Skip to content
    HAQQ
    Iniciar sesión
    Contactar con ventas
    Prueba HAQQ
    Prueba HAQQ
    1. Inicio
    2. Blog
    3. Qué ocurre antes de que una IA jurídica responda a su pregunta
    IA & Tech Legal

    Qué ocurre antes de que una IA jurídica responda a su pregunta

    Muchas IA jurídicas envían su consulta directamente a un modelo general. Lo que el sistema hace antes de esa llamada define la respuesta. La arquitectura y cuatro pruebas para una demo.

    Stephane BoghossianStephane Boghossian|
    6 de agosto de 2026
    11 min de lectura
    Qué ocurre antes de que una IA jurídica responda a su pregunta

    En resumen: muchos productos de IA jurídica envían su pregunta a un modelo de propósito general dentro de una plantilla de prompt, y la interfaz no le permite saber qué tipo de producto tiene. El trabajo que hace un sistema antes de esa llamada al modelo (intención, jurisdicción, hechos como datos, alcance) determina la respuesta. Cuatro pruebas en una demostración, unos diez minutos, le dicen qué está comprando.

    Datos clave

    • Los modelos de lenguaje aprovechan las entradas largas de forma desigual: la precisión es máxima cuando la información relevante está al principio o al final del contexto y cae cuando está en el medio (Liu et al., Lost in the Middle, TACL vol. 12, 2024).
    • Los 18 modelos del estudio Context Rot de Chroma se volvieron menos fiables a medida que crecía la longitud de la entrada, incluso en tareas deliberadamente sencillas (informe técnico de Chroma, 14 de julio de 2025).
    • Tres herramientas líderes de investigación jurídica alucinaron cada una en entre el 17 % y el 33 % de las consultas de prueba en un estudio prerregistrado de Stanford (Magesh et al., Journal of Empirical Legal Studies, 2025).
    • En nuestra ejecución de junio de 2026, el 24 % de 3.000 respuestas calificadas de 10 modelos de frontera citaba o aplicaba normas que no decían lo que el modelo afirmaba (benchmark de HAQQ, 5 de junio de 2026).
    • La base de datos de Damien Charlotin recogía 2.202 resoluciones de juzgados y tribunales relacionadas con citas o contenidos fabricados por IA a 19 de octubre de 2026.

    Aviso: HAQQ vende IA jurídica, construida sobre su propio motor (Justinian), y realizó el benchmark de junio de 2026 citado arriba. Las cuatro pruebas del final funcionan con nosotros igual que con cualquier otro.

    Todo abogado que evalúa una IA jurídica acaba haciendo la misma pregunta, normalmente a los ocho minutos de la demostración: ¿en qué se diferencia esto de usar ChatGPT?

    Los proveedores suelen responder con los datos de entrenamiento, un corpus propio o un ajuste fino. Esas afirmaciones son difíciles de comprobar y a menudo quedan lejos de donde está la diferencia. Nuestra respuesta es arquitectónica, y se reduce a dónde ocurre el razonamiento.

    ¿La mayoría de la IA jurídica es un envoltorio de ChatGPT?

    Una gran parte de los productos de IA jurídica funciona así. Usted escribe una pregunta. El producto la envuelve en una plantilla de prompt (instrucciones para actuar como un asistente jurídico útil, quizá algunos ejemplos) y la reenvía a un modelo de propósito general. El modelo responde y el producto da formato a la respuesta.

    Eso puede ser útil. También significa que la calidad del producto es, en esencia, la calidad del modelo, y que el abogado de la parte contraria puede comprar el mismo modelo con una suscripción de consumo.

    Para un comprador, lo difícil es que la interfaz no permite distinguirlo. Un envoltorio y un motor diseñado a medida muestran ambos un cuadro de texto, una respuesta que se va generando y algunas citas debajo. La diferencia está antes, fuera de la vista, y por eso rara vez se presiona a los proveedores sobre ella.

    ¿Qué debería ocurrir antes de llamar al modelo?

    Cuando una pregunta llega a HAQQ, pasa primero por un paso propio, cuya función es determinar qué es la solicitud y configurar todo lo que viene después.

    Ese paso resuelve lo que un asociado competente establecería antes de empezar a trabajar, y registra el resultado como datos estructurados:

    • La pregunta detrás de las palabras. Lo que alguien escribe a las 23:00 entre dos llamadas, reformulado de forma precisa y completa. Funciona de forma nativa en árabe y francés además de en inglés, sin un paso de traducción añadido después.
    • El tipo de trabajo jurídico. Redacción, investigación, revisión, comparación o una cuestión procesal. Cada uno requiere una forma de respuesta distinta, y decidirlo de antemano es preferible a esperar que un modelo general lo deduzca.
    • La jurisdicción, y por separado el idioma en el que está redactada la ley aplicable. Ambos suelen diferir, y tratarlos como uno solo es una fuente de error silenciosa y frecuente.
    • Los hechos, como objetos. Partes, fechas, obligaciones, importes, ley aplicable y tipo de documento, extraídos del texto antes de que algo costoso lo lea.
    • Lo que necesita la pregunta. Qué capacidades especializadas cargar, cuánta profundidad de razonamiento merece y si está siquiera dentro del alcance.

    El modelo de propósito general se ejecuta después de todo eso, y empieza preparado: las capacidades pertinentes cargadas, los hechos extraídos, la jurisdicción identificada y el alcance decidido.

    El modelo se ejecuta al final, sobre un trabajo que ya está ordenado.

    ¿Cómo se llama esa capa?

    En HAQQ es Justinian®, nuestro motor propio de razonamiento y orquestación. Se sitúa entre el usuario, los datos de la organización y los modelos de IA subyacentes, y aplica contexto, jurisdicción, recuperación de fuentes, permisos, controles y selección de modelo antes de que se produzca una respuesta.

    La versión corta: el modelo es la inteligencia. Justinian® es el sistema que decide cómo se usa esa inteligencia.

    Cada una de esas seis palabras responde a una pregunta que un socio supervisor haría antes de dejar que alguien empiece a trabajar:

    • Contexto. ¿Qué sabe ya el despacho sobre este cliente, este asunto y este tipo de documento?
    • Jurisdicción. ¿Qué derecho rige y en qué idioma está escrito?
    • Recuperación. ¿Sobre qué fuentes debe construirse la respuesta?
    • Permisos. ¿Quién pregunta y qué se le permite ver?
    • Controles. ¿Qué reglas aplica el despacho a este tipo de trabajo?
    • Selección de modelo. ¿Qué modelo conviene a esta tarea?

    Puede que la decisión más importante en IA sea lo que ocurre antes de llamar al modelo. Esas seis son esa decisión, tomada en cada solicitud.

    ¿Por qué eso produce mejores respuestas?

    Dos mecanismos, y el segundo nos sorprendió más.

    La atención es un presupuesto

    La ventana de contexto de un modelo es finita, y todo lo que contiene compite por la atención. La investigación citada arriba muestra lo que ocurre cuando el contexto crece: la recuperación empeora en el medio de las entradas largas (Liu et al.) y la fiabilidad cae con la longitud incluso en tareas fáciles (Chroma). Cargar todas las capacidades de un sistema en cada solicitud gasta ese presupuesto antes de que llegue el documento del abogado. Cargar solo las pertinentes deja espacio para el contrato, la ley y los hechos.

    Los hechos estructurados le ahorran al modelo un trabajo de análisis

    Este es el efecto mayor. Ante un párrafo de texto, un modelo dedica parte de su esfuerzo a averiguar qué contiene el párrafo. Ante hechos estructurados (estas partes, esta ley aplicable, esta obligación, esta fecha), puede dedicar ese esfuerzo a la cuestión jurídica.

    Ese es el efecto para el que diseñamos: el mismo modelo de propósito general haciendo un mejor trabajo jurídico gracias a lo que recibió. No hemos publicado una comparación controlada del mismo modelo dentro y fuera de nuestro motor, así que tómelo como nuestra lógica de diseño, respaldada por la investigación sobre contexto citada arriba.

    ¿Por qué esta capa importa más a medida que los modelos mejoran?

    Los modelos fundacionales son cada vez más capaces. Eso hace que la capa de control que los rodea sea más importante, no menos.

    La razón es sencilla. Todos los despachos pueden comprar acceso a los mismos modelos, y la parte contraria también. Si el modelo fuera todo el producto, la IA de cada despacho sería más o menos tan buena como la de cualquier otro, y nada en ella reflejaría cómo trabaja el suyo.

    La IA genérica sabe mucho. Por defecto, no conoce su institución. No ha leído sus precedentes, no sabe qué posiciones adoptan sus socios ante una cláusula de limitación y no tiene idea de que la contraparte del NDA de hoy estuvo enfrente en un litigio la primavera pasada. Ese conocimiento pertenece al despacho, y es la parte que hace que una respuesta se pueda usar sin reescribirla.

    Su ventaja competitiva no debería desaparecer porque todos los despachos hayan comprado acceso al mismo modelo. Cuanto más mejoran los modelos, más valiosa es la capa que gobierna cómo los usan las instituciones. Un modelo más potente que recibe el contexto, las fuentes y la tarea adecuados produce un trabajo de más calidad. Con una pregunta desnuda, produce una versión más fluida de la misma respuesta genérica.

    La IA de alto riesgo necesita algo más que inteligencia. Necesita contexto, controles y responsabilidad. En el trabajo jurídico, esa responsabilidad lleva un nombre: el del abogado que firma.

    ¿Qué ocurre cuando cambia el modelo líder?

    Ocurrirá. El liderazgo entre modelos, el coste, las políticas y la disponibilidad cambian sin cesar, y el modelo que lidera este trimestre puede no liderar el siguiente.

    Así que hágale dos preguntas a un proveedor. ¿Qué modelo responde hoy a mi pregunta? ¿Y qué tendría que reconstruir si eso cambiara mañana?

    Si todo lo que el producto sabe de su despacho vive en prompts escritos para el modelo de una sola empresa de IA, un cambio de modelo es una migración. Si vive en una capa propia del producto, un cambio de modelo es una actualización. En HAQQ el modelo subyacente es intercambiable por diseño, y nos beneficiamos a medida que los modelos subyacentes mejoran.

    Su proveedor de IA debe poder sustituirse. Su inteligencia institucional, no.

    Su infraestructura de IA no debería tener que reconstruirse cada vez que cambia el modelo líder.

    ¿Qué decide si la IA jurídica funciona con documentos reales?

    Dos componentes que rara vez aparecen en una presentación comercial, y ambos deciden si el producto funciona un martes cualquiera.

    La ingesta de documentos. Gran parte del trabajo jurídico llega como una foto de una página sellada, un escaneo de un fax o un PDF que se imprimió y se volvió a escanear torcido. Tratamos su lectura como un problema central de ingeniería. Si un número de cláusula se lee mal a la entrada, ningún razonamiento posterior lo recupera, y el sistema razonará con cuidado sobre el número equivocado.

    La memoria como estructura. El motor conserva las relaciones entre sus asuntos a lo largo del tiempo y recurre a ellas cuando una pregunta lo requiere. Pegar de nuevo sus últimos veinte mensajes en el prompt es otra cosa. La memoria estructurada es lo que permite al sistema saber que la contraparte del acuerdo de confidencialidad que revisa hoy es la misma empresa de un litigio de hace dos meses.

    ¿Qué no resuelve una buena arquitectura?

    Preferimos decirlo antes de que usted lo descubra.

    No elimina el error. Cualquier sistema construido sobre un modelo de lenguaje puede producir una respuesta incorrecta, y las cifras de los datos clave de arriba se aplican a todos los niveles del mercado. Una buena arquitectura hace que los errores sean más raros y más fáciles de detectar: afirmaciones generadas a partir de fuentes recuperadas, citas que puede abrir y avisos explícitos donde el derecho no está asentado. Nuestra auditoría de alucinaciones documenta lo que ocurre cuando nadie revisa.

    No asegura una respuesta correcta. Ningún proveedor de IA responsable debería afirmarlo. Lo que la capa le da es anclaje en fuentes, citas que puede abrir, controles y un punto claro de revisión humana, para que una respuesta errónea sea más fácil de detectar antes de que salga del despacho.

    No sustituye al abogado. Todo lo anterior presupone que un profesional revisa el resultado y lo firma. Esa premisa dio forma a la arquitectura desde el principio.

    No hace universal la cobertura. La calidad varía según la jurisdicción, según lo bien digitalizada que esté la normativa de origen y según cuánta de ella sea pública. Si un proveedor cita una única cifra de cobertura global, pregunte qué cuenta. Preferimos responder a esa pregunta sobre su jurisdicción antes que darle una sola cifra.

    ¿Cómo se pone a prueba a un proveedor de IA jurídica en una demostración?

    No necesita el diagrama de arquitectura de nadie. Cuatro pruebas, unos diez minutos, y funcionan con todos los proveedores del sector, incluidos nosotros. Para una lista más extensa, consulte 45 señales de alerta al evaluar a un proveedor de IA jurídica.

    1. Pregúntele algo ajeno al derecho

    Un modelo general dentro de un prompt jurídico normalmente responderá a una pregunta médica o financiera, porque en el fondo es un modelo general. Un sistema que establece la intención antes de generar debería declinar y explicar por qué.

    2. Haga la misma pregunta en dos idiomas

    Escriba la misma pregunta jurídica una vez en inglés y otra en árabe o francés, cada una con sus propias palabras. Si cambia el fondo de la respuesta, el idioma se está tratando después del razonamiento.

    3. Dele un escaneo defectuoso

    Fotografíe un documento en ángulo, con poca luz, y súbalo. Según nuestra experiencia, es la prueba más predictiva de la demostración, porque es la entrada real más común y la que menos se muestra en las demos.

    4. Pregúntele lo que no sabe

    Llévelo hacia un área del derecho no asentada o con pocas fuentes. Un sistema ajustado para dar siempre una respuesta dará una. Un sistema construido para el trabajo profesional le dirá que el terreno es incierto y le mostrará por qué.

    Si un proveedor se siente cómodo con las cuatro, la arquitectura probablemente es real. Si la demostración las esquiva, eso también le dice algo. Puede aplicar las mismas cuatro al chat de IA jurídica de HAQQ.

    Conclusiones clave

    • La diferencia significativa entre los productos de IA jurídica es arquitectónica e invisible desde la interfaz. Pregunte dónde ocurre el razonamiento.
    • El trabajo estructurado antes de la llamada al modelo mejora la calidad además del coste: un modelo que recibe hechos extraídos dedica su atención al derecho.
    • Los componentes poco vistosos deciden el rendimiento real. La ingesta de documentos predice mejor que una puntuación de benchmark si una herramienta funciona un martes.
    • Cuatro pruebas en una demostración (fuera de tema, dos idiomas, un escaneo defectuoso, derecho no asentado) muestran qué tipo de sistema le están vendiendo.
    • El modelo se está convirtiendo en una materia prima. El control, no. Lo que un despacho conserva cuando cambia el modelo es la capa que guarda su contexto, sus permisos y sus controles.
    • Liu et al., Lost in the Middle: cómo usan los modelos de lenguaje los contextos largos (TACL 2024)
    • Chroma: Context Rot, cómo afecta el aumento de tokens de entrada al rendimiento de los LLM (julio de 2025)
    • Magesh et al., Hallucination-Free? Evaluación de la fiabilidad de las principales herramientas de investigación jurídica con IA (JELS 2025)
    • 45 señales de alerta al evaluar a un proveedor de IA jurídica
    • Ingeniería de contexto para la IA jurídica
    • La persona en el circuito en la IA jurídica
    • La auditoría de alucinaciones de la IA

    Prueba HAQQ AI gratis

    Experimenta la redacción e investigación legal con IA

    Escrito por

    Stephane Boghossian
    Stephane Boghossian

    Responsable de Crecimiento

    Stephane dirige el crecimiento en HAQQ y escribe la sección de IA y tecnología legal: benchmarks de modelos, comparativas de herramientas y la ingeniería que hace que la IA jurídica funcione en la práctica.

    Todos los artículos de este autorLinkedIn

    Recursos relacionados

    45 Red Flags in a Legal AI Vendor EvaluationContext Engineering for Legal AIM&A Due Diligence AI: Single Prompt vs a 3-Agent SwarmThe Justinian engine

    Artículos relacionados

    Jev dentro de una arquitectura de IA legal: 8 patrones de decisión y el límite que medimos
    Explicación

    Jev dentro de una arquitectura de IA legal

    Jev dentro de una arquitectura de IA legal: 8 patrones de decisión y el límite que medimos

    IA para due diligence de M&A: prompt único vs un swarm de 3 agentes
    Prueba comparativa

    IA para due diligence de M&A

    IA para due diligence de M&A: prompt único vs un swarm de 3 agentes

    Lo que aprendimos contando clics en dos sistemas de gestión de despachos

    Lo que aprendimos contando clics en dos sistemas de gestión de despachos

    Preguntas frecuentes

    ¿Qué es una capa de orquestación de IA en el software jurídico?

    El término tiene dos significados. En la mayoría del software jurídico significa enrutamiento de flujos de trabajo: enviar un asunto a la persona adecuada para su aprobación. El significado técnico más estricto es la capa que decide qué ocurre antes de llamar a un modelo de IA: la intención, la jurisdicción, los hechos y el alcance de la solicitud. Cuando un proveedor hable de orquestación, pregunta a cuál se refiere, porque solo la segunda cambia la calidad de la respuesta.

    ¿Es HAQQ un envoltorio de ChatGPT?

    En HAQQ, un modelo de uso general realiza la generación final. Antes de llamar a ese modelo, el motor de HAQQ, Justinian, determina de qué trata la solicitud: la intención, la jurisdicción, el idioma de la ley aplicable, los hechos como datos estructurados y el alcance. En un envoltorio, la pregunta va al modelo con una plantilla de instrucciones alrededor y poco o ningún trabajo previo.

    ¿Cómo sé si un producto de IA jurídica es un envoltorio?

    Haz cuatro pruebas en una demostración. Pregunta algo ajeno al derecho: un modelo general envuelto normalmente responderá a una pregunta médica o financiera. Haz la misma pregunta jurídica en dos idiomas con tus propias palabras: si cambia el fondo, el idioma se trata después del razonamiento. Sube un escaneo torcido y mal iluminado. Después lleva la conversación hacia un área del derecho no asentada, donde un sistema profesional debería decir que el terreno es incierto.

    ¿Por qué hacer trabajo antes de llamar al modelo mejora la respuesta?

    La ventana de contexto de un modelo es finita, y la investigación muestra que la fiabilidad cae a medida que crece la entrada: Liu et al. (TACL 2024) concluyeron que la precisión baja cuando la información relevante está en medio de un contexto largo, y el estudio Context Rot de Chroma de julio de 2025 concluyó que los 18 modelos probados empeoraban con entradas más largas. Cargar solo lo que una pregunta necesita, y pasar los hechos como datos estructurados, deja más atención para la cuestión jurídica.

    ¿Una mejor arquitectura evita que la IA jurídica alucine?

    No. Cualquier sistema basado en un modelo de lenguaje puede producir una respuesta errónea. Un estudio prerregistrado de Stanford concluyó que las principales herramientas de investigación jurídica alucinaban en el 17% al 33% de las consultas de prueba, y la ejecución de HAQQ de junio de 2026 concluyó que el 24% de 3,000 respuestas de modelos de frontera citaban normas que no respaldaban la afirmación. Una buena arquitectura hace que los errores sean menos frecuentes y más fáciles de detectar mediante fuentes recuperadas, citas que se pueden abrir y avisos explícitos de incertidumbre.

    ¿Por qué importa la calidad del escaneo de documentos para la IA jurídica?

    Mucho trabajo jurídico llega como una página sellada fotografiada, un escaneo de fax o un PDF reescaneado torcido. Si un número de cláusula o una fecha se lee mal al entrar, nada posterior lo recupera: el sistema razona con cuidado sobre el número equivocado y presenta el resultado con seguridad. Por eso un escaneo malo es una de las pruebas más útiles en cualquier demostración de IA jurídica.

    ¿Por qué importa la independencia del modelo en la IA jurídica?

    Porque el liderazgo, el coste, las políticas y la disponibilidad de los modelos cambian constantemente. Un despacho debería poder mejorar la capa del modelo sin reconstruir su capa de inteligencia institucional. En HAQQ, Justinian® se encarga de la capa de razonamiento, contexto, orquestación y control alrededor del modelo, y el modelo subyacente es intercambiable por diseño.

    ¿Qué sigue?

    Prueba HAQQ AI gratis

    Experimenta la redacción e investigación legal con IA

    Calcula tu ROI

    Descubre cuánto tiempo y dinero HAQQ ahorra a tu bufete

    Explora Prompts legales

    Prompts listos para cada tarea legal

    Volver al Blog

    Artículo anterior

    Cómo convertirse en un despacho nativo de IA: un modelo operativo en siete partes

    Artículo siguiente

    Lo que aprendimos contando clics en dos sistemas de gestión de despachos

    En esta página

    11 min de lectura

    1. 01Datos clave
    2. 02¿La mayoría de la IA jurídica es un envoltorio de ChatGPT?
    3. 03¿Qué debería ocurrir antes de llamar al modelo?
    4. ¿Cómo se llama esa capa?
    5. 04¿Por qué eso produce mejores respuestas?
    6. La atención es un presupuesto
    7. Los hechos estructurados le ahorran al modelo un trabajo de análisis
    8. 05¿Por qué esta capa importa más a medida que los modelos mejoran?
    9. 06¿Qué ocurre cuando cambia el modelo líder?
    10. 07¿Qué decide si la IA jurídica funciona con documentos reales?
    11. 08¿Qué no resuelve una buena arquitectura?
    12. 09¿Cómo se pone a prueba a un proveedor de IA jurídica en una demostración?
    13. 1. Pregúntele algo ajeno al derecho
    14. 2. Haga la misma pregunta en dos idiomas
    15. 3. Dele un escaneo defectuoso
    16. 4. Pregúntele lo que no sabe
    17. 10Conclusiones clave

    Comparte este artículo

    Ponlo en práctica

    Hazle a HAQQ la pregunta que te dejó este artículo.

    HAQQ across all devices
    HAQQ Legal AI Platform Logo

    Tu Gemelo Legal de IA y Sistema de Gestión de Práctica para redacción, facturación y éxito.

    Disponible enApp StoreDisponible enGoogle Play

    Documentaciones

    • Docs se abre en una pestaña nueva
    • Primeros pasos se abre en una pestaña nueva
    • Sala de prensa se abre en una pestaña nueva
    • Novedades del producto se abre en una pestaña nueva
    • Estado se abre en una pestaña nueva
    • Confianza se abre en una pestaña nueva
    • Seguridad
    • FAQ se abre en una pestaña nueva
    • Comunidad se abre en una pestaña nueva
    • Soporte se abre en una pestaña nueva

    Academy

    • Socio se abre en una pestaña nueva
    • Curso se abre en una pestaña nueva
    • Prompts se abre en una pestaña nueva
    • Labs se abre en una pestaña nueva

    Sitio web

    • eFirm
    • Chat IA Legal
    • Aplicación Móvil
    • Motor Justinian
    • HAQQ eBar
    • HAQQ eWallet
    • Precios
    • Compáranos
    • Soluciones
    • Blog
    • Conocer equipo
    • Únete a nosotros se abre en una pestaña nueva
    Abrir la app
    • Idiomasenarfresitdeptrohics
    • Contactoinfo@haqq.ai
    • Estadooperativo·fundamentado
    • Términos de Servicio
    • Política de Privacidad
    • Política de Cookies
    • Procesamiento de Datos
    • Humanos se abre en una pestaña nueva
    • Abogados se abre en una pestaña nueva
    • Seguridad se abre en una pestaña nueva
    © 2026 HAQQ Inc. Todos los derechos reservados.Producto desarrollado internamente por HAQQ. Sitio web construido con herramientas web modernas.