La inteligencia artificial (IA) ya no es un experimento marginal en las empresas: se ha convertido en un catalizador de eficiencia, control y generación de valor. Así lo revela nuestro informe KPMG 2025 Global CEO Outlook, que refleja que el 66% de los primeros ejecutivos españoles sitúa la IA entre sus máximas prioridades de inversión y tres de cada cuatro planea destinar entre un 10% y un 20% de su presupuesto a iniciativas relacionadas con la IA, con retornos esperados en uno o tres años.
Esta presión por capturar valor impacta de lleno a la función legal, que necesita pasar de pilotos aislados a capacidades estables, gobernadas y medibles. Por tanto, la adopción de IA en la función jurídica no es solo tecnológica: exige rediseñar el modelo operativo (procesos, datos, gobierno y métricas) y avanzar hacia una función más proactiva, basada en evidencia, que cumpla el marco regulatorio (AI Act) y orientada a negocio.
Entre 2023 y 2025, la evolución ha sido nítida. Hemos pasado de chatbots que redactan y resumen, a Personas de IA (AI Personas) con instrucciones persistentes y corpus propio. De ahí surgieron los agentes guiados (chaining) que encadenan AI Personas con tareas repetibles. Y culminamos con los sistemas agénticos, que son conjuntos de agentes que planifican un objetivo, orquestan herramientas (RAG, APIs, CLM, etc.), ejecutan tareas y evalúan la calidad del resultado antes de su entrega.
Y es que la diferencia real no está en “responder mejor”, sino en resolver con trazabilidad, y bajo control humano. Es más, la evidencia empírica indica que, incluso con técnicas tipo RAG, las herramientas legales con citación siguen mostrando tasas de alucinación no triviales, de ahí la importancia de la citación verificable y la revisión experta.
A continuación, compartimos una serie de casos de uso aterrizados al día a día del ámbito jurídico:
Interacción generalista sin herramientas externas y con reglas de negocio básicas. Son rápidos y versátiles, pero con menor control y trazabilidad. Como por ejemplo:
Instrucciones personalizadas y fuentes internas acotadas (KMS) que aportan consistencia y reducen variabilidad frente al chatbot. Se trata de un recurso óptimo para equipos que buscan estandarizar procesos y asegurar coherencia en el output. Estos son algunos ejemplos:
Secuencia de “AI Personas” especializadas que producen resultados parciales hasta un entregable final consolidado. Útiles cuando el flujo de trabajo es estable (p. ej., extracción inicial, comparación, y análisis). Destacamos los siguientes casos prácticos:
Estos sistemas parten del objetivo del usuario. Dividen el problema en subtareas (planificación), deciden qué agente y qué herramienta usar en cada paso (orquestación), ejecutan y contrastan evidencias (ejecución), y aplican controles de calidad y métricas (evaluación). Veamos algunos ejemplos:
En definitiva, como en cualquier construcción, primero cimentación, luego estructura y, por último, tejado. Trasladado a la adopción de IA en equipos legales: Personas de IA para estandarizar y aprender, agentes guiados para encadenar tareas con control, y sistemas agénticos cuando el proceso y los datos ya están maduros, con KPIs y medición del cumplimiento. Esta es, sin duda, la manera más segura de capturar valor sin sobredimensionar el proyecto.
Así como el streaming en la industria audiovisual, la inteligencia artificial está transformando la forma de trabajar en el sector jurídico. El desafío ya no es la tecnología, sino cómo usarla de manera estratégica y responsable. Por ello, adoptar la IA con una buena metodología y un buen gobierno es clave para mantener la confianza del negocio. Quienes integran hoy sus sistemas de gestión de contratos (CLM) o conocimiento (KMS) con agentes de IA, logran mejoras continuas: cada vez que la IA aprende, los procesos se vuelven más eficientes, se ahorra tiempo y se facilita el seguimiento de las tareas. Esto prepara el salto hacia sistemas aún más avanzados, capaces de reducir semanas en horas de trabajo.
Deja un comentario