Casi todas las semanas escucho una versión de la misma conversación con los abogados internos.

Han adquirido las herramientas de IA. Han llevado a cabo las pruebas piloto. Y, sin embargo, cuando pregunto cómo les va, la respuesta suele ser algo así como «bien, pero no es lo que esperábamos». Los equipos jurídicos y de cumplimiento normativo siguen reformulando las consultas, siguen verificando todo manualmente y siguen sin confiar plenamente en los resultados que obtienen. 

Durante un tiempo, di por hecho que se trataba de un problema del modelo: que la próxima versión, la próxima ventana de contexto o la próxima puntuación en las pruebas de rendimiento reducirían esa brecha. No será así. La brecha no está en el modelo, sino en lo que el modelo puede percibir. 

El trabajo jurídico y de cumplimiento normativo nunca ha consistido en buscar información. Se trata de comprender cómo se relaciona esa información: con un asunto, con una unidad de negocio, con una negociación previa, con un riesgo que la organización ya ha tenido en cuenta en alguna ocasión. Los asesores jurídicos internos y los profesionales del cumplimiento normativo llevan ese «tejido conectivo» en sus mentes, en sus relaciones con el negocio y en la memoria institucional de quienquiera que haya trabajado en ese asunto o en esa iniciativa de cumplimiento. Las herramientas de IA no tienen acceso a nada de eso. Solo ven lo que se carga en la ventana de una sesión, y nada más. Por eso responden con seguridad, y a veces de forma errónea, porque están llenando vacíos para los que nunca les hemos proporcionado el contexto necesario para completarlos correctamente. 

Las cifras lo confirman más de lo que me gustaría. SegúnMcKinsey, menos del 10 % de las empresas han logrado que la IA agentiva genere un valor real, y ocho de cada diez señalan las limitaciones de los datos como la razón.Un estudio de Stanford RegLab de 2025reveló que incluso las herramientas de investigación de IA jurídica diseñadas específicamente para este fin dan resultados erróneos entre el 17 % y el 33 % de las veces. No se trata de un problema de calidad del modelo, sino de un problema de contexto, y es precisamente por ello por lo que hemos creado el primer«Grafo de Contexto Jurídico» del sector. 

Colleen Baehrend, abogada y directora de Soluciones Jurídicas de NetDocuments, y yo hemos elaborado unaguía práctica para los despachosque desean conocer cuál es su situación real —no en teoría, sino en la realidad cotidiana del rendimiento de sus herramientas de IA—. Este mismo problema de contexto se da con la misma frecuencia en los equipos jurídicos, de cumplimiento normativo y de gestión de riesgos de las empresas sujetas a regulación. Por ello, hemos elaborado una versión de dicha guía dirigida a los asesores jurídicos internos y a los profesionales del cumplimiento normativo. 

La guía de Legal Context Graph titulada«De la inversión en IA al impacto de la IA para los equiposjurídicos y de cumplimiento normativo de las empresas » aborda los siguientes aspectos: 

• En qué consiste un «gráfico de contexto jurídico» y en qué se diferencia de las taxonomías y los gráficos de conocimiento que las organizaciones han probado anteriormente 
• ¿Qué cambios se producen para los abogados internos, los equipos de cumplimiento normativo y los departamentos de TI una vez que los asuntos están verdaderamente interrelacionados, y cómo se refleja esto de forma diferente en los litigios, las investigaciones, los contratos, el cumplimiento normativo y las organizaciones de cualquier tamaño? 
• Respuestas a las preguntas que su organización se plantea realmente —desde los departamentos de TI y gestión del conocimiento, pasando por los asesores jurídicos internos y los profesionales del cumplimiento normativo, hasta los responsables de RR. HH. y gestión del talento, así como los directivos de los ámbitos jurídico y de cumplimiento normativo—, para que todas las partes interesadas encuentren la información que les resulte relevante. 
• Una lista de verificación con 10 preguntas organizadas en torno a los aspectos de coste, precisión, facilidad de uso, gobernanza y conocimiento institucional, que puede completar con su equipo de forma sincera en 20 minutos. No hay una puntuación mínima para aprobar: el objetivo no es hacer que nadie se sienta rezagado. Se trata de poner de manifiesto, concretamente, de dónde proviene realmente la diferencia entre lo que invierte en IA y lo que obtiene a cambio, de modo que la próxima conversación sobre la inversión en IA se base en datos reales y no en otra demostración de un proveedor. 

Los modelos de IA seguirán evolucionando. Todos y cada uno de ellos acabarán siendo sustituidos por otros mejores. Lo que no cambiará es que el contexto de su organización —sus proyectos y asuntos, sus relaciones, su criterio institucional, sus posiciones normativas— debe tener un soporte lo suficientemente duradero como para sobrevivir a todo ello. Esa es la base sobre la que se centra esta guía. 

Si algo de esto le resulta familiar, empiece por la lista de comprobacióny vea qué resultados obtiene.