La inteligencia artificial generativa está permitiendo que departamentos jurídicos internos absorban trabajo que antes delegaban a estudios externos. El caso de Alturas Capital Partners —una firma de inversión inmobiliaria que redujo drásticamente su dependencia de abogados externos para contratos de arrendamiento— ilustra una tendencia que replantea la cadena de valor del asesoramiento legal.
Durante décadas, los departamentos de legal in-house operaron como coordinadores: definían la estrategia, priorizaban los asuntos y derivaban el trabajo voluminoso —revisión de contratos, due diligence, investigación jurídica— a estudios especializados. Ese modelo asumía una asimetría de capacidades: los externos tenían el músculo procesal, las horas facturables y los especialistas. La IA generativa está erosionando esa asimetría de forma sistemática.
Alturas Capital Partners: el contrato de arrendamiento como caso de prueba
Según se informó en MIT Sloan Management Review, Alturas Capital Partners reorientó su flujo de trabajo de lease review hacia herramientas de IA generativa, lo que le permitió internalizar tareas que antes externalizaba y ahorrar cientos de miles de dólares en honorarios a estudios externos. El tiempo de ciclo de esas operaciones —que antes se estancaba durante días en colas de trabajo externo— se comprimió de forma significativa. No se trata de un caso aislado: es el prototipo del cliente que ya no necesita al estudio para cierto tipo de trabajo.
La pregunta que ese desplazamiento plantea no es tecnológica sino estratégica: si un cliente puede automatizar la revisión de contratos estándar, ¿qué le queda al estudio externo para ofrecer? La respuesta incorrecta es “bajar precios”. La respuesta que emerge de los análisis del sector es “subir en la cadena de valor”: pasar de la ejecución repetitiva al juicio experto, la gestión de riesgo complejo y la representación litigiosa donde la IA aún no puede sustituir al profesional.
Qué trabajo resiste la automatización y qué ya no
La distinción operativa más útil para un estudio jurídico hoy es la que separa el trabajo de volumen del trabajo de juicio. El trabajo de volumen —revisión de contratos estandarizados, extracción de cláusulas, checklists de due diligence, research de jurisprudencia conocida— es el primero en migrar a herramientas internas de los clientes. El trabajo de juicio —negociación de cláusulas atípicas, litigios con alta incertidumbre procesal, asesoramiento regulatorio en terreno gris, estructuras transaccionales complejas— mantiene mayor resistencia a la automatización porque requiere contexto acumulado, responsabilidad profesional y criterio bajo incertidumbre.
El problema es que el trabajo de volumen representaba históricamente entre el 40% y el 60% de los ingresos de muchos estudios medianos, según estimaciones del sector legal global. Perder ese segmento sin reemplazarlo con servicios de mayor complejidad implica una contracción de ingresos estructural, no cíclica.
Cuándo aplica este desplazamiento y cuándo no
Este fenómeno no es uniforme. Afecta principalmente a estudios que facturan trabajo repetitivo para clientes corporativos con departamentos de legal in-house suficientemente maduros para adoptar y operar herramientas de IA. Las firmas boutique especializadas en litigio complejo, derecho penal económico o arbitraje internacional tienen menor exposición inmediata. Tampoco aplica de igual forma en mercados donde los departamentos internos son pequeños o donde la regulación local requiere firma de abogado habilitado para actos específicos —lo que en varios países de América Latina sigue siendo la norma para escrituras públicas, presentaciones judiciales y ciertos registros.
El riesgo es mayor para estudios que compiten por precio en segmentos de contratos masivos: revisión de contratos de trabajo, arrendamientos comerciales, términos y condiciones, NDAs. Esos son exactamente los documentos que los modelos de lenguaje actuales manejan con mayor precisión.
El marco regulatorio latinoamericano como variable diferenciadora
En América Latina, la adopción de IA en departamentos jurídicos internos enfrenta fricciones adicionales que los estudios pueden convertir en ventaja competitiva. Brasil, cuyo Marco Legal de IA (PL 2.338/2023) avanza en el Congreso con disposiciones sobre sistemas de alto riesgo —incluyendo aplicaciones en servicios profesionales—, obliga a cualquier empresa que despliegue IA en decisiones con efectos jurídicos a documentar sus procesos de supervisión humana. En Argentina, la Resolución 1/2024 de la Secretaría de Innovación Pública establece lineamientos para el uso de IA en organismos públicos, pero el sector privado opera aún sin un marco equivalente. En México, la discusión en torno a una ley de IA sigue en etapa exploratoria, sin proyecto consolidado.
Esa asimetría regulatoria crea una oportunidad para los estudios que comprendan el marco de cada jurisdicción: el asesoramiento sobre cómo desplegar IA internamente de forma legalmente válida —qué tareas pueden automatizarse sin incurrir en responsabilidad profesional, qué outputs requieren revisión humana certificada— es en sí mismo un servicio de alto valor que los departamentos internos de los clientes no pueden generar por sí solos.
La respuesta estratégica: especializarse en lo que la IA del cliente no puede validar
Los estudios que están respondiendo con mayor eficacia al desplazamiento no compiten con la IA del cliente: la complementan. Ofrecen lo que los modelos no pueden ofrecer con validez jurídica autónoma —firma profesional responsable, representación ante autoridades, criterio en zonas de ambigüedad normativa— y agregan capas de servicio que las herramientas internas no contemplan: auditorías de los propios sistemas de IA del cliente, revisión de los outputs generados, gestión de incidentes cuando un contrato generado automáticamente produce un litigio. Este último punto —el abogado como auditor de la IA del cliente— es el nicho emergente con mayor proyección en el mediano plazo.
Para los estudios medianos de la región, el camino más concreto es identificar qué porcentaje de sus ingresos actuales proviene de trabajo repetitivo para clientes corporativos, modelar el escenario en que ese trabajo migra a herramientas internas en los próximos 24 meses, y diseñar hoy la oferta que captura al cliente en la capa superior. No hay tiempo suficiente para esperar a que el desplazamiento sea evidente en el estado de resultados.
El estudio que sobrevive no es el que bloquea la IA de su cliente, sino el que le cobra por entender lo que esa IA no puede hacer sola.
