\n<\/p>\n
Bajo el liderazgo de la Direcci\u00f3n General de Finanzas P\u00fablicas (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 a\u00f1o pasado.<\/p>\n
Cada a\u00f1o, diputados y senadores presentan decenas de miles de enmiendas. Esto representa una inmensa cantidad de texto que los funcionarios p\u00fablicos est\u00e1n 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 Direcci\u00f3n de Informaci\u00f3n Jur\u00eddica y Administrativa (Dila) y la Direcci\u00f3n Digital Interministerial (Dinum), dise\u00f1aron LlaMandement.<\/p>\n
Seg\u00fan los investigadores, esta soluci\u00f3n responde \u201c Desaf\u00edos administrativos que plantea el procesamiento manual de un volumen cada vez mayor de modificaciones legislativas.<\/em> [\u2026] al mismo tiempo que iguala la solidez de un escritor jur\u00eddico especializado<\/em> “. El modelo se basa en la versi\u00f3n Llama-2 70B, entrenada en 70 mil millones de par\u00e1metros y que Meta considera tan eficiente como el GPT-4 de OpenAI.<\/p>\n Los investigadores capacitaron espec\u00edficamente al LLM utilizando una base de datos de aproximadamente 15.000 enmiendas. Todos est\u00e1n escritos de la misma manera. Se presenta el designador del proyecto de ley al que se debe aplicar la enmienda, una declaraci\u00f3n que permite saber si se trata de un art\u00edculo adicional o si modifica un art\u00edculo existente, el cuerpo de la enmienda y finalmente la declaraci\u00f3n resumida que justifica la utilidad de la misma. la enmienda as\u00ed como los objetivos que debe cumplir.<\/p>\n Capaz de procesar el lenguaje natural, LlaMandement identifica cada parte para resumir la enmienda en unas pocas l\u00edneas. La herramienta ya fue probada durante el estudio del proyecto de ley de Finanzas 2024. Se utiliz\u00f3 para identificar r\u00e1pidamente, entre las 5.400 enmiendas presentadas durante el a\u00f1o 2023, cu\u00e1les estaban relacionadas con este marco legislativo. En diez minutos, la herramienta los identific\u00f3 e incluso observ\u00f3 que un texto de cada seis era redundante.<\/p>\n Luego, el modelo resumi\u00f3 las modificaciones vinculadas al proyecto de ley de Finanzas de 2024. Estos res\u00famenes se presentaron a un panel de 20 funcionarios p\u00fablicos que los calificaron. Pudieron compararlos con res\u00famenes escritos esta vez por humanos. El experimento demostr\u00f3 que las notas de la IA eran de una calidad cercana a las del personal jur\u00eddico. Los agentes administrativos otorgaron una media de 16,5\/20 a los res\u00famenes elaborados por Humanos, y 15,5\/20 a los generados por LlaMandement. Resultados alentadores, sugiriendo una generalizaci\u00f3n de la herramienta para todos los proyectos y propuestas de ley.<\/p>\n<\/div>\n