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



