Descubrimiento electrónico

La fase de identificación es cuando se identifican los documentos potencialmente relevantes para su posterior análisis y revisión. En Estados Unidos, en Zubulake v. UBS Warburg , Shira Scheindlin dictaminó que no emitir una notificación de retención legal por escrito cuando se prevé razonablemente un litigio se considerará negligencia grave. Esta decisión puso mayor énfasis en los conceptos de retención legal, eDiscovery y preservación electrónica. ^{[ 6 ]} Se identifican los custodios que están en posesión de información o documentos potencialmente relevantes. A menudo se emplean técnicas de mapeo de datos para garantizar una identificación completa de las fuentes de datos. Dado que el alcance de los datos puede ser abrumador o incierto en esta fase, se hacen esfuerzos para reducir razonablemente el alcance general durante esta fase, como limitar la identificación de documentos a un rango de fechas o custodios determinados.

El deber de preservar comienza con la previsión razonable de un litigio. Los datos identificados como potencialmente relevantes durante la preservación se someten a una retención legal . Esto garantiza que los datos no puedan ser destruidos. Se toman precauciones para asegurar que este proceso sea defendible, mientras que el objetivo final es reducir la posibilidad de destrucción o alteración de los datos. El incumplimiento del deber de preservar puede acarrear sanciones. Incluso si un tribunal no dictamina que el incumplimiento constituye negligencia, puede obligar al acusado a pagar multas si la pérdida de datos coloca a la defensa en una situación de desventaja indebida para establecer su defensa. ^{[ 7 ]}

Una vez preservados los documentos, puede comenzar la recopilación. La recopilación consiste en la transferencia de datos de una empresa a su asesor legal, quien determinará la relevancia y el destino de los datos. Algunas empresas que se enfrentan a litigios frecuentes cuentan con software para aplicar rápidamente retenciones legales a determinados custodios cuando se activa un evento (como una notificación legal) e iniciar el proceso de recopilación de inmediato. ^{[ 8 ]} Otras empresas pueden necesitar recurrir a un experto en informática forense para evitar la destrucción de datos. El tamaño y la magnitud de esta recopilación se determinan durante la fase de identificación.

Durante la fase de procesamiento, los archivos originales se preparan para su carga en una plataforma de revisión de documentos . A menudo, esta fase también implica la extracción de texto y metadatos de los archivos originales. Se emplean diversas técnicas de depuración de datos, como la eliminación de duplicados y la eliminación de la nomenclatura NIST. En ocasiones, los archivos originales se convierten a un formato digitalizado, similar al papel (como PDF o TIFF), para facilitar la edición y el etiquetado Bates .

Las herramientas de procesamiento modernas también pueden emplear herramientas analíticas avanzadas para ayudar a los abogados que revisan documentos a identificar con mayor precisión los documentos potencialmente relevantes.

Durante la fase de revisión, se analizan los documentos para determinar si responden a las solicitudes de información y si están protegidos por privilegio. Diversas plataformas y servicios de revisión de documentos facilitan muchas tareas relacionadas con este proceso, como la identificación rápida de documentos potencialmente relevantes y la selección de documentos según diversos criterios (como palabras clave, rango de fechas, etc.). La mayoría de las herramientas de revisión también facilitan el trabajo en equipo de abogados especializados en revisión de documentos, gracias a sus herramientas colaborativas y la posibilidad de procesar documentos por lotes para agilizar el proceso y evitar la duplicación de tareas.

Análisis cualitativo del contenido descubierto en la fase de recolección y tras su reducción en la fase de preprocesamiento. La evidencia se examina en contexto. Análisis de correlación o análisis contextual para extraer información estructurada relevante para el caso. Es común estructurar los datos cronológicamente o agruparlos por tema. Por ejemplo, se puede organizar la evidencia según cómo relaciona a los miembros de un grupo, como una forma de análisis de redes sociales .

Los documentos se entregan a la parte contraria según las especificaciones acordadas. A menudo, esta entrega se acompaña de un archivo de carga, que se utiliza para cargar los documentos en una plataforma de revisión documental. Los documentos pueden entregarse como archivos nativos o en un formato comprimido (como PDF o TIFF ) junto con metadatos .

Presentar y explicar pruebas ante el público (en declaraciones, audiencias, juicios, etc.). El objetivo es que el público comprenda la presentación y que personas sin conocimientos especializados puedan seguir la interpretación. La claridad y la facilidad de comprensión son fundamentales. Los datos originales deben abstraerse, visualizarse y contextualizarse para la presentación. Los resultados del análisis deben ser el tema central. Una documentación clara debe garantizar la reproducibilidad.

En 2006, las enmiendas de la Corte Suprema de los Estados Unidos a las Reglas Federales de Procedimiento Civil crearon una categoría para los registros electrónicos que, por primera vez, nombró explícitamente los correos electrónicos y los chats de mensajería instantánea como registros que probablemente se archivarían y se presentarían cuando fueran pertinentes.

Un tipo de problema de preservación surgió durante el litigio Zubulake contra UBS Warburg . A lo largo del caso, el demandante alegó que las pruebas necesarias para demostrar su inocencia se encontraban en correos electrónicos almacenados en los sistemas informáticos de UBS. Dado que los correos electrónicos solicitados nunca se encontraron o fueron destruidos, el tribunal determinó que era más probable que existieran que que no existieran. El tribunal concluyó que, si bien el abogado de la corporación ordenó la preservación de todas las posibles pruebas, incluidos los correos electrónicos, el personal al que se aplicaba dicha orden no la cumplió. Esto derivó en importantes sanciones contra UBS.

Para garantizar la autenticidad, algunos sistemas de archivo asignan un código único a cada mensaje o chat archivado. Estos sistemas impiden la modificación de los mensajes originales, la eliminación de mensajes y el acceso a ellos por parte de personas no autorizadas.

Las modificaciones formalizadas a las Reglas Federales de Procedimiento Civil en diciembre de 2006 y 2007 obligaron efectivamente a los litigantes civiles a cumplir con las normas relativas a la correcta retención y gestión de la información almacenada electrónicamente (ESI). La gestión inadecuada de la ESI puede dar lugar a la destrucción de pruebas y a la imposición de una o más sanciones, incluidas instrucciones al jurado sobre inferencias adversas, sentencia sumaria , multas monetarias y otras sanciones. En algunos casos, como el de Qualcomm v. Broadcom , los abogados pueden ser citados ante el colegio de abogados. ^{[ 9 ]}

En Estados Unidos v. Heppner (2026), un tribunal federal dictaminó que los chats con una herramienta pública de IA generativa, Claude, no estaban protegidos por el privilegio en las circunstancias presentadas, destacando las conversaciones de chatbots de IA como una posible categoría de información almacenada electrónicamente que puede ser objeto de descubrimiento. ^{[ 10 ] [ 11 ] [ 12 ]}

Los datos estructurados suelen residir en bases de datos o conjuntos de datos. Se organizan en tablas con columnas, filas y tipos de datos definidos. Los más comunes son los sistemas de gestión de bases de datos relacionales ( RDBMS ), capaces de manejar grandes volúmenes de datos, como Oracle , IBM Db2 , Microsoft SQL Server , Sybase y Teradata . El ámbito de los datos estructurados también incluye hojas de cálculo (no todas contienen datos estructurados, sino aquellas cuyos datos están organizados en tablas similares a las de una base de datos), bases de datos de escritorio como FileMaker Pro y Microsoft Access , archivos planos estructurados , archivos XML , almacenes de datos , etc.

Los mensajes de voz suelen ser objeto de descubrimiento de pruebas según las normas de descubrimiento electrónico. Los empleadores pueden tener la obligación de conservar los mensajes de voz si se prevé un litigio que involucre a ese empleado. Los datos de asistentes de voz como Amazon Alexa y Siri se han utilizado en casos penales. ^{[ 13 ]}

Las publicaciones en redes sociales, los mensajes de texto, las fotografías y los registros de aplicaciones tienen cada vez más importancia en los procesos de búsqueda modernos.

Actualmente, los dos enfoques principales para identificar material relevante en las máquinas de custodia son:

(1) donde sea posible el acceso físico a la red de la organización: se instalan agentes en cada máquina de custodia que envían grandes cantidades de datos para su indexación a través de la red a uno o más servidores que deben estar conectados a la red; o

(2) cuando sea imposible o poco práctico acudir a la ubicación física del sistema custodio, los dispositivos de almacenamiento se conectan a las máquinas custodio (o servidores de la empresa) y luego cada instancia de recopilación se implementa manualmente.

En relación con el primer enfoque, existen varios problemas:

• En un proceso de recopilación típico, se transmiten grandes volúmenes de datos a través de la red para su indexación, lo que repercute en las operaciones comerciales normales.
• El proceso de indexación no es 100% fiable para encontrar material relevante.
• Los administradores de TI generalmente no están satisfechos con la instalación de agentes en las máquinas de custodia.
• El número de máquinas de custodia simultáneas que pueden procesarse está severamente limitado debido al ancho de banda de red requerido.

La nueva tecnología permite solucionar los problemas derivados del primer enfoque mediante la ejecución de una aplicación completamente en memoria en cada máquina de custodia y el envío de datos relevantes a través de la red únicamente. Este proceso ha sido patentado ^{[ 17 ]} e implementado en la herramienta ISEEK , que fue objeto de un artículo de conferencia de Adams , Mann y Hobbs ^{[ 18 ] .}

En relación con el segundo enfoque, a pesar de que la auto-recopilación es un tema candente en el descubrimiento electrónico de pruebas (eDiscovery), las preocupaciones se están abordando limitando la participación del custodio a simplemente conectar un dispositivo y ejecutar una aplicación para crear un contenedor cifrado de documentos relevantes. ^{[ 19 ]}

Independientemente del método adoptado para recopilar y procesar datos, existen pocos recursos disponibles para que los profesionales evalúen las diferentes herramientas. Esto se debe al elevado coste de las soluciones de eDiscovery. A pesar de las limitadas opciones para obtener licencias de prueba, una barrera importante para el proceso de evaluación es la creación de un entorno adecuado para probar dichas herramientas. Adams sugiere el uso de Microsoft Deployment Lab, que crea automáticamente una pequeña red virtual que se ejecuta bajo Hyper-V. ^{[ 20 ]}

La revisión asistida por tecnología (TAR), también conocida como revisión asistida por computadora o codificación predictiva, implica la aplicación de aprendizaje automático supervisado o enfoques basados ​​en reglas para inferir la relevancia (o capacidad de respuesta, privilegio u otras categorías de interés) de la información electrónica almacenada (ESI). ^{[ 21 ]} La revisión asistida por tecnología ha evolucionado rápidamente desde su inicio alrededor de 2005. ^{[ 22 ] [ 23 ]}

Tras estudios de investigación que indicaban su eficacia, ^{[ 24 ] [ 25 ]} el TAR fue reconocido por primera vez por un tribunal estadounidense en 2012, ^{[ 26 ]} por un tribunal irlandés en 2015, ^{[ 27 ]} y por el Tribunal Superior de Inglaterra en 2016. ^{[ 28 ]}

En 2015, el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York declaró que es " ley escrita que cuando la parte que produce quiere utilizar TAR para la revisión de documentos, los tribunales lo permitirán". ^{[ 29 ]} Al año siguiente, ese tribunal declaró, ^{[ 30 ]}

Para mayor claridad, el Tribunal considera que, en la mayoría de los casos actuales, TAR es la mejor y más eficiente herramienta de búsqueda. Esto es particularmente cierto, según estudios de investigación (citados en Rio Tinto ^{[ 29 ]} ), donde la metodología TAR utiliza aprendizaje activo continuo ("CAL") ^{[ 31 ]} , lo que elimina los problemas relacionados con el conjunto de semillas y la estabilización de la herramienta TAR. Al Tribunal le hubiera gustado que la Ciudad utilizara TAR en este caso. Sin embargo, el Tribunal no puede ni obligará a la Ciudad a hacerlo. Puede llegar un momento en que TAR se utilice tan ampliamente que resulte irrazonable que una parte se niegue a utilizarlo. Aún no hemos llegado a ese punto. Por lo tanto, independientemente de lo que el Tribunal pudiera desear que hiciera la parte demandada, el Principio 6 de Sedona ^{[ 32 ]} rige. Se DENIEGA la solicitud de Hyles para obligar a la Ciudad a utilizar TAR.

Maura R. Grossman y Gordon Cormack han definido TAR como:

Un proceso para priorizar o codificar una colección de documentos mediante un sistema computarizado que aprovecha los juicios humanos de uno o más expertos en la materia sobre un conjunto más pequeño de documentos y luego extrapola esos juicios al resto de la colección. Algunos métodos TAR utilizan algoritmos de aprendizaje automático para distinguir los documentos relevantes de los no relevantes, basándose en ejemplos de entrenamiento codificados como relevantes o no relevantes por los expertos en la materia, mientras que otros métodos TAR derivan reglas sistemáticas que emulan el proceso de toma de decisiones de los expertos. Los procesos TAR generalmente incorporan modelos estadísticos y/o técnicas de muestreo para guiar el proceso y medir la efectividad general del sistema. ^{[ 33 ]}

La evidencia anecdótica de esta tendencia emergente apunta al valor empresarial de la gobernanza de la información (GI), definida por Gartner como "la especificación de los derechos de decisión y un marco de rendición de cuentas para fomentar un comportamiento deseable en la valoración, creación, almacenamiento, uso, archivo y eliminación de la información. Incluye los procesos, roles, estándares y métricas que garantizan el uso eficaz y eficiente de la información para que una organización logre sus objetivos".

En comparación con el descubrimiento electrónico de pruebas (eDiscovery), la gobernanza de la información como disciplina es relativamente nueva. Sin embargo, existe un interés creciente en la convergencia. El eDiscovery, una industria multimillonaria, está evolucionando rápidamente y lista para adoptar soluciones optimizadas que fortalezcan la ciberseguridad (para la computación en la nube). Desde principios de la década de 2000, los profesionales del eDiscovery han desarrollado habilidades y técnicas que pueden aplicarse a la gobernanza de la información. Las organizaciones pueden aplicar las lecciones aprendidas del eDiscovery para acelerar su transición hacia un marco de gobernanza de la información sofisticado.

El Modelo de Referencia de Gobernanza de la Información (IGRM) ilustra la relación entre las partes interesadas clave y el ciclo de vida de la información, y destaca la transparencia necesaria para una gobernanza eficaz. La versión actualizada del IGRM v3.0 subraya que los responsables de privacidad y seguridad son partes interesadas esenciales. Este tema se aborda en un artículo titulado «Mejor eDiscovery: Gobernanza unificada y el IGRM», publicado por la American Bar Association. ^{[ 34 ]}