciales, una startup paulista apoyada por la FAPESP gana un concurso público del Tribunal de Cuentas del gobierno brasileño (imagen: Pixabay)

 

FAPESP Investigación para la Innovación* – Instalada en el Parque Científico y Tecnológico de la Unicamp (la Universidad de Campinas, en el estado de São Paulo, Brasil), NeuralMind es una startup enfocada en las tecnologías de la inteligencia artificial con  la aplicación en automatización de operaciones, el cumplimiento de leyes (compliance) y la detección de fraudes. En asociación con Terranova, una consultora estadística con enfoque en la jurimetría, NeuralMind desarrolló un software innovador con capacidad para transformar la manera de fiscalizar el dinero público. Ambas empresas fueron seleccionadas en el marco de un concurso público para suministrarle esta solución al Tribunal de Cuentas del gobierno brasileño, el TCU.

La utilización de la inteligencia artificial para suministrar apoyo a las decisiones judiciales es una realidad en diversos tribunales del mundo. En Brasil, el TCU ya utiliza o Sistema de Análisis de Licitaciones y Pliegos de Concursos (Alice), que ayuda en la fiscalización sobre compras y que en el año 2021 evitó la pérdida de más de 504 millones de reales en perjuicio de las arcas públicas.

La nueva solución de software que pondrá NeuralMind a disposición brindará apoyo a otra parte del trabajo del TCU: la etapa de evaluación de los indicios (instrucción) de 2.000 nuevos expedientes de demandas y denuncias, en gran medida relacionadas con las cuentas públicas, que llegan al tribunal anualmente. El volumen de estos tipos de procesos corresponde a más del 40 % del total que esa corte analiza, y sigue creciendo, de acuerdo con el TCU.

“El hecho de haber sido seleccionada por el TCU demuestra que NeuralMind marca la diferencia en sus soluciones y está preparada para mitigar los riesgos de un proyecto como este. Es un honor para nosotros tomar parte en esta iniciativa innovadora con un organismo tan importante para la sociedad brasileña”, dice Roberto Lotufo, docente colaborador de la Facultad de Ingeniería Eléctrica y Computación (FEEC) de la Unicamp y cofundador de NeuralMind.

Este proyecto contó con el apoyo del Programa FAPESP de Investigación Innovadora en Pequeñas Empresas (PIPE).

Un pedido tecnológico

La ruta tecnológica que el TCU seleccionó propone un solo megamodelo de lenguaje generalista que pueda emplearse para la resolución de diversas tareas. El producto –que aún no existe comercialmente– extrapola el actual estado del arte en software de análisis de expedientes judiciales y redacción de dictámenes, y su solicitud se hizo efectiva mediante un pedido tecnológico.

En esta modalidad especial de contratación pública, prevista en la Ley de Innovación, se remunera el esfuerzo en investigación y desarrollo (I&D) de la startup, aun cuando no redunde en un producto factible, pues “no se puede prever si es posible arribar a la solución tecnológica solicitada o si la misma alcanzará el rendimiento mínimo deseable”, se menciona en el dictamen del TCU. Es el llamado riesgo tecnológico asociado a la innovación.

Este proyecto es considerado audaz. Entre las funcionalidades esperadas del software se encuentra la detección de significados en los procesos registrados. La máquina será capaz de identificar las irregularidades alegadas en las peticiones iniciales, por ejemplo. En una segunda etapa, el modelo deberá prever la clasificación de los elementos procesales, tales como los criterios de admisibilidad para las medidas cautelares y precedentes, entre otras, creando un panel cuantitativo de jurimetría automático.

Por último, deberá estar apto para la generación de textos, como el sumariado de largas piezas procesales y la elaboración de respuestas a comunicaciones del Tribunal que expresen interpretación lógica y jurídicamente pertinente.

“El objetivo no es reemplazar al ser humano sino agilizar el trabajo de los tribunales. Esperamos incrementar así la productividad humana, dejando las actividades más agotadoras y repetitivas con la computadora”, explica Lotufo.

Uno de los desafíos de la tecnología reside precisamente en el índice de confianza en las soluciones que el algoritmo exhibe. “Para asegurarse de que la máquina efectuó conexiones lógicas, le solicitamos que explique el motivo de las decisiones. Cuanto más fundamentada está la argumentación, mayor es la confiabilidad.”

La comisión de selección del TCU remarcó que esta solución, cuando esté lista, aparte de ser “menos costosa”, podrá adaptarse a otros escenarios y podrá compartírsela con otros organismos públicos, tales como los Tribunales de Cuentas de los estados y municipales.

El proyecto INA2

El proyecto Instrucción Asistida por Inteligencia Artificial (INA2), propuesto por el consorcio conformado por NeuralMind y Terranova Consultoria, despuntó entre los 18 que presentaron empresas e instituciones de ciencia y tecnología (ICT) nacionales. La experiencia de Roberto Lotufo y del socio Rodrigo Nogueira −ambos docentes colaboradores de la Unicamp− en técnicas avanzadas de inteligencia artificial fue importante para orientar la definición de la arquitectura que se emplearía en la solución.

“Estamos instalados dentro del Parque Científico y Tecnológico de la Unicamp, lo que hace posible que tengamos una aproximación fuerte y directa con la universidad, sus investigadores y sus alumnos, y nos permite seguir como una startup deeptech, es decir, basada en la investigación y el desarrollo de productos, lanzando innovaciones con modelos de vanguardia”, explica Lotufo.

El sistema se basará en Few-Shot Learning, una forma de aprendizaje automático que requiere de una menor cantidad de datos. La diferencia reside en la forma de entrenamiento. En el modelo clásico, por cada tarea, la computadora debe sintonizarse con un banco de documentos específico y anotado manualmente, por abogados en este caso. El modelo propuesto es único para todas las tareas. Posee centenas de miles de millones de parámetros, y está “preentrenado” en miles de millones de documentos, de manera tal que logra prever sentencias y producir textos similares como lo hacen los humanos. Aquel futuro utópico de las películas, en el que los robots leen libros en la biblioteca, se ha convertido en realidad, según Lotufo.

Este tipo de aprendizaje constituye una apuesta de los grandes players del mercado, tales como Google, Facebook, Microsoft y OpenAI, en la búsqueda de modelos más precisos y que demanden menos recursos. En 2020, NeuralMind produjo la versión brasileña de BERT, la red neural de lenguaje natural en código abierto de Google, a la que se le dio el nombre de BERTimbau.

Ahora se apunta también a especializar al GPT-3 en el idioma portugués, popularizando así esta estrategia que es considerada como la inteligencia artificial más poderosa ya creada entre los brasileños.

“Estamos trabajando desde el final de 2021 con los megamodelos estilo GPT-3 de OpenAI. Este pedido del TCU nos permitirá aplicar y explotar ese conocimiento acumulado”, dice Lotufo.

*Con información de la Asesoría de Comunicación de Inova Unicamp.

 

  Republicar
 

Republicar

The Agency FAPESP licenses news via Creative Commons (CC-BY-NC-ND) so that they can be republished free of charge and in a simple way by other digital or printed vehicles. Agência FAPESP must be credited as the source of the content being republished and the name of the reporter (if any) must be attributed. Using the HMTL button below allows compliance with these rules, detailed in Digital Republishing Policy FAPESP.