Generación automática de resúmenes de resoluciones judiciales de la Corte Superior de Justicia del Perú mediante técnicas de procesamiento de lenguaje natural

Abstract

La presente investigación aborda la problemática de la saturación procesal en el sistema de administración de justicia peruano, proponiendo una solución tecnológica basada en Inteligencia Artificial para la automatización del resumen de resoluciones judiciales. El objetivo principal fue desarrollar y evaluar modelos de aprendizaje profundo basados en la arquitectura Transformer, capaces de generar síntesis coherentes y precisas de sentencias de apelación en materia laboral. Para la experimentación, se construyó un corpus especializado de 6,848 resoluciones judiciales emitidas por la Corte Superior de Justicia de Lima entre los años 2021 y 2022. Se implementó un diseño experimental comparativo evaluando cuatro arquitecturas de vanguardia: mT5, BART, Pegasus y BETO. La evaluación se realizó mediante métricas automáticas estándar (ROUGE y BLEU) y validación cualitativa. Los resultados demostraron que el modelo mT5 (Multilingual T5), tras un proceso de ajuste fino (fine-tuning), superó significativamente a las otras arquitecturas, alcanzando un coeficiente BLEU de 0.1228 y métricas ROUGE consistentes. El modelo logró abstraer la estructura lógica de las sentencias peruanas, generando resúmenes con alta coherencia sintáctica y fidelidad terminológica. Se concluye que la aplicación de modelos Sequence-to-Sequence es técnica y funcionalmente viable para asistir en la descarga procesal, proporcionando una herramienta eficaz para la gestión documental en el Poder Judicial.