IA para Triaje de Consultas Legales: Cómo Automatizar la Entrada de Clientes en tu Despacho

El cuello de botella en la admisión de clientes

Hablemos de una paradoja que está volviendo locos a los socios de despachos medianos en toda España: Cuantos más leads consiguen, menos tiempo tienen para ejercer de abogados.

Piensa en un bufete de quince letrados en Barcelona especializado en mercantil. Hace tres años recibían unas veinte consultas al mes. Hoy, entre el formulario web, LinkedIn, los directorios jurídicos y las campañas de Google Ads, están rozando las doscientas. Suena bien, ¿verdad? Salvo que el socio senior, el que cobraba 350 euros la hora, se pasa ahora siete u ocho horas semanales leyendo emails desorganizados que dicen cosas como «Hola, tengo un problema con un socio, ¿me podéis ayudar?». Sin contexto. Sin documentos. Sin siquiera mencionar cuánto está en juego.

El coste de oportunidad es brutal. Si ese socio factura 350 euros por hora y dedica ocho horas semanales solo a leer y clasificar consultas iniciales (muchas de las cuales no van a ninguna parte), estamos hablando de 2.800 euros semanales. Multiplica por cuarenta y dos semanas laborables: casi 118.000 euros anuales que el despacho deja de facturar. Honestamente, me sorprende que no sean más despachos los que se quejan de esto públicamente. Y eso asumiendo que solo es un socio quien hace este trabajo. En la mayoría de bufetes, son dos o tres personas metidas en este embudo.

Pero aquí viene lo interesante: La solución no es contratar a más personas para que lean emails todo el día. La nueva visión (la que está empezando a separar a los despachos que crecen de los que se ahogan) es entender la IA para triaje de consultas legales en despachos de abogados no como un generador de contratos prefabricados ni como un redactor de escritos. Sino como un recepcionista analítico que trabaja 24/7, que hace preguntas inteligentes, que sabe qué documentos pedir según el tipo de caso, y que entrega al abogado humano un dossier estructurado en lugar de un email narrativo de nueve párrafos sin punto y aparte.

No se trata de reemplazar a nadie. Se trata de que el talento humano haga trabajo humano, no trabajo de clasificación que una máquina puede hacer mejor, más rápido y sin errores causados por el cansancio o la prisa.

Más allá del chatbot básico: La IA como ‘Recepcionista Analítico’

Diferencias entre un formulario web y un agente de IA

Los formularios web tradicionales son estúpidos. Lo siento si has invertido dinero en uno caro, pero es la verdad. Funcionan con lógica binaria tipo «if/then»: si el usuario marca «Despido», muestra el campo «Antigüedad en la empresa». Si marca «Reclamación de cantidad», muestra «Importe adeudado». Son árboles de decisión rígidos que asumen que el cliente potencial sabe exactamente en qué categoría legal cae su problema.

¿El problema real? La mayoría de la gente no sabe. Un cliente que escribe «Mi jefe me ha echado pero creo que no tenía derecho» puede estar ante un despido improcedente, uno nulo por vulneración de derechos fundamentales, o simplemente ante el final de un contrato temporal que confundió con indefinido. El formulario te obliga a elegir una casilla. La IA, en cambio, puede hacerte tres preguntas de seguimiento para entender qué tienes realmente entre manos.

Una IA para triaje de consultas legales en despachos de abogados moderna funciona con modelos de lenguaje que entienden contexto, tono y urgencia. Si alguien escribe a las dos de la madrugada «Me acaban de notificar que tengo que desalojar el local en 48 horas», la IA puede detectar que: (1) es derecho arrendaticio o mercantil, (2) hay un plazo crítico, (3) existe una emoción elevada que sugiere posible conflicto urgente. No te pregunta «¿Es usted arrendador o arrendatario?». Ya lo ha entendido de la frase.

Funciones clave del triaje automatizado

Aquí es donde la cosa se pone práctica. Un sistema de triaje inteligente no solo espera a que el cliente suelte todo lo que sabe. Es proactivo. Formula preguntas específicas según la rama del derecho que ha detectado: «¿Ha recibido alguna notificación oficial por escrito?» si es un caso administrativo, o «¿Cuántas personas están involucradas en la disputa societaria?» si huele a mercantil.

Y la funcionalidad que más me gusta: la solicitud de documentación faltante antes de que un socio pierda tiempo agendando una cita. Imagina que alguien consulta sobre una reclamación de cantidad. El sistema puede decirle automáticamente: «Para que podamos ayudarle, necesito que suba: (1) Copia del contrato o presupuesto firmado, (2) Justificantes de los pagos realizados, (3) Cualquier comunicación con la contraparte sobre el impago». Todo esto pasa antes de que un humano vea el caso.

He visto despachos que, solo con este cambio, reducen las llamadas de «información incompleta» en un 60%. Aunque debo decir que ese porcentaje varía bastante según el tipo de práctica. Porque cuando el abogado finalmente habla con el cliente, ya tiene todo el contexto delante. No está empezando desde cero preguntando lo mismo que el formulario debería haber preguntado. Está yendo directo al análisis y a la propuesta de honorarios.

Cómo funciona el triaje automatizado con Procesamiento de Lenguaje Natural (PLN)

Entendiendo la intención jurídica del usuario

Esto va a sonar un poco técnico, pero vale la pena entenderlo aunque sea por encima. Los grandes modelos de lenguaje (LLM, por sus siglas en inglés) actuales no funcionan con palabras clave simples. No es que si escribes «despido» te catalogue automáticamente en Laboral. Lo que hacen es analizar la estructura semántica completa de lo que escribes para extraer la intención jurídica subyacente.

Por ejemplo, alguien escribe: «Mi empresa me ha cambiado de turno sin preguntarme y ahora no puedo cuidar a mi hija. He hablado con RRHH pero me dicen que o acepto o me voy». ¿Ves todas las capas ahí? Hay una modificación sustancial de condiciones laborales, hay un posible conflicto de conciliación familiar, hay una negociación ya iniciada con la empresa. Un buen sistema de legaltech España entrenado con terminología jurídica española (no traducciones cutre del inglés) puede identificar que esto es Laboral, subcategoría Modificación Sustancial, con posible derivada a Conciliación, y además señalar que hay urgencia porque ya existe tensión con el empleador.

¿Por qué importa que sea tecnología española o al menos entrenada en derecho español? Porque «despido constructivo» no existe en nuestro ordenamiento. Tenemos «despido», «extinción por voluntad del trabajador» y «resolución contractual». Los matices legales entre «nulidad» e «inexistencia» de un contrato no son iguales en common law que en derecho continental. Si usas ChatGPT estándar para clasificar casos, te va a meter la pata cada tres consultas mezclando conceptos anglosajones con españoles. (Okay, quizá no exactamente cada tres, pero con suficiente frecuencia para ser un problema.)

Extracción estructurada de datos

Ahora viene la magia práctica. Un cliente te manda un email que dice: «Buenos días, soy Juan García de Madrid. Os contacto porque mi antiguo proveedor, Suministros López SL, me debe 23.400 euros de una factura de octubre pasado. Les he mandado tres burofaxes pero no contestan. El plazo que les di venció hace dos semanas. ¿Podéis ayudarme?».

Para ti o para mí, eso es fácil de leer. Pero para tu CRM (Clio, MN Program, Salesforce, lo que uses), eso es solo un bloque de texto. Lo que hace un buen sistema de PLN es transformarlo en campos estructurados:

• Nombre cliente: Juan García
• Ubicación: Madrid
• Tipo de caso: Reclamación de cantidad / Mercantil
• Contraparte: Suministros López SL
• Cuantía: 23.400 €
• Documentación existente: Tres burofaxes (presumiblemente)
• Estado: Vencimiento de plazo hace 14 días
• Urgencia: Media-Alta (ya hay retraso significativo)

Todo eso, automáticamente. Y lo inyecta directamente en tu sistema de gestión. Cuando el abogado del departamento mercantil abre su panel a las 9 de la mañana, no ve un email. Ve una ficha de caso prellenada lista para evaluar si lo toma o no. Eso sí es automatización de despachos de verdad.

Detección de plazos y urgencias: El primer filtro crítico

Análisis automático de notificaciones y documentos iniciales

Hay algo que mantiene despiertos a los abogados más que cualquier otra cosa: perderse un plazo. No es solo el disgusto del cliente. Es la responsabilidad civil profesional, es el seguro que se dispara, es la mancha en tu reputación. Y muchos plazos empiezan a contar desde el momento de la notificación, no desde que al cliente le da la gana de contactar contigo.

Aquí es donde las herramientas modernas se vuelven críticas. Según explica la guía sobre cómo usar IA para entender plazos legales en España, las IA actuales pueden leer documentos adjuntos (piensa en PDFs de notificaciones, burofaxes, cédulas) y extraer fechas límite automáticamente. Si alguien te manda una notificación de la Seguridad Social sobre un recargo por no cotizar, la IA puede identificar que tienes diez días hábiles para recurrir desde la notificación, calcular cuándo vence ese plazo, y marcar el caso en rojo si ya han pasado siete días.

Esto no es ciencia ficción. Es tecnología disponible ahora mismo en 2026. Y la diferencia entre un despacho que la usa y uno que no puede ser brutal: el segundo se entera del plazo cuando el cliente ya llama nervioso diciendo «oye, que esto vence en dos días», momento en el cual ya estás improvisando en lugar de planificar.

Priorización basada en el riesgo procesal

Imagina un sistema de semáforo. Verde: consulta inicial, sin plazos inminentes, puede esperar una semana para primera llamada. Amarillo: hay un plazo en el horizonte (digamos, treinta días para contestar una demanda), requiere atención en 48-72 horas. Rojo: plazo crítico en menos de diez días, o situación de pérdida patrimonial inminente (embargos, desalojos), requiere escalado inmediato.

Una IA para triaje de consultas legales en despachos de abogados puede clasificar automáticamente cada lead entrante en una de estas categorías. Lo que es más: puede configurarse para que los casos rojos generen una alerta push directamente al móvil del socio senior, saltándose toda la cola. Porque si alguien tiene un juicio en cinco días y no ha preparado nada, no puede esperar a que su consulta pase por el proceso normal.

He visto bufetes que implementan esto y descubren, sorprendidos, que entre el 15 y el 20 por ciento de sus leads entrantes tenían algún componente de urgencia que antes no detectaban hasta días después. Aunque, bueno, no tengo claro si eso habla mejor de la IA o peor del sistema anterior. ¿Cuántos de esos se habrán ido a otro despacho que sí les contestó inmediatamente? Prefiero no pensarlo.

Clasificación y enrutamiento inteligente de expedientes

Asignación por especialidad y carga de trabajo

Los despachos grandes tienen esto más o menos resuelto con equipos de admisión dedicados. Pero si eres un bufete de diez o quince abogados, probablemente no tienes una persona a tiempo completo solo derivando casos. Y ahí es donde empiezan los problemas: el socio que cogió el teléfono se queda con el caso, aunque sea de derecho de familia y él lleve veinte años haciendo solo mercantil.

La IA puede evaluar la naturaleza del asunto (despido, reclamación de cantidad, divorcio contencioso, querella criminal) y asignarlo automáticamente al abogado del despacho que (a) se especializa en esa área y (b) tiene capacidad disponible en ese momento. Nada de «bueno, pues lo llevo yo que estoy aquí». Enrutamiento basado en datos.

Lo del balanceo de carga no es un detalle menor. Si tienes tres abogados laboralistas pero uno ya está saturado con dieciocho casos abiertos, la IA puede derivar el nuevo despido a uno de los otros dos aunque el primero sea técnicamente el más senior. Evitas el burnout, evitas que se caigan cosas por saturación, y evitas la tentación humana de que el socio con más experiencia acapare todo porque «yo lo hago más rápido».

Filtrado de consultas no rentables o ‘Pro Bono’

Look, voy a decir algo que suena duro pero que todo abogado con despacho privado sabe: no todos los casos merecen el mismo tiempo. Si tu tarifa mínima de caso es 3.000 euros y alguien te consulta por una reclamación de 400 euros contra una tienda que le vendió un móvil defectuoso, sencillamente no es viable para tu modelo de negocio. Ni aunque ganes.

Los sistemas avanzados de triaje pueden configurarse con umbrales económicos. Si detectan que la cuantía del asunto es inferior a X (tú decides cuánto), pueden desviar automáticamente al cliente potencial hacia recursos alternativos: guías automatizadas de autoayuda, información sobre los servicios de orientación de tu colegio profesional, o incluso hacia herramientas como Prudencia.ai en su versión gratuita, que en 2026 ofrece orientación jurídica inicial sin coste para ciudadanos.

Esto no es ser insensible. Es ser sostenible. Y honestamente, si liberas cinco horas semanales que antes gastabas explicando a gente que su caso de 300 euros no es viable para ti, puedes dedicar esas cinco horas a hacer trabajo pro bono de verdad en casos que sí requieren representación letrada pero donde el cliente no puede pagar. Ganas tú, gana el cliente pequeño (que recibe respuesta inmediata, aunque sea automatizada), y ganas en karma profesional.

El panorama LegalTech en España: Herramientas especializadas

El auge de la IA jurídica nacional

ChatGPT es impresionante. Lo uso casi todos los días. Pero para triaje profesional de consultas legales en un despacho español, es insuficiente. ¿Por qué? Porque está entrenado principalmente con textos en inglés, con jurisprudencia anglosajona, con conceptos que sencillamente no se mapean uno a uno con nuestro derecho continental.

Cuando preguntas a ChatGPT sobre «plazo para recurrir una resolución administrativa», te puede dar una respuesta genérica mezclando conceptos de varios países. No diferencia entre plazos hábiles y naturales sin que se lo especifiques. No sabe que en España la prescripción de acciones contractuales es de cinco años desde 2015 pero antes era de quince. Estos matices importan. Mucho.

Por eso el sector de legaltech España ha tenido que desarrollar herramientas específicamente entrenadas en derecho español. No traducciones. No adaptaciones. Entrenamiento desde cero con legislación española, jurisprudencia de nuestros tribunales, y resoluciones de nuestros órganos administrativos. La diferencia en precisión es abismal.

El caso de Prudencia.ai y la especialización

Hay que mencionar a Prudencia.ai porque es el caso más visible de cómo la IA jurídica española está madurando en 2026. Empezaron con una versión gratuita dirigida al ciudadano: subes tu documento, describes tu situación, y te da orientación legal inicial. Eso por sí solo ya funciona como un filtro: mucha gente solo necesita entender si tiene un caso viable o no antes de gastar dinero en un abogado.

Pero lo interesante llegó cuando lanzaron la versión Pro para despachos. No es solo un chatbot glorificado. Es un copiloto que ayuda con la organización de expedientes, el análisis preliminar de documentos, y (esto es clave) la clasificación inteligente de consultas entrantes. Exactamente lo que necesitas para implementar el sistema de triaje que estamos discutiendo en este artículo.

No estoy diciendo que sea la única opción. El mercado está creciendo y van a aparecer más competidores (de hecho, algunos ya están surgiendo). Pero el punto es que la automatización de despachos ya no es una fantasía futurista. Es tecnología disponible, probada, con casos de uso reales en bufetes españoles ahora mismo.

Integración de la IA con el CRM y el flujo de trabajo del despacho

Conectando el ‘Front-End’ con el ‘Back-End’

Aquí es donde muchos proyectos de automatización se mueren. Tienes un chatbot jurídico avanzado precioso en tu web, formula preguntas inteligentes, extrae información estructurada… y luego resulta que alguien tiene que copiar y pegar manualmente toda esa información a tu sistema de gestión. Enhorabuena, has automatizado el 30 por ciento del proceso y dejado el 70 por ciento manual.

La integración con el CRM no es opcional. Es el núcleo de todo esto. Si tu herramienta de IA no puede inyectar datos directamente en Clio, MN Program, LexNET Manager, Diligens, Themis o lo que uses, no tienes automatización. Tienes un juguete caro.

Las buenas plataformas de legaltech ofrecen integraciones mediante API con los principales sistemas de gestión de despachos. Funciona así: el cliente completa la conversación con la IA, el sistema genera un JSON con todos los campos estructurados (nombre, tipo de caso, cuantía, urgencia, documentos adjuntos), y ese JSON se envía automáticamente a tu CRM, donde crea una nueva entrada de «Lead» o «Cliente potencial». El abogado responsable recibe una notificación y, cuando abre el registro, ya está todo ahí. Cero trabajo manual de entrada de datos.

Lo mejor: puedes configurar flujos condicionales. Si la cuantía detectada supera los 10.000 euros y el área es mercantil, crear tarea automática para el socio senior. Si es un caso laboral estándar de menos de 5.000, asignar a uno de los tres laboralistas según quién tenga menos carga esa semana. Todo ocurriendo en segundo plano mientras tú sigues durmiendo o atendiendo a otros clientes.

Automatización de tareas post-triaje

Pero espera, que aún hay más. Una vez que el sistema ha clasificado el caso y lo ha asignado, puede disparar automáticamente tareas adicionales:

Generar el borrador de la hoja de encargo basándose en los datos extraídos. Si ya sabemos que es una reclamación de cantidad por 23.400 euros, podemos prellenar una plantilla con el nombre del cliente, la contraparte, el objeto del contrato, y las pretensiones iniciales. El abogado solo revisa y ajusta los honorarios antes de enviar.

Enviar un email automático personalizado al cliente potencial: «Hola Juan, hemos recibido tu consulta sobre la reclamación contra Suministros López SL. Para avanzar, necesitamos que nos envíes los siguientes documentos: (1) Contrato o presupuesto firmado, (2) Factura nº X impagada, (3) Justificantes de los tres burofaxes que mencionas. Puedes subirlos directamente en este enlace seguro […]».

Crear eventos automáticos en el calendario del letrado asignado: «Primera llamada con Juan García – Reclamación mercantil – Revisar antes de llamar: documentos adjuntos en expediente digital nº 2026/0847».

La eficiencia operativa legal se multiplica cuando encadenas estas automatizaciones. Estás ahorrando tiempo en cinco o seis tareas administrativas distintas que antes requerían intervención humana. Y todo ese tiempo se convierte en capacidad para atender más clientes buenos o para irte a casa a las siete en lugar de a las nueve.

Gestión de riesgos y alucinaciones: La necesidad del ‘Human in the Loop’

El peligro de la «negligencia algorítmica»

Vale, ahora toca ponerse serio. La IA actual es potente pero no es infalible. Y en derecho, una imprecisión no es una molestia. Puede ser una negligencia profesional con tu nombre encima.

El año pasado El Confidencial publicó un artículo brutal titulado «Inteligencia artificial, negligencia real», analizando casos reales donde abogados habían confiado ciegamente en IA y esta había inventado jurisprudencia. Literalmente, inventado. Sentencias del Tribunal Supremo con números de referencia que parecían reales pero que no existían. Un letrado americano presentó un escrito citando casos ficticios y acabó multado y sancionado. En España no hemos tenido (todavía) un escándalo de ese calibre, pero es solo cuestión de tiempo si no ponemos guardarraíles.

El problema con los modelos de lenguaje es que están diseñados para producir texto plausible, no necesariamente texto verídico. Si le preguntas «¿Hay jurisprudencia sobre X?» y no la hay, algunos modelos te van a inventar algo que suene a jurisprudencia antes que decirte «no encuentro nada». Su función de pérdida durante el entrenamiento optimiza para coherencia textual, no para veracidad absoluta.

¿Significa esto que no deberíamos usar IA en triaje? No. Significa que necesitamos entender qué puede hacer y qué no. Y, sobre todo, significa que la IA nunca debe dar consejo legal final en la fase de triaje. Su trabajo es clasificar, organizar, extraer datos, priorizar. No aconsejar.

Supervisión letrada obligatoria

Aquí está la regla de oro que todos los despachos deberían tatuarse: Un abogado humano siempre debe validar el resumen de triaje antes de actuar basándose en él.

La IA te dice «Este caso parece una reclamación de cantidad por contrato de arrendamiento de servicios, cuantía 12.000 euros, urgencia media». Perfecto. Pero antes de llamar al cliente y plantear honorarios o estrategia, un letrado tiene que revisar esa clasificación. ¿Es realmente arrendamiento de servicios o podría ser una relación laboral encubierta? ¿La cuantía es correcta o el cliente mezcló varias facturas de distintos conceptos? ¿La urgencia es realmente media o hay algún matiz que la IA no captó?

Este «human in the loop» (humano en el bucle, suena raro en español pero es el término técnico) no es opcional. Es la única manera de usar IA de forma profesionalmente responsable. Y debería estar documentado: auditorías periódicas donde revisas una muestra de conversaciones de la IA para asegurar que está manteniendo la calidad y no está empezando a inventarse cosas o a malclasificar casos sistemáticamente.

Algunos despachos hacen revisión semanal del 10 por ciento de los triajes automáticos. Otros prefieren revisar todos los casos por encima de cierta cuantía. Lo que no es aceptable es configurar el sistema y olvidarse durante seis meses asumiendo que funciona perfectamente.

Cumplimiento normativo y deontológico en el uso de IA

Directrices del CGPJ y la ética profesional

El Consejo General del Poder Judicial publicó en 2024 una instrucción sobre el empleo de IA dirigida a jueces, pero los principios son totalmente aplicables a la abogacía. Los puntos clave son: control humano efectivo, no autonomía total de las decisiones sustantivas, y transparencia sobre el uso de estas herramientas.

Traducido al triaje automatizado: Está bien que la IA clasifique casos y extraiga datos. No está bien que la IA decida por su cuenta rechazar un caso o que envíe respuestas legales definitivas sin supervisión. Y, muy importante, debes informar al cliente potencial de que está interactúando con un sistema automatizado, no con un abogado humano.

Esto último es más fácil de lo que parece. Un simple mensaje al inicio de la conversación: «Hola, soy el asistente virtual del despacho [X]. Voy a hacerte algunas preguntas para entender tu situación y conectarte con el abogado especializado que mejor pueda ayudarte. La información que recopilaré será revisada por un profesional.» Ya está. Transparencia cumplida.

Respecto a la ética profesional, el Código Deontológico de la Abogacía Española habla de diligencia, competencia y confidencialidad. Usar IA para mejorar la diligencia (respuestas más rápidas, mejor organización) es perfectamente compatible. Usar IA como excusa para la chapuza («lo clasificó mal la máquina») no lo es. Tú eres responsable de los sistemas que implementas.

Privacidad de datos y RGPD en la entrada de clientes

Aquí es donde muchos despachos se ponen nerviosos, y con razón. Durante el triaje inicial, estás recopilando datos personales, algunos de ellos categorías especiales bajo el RGPD (datos de salud en casos de incapacidades, datos relativos a condenas penales, etc.). Y esos datos están pasando por un sistema de IA.

Las preguntas clave son: ¿Dónde se almacenan esos datos? ¿Quién tiene acceso? ¿Se usan para reentrenar el modelo? (Pista: no deberían). ¿Cuánto tiempo se conservan en el sistema de IA antes de transferirse al CRM oficial del despacho?

Si usas una herramienta de legaltech España seria, debería estar cumpliendo ya con el RGPD por diseño: servidores en la UE, cifrado en tránsito y en reposo, acuerdos de procesamiento de datos (DPA) claros. Pero tienes que verificarlo. No asumas. Pide documentación. Pide certificados. Porque si hay una brecha de seguridad, el responsable del tratamiento eres tú, no el proveedor de software.

Y una cosa más: actualiza tu política de privacidad web para informar de que usas sistemas automatizados de procesamiento inicial de consultas. No hace falta que expliques el algoritmo exacto, pero sí que menciones que existen y con qué finalidad.

Impacto en la experiencia del cliente (CX): Inmediatez y pre-cualificación

Respuesta 24/7 y la expectativa del cliente digital

La gente está acostumbrada a Amazon. A Netflix. A servicios que funcionan cuando ellos quieren, no cuando tú abres la oficina. Y aunque el derecho sea distinto y requiera análisis humano, la expectativa de respuesta inmediata inicial sigue ahí. Hay un estudio de 2025 de una consultora de legal marketing (no recuerdo cuál exactamente, lo vi en un webinar) que decía que el 62 por ciento de las personas que contactan con un despacho fuera de horario laboral acaban contactando también con al menos otro despacho antes de tomar una decisión. Aunque, siendo sincero, no estoy seguro de cómo definieron «fuera de horario» ni si el estudio incluía ciudades pequeñas donde la competencia es menor. El punto sigue siendo válido: la gente no quiere esperar.

Un sistema de triaje con IA resuelve esto. Alguien te contacta a las 11:17 de la noche del domingo porque acaba de leer una notificación que le llegó el viernes después de salir de casa. En lugar de encontrar un formulario de contacto seco o un mensaje de «abrimos a las 9h», se encuentra una conversación: «Hola, entiendo que acabas de recibir una notificación. ¿Es una notificación judicial, administrativa o de un particular? ¿Puedes subirme una foto o un PDF?». En cinco minutos, el sistema ha recopilado todo lo que un abogado necesitaría saber para hacer una primera valoración. Y el lunes a primera hora, el letrado asignado le llama ya con contexto.

¿Es lo mismo que hablar directamente con un abogado? No. Pero es infinitamente mejor que el silencio. Y satisface esa necesidad psicológica de «ya he hecho algo con mi problema» que todos sentimos cuando estamos preocupados.

Empatía artificial vs. eficiencia

Aquí hay un equilibrio delicado. Los casos legales vienen con carga emocional. Un despido es una fuente de ingresos perdida y un golpe al ego. Un divorcio es, bueno, un divorcio. Una querella criminal puede generar ansiedad severa. Entonces, ¿cómo diseñas un flujo de IA que sea eficiente sin parecer frío?

La respuesta está en el tono y en reconocer la situación sin prometer milagros. Por ejemplo, si alguien explica un caso de acoso laboral, el sistema puede responder: «Entiendo que esta situación te está afectando