PARTE 1: Contextualización e Introducción General
Lema docente: «La IA asiste. Usted piensa. Usted analiza. Usted redacta. Usted asume la responsabilidad». (Slogan para el modelo de regulación del uso de IA en la asignatura, sugerido por ChatGPT).
He venido abordando en diversos escritos los complejos retos que plantea determinar si procede, en qué medida y bajo qué condiciones cabe integrar o restringir el empleo de herramientas de inteligencia artificial (AI Tools —concepto que engloba de forma genérica los modelos de lenguaje de gran escala, redes neuronales y demás sistemas computacionales, generativos o agénticos—) por parte del alumnado en sus trabajos académicos (quedando las encrucijadas del claustro docente para otro debate).
Inicié este itinerario analizando el modo en que las facultades de Derecho en los Estados Unidos han intentado responder a este desafío —calificado así eufemísticamente en medio de la farragosa jerga burocrática del ámbito académico angloamericano contemporáneo— (Borrador de trabajo: «Estructura, opacidad y convergencia: Un análisis consolidado sobre las políticas de inteligencia artificial generativa en evaluaciones y trabajos académicos en Facultades de Derecho» —Descripción y análisis del estado de la cuestión con el auxilio de Harvey AI, primer estudio de una serie sobre IA, Derecho y Educación—).
Posteriormente, cambié de perspectiva y consulté a los propios sistemas computacionales (o al menos a cinco de ellos de matriz estadounidense o angloeuropea: Harvey AI, Claude, Grok, ChatGPT y Gemini) sobre su propia visión del problema —en la medida en que sea lícito trasponer nociones humanas de pensamiento al entorno operacional de un algoritmo— considerando la presencia del factor humano (Cinco máquinas, una pregunta, ningún consenso: Reconsiderando la gobernanza de la IA en la educación jurídica. El guardián, el conciliador, el honesto, el ingeniero y el filósofo sobre el papel de las facultades de Derecho ante la IA). Las respuestas obtenidas no solo resultaron sumamente sugerentes, sino que abrieron la puerta a replantear la inevitable transformación de las nociones analógicas del Derecho y de la docencia jurídica, tradicionalmente ancladas en premisas rígidas sobre la textualidad, la temporalidad y la inmutabilidad de los datos. Dichas vías de reflexión se profundizan actualmente al someter a los sistemas computacionales la relación hombre-máquina dentro del Derecho, descartando el sesgo antropocéntrico para adoptar un enfoque estrictamente sistémico, de lo cual daré cuenta próximamente.
Todo aquel ejercicio resultó ilustrativo e incluso —como suele ponderar el pragmatismo académico anglosajón cuando aborda la solución de problemas— de utilidad inmediata. Sin embargo, no resolvía mi problema perentorio: articular el modo óptimo de integrar, rechazar o conciliar de forma pragmática el uso de herramientas de IA en mis propias clases.
Asumí, por tanto, las pautas institucionales y culturales para aplicarlas rigurosamente a mi contexto particular (nada aviva más el interés académico que personalizar el objeto de estudio). El próximo semestre impartiré una asignatura cuyo sistema de evaluación exige la redacción y presentación de una tesina final articulada en torno a los ejes temáticos del curso: el Derecho Constitucional de los Estados Unidos, con atenciones comparadas a otros ordenamientos. Tomando como base mis estudios previos sobre los modelos estadounidenses y las condiciones reales en que puede desplegarse una normativa de esta índole en una facultad de Derecho, elaboré un primer borrador.
Sometido dicho borrador al dictamen de colegas académicos, el texto reveló la necesidad de sucesivas revisiones (el cauce ordinario para la maduración de estos documentos). En mi condición de titular de la asignatura, asumí la toma de decisiones para transitar desde marcos teóricos abstractos hacia una arquitectura verdaderamente operativa. Finalmente, sometí la última versión consensuada entre docentes a la revisión de un sistema computacional, analizada a la luz de los parámetros de mi estudio sobre las políticas de IA en las facultades de Derecho estadounidenses. Utilicé para ello Harvey AI, dado que la facultad a la que pertenezco suscribió un convenio con sus desarrolladores. El resultado fue de una nitidez implacable: los sistemas informáticos debidamente adiestrados no se andan con contemplaciones con el ego del autor. Consideración que recibí con agrado, pues sirvió para recordar que en la técnica de redacción normativa siempre se es un aprendiz; que la claridad, aun en textos en apariencia nítidos, resulta esquiva; y que a menudo son las zonas de penumbra deliberada las que abren las vías más eficaces para una aplicación equitativa de la norma.
Con estos presupuestos, redacté un modelo de directiva sobre el uso de herramientas de IA para la asignatura. Dicha plantilla se nutrió de seis principios rectores que venía aplicando en años anteriores como régimen por defecto (prohibición absoluta de uso).
El modelo responde a necesidades formativas muy concretas: autorizar el empleo de AI Tools únicamente para dos fines específicos. El primero, la fase preparatoria y de acopio de fuentes previa a la redacción; el segundo, ofrecer un marco de auxilio a aquellos alumnos que piensan y redactan con mayor fluidez en una lengua distinta del inglés, permitiéndoles traducir posteriormente su trabajo para la entrega formal. El alcance de estos permisos puede ampliarse o restringirse según el criterio de cada docente mediante la simple modificación del apartado correspondiente del texto normativo.
A continuación se expone la fundamentación doctrinal de la directiva, seguida del resumen ejecutivo de sus reglas y del texto regulatorio en su integridad. Expreso mi agradecimiento tanto a las personas como a los sistemas informáticos que contribuyeron a perfilar este documento, el cual se concibe como un proyecto en continua evolución que se irá ajustando en función de los datos de su aplicación práctica con el alumnado.
PARTE 2: Fundamentación Doctrinal y Justificación de la Norma
1. Sobre la oportunidad de autorizar el uso de la IA en lugar de disponer su prohibición absoluta
Las herramientas de IA generativa se encuentran integradas en las plataformas de investigación jurídica, en los procesadores de texto y en el ejercicio profesional al que se incorporará el alumnado. Una prohibición categórica resultaría difícil de fiscalizar, desatendería la realidad operativa de la abogacía y desaprovecharía la oportunidad de instruir al estudiante en el uso responsable de estas tecnologías bajo la tutela académica. El régimen general del artículo 1 mantiene la exigencia de que el trabajo sea de autoría propia; el artículo 2 constituye una excepción delimitada y condicionada a dicha regla, no una licencia general de uso. Asimismo, su estructura modular permite al docente adaptar sus parámetros a los objetivos pedagógicos de cada curso.
2. Sobre la restricción de la excepción al trabajo de investigación final
Restringir el uso permitido de la IA a la tesina o trabajo final —prohibiéndolo de forma absoluta en exámenes, casos prácticos y ejercicios de aula— preserva un conjunto de evaluaciones continuas como parámetro objetivo para comprobar si el estudiante es capaz de desarrollar el análisis jurídico por sí mismo. El trabajo final recibe un tratamiento diferenciado por elaborarse a lo largo de un período más dilatado, lo que ofrece márgenes para la verificación transparente mediante apéndices y la tutoría continuada del docente, garantías inviables en una prueba presencial con límite de tiempo. Ello no obsta para que cada profesor pueda ampliar el ámbito de esta excepción dentro de los márgenes previstos por la normativa universitaria.
3. Sobre la preferencia de un catálogo ilustrativo frente a las reglas de trazo grueso (bright-line rules)
Trazar una frontera rígida y mecanicista entre la «asistencia autorizada» y la «sustitución ilegítima» exigiría disgregar la investigación, el análisis y la redacción en fases independientes e insostenibles en la práctica. Semejante pretensión en el trabajo cognoscitivo entraña dos riesgos: (1) generar la falsa confianza en el alumno de que todo lo no prohibido expresamente es legítimo, y (2) producir un efecto paralizador (chilling effect) sobre usos docentes plenamente válidos cercanos a la frontera reglamentaria. Por ello, los apartados i) y ii) del artículo 2.b) se configuran mediante listas ejemplificativas (a título enunciativo, no limitativo), manteniendo cierta flexibilidad interpretativa en los márgenes. Esta penumbra deliberada desanima la búsqueda de resquicios por parte del alumno y atribuye la facultad interpretativa al docente en el marco de las exigencias de su asignatura.
4. Sobre la exigencia de límites cuantitativos estrictos para citas y paráfrasis
El artículo 2.b.iii) reconoce que el material generado por IA puede incorporarse al trabajo como fuente secundaria: mediante cita textual o paráfrasis debidamente acreditada. Ello encauza el contenido sustantivo de la IA bajo las mismas exigencias de atribución aplicables a las fuentes humanas. A diferencia de los catálogos ilustrativos de los apartados i) y ii), esta cláusula impone topes numéricos fijos (máximo de 100 palabras por cita o paráfrasis y un tope del 10 % del cómputo total del trabajo por herramienta) en lugar de emplear fórmulas indeterminadas como «porciones reducidas». Aunque un criterio cualitativo como «reducido» puede funcionar entre profesionales, para el estudiante resulta ambiguo. Un límite numérico exacto aporta certeza previa al alumno y facilita la verificación posterior por parte del profesor.
5. Sobre la obligatoriedad de la transparencia, el apéndice documental y la atribución
Exigir la identificación de cada herramienta, la aportación del historial secuencial de instrucciones (prompts) y respuestas, y la acreditación formal en el texto responde a tres fines:
Crea un registro contemporáneo que permite al profesor auditar el uso efectivo del sistema frente a los estándares de la asignatura.
Consolida la transparencia como una pauta de conducta profesional, en consonancia con las exigencias deontológicas del ejercicio de la abogacía.
Invierte la carga práctica de la prueba: el estudiante que cumple rigurosamente reduce el riesgo de infracción, mientras que quien incurra en un uso no autorizado se enfrenta a un registro documental que dificulta el ocultamiento.
6. Sobre la función disuasoria de la declaración jurada de autoría
La firma de la declaración jurada convierte los deberes de transparencia en una manifestación formal de voluntad. Su falsedad constituye una falta independiente contra la honestidad académica, con sustantividad disciplinaria propia y al margen de la infracción de las reglas de uso.
7. Sobre la consideración del incumplimiento como uso no autorizado
El artículo 2.f) establece que el cumplimiento parcial no exime de responsabilidad. Un sistema basado en la transparencia solo es viable si las obligaciones de documentación se consideran constitutivas de la propia autorización. Permitir la elusión del apéndice o de la declaración sin perder la protección de la excepción desmoronaría la eficacia de la norma.
8. Sobre las potestades de inspección de la institución
El artículo 2.f) faculta a la cátedra y a la Facultad a revisar el apéndice documental de cualquier trabajo, exista o no sospecha previa de infracción. Un esquema basado en auditorías funciona como un elemento de disuasión continua, incentivando la veracidad del registro durante todo el proceso de redacción.
9. Naturaleza del texto como propuesta abierta
La presente plantilla se concibe como una primera aproximación sujeta a verificación empírica. Su diseño está previsto para someterse a prueba en la docencia real y perfeccionarse en función de la experiencia, sin pretender agotar con la mera redacción la resolución de los problemas éticos planteados.
PARTE 3: Síntesis Operativa de las Reglas para el Alumnado y Guía Práctica de Aplicación
A continuación se ofrece una explicación en lenguaje claro sobre la aplicación práctica de la norma en la asignatura. Este resumen parte del supuesto de que la única excepción a la regla general rige para el trabajo de investigación final. No añade obligaciones adicionales a las dispuestas en los artículos 1 a 6 y tiene carácter puramente orientativo:
Regla general: Salvo indicación expresa de la cátedra, todo trabajo evaluable debe ser de autoría propia y exclusiva del estudiante. Este es el presupuesto de partida de la normativa.
Exámenes, casos prácticos y ejercicios de aula: Queda prohibido el uso de herramientas de IA para redactar o modificar estas pruebas, salvo por las herramientas ordinarias de edición e investigación del punto 5 o para la traducción prevista en el punto 4.
Trabajo final de la asignatura: El estudiante podrá emplear herramientas de IA en la preparación de la tesina o trabajo final únicamente si cumple la totalidad de las siguientes condiciones:
Dirección intelectual: El análisis, la argumentación y las conclusiones deben ser de autoría propia. La IA se limita a fases preparatorias (brainstorming, comprobación de citas, sugerencia de contraargumentos y revisión de estilo). Se prohíbe generar análisis sustantivos o texto adoptado con meros retoques cosméticos.
Régimen de citas: Todo texto de la IA incorporado directamente al trabajo se citará como fuente secundaria en nota al pie y bibliografía, sujeto a los límites de 100 palabras por cita y al 10 % de la extensión total del texto.
Identificación: Se consignará el nombre comercial, versión y modo de acceso de cada herramienta.
Apéndice documental: Se adjuntará un anexo con el registro íntegro y ordenado de prompts e instrucciones enviadas y respuestas obtenidas.
Atribución y declaración jurada: Se incluirá la mención de atribución en el texto y se firmará la declaración del artículo 6.b.i.
Efecto del incumplimiento: La inobservancia de cualquiera de estos requisitos invalidará la autorización, estimándose el uso como no permitido.
Traducción de trabajos: Se permite traducir al inglés borradores redactados en otra lengua mediante IA o traductor humano, debiendo declarar el procedimiento, conservar el texto original y firmar la declaración del artículo 6.b.ii. El uso de traductores humanos requiere autorización previa y por escrito de la cátedra.
Herramientas de edición y bases de datos jurídicas: Los correctores ortográficos o gramaticales estándar y las funciones de las bases de datos de jurisprudencia (resúmenes o fichas) son de libre uso y no exigen apéndice documental, siempre que el alumno no copie directamente dichos textos y los redacte de forma autónoma.
Deber de consulta previa: Ante la duda sobre la legitimidad de un uso determinado, el estudiante debe consultar con el profesor antes de entregar la actividad.
Régimen disciplinario: El uso no autorizado de IA podrá ser tramitado como falta contra la honestidad académica conforme al Código de Honor, pudiendo acarrear la reprobación, suspensión o expulsión, así como su comunicación a las autoridades del bar u órganos de colegiación profesional.
TEXTO 4: Normativa Oficial y Directiva de la Cátedra se detalla a continuación
* * * * * *
Here are the links to the four parts of this study:
1. Structure, Opacity, and Convergence: A Consolidated
Analysis of Law School Generative AI Coursework and Exam Policies (10
July 2026) Larry Catá Backer (白 轲);
SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7105978
2. "AI
assists. You think. You analyze. You write. You take responsibility":
Creating a Course AI Use Policy Template --Policy Text, Justification and Rule
Summary for My Law & Religion Class at Penn State Dickinson (20 July
2026) Larry Catá Backer (白 轲); SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7187159
3. Rethinking AI Governance in Legal Education -- Five Machines
(Grok, Harvey, ChatGPT, Claude, and Gemini), One Question, No Consensus but
Five Archetypes： The Guardian, the
Balancer, the Honest One, the Engineer, and the Philosopher on What Law Schools
Should Do About AI （14 July 2026）Larry Catá Backer (白 轲)
SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7119539
4. Part 3: Structure, Legitimacy, and the Limits of Machine-Centered
Derivation: An Analysis of Five AI Systems’ Third-Stage Attempts to Construct
Machine-Centric Governance Policies for Legal Education (26 July 2026);
Larry Catá Backer (白 轲)
(collaborating with HarveyAI, Claude, Gemini, Grok, and ChatGPT) SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7187159
