Por Rupali Patel Shah, directora de Soluciones Jurídicas de DiliTrust
…
El otoño ya está aquí, y este viaje salvaje y alocado que ha sido el año 2026 sigue estando lleno de giros y emociones fuertes. La sociedad sigue lidiando con la Era de la IA y lo que esta supone para el futuro del trabajo, la sociedad y el planeta. Ya se está produciendo la sustitución de personas por máquinas en algunos sectores, aunque aún no está claro quiénes serán los nuevos artífices del cambio. La regulación sobre la propiedad, la privacidad y la veracidad de la información sigue evolucionando, mientras la proliferación y el uso de datos no dejan de crecer. Casi todos vamos corriendo por detrás.
El mundo del LegalTech no es una excepción. El entusiasmo inicial en torno a la IA en el ámbito jurídico se ha calmado. El debate ya no gira únicamente en torno al aumento de la eficiencia, la adopción de la herramienta o la rapidez con la que esta puede generar una respuesta. Cada vez más, se centra en la calidad de los resultados y el retorno de la inversión para el cliente.
Ese cambio ya se debería haber producido hace tiempo. Tampoco está claro que el sector esté preparado para responder a esas preguntas, ya que la falta de gobernanza de la información vuelve a pasar factura.
Todos los proveedores de tecnología se enfrentan a los mismos dos dilemas en lo que respecta a la adopción y las métricas. En primer lugar, el estado actual de los datos del cliente suele ser desestructurado, desconocido, obsoleto, inexacto o inexistente. Eso significa que la tecnología se está implementando sobre una base muy cuestionable. En segundo lugar, es raro que un cliente pueda describir o evaluar su situación actual. La mayoría de las veces, el punto de partida es, sencillamente, el caos. No existe una referencia fiable con la que medir qué ha cambiado la automatización, qué ha mejorado o qué ha empeorado.
Y sin un punto de partida cuantificable, no se puede determinar el retorno de la inversión. Así que sí: lo que realmente importa son los datos.
La luna de miel fue breve… y ya se ha acabado
La mayoría de las organizaciones vivieron la misma experiencia cuando introdujeron por primera vez una herramienta de inteligencia artificial. Los resultados iniciales fueron emocionantes. El sistema era rápido. El resultado parecía impecable. Una tarea que antes llevaba toda una tarde parecía ahora resolverse en cuestión de minutos. Todo el mundo empezó a imaginar qué más podría hacer la herramienta.
Eso abarcó la mayor parte de 2025 y buena parte de 2026.
Al final, la realidad se impuso. No se podía confiar en la respuesta sin comprobar el material original. Los registros subyacentes estaban incompletos u obsoletos. Las instrucciones se alargaban porque los usuarios intentaban compensar la falta de contexto, lo que consumía más tokens y aumentaba el coste. Cada vez más personas empezaron a utilizar el sistema y el rendimiento se ralentizó, lo que socavó el argumento de la eficiencia.
Luego estaba el problema de los resultados. Los resúmenes, análisis y borradores sin verificar se guardaban en algún sitio: en una base de datos, un expediente, un repositorio de contratos o una unidad compartida. Ese material se volvía a introducir en el «foso de datos», que se contaminaba con contenido que podía ser plausible, útil o completamente erróneo. No siempre quedaba claro cuál de las tres opciones era la correcta.
Ese es el círculo vicioso: unos datos de mala calidad generan resultados irrelevantes; esos resultados irrelevantes se convierten en otro conjunto de datos; los datos adicionales dificultan la búsqueda de lo que realmente importa; y se espera que la siguiente herramienta resuelva el problema.
La IA no ha creado el problema de la calidad de los datos, pero lo agrava y lo está agravando a un ritmo vertiginoso.
El último cambio en el mercado
En los últimos años, gran parte del debate sobre la IA aplicada al ámbito jurídico se ha centrado en la adopción, el número de usuarios y el ahorro de tiempo. Ahora, el discurso está evolucionando hacia la interoperabilidad, el conocimiento, los flujos de trabajo y el retorno de la inversión. El mercado está empezando a pasar de la eficiencia aparente a la rendición de cuentas sobre si un producto puede realmente utilizarse, inspirar confianza y vincularse a un resultado empresarial.
Harvey, por ejemplo, se define ahora como «multimodelo por diseño» y sostiene que los clientes deberían poder distribuir el trabajo entre diferentes modelos de vanguardia, en lugar de depender de un único proveedor. También ha hecho hincapié en las conexiones con los sistemas de gestión de documentos y contratos, mientras que su marco de retorno de la inversión (ROI) destaca que el tiempo ahorrado solo es relevante cuando se traduce en un mejor servicio al cliente, márgenes más sólidos o un trabajo más significativo.
Para quienes llevamos tiempo ejerciendo como abogados, este cambio puede parecer obvio y, francamente, ya era hora. Una vez que todos los bufetes y departamentos jurídicos puedan acceder a modelos eficaces, el modelo en sí mismo no supondrá una ventaja significativa durante mucho tiempo. La diferencia vendrá dada por la calidad de la información de la organización, los procesos que se construyan en torno a ella y el criterio que se aplique al resultado. El conocimiento institucional que subyace al trabajo jurídico complejo no existe en Internet. Reside en las personas, los precedentes, la tolerancia al riesgo, las decisiones anteriores y la forma en que una organización opera realmente.
De forma lenta pero segura, el sector LegalTech está desplazando su enfoque hacia la capa de datos: poseer o controlar la fuente, establecer un foso de información defendible y proporcionar agentes que faciliten la adaptación, la coherencia y la contención de tokens. Para los proveedores que comenzaron como entornos de integración en torno a modelos de vanguardia, se está imponiendo la realidad de que la tecnología es difícil de monetizar cuando la capacidad subyacente se convierte en un producto básico. La diferenciación debe provenir de la calidad de los datos, del contexto que los rodea y de la forma en que la tecnología se integra en el trabajo.
Siempre han sido los datos
Desde el inicio de la era digital, las empresas han recopilado enormes cantidades de datos y han considerado esa acumulación en sí misma como una fuente de valor corporativo. Han conservado esos tesoros porque, tal vez, algún día alguien quisiera acceder a ellos. Luego llegó la era de la IA, y esos tesoros empezaron a parecer estratégicamente útiles. Los algoritmos se entrenan con datos, así que cuantos más datos, mejor. ¿No es así?
No necesariamente. Gran parte de esos datos están obsoletos, dañados o son inaccesibles porque la organización no tiene derechos para utilizarlos. Están dispersos, desestructurados y son difíciles de analizar. Los algoritmos pueden entrenarse con datos —y muchos de ellos—, pero las empresas funcionan gracias a la información. Los datos de mala calidad generan información de mala calidad.
Hay una escena en la serie «The Audacity», de AMC, que refleja la economía del negocio de los datos y explica el motivo que hay detrás del almacenaje de datos con una precisión inquietante. El director general de una empresa ficticia dedicada a la minería de datos se enfrenta a los directivos de una empresa de coches autónomos por la información personal que recopilan sus vehículos. Los conductores han dado su consentimiento técnicamente, pero este queda oculto en un documento de 97 páginas impreso en letra de siete puntos. Si no se acepta, el coche no funciona correctamente.
Uno de los directivos responde:
«La verdad es que no vendemos coches. Vendemos dispositivos de recopilación de datos sobre ruedas con asientos calefactables. Los coches son caros. Los datos tienen unos márgenes de beneficio tan amplios que podrías comprar un coche con ellos».
Es curioso porque se acerca lo suficiente a la realidad como para hacernos sentir incómodos. Los datos se generan como un subproducto del comercio y de la vida cotidiana. Los generamos cuando conducimos, compramos, viajamos, firmamos un contrato, asistimos a una reunión o hacemos clic en un enlace. En muchos casos, participar en la economía digital nos obliga a cederlos.
Ese intercambio plantea cuestiones importantes sobre la privacidad, la seguridad y el consentimiento informado. Ya nos estamos enfrentando a algunos de los usos más peligrosos de la información personal. Eso merece un debate aparte. Por ahora, me interesa saber qué es lo que realmente posee la empresa que recibe los datos: por lo general, una enorme cantidad de material en bruto. El material en bruto solo adquiere valor después de que alguien se encargue de validarlo, organizarlo, relacionarlo con otros datos y hacerlo utilizable. Esa es la diferencia entre datos e información.
La información es datos dotados de contexto, estructura, procedencia, mantenimiento y significado. Es el conocimiento, el análisis, las estadísticas, la creatividad y los conocimientos técnicos los que permiten a una organización funcionar y competir. Puede que la reproducción de los datos no tenga prácticamente ningún coste marginal, pero la información fiable no es gratuita. Requiere inversión.
El cálculo del ROI necesita un valor de referencia
El mismo problema con los datos se extiende a la otra medida de rendición de cuentas que ahora se pide a LegalTech que facilite: el rendimiento de la inversión.
Todavía hay demasiados proveedores que fomentan las implementaciones a gran escala sin ayudar a los clientes a establecer una referencia. Si no puede describir cuánto tiempo lleva el trabajo actualmente, cuánto cuesta, qué volumen supone, en qué puntos se producen fallos y cuánto trabajo adicional genera, le costará demostrar que la nueva herramienta ha supuesto alguna mejora.
El uso es una indicación de que los usuarios han iniciado sesión. No es una prueba de productividad. La productividad es lo que los usuarios logran. El retorno de la inversión (ROI) plantea una pregunta más compleja: en comparación con la situación actual, ¿qué ha ganado la organización, cuánto ha ahorrado y qué ha evitado?
Eso significa conocer la situación de partida antes de la implementación. ¿Cuánto gastaría el departamento de no ser así? ¿Cuánto tiempo llevaría la tarea? ¿Con qué frecuencia habría que corregir el trabajo? ¿Qué decisiones se retrasarían? ¿Qué riesgos pasarían desapercibidos? Sin esas respuestas, tanto los proveedores como los clientes se ven obligados a hacer conjeturas.
La situación de partida también debe tener en cuenta el coste total de propiedad: implementación, integraciones, migración y normalización de datos, revisiones de privacidad y seguridad, formación, gestión del cambio, tarifas por tokens y consumo, evaluación de modelos, validación humana, mantenimiento y gobernanza. Un producto que reduzca el tiempo de redacción pero genere una nueva cola de revisión puede ser más rápido en una fase concreta, pero más caro en general.
Un proveedor verdaderamente orientado al asesoramiento debería invertir lo suficiente desde el principio para comprender cómo funciona el cliente, de qué información dispone, en qué estado se encuentra dicha información y cómo se definiría el éxito. Crear soluciones pensadas para su uso significa empezar por ahí. Significa diseñar pensando en la empresa, y no limitarse a mostrar una función atractiva.
Haga que la inversión en IA sea medible
Obtenga un ROI realista basado en los estándares del sector al asociarse con DiliTrust.
La información es el producto del departamento jurídico
Piénselo desde la perspectiva de un departamento jurídico y la forma en que protege a la empresa. Un contrato guardado en una unidad compartida es un dato. Un registro fiable de sus obligaciones, responsables, plazos y consecuencias comerciales es información. Un conjunto de actas del consejo son datos. Un historial trazable de las decisiones, la autoridad delegada y las acciones pendientes es información. Una larga cadena de correos electrónicos son datos. Un relato actualizado y verificado de la decisión tomada, el motivo de la misma y la persona responsable de llevarla a cabo es información.
La diferencia radica en el contexto, la estructura, el mantenimiento y el criterio. También radica en la disciplina necesaria para decidir qué información es relevante. La creación de conocimiento requiere la intervención humana. De lo contrario, lo único que hacemos es repetir los mismos datos.
Por eso los departamentos jurídicos no son simplemente otro comprador más de herramientas de productividad basadas en la IA. Su labor, en sentido estricto, consiste en convertir hechos, normas y circunstancias en información que puedan utilizar los responsables de la toma de decisiones. Su trabajo consiste en presentar la información relevante, en el momento oportuno, al responsable adecuado. Contamos con una herramienta fundamental en nuestro oficio: el criterio. Los clientes confían en que los abogados evalúen los hechos, comprendan el contexto y formulen una recomendación cuando la respuesta no esté clara. Un modelo puede ayudarnos a llegar a ese punto más rápido, pero la responsabilidad del criterio sigue recayendo en nosotros. Lo que diferencia a la profesión no es el acceso a un modelo concreto, sino la calidad del criterio y la confianza que los clientes depositan en él. Ese es también el factor diferenciador de la tecnología jurídica (LegalTech): los clientes adquirirán licencias de tecnología y contratarán servicios de proveedores en los que puedan confiar, ya que ponen en juego su integridad cada vez que se basan en los resultados de una herramienta.
Por fin se está presionando al sector de la tecnología jurídica para que se tome en serio esas cuestiones. Eso es algo positivo. El valor de la inteligencia artificial no radica simplemente en que permita agilizar el trabajo. Su valor reside en que puede ayudar a las personas a analizar más información, a identificar lo que es relevante y a convertir los datos en algo que una organización pueda aprovechar.
Generar más contenido no genera más conocimiento. Disponer de más datos no significa que la organización sepa más. Y una respuesta más rápida no es necesariamente una respuesta mejor.
Preguntas frecuentes sobre la IA aplicada al ámbito jurídico, la gobernanza de datos y el ROI
Qué deben evaluar los equipos jurídicos antes de conectar IA generativa a los datos de asuntos jurídicos, contratos u órganos de gobierno?
Deben evaluar si la información de base es exacta, está actualizada, tiene los permisos definidos y es trazable, antes de conectarla a un flujo de trabajo con IA. La revisión debe cubrir la propiedad del dato, los controles de acceso, la procedencia y cómo se validarán los resultados, porque un modelo puede escalar las debilidades de la capa de información tan rápido como escala el valor que aporta.
¿Cómo deben gobernar los equipos jurídicos el contenido generado por IA antes de que vuelva a la base de conocimiento?
Los resúmenes, análisis y borradores generados por IA deben quedar claramente marcados como no verificados hasta que una persona responsable compruebe la fuente, confirme el contexto y apruebe su reutilización. Ese paso de validación evita que la base de conocimiento se convierta en una segunda capa de información poco fiable, sobre todo cuando los resultados se copian en expedientes, repositorios o unidades compartidas.
¿Cuándo compensa una estrategia de IA jurídica multimodelo el esfuerzo de gobierno que añade?
Compensa cuando modelos distintos mejoran de forma apreciable la calidad, el coste o la velocidad de flujos de trabajo jurídicos diferentes, y la organización puede mantener permisos, auditabilidad y validación coherentes entre todos ellos. Si enrutar trabajo entre modelos añade complejidad sin un resultado de negocio medible, un enfoque único y bien gobernado puede resultar más fácil de gestionar y de merecer confianza.
¿Qué evidencias debe exigir un departamento jurídico antes de ampliar un piloto de IA?
Antes de ampliarlo, el departamento debería exigir evidencias sobre trabajo representativo: tiempo base de la tarea, volumen, tasas de corrección, esfuerzo de revisión, coste total de implantación y riesgos que permanecen. Las métricas de adopción no bastan. Un argumento creíble conecta un cambio medido con un resultado de negocio, como menos retrabajo, decisiones más rápidas o un servicio más fiable.
