Identificación automática del discurso de los jueces en las audiencias de los tribunales laborales mediante aprendizaje automático: contribuciones a la consultoría en innovación en el Poder Judicial y al desarrollo de casos didácticos

Resumen

La Justicia del Trabajo enfrenta desafíos significativos relacionados con la morosidad procesal, especialmente en el análisis de grabaciones de audiencias que sirven de base para la elaboración de borradores y votos en la segunda instancia. En este contexto, el uso de técnicas de Inteligencia Artificial (IA) surge como una alternativa para apoyar las actividades de análisis documental y reducir el tiempo empleado por los servidores en la identificación de información relevante. El Tribunal Regional del Trabajo de la 8ª Región (TRT8) ya utiliza la herramienta ‘Degrava’ para la transcripción automática de audiencias; sin embargo, en el momento de esta investigación, aún no contaba con mecanismos capaces de identificar automáticamente al magistrado como orador. En este sentido, este estudio propone y evalúa un modelo de clasificación de audio para la identificación del habla del magistrado en audiencias laborales. El dataset fue construido a partir de grabaciones públicas del TRT8 disponibles en YouTube, específicamente de la lista de reproducción “Sessões da 1ª Turma”. Los audios fueron extraídos, segmentados, normalizados y procesados mediante una metodología automatizada desarrollada en esta investigación, incluyendo la extracción de características acústicas basada en Mel-Frequency Cepstral Coefficients (MFCCs). El conjunto de datos final contempló cinco clases, cada una correspondiente a un magistrado. Se evaluaron diversos algoritmos de Aprendizaje Automático, incluyendo Support Vector Machines (SVM), Regresión Logística, Random Forest, AdaBoost y redes neuronales de tipo Multi-Layer Perceptron (MLP). Los resultados indicaron un alto desempeño en todos los modelos, con una exactitud superior al 94%, destacándose el MLP, que alcanzó una exactitud cercana al 99% y métricas equilibradas entre las clases. Los hallazgos demuestran que los modelos tradicionales, combinados con un preprocesamiento consistente, son eficaces en entornos acústicos ruidosos, característicos de las audiencias laborales. Se concluye que la identificación automática del habla del magistrado es técnicamente viable, compatible con la infraestructura computacional del TRT8 y susceptible de integración en el ecosistema de la herramienta ‘Degrava’, promoviendo mejoras en la celeridad, la seguridad jurídica y el potencial de expansión para la identificación de otros interlocutores. Más allá de su contribución técnica, el estudio ofrece utilidad práctica para las consultorías empresariales y organizativas centradas en la innovación en el sector público, especialmente en iniciativas de transformación digital, automatización de flujos de trabajo y mejora de la eficiencia institucional. Los resultados también pueden servir de base para el desarrollo de casos de enseñanza sobre la aplicación de la inteligencia artificial en el ámbito jurídico, permitiendo su uso por parte de docentes y facilitadores en actividades de aprendizaje basado en problemas y análisis de casos.