El Código del Derecho: Por qué Kelsen ya programaba en 1934 (y no lo sabíamos) / avocado.center

1. Introducción: La Metamorfosis Computacional del Derecho

La disciplina del Derecho, históricamente arraigada en la ambigüedad deliberada del lenguaje natural y la hermenéutica textual, atraviesa en la actualidad una transformación ontológica sin precedentes, impulsada por la convergencia de la teoría jurídica clásica y las ciencias de la computación avanzadas. En el último lustro (2018-2025), hemos sido testigos de la cristalización de una hipótesis que otrora pertenecía a la especulación teórica: la premisa de que la gramática legal es, en esencia, un algoritmo. Esta proposición no sugiere meramente que el derecho pueda ser asistido por computadoras —una fase ya superada por la informática jurídica documental—, sino que la estructura profunda de la norma jurídica, comprendida por sus condiciones de activación, sus consecuencias deónticas y sus jerarquías de validez, posee una isomorfía intrínseca con las estructuras de control y los formalismos lógicos de la programación informática.¹

Este informe disecciona exhaustivamente el estado del arte de la Ingeniería Legal (Computational Law) y su simbiosis con la Lógica Deóntica, priorizando los desarrollos académicos y técnicos emanados de centros de vanguardia como Stanford CodeX, MIT Media Lab, la Facultad de Derecho de Oxford y el entorno de investigación europeo. A diferencia de la “LegalTech” comercial, que se centra en la automatización de procesos documentales (e-discovery, gestión de contratos), la Ingeniería Legal o Rules as Code (RaC) busca la formalización del propio contenido jurídico, convirtiendo la legislación en código ejecutable capaz de ser verificado, simulado e integrado en sistemas de gobernanza automatizada.³ La tesis central que vertebra este análisis sostiene que la convergencia entre los formalismos jurídicos clásicos —notablemente la Teoría Pura del Derecho de Kelsen y los Conceptos Legales Fundamentales de Hohfeld— y las modernas técnicas de verificación formal de software (model checking, SMT solvers) ha permitido el surgimiento de una nueva taxonomía de errores legales. Si el derecho es código, entonces las lagunas, las antinomias y las referencias circulares no son meros defectos de redacción, sino “bugs” lógicos detectables mediante análisis estático y demostración de teoremas.⁵

El cambio de paradigma de “Derecho impulsado por texto” a “Derecho impulsado por código” no es simplemente un cambio de medio de almacenamiento, sino una reconfiguración de la “modalidad de existencia” del derecho, como argumentan los teóricos de Oxford y Bruselas.⁷ Mientras que el texto legal natural permite una flexibilidad interpretativa (epikeia) que ha sido fundamental para la adaptación de la justicia a las circunstancias humanas, el código exige una precisión binaria que, si bien elimina la incertidumbre y la arbitrariedad burocrática, plantea riesgos significativos de rigidez y “congelamiento” normativo. Por tanto, la ingeniería legal contemporánea no se trata solo de escribir código, sino de diseñar arquitecturas lógicas que capturen la complejidad, la temporalidad y la jerarquía de los sistemas normativos humanos sin destruir su esencia protectora.

1.1. El Contexto Histórico y la Evolución Reciente

Tradicionalmente, la creación de normas jurídicas ha seguido un proceso artesanal y narrativo. Las leyes se redactan en lenguaje natural, se debaten políticamente y se promulgan, dejando su interpretación operativa (“¿cómo calculo exactamente este impuesto?”) para una fase posterior de reglamentación administrativa o litigio judicial. Este enfoque secuencial genera una brecha inevitable entre la intención legislativa y la ejecución administrativa.¹ En contraste, el movimiento Rules as Code (RaC), impulsado por investigaciones en el MIT y la OCDE, propone una co-creación donde la versión legible por humanos y la versión ejecutable por máquinas se desarrollan simultáneamente. Esto permite realizar pruebas de “compilación” legislativa antes de la promulgación, detectando inconsistencias lógicas en el borrador de ley de la misma manera que un compilador de software detecta errores de sintaxis antes de generar un ejecutable.²

En los últimos años, hemos observado una transición desde sistemas expertos basados en reglas simples (if-then-else), que eran frágiles y difíciles de mantener, hacia el uso de Lenguajes de Dominio Específico (DSLs) diseñados con semánticas formales rigurosas. Lenguajes como Catala, L4 y Blawx no son meras adaptaciones de Python o Java; son encarnaciones computacionales de teorías legales específicas, diseñadas para capturar la lógica no monótona (excepciones a la regla), la lógica temporal (plazos y vigencias) y las relaciones deónticas (obligaciones y permisos) que caracterizan el razonamiento jurídico.⁶

1.2. La Gramática Legal como Estructura Algorítmica

Para comprender la profundidad de esta convergencia, es necesario desglosar la analogía del algoritmo. Un algoritmo es una secuencia finita de instrucciones bien definidas para resolver una clase de problemas o realizar un cómputo. Una norma jurídica estatutaria opera bajo la misma lógica estructural: define un dominio de aplicación (un conjunto de sujetos y situaciones), establece condiciones lógicas (predicados) y prescribe una consecuencia (el efecto jurídico).

Componente Jurídico	Componente Algorítmico	Ejemplo en Código Legal
Supuesto de Hecho	Input Data / Trigger	IF (Persona.ingresos > Umbral AND Persona.edad >= 18)
Consecuencia Jurídica	Output / State Transition	THEN (Obligación_Fiscal = TRUE)
Excepción / Derogación	Exception Handling / Override	UNLESS (Persona.es_veterano)
Remisión Normativa	Function Call / Inheritance	CALL (Definición_Ingresos(Art_32))
Vigencia Temporal	Runtime Constraint	WHILE (Fecha_Actual < Fecha_Vencimiento)

Esta visión permite aplicar herramientas de la teoría de la computación, como la teoría de grafos y la verificación de modelos, al corpus legal. Si una ley es un grafo de dependencias normativas, podemos analizar matemáticamente si contiene ciclos (referencias circulares), nodos inalcanzables (normas vacuas) o conflictos de estado (antinomias).¹⁰ Además, la emergencia de la computación cuántica plantea escenarios futuros donde problemas legales de alta complejidad computacional (NP-hard), como el equilibrio de cargas de prueba con múltiples factores interdependientes, podrían resolverse mediante algoritmos cuánticos de optimización, llevando la ingeniería legal a una nueva frontera de capacidad analítica.¹¹

2. Fundamentos Teóricos: De la Filosofía a la Computación

La ingeniería legal moderna no surge en un vacío teórico. Su robustez actual se debe, en gran medida, al redescubrimiento y la operacionalización de formalismos jurídicos desarrollados a principios del siglo XX. Investigadores contemporáneos han demostrado que las teorías de Hans Kelsen y Wesley Hohfeld no eran meras abstracciones filosóficas, sino proto-especificaciones de sistemas lógicos que esperaban la tecnología adecuada para ser ejecutadas.

2.1. Hans Kelsen y la Recursividad de la Validez Normativa

La Teoría Pura del Derecho de Hans Kelsen proporciona el marco arquitectónico ideal para los sistemas de ingeniería legal. Kelsen concibió el ordenamiento jurídico como un sistema jerárquico y autopoyético (Stufenbau), donde la validez de una norma inferior no es intrínseca, sino derivada de su conformidad procedimental y sustantiva con una norma superior.¹³ Esta cadena de validación asciende recursivamente hasta llegar a la Grundnorm (norma fundamental), un presupuesto lógico-trascendental que cierra el sistema.

En la ingeniería de software legal, esta estructura se traduce directamente en Árboles de Sintaxis Abstracta (AST) y Cadenas de Confianza (Chain of Trust) criptográficas.

Recursividad y Validación: La función de “validez” en un sistema computacional legal es recursiva: esValida(Norma N) retorna Verdadero si y solo si esValida(NormaSuperior(N)) es Verdadero y CumpleRequisitos(N, NormaSuperior(N)) es Verdadero. Esta lógica es la base de la verificación formal de contratos inteligentes y regulaciones digitales, donde cada instrucción debe trazar su autoridad a un permiso raíz.¹⁴
La Grundnorm Digital: En un sistema de gobernanza digital, la Grundnorm deja de ser una hipótesis metafísica para convertirse en un artefacto técnico concreto: el bloque génesis de una blockchain, las claves raíz de una Autoridad de Certificación (CA) o la constitución codificada en un sistema experto. Es el axioma técnico sobre el cual se construye toda la legalidad del sistema, y su modificación requiere un “hard fork” del ordenamiento jurídico.¹⁶
Separación Is/Ought (Ser/Deber Ser): Kelsen insistió rigurosamente en la distinción entre el mundo de los hechos empíricos (Sein) y el mundo de las normas (Sollen).¹⁷ Los DSLs modernos como Catala implementan esta distinción a nivel de tipos de datos: los hechos (inputs) son inmutables y externos, mientras que las normas (funciones) son las reglas de transformación. Esta tipificación estricta previene la “falacia naturalista” en el código, asegurando que un hecho no pueda generar una obligación sin una norma intermedia que lo interprete.

2.2. La Ontología Formal de Hohfeld: Átomos de la Lógica Jurídica

Si Kelsen provee la arquitectura macroscópica del sistema operativo legal, Wesley Newcomb Hohfeld provee la física atómica de las partículas normativas. Su análisis en Fundamental Legal Conceptions descompuso los derechos legales, a menudo vagos en el lenguaje natural, en cuatro pares de correlativos y opuestos irreductibles.¹⁹ La implementación computacional de Hohfeld ha sido fundamental para resolver la ambigüedad en la ingeniería de requisitos legales.

Los Cuatro Pares Hohfeldianos en Código:

Derecho (Claim) $\leftrightarrow$ Deber (Duty):

Lógica Computacional: Una relación binaria estricta. Si el Agente A tiene un Claim contra el Agente B para la acción $\phi$, entonces el sistema debe instanciar un objeto Duty en la pila de obligaciones del Agente B. No puede existir un “derecho” flotante sin un “deber” correlativo asignado a una entidad específica.
Implementación: En lenguajes como eFLINT, esto se modela como Duty(Holder: B, Claimant: A, Action: phi).²¹

Privilegio (Privilege) $\leftrightarrow$ No-Derecho (No-Right):

Lógica Computacional: La negación de un deber. A tiene el privilegio de hacer $\phi$ si no existe ninguna regla activa que imponga Duty(A, Someone, NOT phi). Es un estado de libertad por defecto o permiso explícito.

Potestad (Power) $\leftrightarrow$ Sujeción (Liability):

Lógica Computacional: La capacidad de alterar el estado normativo del sistema (meta-reglas). Un Power es una función que, al ejecutarse, cambia las tablas de Deberes o Privilegios de otros agentes (quienes están en Liability o sujeción a ese cambio).
Ejemplo: Un juez tiene el Power de sentenciar, creando un nuevo Duty de prisión para el acusado. En código, esto es una transición de estado: State_T1 -> State_T2 donde State_T2 contiene nuevas instancias normativas.²³

Inmunidad (Immunity) $\leftrightarrow$ Discapacidad (Disability):

Lógica Computacional: Una restricción de acceso o permiso sobre las funciones de cambio de estado. Si A tiene inmunidad frente a B respecto a $\phi$, entonces la función ChangeStatus(B, A, phi) retornará un error de permiso o será inefectiva.

Esta descomposición permite a los sistemas de ingeniería legal modelar interacciones complejas con precisión quirúrgica, evitando las ambigüedades del lenguaje natural donde “tener derecho” puede significar indistintamente un privilegio, una potestad o un reclamo.¹⁹

2.3. Dinamismo y la Brecha de la Interpretación

Uno de los debates más intensos en la filosofía de la ingeniería legal es el manejo de la “textura abierta” del derecho (Hart). Los críticos, como los investigadores del proyecto COHUBICOL, argumentan que la formalización completa elimina la ambigüedad necesaria para la justicia y la equidad (epikeia).⁸ Sin embargo, los defensores del Rules as Code sostienen que la gramática legal como algoritmo no busca eliminar la interpretación humana, sino explicitarla y ubicarla correctamente en el proceso.

En el paradigma computacional, la interpretación se convierte en un problema de clasificación de inputs. El algoritmo procesa las reglas lógicas (“Si es vehículo, entonces prohibido”), pero la determinación de si un objeto específico es un “vehículo” se delega a un oráculo externo (un humano o un sistema de clasificación de IA). Lenguajes como Catala están diseñados para aislar la lógica estructural (que es determinista) de los conceptos vagos, creando interfaces claras donde el sistema solicita juicio humano solo cuando la ley es intencionalmente ambigua.³

3. Modelado de Normas: Lenguajes de Dominio Específico (DSLs)

La materialización de la teoría se encuentra en los Lenguajes de Especificación de Dominio (DSLs) diseñados específicamente para el derecho. A diferencia de los lenguajes de propósito general (Python, Java), estos DSLs incorporan primitivas lógicas jurídicas en su sintaxis y semántica, permitiendo una representación más fiel y segura de la normativa.

3.1. Catala: Formalización de la Lógica Legislativa y Fiscal

Desarrollado por investigadores de INRIA y colaboradores del MIT, Catala representa el estado del arte en la formalización de leyes fiscales y sistemas de beneficios sociales, dominios caracterizados por una alta complejidad aritmética y lógica.⁹

Lógica por Defecto (Default Logic): La innovación central de Catala es su manejo de la estructura legislativa típica de “regla general con excepciones”. En la programación imperativa tradicional, esto derivaría en una maraña de sentencias if-else anidadas (“Spaghetti Code”). Catala utiliza lógica no monótona, permitiendo al programador declarar una regla base y, posteriormente, declarar excepciones que anulan la regla base bajo condiciones específicas. El compilador se encarga de ensamblar el árbol lógico, garantizando que las excepciones más específicas tengan prioridad sobre las generales.⁹
Programación Literaria: Catala adopta el paradigma de Literate Programming, donde el código fuente se entreteje con el texto legal original. Esto asegura que la especificación técnica y la norma legal estén sincronizadas en un mismo documento, facilitando la auditoría por pares mixtos de juristas e informáticos.
Verificación y Determinismo: El sistema de tipos de Catala previene errores comunes como la mezcla de unidades (ej. sumar peras con manzanas) y garantiza que, para cualquier conjunto de entradas, el programa produzca un resultado único o un error controlado, eliminando la ambigüedad no deseada.²⁶

3.2. L4 y Legalese: El Enfoque Funcional y Transpilación

El proyecto L4, liderado por el Centro de Derecho Computacional de la Universidad de Gestión de Singapur (SMU), aborda el derecho desde el paradigma de la programación funcional, inspirándose en lenguajes como Haskell.⁶

Isomorfismo Estructural: L4 busca mantener una correspondencia uno a uno entre las cláusulas de un contrato o ley y los bloques de código. Esto facilita la trazabilidad: si la cláusula 3.1 cambia, solo el bloque de código correspondiente necesita ser modificado.
Ecosistema de Transpilación: L4 funciona como un metalenguaje o “Lenguaje Fuente”. Una especificación escrita en L4 puede ser traducida automáticamente (transpilada) a múltiples formatos de salida según la necesidad:

Solidity/Smart Contracts: Para ejecución en blockchain.
Prolog/ASP: Para razonamiento lógico y verificación.
Lenguaje Natural (Inglés/Español Lógico): Utilizando el Grammatical Framework (GF), L4 puede generar el texto del contrato legible por humanos a partir del código, asegurando que la versión legal y la versión computacional sean semánticamente idénticas.⁶
Bibliotecas Estándar: L4 incluye bibliotecas para conceptos legales recurrentes como Jurisdiction (códigos ISO), Time (lógica temporal para plazos) y LegalPerson.

3.3. Blawx y la Democratización Visual

Blawx, desarrollado en el entorno de Stanford CodeX, se enfoca en la accesibilidad para juristas sin formación en programación. Utiliza una interfaz visual basada en bloques (similar a Scratch) que se traduce en código de Lógica de Programación Lógica (Answer Set Programming).¹

Razonamiento Explicable: A diferencia de los modelos de “caja negra” basados en aprendizaje automático, Blawx genera trazas de ejecución que explican paso a paso por qué se llegó a una conclusión legal. Esto es crucial para cumplir con los requisitos de transparencia y debido proceso administrativo.
Publicación como API: Blawx permite “publicar” una sección de código legal como un servicio web (API). Esto facilita la visión de “Rules as Code” donde las agencias gubernamentales ofrecen oráculos oficiales de sus regulaciones que pueden ser consumidos por software de terceros (ej. software de contabilidad calculando impuestos automáticamente consultando la API oficial).¹

3.4. eFLINT: Normatividad Dinámica y Transicional

Desarrollado en los Países Bajos, eFLINT se especializa en el modelado de normas que cambian el estado del sistema a lo largo del tiempo, basándose en una interpretación computacional estricta de las posiciones de Hohfeld.²²

Hechos vs. Actos: eFLINT distingue entre hechos estáticos (edad de una persona) y actos que causan transiciones de estado.
Gestión de Estados Normativos: Es particularmente potente para modelar situaciones como el cumplimiento del GDPR. Por ejemplo, el acto de “Dar Consentimiento” crea un Permiso en el sistema. El acto de “Retirar Consentimiento” elimina ese permiso. eFLINT puede verificar si una acción de procesamiento de datos realizada en el tiempo $t$ era válida según el estado de los permisos en ese momento exacto, ofreciendo una auditoría ex-post rigurosa.

Característica	Catala	L4	Blawx	eFLINT
Enfoque Principal	Leyes Fiscales / Beneficios	Contratos / Transpilación	Lógica Visual / Acceso	Normas Dinámicas / GDPR
Paradigma	Lógica por Defecto	Funcional / Lógica	Lógica (ASP) Visual	Transición de Estados
Base Teórica	Lógica No Monótona	Semántica Funcional	Answer Set Programming	Hohfeld + Autómatas
Verificación	SMT (Z3) / F*	Model Checkers / Prolog	Trazas de Razonamiento	Compliance Ex-Post/Ex-Ante

4. Formalismos Lógicos y Compiladores Jurídicos

La premisa de que “la gramática legal es un algoritmo” requiere un motor capaz de procesar esa gramática. En los últimos años, la ingeniería legal ha evolucionado desde sistemas expertos rudimentarios hacia el uso de compiladores sofisticados y demostradores de teoremas (theorem provers).

4.1. Compilación de Derecho: Del Texto al Binario

El proceso de transformar una ley en un artefacto ejecutable sigue una tubería (pipeline) análoga a la compilación de software tradicional, pero adaptada a la semántica jurídica ⁶:

Análisis Sintáctico (Parsing): Se descompone el texto legal en sus constituyentes gramaticales. Aquí, las herramientas de Procesamiento de Lenguaje Natural (NLP) modernas ayudan a identificar entidades, obligaciones y condiciones preliminares, aunque la supervisión humana sigue siendo crítica para la desambiguación.
Representación Intermedia (IR): El código fuente (escrito en L4 o Catala) se transforma en una estructura lógica abstracta, generalmente un Árbol de Sintaxis Abstracta (AST) enriquecido con metadatos legales. En esta etapa, la ley es puramente lógica, despojada de su retórica lingüística.
Optimización Lógica: El compilador puede simplificar reglas redundantes o fusionar condiciones superpuestas, siempre que se preserve la semántica normativa original.
Generación de Código Objetivo: La IR se traduce al lenguaje de destino, ya sea un contrato inteligente en Solidity, un módulo de Python para una web gubernamental, o fórmulas lógicas para verificación.

4.2. SMT Solvers y Verificación Formal (Z3)

La herramienta más disruptiva incorporada a la ingeniería legal reciente es el SMT Solver (Satisfiability Modulo Theories), siendo Z3 de Microsoft Research el estándar de facto en la investigación académica y aplicada.²⁶

El Motor Matemático de la Justicia:

Un SMT solver no “ejecuta” el código paso a paso; más bien, analiza algebraicamente el espacio de todos los estados posibles que permite el código. En el contexto legal, esto permite realizar preguntas de “inspección profunda” que serían imposibles para un humano o un script de prueba tradicional:

Pregunta al Solver: “¿Existe alguna combinación de ingresos, estado civil y número de hijos tal que un ciudadano pierda dinero neto al recibir un aumento de sueldo debido a la retirada abrupta de beneficios sociales?”
Respuesta del Solver: El solver explorará matemáticamente todas las combinaciones posibles (millones de estados) y devolverá un “Contraejemplo” exacto si tal situación es posible, o una prueba de “INSATISFACTIBILIDAD” (UNSAT) si el sistema es consistente.

En Catala, el compilador traduce las reglas legislativas a fórmulas de lógica de primer orden que Z3 puede procesar. Esto permite a los legisladores certificar matemáticamente propiedades de la ley, como la monotonicidad (ganar más nunca implica tener menos neto) o la completitud (no hay casos sin cubrir).²⁵

4.3. Enfoques Híbridos: La Alianza Neuro-Simbólica

Una de las fronteras más recientes (2024-2025) es la integración de Modelos de Lenguaje Grande (LLMs) con verificadores lógicos formales, creando sistemas Neuro-Simbólicos.

Los LLMs (como GPT-4) poseen una gran capacidad lingüística para interpretar la vaguedad del texto legal, pero carecen de rigor lógico y pueden “alucinar” normas inexistentes.5 Los sistemas formales (L4, Catala) son lógicamente perfectos pero rígidos y difíciles de codificar.

La solución emergente es una arquitectura “Tutor-Aprendiz”:

El Aprendiz (LLM): Lee el estatuto en lenguaje natural y propone una formalización en código lógico (ej. Prolog o L4).
El Tutor (Verificador Lógico): Analiza el código propuesto. Si detecta contradicciones lógicas o errores de sintaxis, devuelve el error al LLM.
Refinamiento Iterativo: El LLM corrige su formalización basándose en el feedback lógico hasta que el código compila y verifica correctamente.³³

Este enfoque, documentado en investigaciones recientes sobre el Código de Rentas Internas de EE. UU. (IRC), permite “escalar” la formalización del derecho, reduciendo el coste humano de codificar miles de páginas de legislación, mientras se mantiene la garantía de corrección lógica mediante la verificación simbólica.⁵

4.4. Computación Cuántica y Complejidad Legal

En el horizonte teórico, investigadores han comenzado a aplicar la teoría de la complejidad computacional al derecho. Se ha propuesto que ciertos problemas legales, como la determinación de la carga de la prueba en casos complejos con múltiples factores interdependientes, podrían pertenecer a clases de complejidad (como NP-hard) que son intratables para computadoras clásicas pero potencialmente solubles para computadoras cuánticas.¹¹ Aunque incipiente, esta línea de investigación sugiere que la “gramática legal” podría contener estructuras de optimización que requieren capacidades de cómputo no clásicas para ser resueltas de manera justa y eficiente en tiempo real.

5. Taxonomía de Errores Legales: Detección Algorítmica

Si aceptamos la premisa de que la ley es código, debemos aceptar la consecuencia inevitable: la ley tiene bugs. La ingeniería legal ha permitido desarrollar una Taxonomía de Errores Legales precisa, trasladando conceptos de la depuración de software al análisis legislativo. Esta taxonomía permite la detección automatizada de fallas lógicas antes de que la ley sea promulgada (control de calidad ex-ante).

5.1. Antinomias y Conflictos Deónticos

Una antinomia ocurre cuando el sistema normativo impone obligaciones incompatibles sobre un mismo sujeto en una misma situación.

Formalismo: O(p) ∧ P(¬p) (Obligatorio p y Prohibido p) o O(p) ∧ O(¬p) (Obligatorio hacer y no hacer).
Detección Algorítmica: Los sistemas formales modelan esto como una insatisfacibilidad lógica. Herramientas de procesamiento de lenguaje natural (NLP) avanzadas pueden identificar pares de normas con modalidades deónticas opuestas aplicables a los mismos actores y contextos.³⁴ Posteriormente, los SMT solvers pueden verificar si existe una intersección real en las condiciones de activación de ambas normas.
Resolución: Los algoritmos de ingeniería legal implementan meta-reglas de resolución de conflictos jurídicos tradicionales (Lex Superior, Lex Posterior, Lex Specialis) como algoritmos de prioridad. Si el conflicto persiste tras aplicar estas reglas, el sistema marca la antinomia como un “error crítico” que requiere intervención legislativa.⁶

5.2. Circularidad y Bucles de Dependencia

Las leyes frecuentemente se refieren unas a otras (“sujeto a lo dispuesto en el Artículo X”). En sistemas complejos, esto puede generar ciclos viciosos.

El Error: El Artículo A depende de la definición en el Artículo B; el Artículo B depende de una condición en el Artículo C; y el Artículo C depende del Artículo A. En computación, esto es un Infinite Loop o referencia circular que puede colgar el sistema.
Detección: Se utilizan herramientas de análisis de grafos (como el crate Legalis-Verifier en Rust) para construir el grafo de dependencias de un estatuto. Los algoritmos de detección de ciclos (como DFS) identifican estas estructuras circulares instantáneamente.¹⁰
Impacto: En el mundo legal, esto genera parálisis interpretativa y litigios costosos. Su detección automatizada es una de las victorias más claras de la ingeniería legal (“Legal Debugging”).³⁷

5.3. Normas Vacuas (Vacuous Norms) y Código Muerto

Una norma vacua es aquella que es sintácticamente correcta pero cuyas condiciones de activación son lógicamente imposibles de satisfacer simultáneamente, a menudo debido a la acumulación histórica de enmiendas contradictorias.

Analogía con el Software: Equivale al “Dead Code” (código inalcanzable).
Ejemplo: Una ley de subsidios que requiere que el solicitante sea “Menor de 18 años” Y “Veterano de guerra con 5 años de servicio”. La intersección de estas condiciones es (prácticamente) vacía.
Verificación: El SMT Solver intenta encontrar un modelo (un caso hipotético) que active la norma. Si devuelve UNSAT (Insatisfacible), prueba matemáticamente que la norma es inútil. Esto permite limpiar los códigos legales de “basura legislativa” que complica el sistema sin aportar valor normativo.¹⁰

5.4. Bloqueos (Deadlocks) Administrativos

Un deadlock legal ocurre cuando un proceso administrativo se detiene indefinidamente porque los requisitos para avanzar están bloqueados mutuamente entre agentes.

Modelado: Se utilizan técnicas de Model Checking (verificación de modelos) con herramientas como SPIN o UPPAAL. Se modela la burocracia como un sistema de autómatas comunicantes o redes de Petri.
Detección: El verificador explora exhaustivamente el espacio de estados del proceso burocrático. Si encuentra un estado que no es final (éxito) y del cual no hay transición de salida posible, ha identificado un deadlock.
Aplicación: Esto es vital para diseñar procesos de contratación pública o licencias urbanísticas que garanticen la “vivacidad” (liveness) del sistema, asegurando que todo trámite eventualmente termine en una resolución.³⁹

6. Panorama Institucional y Proyectos Paradigmáticos

La investigación en ingeniería legal no está centralizada, pero existen nodos de alta actividad que definen las direcciones del campo.

6.1. Stanford CodeX: El Epicentro de la Innovación Aplicada

El Centro de Informática Legal de Stanford (CodeX) actúa como el hub principal donde la academia se encuentra con la industria.

Proyecto Tower: Utiliza técnicas de IA y lógica para automatizar la Due Diligence en fusiones y adquisiciones corporativas. Tower estructura documentos legales masivos en ontologías consultables, permitiendo razonar sobre miles de contratos simultáneamente.⁴²
PACIFICA: En colaboración con el gobierno de Brasil, este proyecto ejemplifica el impacto social del RaC. Utiliza una plataforma asistida por IA para acelerar la verificación de elegibilidad de beneficios de maternidad para poblaciones vulnerables. Al codificar la lógica legal de los beneficios, el sistema reduce los tiempos de resolución de años a días, aumentando drásticamente el acceso a la justicia administrativa.⁴²
Computable Contracts & Insurance: CodeX lidera iniciativas para estandarizar contratos de seguros computables, buscando que las pólizas sean legibles por máquinas para permitir la liquidación automática y transparente de siniestros.⁴³

6.2. MIT y el “Computational Law Report”: Diseño Cívico

Bajo la dirección de Alex “Sandy” Pentland y Dazza Greenwood, el enfoque del MIT es menos litigioso y más sistémico/gubernamental.

Filosofía: Ven la ley como un sistema de incentivos y flujos de información. Su objetivo es utilizar la ingeniería legal para diseñar sistemas sociales más robustos y transparentes.
MIT Computational Law Report: Más que una revista académica, es una plataforma de demostración donde los papers son a menudo interactivos y ejecutables, promoviendo la idea de que la investigación legal debe ser reproducible como la investigación en software.⁴⁴

6.3. Oxford y la Red Europea (COHUBICOL): La Conciencia Crítica

Mientras EE.UU. se enfoca en la construcción de herramientas, Europa, y específicamente la red conectada al proyecto COHUBICOL (Counting as a Human Being in the Era of Computational Law) liderado por Mireille Hildebrandt (con fuerte presencia en Bruselas y Oxford), lidera la reflexión crítica y fundamental.⁸

Law’s Mode of Existence: Hildebrandt argumenta que la transición del texto al código cambia la ontología del derecho. El texto permite la interpretación y la contestación; el código tiende a cerrar estas posibilidades, creando una “legalidad” que puede ser eficiente pero autoritaria. El proyecto investiga cómo preservar las garantías del Estado de Derecho (Rule of Law) en entornos computacionales, acuñando el término “Legal Protection by Design”.⁷
Oxford Sustainable Law Programme: Más allá de la crítica, Oxford aplica herramientas computacionales para la sostenibilidad. Colaboran con iniciativas como Eco-Bot.Net, que utiliza algoritmos para detectar greenwashing y desinformación climática en redes sociales a escala masiva, cruzando datos de empresas con normativas ambientales para identificar incumplimientos sistémicos.⁴⁷

7. Implicaciones Filosóficas y Futuro

La materialización de la “gramática legal como algoritmo” abre interrogantes que trascienden lo técnico y tocan la filosofía política y ética.

7.1. La Tensión entre Certeza y Justicia (Legal Singularity)

La ingeniería legal promete maximizar la seguridad jurídica. Benjamin Alarie y otros proponentes hablan de la Singularidad Legal: un punto donde la ley es tan clara y el análisis predictivo tan preciso que la incertidumbre legal desaparece. Los ciudadanos sabrían ex-ante y con 100% de certeza el resultado legal de cualquier acción.49

Sin embargo, esta visión choca con la concepción de la justicia que valora la flexibilidad. Si la ley es un algoritmo rígido, ¿dónde queda la equidad? ¿Cómo se manejan los “casos difíciles” (Dworkin) que requieren principios morales y no solo reglas? La respuesta técnica emergente es el diseño de “válvulas de escape” en el código: sistemas que reconocen su propia incertidumbre o límites y derivan la decisión a un humano (Human-in-the-loop), preservando una estructura híbrida.33

7.2. Gobernanza Computacional y Tecno-Regulación

Estamos transicionando de un modelo de “hacer cumplir la ley” (enforcement) a uno de “cumplimiento por diseño” (compliance by design).

Ejemplo: En lugar de multar a un coche por exceso de velocidad (ley textual reactiva), el coche autónomo está programado para no poder exceder la velocidad (ley en código preventiva).
Esto implica una Gobernanza Computacional donde la norma se vuelve parte del entorno físico/digital, imposible de infringir. Si bien esto erradica el incumplimiento, también elimina la autonomía moral del sujeto para decidir obedecer, y plantea el riesgo de una “dictadura del código” donde los errores legislativos se convierten en opresión automatizada instantánea.50

7.3. Desafíos Neuro-Simbólicos y el Futuro de la Profesión

La integración de la IA generativa plantea el reto de la alucinación legal. Los benchmarks recientes (como CANDY) muestran que los LLMs pueden inventar hechos y lógica legal convincente pero falsa.32 Esto refuerza la necesidad de la convergencia con la Lógica Deóntica: la IA puede redactar, pero solo la lógica formal puede verificar.

El futuro abogado será, en parte, un ingeniero legal: un profesional capaz de diseñar arquitecturas normativas, auditar algoritmos de gobernanza y traducir valores sociales complejos a especificaciones formales verificables.51

8. Conclusión

El análisis exhaustivo del estado del arte entre 2018 y 2025 confirma que la convergencia entre la Ingeniería Legal y la Lógica Deóntica ha superado la fase de especulación teórica para convertirse en una disciplina aplicada robusta y transformadora. La hipótesis de que “la gramática legal es un algoritmo” se ha validado empíricamente mediante el éxito de lenguajes de dominio específico como Catala, L4 y eFLINT, los cuales han logrado capturar la complejidad estructural (Kelsen), relacional (Hohfeld) y dinámica del derecho en artefactos computables.

La adopción de SMT Solvers y técnicas de verificación formal ha dotado al derecho de un “microscopio lógico” capaz de detectar patologías normativas (antinomias, bucles, vacíos) con una precisión matemática inalcanzable para el análisis humano tradicional. Sin embargo, esta revolución técnica conlleva una responsabilidad filosófica: evitar el reduccionismo. La ley es código, sí, pero es un código que opera sobre el tejido social, donde valores como la justicia, la equidad y la misericordia a menudo residen precisamente en los espacios que la lógica binaria intenta cerrar. El éxito de la ingeniería legal dependerá de nuestra capacidad para construir sistemas que sean computacionalmente rigurosos pero humanamente sensibles, utilizando el algoritmo no como un sustituto del juicio humano, sino como el andamiaje que lo sostiene y clarifica en un mundo cada vez más complejo.

Jose Guillermo Vasquez Guzman, 2026. Bogota, Colombia.

Obras citadas

Rules as Code for a More Transparent and Efficient Global Economy – Centre for International Governance Innovation (CIGI), fecha de acceso: enero 9, 2026, https://www.cigionline.org/static/documents/T7_TF2_Rapson_et_al.pdf
Rules as Code for a More Transparent and Efficient Global Economy, fecha de acceso: enero 9, 2026, https://www.cigionline.org/static/documents/TF2_Rapson_et_al.pdf
Specification languages for computational laws versus basic legal principles – arXiv, fecha de acceso: enero 9, 2026, https://arxiv.org/html/2503.09129v1
Computational Legal Studies Comes of Age – Publicera, fecha de acceso: enero 9, 2026, https://publicera.kb.se/ejels/article/view/19684
1 LLM-Assisted Formalization Enables Deterministic Detection of Statutory Inconsistency in the Internal Revenue Code Borchuluun – arXiv, fecha de acceso: enero 9, 2026, https://arxiv.org/pdf/2511.11954
smucclaw/l4-ide: L4 – rules-as-code – is an open-source … – GitHub, fecha de acceso: enero 9, 2026, https://github.com/smucclaw/l4-ide
Law as Information in the Era of Data-Driven Agency, fecha de acceso: enero 9, 2026, https://www.law.nyu.edu/sites/default/files/upload_documents/Hildebrandt-Law%20as%20Information%20in%20the%20Era%20of%20Data-Driven%20Agency.pdf
Research Study on Computational Law – Vrije Universiteit Brussel, fecha de acceso: enero 9, 2026, https://researchportal.vub.be/files/110744249/cohubicol_research_study_on_computational_law_final.pdf
The Catala domain-specific programming language: Introduction, fecha de acceso: enero 9, 2026, https://book.catala-lang.org/
legalis-verifier – crates.io: Rust Package Registry, fecha de acceso: enero 9, 2026, https://crates.io/crates/legalis-verifier/0.1.0
Full article: Quantum computing and computational law – Taylor & Francis Online, fecha de acceso: enero 9, 2026, https://www.tandfonline.com/doi/full/10.1080/17579961.2021.1977216
(PDF) Quantum computing and computational law – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/354595466_Quantum_computing_and_computational_law
Pure Theory of Law: Understanding Kelsen’s Legal Framework | US Legal Forms, fecha de acceso: enero 9, 2026, https://legal-resources.uslegalforms.com/p/pure-theory-of-law
Kelsen, Hart, and legal normativity – OpenEdition Journals, fecha de acceso: enero 9, 2026, https://journals.openedition.org/revus/3984
Between Legal Technique and Legal Policy: Remarks on Hans Kelsen’s Constitutional Theory | Canadian Journal of Law & Jurisprudence | Cambridge Core, fecha de acceso: enero 9, 2026, https://www.cambridge.org/core/journals/canadian-journal-of-law-and-jurisprudence/article/between-legal-technique-and-legal-policy-remarks-on-hans-kelsens-constitutional-theory/D15F4F5A74CAFB9C9EBD9B8CB5B889CC
Kelsen’s Pure Theory of Law, fecha de acceso: enero 9, 2026, https://scholarship.law.stjohns.edu/context/tcl/article/2087/viewcontent/03._Kelsen_s_Pure_Theory_of_Law.pdf
The Ontology of Legal Science: Hans Kelsen’s Proposal of the ‘Pure Theory of Law’, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/330536589_The_Ontology_of_Legal_Science_Hans_Kelsen’s_Proposal_of_the_’Pure_Theory_of_Law’
(PDF) Visualization of Hans Kelsen’s Pure Theory of Law – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/249791216_Visualization_of_Hans_Kelsen’s_Pure_Theory_of_Law
arXiv:2503.00841v1 [cs.AI] 2 Mar 2025, fecha de acceso: enero 9, 2026, https://arxiv.org/pdf/2503.00841
rights and punishment: the hohfeldian theory’s applicability and – ORBilu, fecha de acceso: enero 9, 2026, https://orbilu.uni.lu/bitstream/10993/41661/1/
Lawful and Accountable Personal Data Processing with GDPR-based Access and Usage Control in Distributed Systems (Under Submission) – arXiv, fecha de acceso: enero 9, 2026, https://arxiv.org/html/2503.07172v1
eFLINT: a Domain-Specific Language for Executable Norm Specifications, fecha de acceso: enero 9, 2026, https://dl4ld.nl/2020-09-01/eflint.pdf
The Hohfeldian Framework: Fundamental Legal Concepts – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/309088110_Fundamental_Legal_Concepts_The_Hohfeldian_Framework_Fundamental_Legal_Concepts
Law as Code, fecha de acceso: enero 9, 2026, https://journalcrcl.org/crcl/article/download/39/19/431
CUTECat: Concolic Execution for Computational Law – arXiv, fecha de acceso: enero 9, 2026, https://arxiv.org/html/2410.18212v2
Automated consistency analysis for legal contracts, fecha de acceso: enero 9, 2026, https://d-nb.info/1371588384/34
Output | L4 documentation – Read the Docs, fecha de acceso: enero 9, 2026, https://l4-documentation.readthedocs.io/en/latest/docs/output.html
Reflections on the design, applications and implementations of the normative specification language eFLINT – arXiv, fecha de acceso: enero 9, 2026, https://arxiv.org/pdf/2511.12276
eFLINT: a Domain-Specific Language for Executable Norm Specifications – L. Thomas van Binsbergen, fecha de acceso: enero 9, 2026, http://ltvanbinsbergen.nl/publications/eflint.pdf
Law as program code: Introductory remarks | Request PDF – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/374126267_Law_as_program_code_Introductory_remarks
LLM-Assisted Formalization Enables Deterministic Detection of Statutory Inconsistency in the Internal Revenue Code – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/397701578_LLM-Assisted_Formalization_Enables_Deterministic_Detection_of_Statutory_Inconsistency_in_the_Internal_Revenue_Code
CANDY: Benchmarking LLMs’ Limitations and Assistive Potential in Chinese Misinformation Fact-Checking – ACL Anthology, fecha de acceso: enero 9, 2026, https://aclanthology.org/2025.findings-emnlp.307.pdf
Grounding Generative Planners in Verifiable Logic: A Hybrid Architecture for Trustworthy Embodied AI | OpenReview, fecha de acceso: enero 9, 2026, https://openreview.net/forum?id=wb05ver1k8
Identifying Potential Conflicts between Norms in Contracts – Felipe Meneguzzi, fecha de acceso: enero 9, 2026, https://www.meneguzzi.eu/felipe/pubs/coin-nlp-norm-conflicts-2015.pdf
A Computational Framework for Integrating Task Planning and Norm Aware Reasoning for Social Robots, fecha de acceso: enero 9, 2026, https://www.ri.cmu.edu/app/uploads/2018/08/ROMAN18.pdf
legalis_verifier – Rust – Docs.rs, fecha de acceso: enero 9, 2026, https://docs.rs/legalis-verifier
How to Identify and Prevent Circular References – TimeXtender Community, fecha de acceso: enero 9, 2026, https://support.timextender.com/prepare-108/how-to-identify-and-prevent-circular-references-1587
Formal Methods in Requirements Engineering: Survey and Future Directions – Rob Lorch, fecha de acceso: enero 9, 2026, https://lorchrob.github.io/publications/re_survey_paper.pdf
(PDF) Verifying Behavior of L4 Microkernel based Mobile Phone – ResearchGate, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/224702387_Verifying_Behavior_of_L4_Microkernel_based_Mobile_Phone
Mechanism to Generate FIFO VC Dependency Graph and Its Application to System Level Deadlock Verification | DVCon Proceedings, fecha de acceso: enero 9, 2026, https://dvcon-proceedings.org/wp-content/uploads/mechanism-to-generate-fifo-vc-dependency-graph-and-its-application-to-system-level-deadlock-verification.pdf
Exploring Formal in Datapath Verification. – Lund University Publications, fecha de acceso: enero 9, 2026, https://lup.lub.lu.se/student-papers/record/9213247/file/9213250.pdf
Tower and PACIFICA – CodeX Group Meeting 11.20.2025 | Stanford Law School, fecha de acceso: enero 9, 2026, https://law.stanford.edu/2025/11/20/tower-and-pacifica-codex-group-meeting-11-20-2025/
CodeX Insurance Initiative – Stanford Law School, fecha de acceso: enero 9, 2026, https://law.stanford.edu/codex-the-stanford-center-for-legal-informatics/projects/codex-insurance-initiative/
MIT Computational Law Report Archives – Digital Government Hub, fecha de acceso: enero 9, 2026, https://digitalgovernmenthub.org/organization/mit-computational-law-report/
MIT Computational Law: “A Perspective on Legal Algorithms”, fecha de acceso: enero 9, 2026, https://www.media.mit.edu/articles/a-perspective-on-legal-algorithms/
The Future of Computational Law in the Context of the Rule of Law, fecha de acceso: enero 9, 2026, https://journalcrcl.org/crcl/article/download/63/24/586
Eco-Bot.Net: Defending The Digital Environment – Prix Ars Electronica 2024, fecha de acceso: enero 9, 2026, https://calls.ars.electronica.art/2024/prix/winners/13495/
Past Editions | Amsterdam Complexity School on Climate Change, fecha de acceso: enero 9, 2026, https://acscc.nl/past_editions/
Law as Code Exploring Information, Communication and Power in Legal Systems, fecha de acceso: enero 9, 2026, https://www.researchgate.net/publication/386337116_Law_as_Code_Exploring_Information_Communication_and_Power_in_Legal_Systems
Boundary Work between Computational ‘Law’ and ‘Law-as-We-Know-it’ – Vrije Universiteit Brussel, fecha de acceso: enero 9, 2026, https://researchportal.vub.be/en/publications/boundary-work-between-computational-law-and-law-as-we-know-it/
Toward the computational transformation of legal theory and practice – DSpace@MIT, fecha de acceso: enero 9, 2026, https://dspace.mit.edu/bitstream/handle/1721.1/164268/mahari-rmahari-phd-MAS-2025-thesis.pdf?sequence=-1&isAllowed=y