Bajo el liderazgo de la Dirección General de Finanzas Públicas (DGFiP), una treintena de especialistas en inteligencia artificial (IA) y big data han desarrollado una herramienta para resumir las enmiendas. Para lograrlo, adaptaron Llama 2, un modelo de lenguaje grande (LLM) desarrollado y presentado por Meta el año pasado.
El procesamiento del lenguaje natural al servicio de los legisladores
Cada año, diputados y senadores presentan decenas de miles de enmiendas. Esto representa una inmensa cantidad de texto que los funcionarios públicos están obligados a leer, clasificar y resumir para ayudar a ministros y parlamentarios en su trabajo. Para ahorrar tiempo, la DGFiP con la ayuda de la Dirección de Información Jurídica y Administrativa (Dila) y la Dirección Digital Interministerial (Dinum), diseñaron LlaMandement.
Según los investigadores, esta solución responde “ Desafíos administrativos que plantea el procesamiento manual de un volumen cada vez mayor de modificaciones legislativas. […] al mismo tiempo que iguala la solidez de un escritor jurídico especializado “. El modelo se basa en la versión Llama-2 70B, entrenada en 70 mil millones de parámetros y que Meta considera tan eficiente como el GPT-4 de OpenAI.
Los investigadores capacitaron específicamente al LLM utilizando una base de datos de aproximadamente 15.000 enmiendas. Todos están escritos de la misma manera. Se presenta el designador del proyecto de ley al que se debe aplicar la enmienda, una declaración que permite saber si se trata de un artículo adicional o si modifica un artículo existente, el cuerpo de la enmienda y finalmente la declaración resumida que justifica la utilidad de la misma. la enmienda así como los objetivos que debe cumplir.
Capaz de procesar el lenguaje natural, LlaMandement identifica cada parte para resumir la enmienda en unas pocas líneas. La herramienta ya fue probada durante el estudio del proyecto de ley de Finanzas 2024. Se utilizó para identificar rápidamente, entre las 5.400 enmiendas presentadas durante el año 2023, cuáles estaban relacionadas con este marco legislativo. En diez minutos, la herramienta los identificó e incluso observó que un texto de cada seis era redundante.
Luego, el modelo resumió las modificaciones vinculadas al proyecto de ley de Finanzas de 2024. Estos resúmenes se presentaron a un panel de 20 funcionarios públicos que los calificaron. Pudieron compararlos con resúmenes escritos esta vez por humanos. El experimento demostró que las notas de la IA eran de una calidad cercana a las del personal jurídico. Los agentes administrativos otorgaron una media de 16,5/20 a los resúmenes elaborados por Humanos, y 15,5/20 a los generados por LlaMandement. Resultados alentadores, sugiriendo una generalización de la herramienta para todos los proyectos y propuestas de ley.
About the Author
