La toma de decisiones judiciales en los sistemas de derecho continental requiere una evaluación cuidadosa de pruebas complejas e interdependientes, al tiempo que se asegura la coherencia y la equidad. Este estudio investiga la aplicación de redes bayesianas en la estructuración de pruebas legales dentro de un sistema de apoyo a la decisión basado en IA. El objetivo principal de la investigación es evaluar la mejora de la transparencia, la minimización de la sobrecarga cognitiva y la reducción de sesgos en los procesos judiciales a través del razonamiento probabilístico. El sistema propuesto actualiza dinámicamente las probabilidades de resultados a medida que se introduce nueva evidencia, lo que permite el monitoreo en tiempo real de las probabilidades de los casos. Las recomendaciones generadas por IA están alineadas con los precedentes judiciales mediante la integración de Tablas de Probabilidad Condicional (CPT) y datos históricos de casos en este enfoque adaptativo. La interpretabilidad y efectividad de la inferencia bayesiana en el apoyo a decisiones legales se analizan metodológicamente, enfatizando su capacidad para refinar distribuciones de probabilidad en respuesta a las entradas cambiantes del tribunal. Los hallazgos abordan una brecha clave en la investigación al demostrar cómo las heurísticas estructuradas impulsadas por IA pueden complementar el razonamiento judicial mientras se mantiene la responsabilidad y la transparencia en las decisiones. Se sugiere que el sistema mejora la coherencia y la equidad en los juicios legales, al tiempo que preserva la autonomía judicial. Este estudio contribuye a la creciente intersección de la IA y la toma de decisiones legales, con un énfasis en el papel del aprendizaje automático en el apoyo a las heurísticas judiciales mientras se mantiene la integridad del procedimiento.