Este artículo presenta LawFlow, un conjunto de datos integral de flujos de trabajo legales, recopilado por estudiantes de derecho capacitados y basado en un escenario real de constitución de empresas, para respaldar las tareas complejas y críticas que enfrentan los profesionales del derecho, en particular aquellos que inician sus carreras. A diferencia de los conjuntos de datos existentes que se centran en pares de entrada-salida o procesos de pensamiento lineales, LawFlow captura procesos de razonamiento dinámicos, modulares e iterativos que reflejan las estrategias de ambigüedad, modificación y adaptación del cliente en la práctica legal. Utilizando LawFlow, comparamos y analizamos flujos de trabajo humanos y generados por LLM, revelando diferencias sistemáticas en estructura, flexibilidad de razonamiento y ejecución planificada. Los flujos de trabajo humanos son modulares y adaptativos, mientras que los flujos de trabajo LLM son secuenciales, exhaustivos y menos sensibles a las influencias posteriores. Además, sugerimos que los profesionales del derecho tienden a preferir la IA para realizar funciones de apoyo, como la lluvia de ideas, la identificación de puntos ciegos y la sugerencia de alternativas, en lugar de ejecutar flujos de trabajo complejos de principio a fin. En consecuencia, destacamos las limitaciones actuales del LLM para respaldar flujos de trabajo legales complejos y las oportunidades para desarrollar sistemas de inteligencia artificial legal más colaborativos y conscientes del razonamiento.
