Inicio · Edu Ramírez

Los tres riesgos de la IA que un abogado debería entender

Wed, 10 Jun 2026 00:00:00 +0000

En mis talleres de IA para abogados, las preguntas apuntan casi siempre al mismo riesgo: qué pasa con lo que escribo en el chat, quién lo ve, si el proveedor lo guarda. Es una buena pregunta, y me alegra que el gremio la tenga incorporada. Pero es la primera de tres. La tercera es la que me tiene escribiendo hoy: hay abogados ejecutando en sus computadores programas descargados de internet, que no pueden leer ni auditar, en las mismas máquinas donde guardan expedientes bajo secreto profesional. Las noticias de estas semanas muestran lo mal que puede terminar eso, incluso para expertos. Vamos por orden, pero si te quedas con una sola idea, que sea la tercera.

Este artículo incluye un diagrama: míralo en la versión web.

El primero: ¿dónde queda lo que escribes?

Cuando pegas el borrador de una demanda en un chatbot, ese texto viaja a los servidores del proveedor. La pregunta importante es qué pasa después: si se borra, si queda almacenado, si se usa para entrenar modelos futuros. La respuesta depende del producto y del plan: las versiones gratuitas de consumo acostumbran dar menos garantías que los planes profesionales, donde se pueden pactar acuerdos de no retención y de no entrenamiento. La regla práctica: antes de poner información de un cliente en una herramienta, saber qué dice el contrato sobre esos dos puntos. Y si no lo sabes, trabaja como si todo quedara guardado: anonimiza.

El segundo: ¿quién responde por la aplicación que está al medio?

Entre el abogado y el modelo de lenguaje casi siempre hay una aplicación: la herramienta legal que recibe tus documentos, los procesa y los envía. Esa capa intermedia es una empresa, con sus servidores, sus prácticas y su seguridad, y el mercado se llenó de aplicaciones construidas en semanas. Hay señales objetivas para evaluarlas: certificaciones de seguridad auditadas por terceros (ISO 27001 es la más reconocible), claridad sobre dónde se almacenan los datos, contratos de tratamiento de datos. En Trifolia pasamos por esa certificación y aun así ofrecemos una opción on-premise, instalada en la infraestructura del propio estudio, para clientes cuyas políticas exigen reducir al mínimo el riesgo de terceros. Lo cuento porque sirve de vara: es el nivel de respuesta que deberías poder exigirle a cualquier proveedor que toque datos de tus clientes.

El tercero: ¿qué estás ejecutando en tu computador?

Aquí está la novedad. Una cantidad sorprendente de abogados está usando Claude Code, una herramienta de programación con IA pensada para desarrolladores, y otras similares. Los entiendo perfectamente: para quien llega de afuera, lo que se logra con ellas parece magia, y yo mismo la uso todos los días. Pero es una herramienta de oficio ajeno: está diseñada para personas que pueden leer lo que el asistente hace y deshacer lo que rompe, y buena parte de su poder consiste, justamente, en ejecutar programas en tu computador con tus permisos.

Alrededor de estas herramientas circulan además las “skills”: archivos que le enseñan flujos de trabajo al asistente y que se comparten en redes como si fueran plantillas de Word. Me ha tocado ver skills compartidas con entusiasmo que invocan programas que el autor nunca adjuntó: quien las descarga recibe una receta incompleta que, por suerte, no corre. Lo digo sin burla alguna: la buena fe es evidente. Pero muestra algo incómodo: se está compartiendo y ejecutando código sin entender del todo qué hace ni qué necesita.

¿Y qué puede salir mal? Lo de estas semanas. Un gusano informático llamado Miasma está infectando proyectos de código y esconde su carga precisamente en los archivos que configuran a estos asistentes de IA: basta abrir un proyecto contaminado para que intente robar tus claves. Alcanzó incluso a Microsoft, y días después el kit completo del ataque quedó publicado en internet, listo para imitadores. En mayo, además, el propio GitHub, la plataforma donde el mundo guarda su código, reconoció una intrusión que comenzó con una extensión envenenada para un editor de programación: bastó un solo computador comprometido para exponer miles de sus proyectos internos.

Sobre las skills hay números: una firma de seguridad revisó casi cuatro mil compartidas en sitios comunitarios y confirmó 76 maliciosas. Y mi ejemplo favorito es el más silencioso: un conector de correo que funcionó con normalidad durante quince versiones, hasta que una actualización añadió una sola línea que reenviaba, en copia oculta, cada correo al atacante.

Las víctimas de todo lo anterior fueron desarrolladores profesionales: personas que revisan código y dependencias porque es parte de su oficio, en empresas con equipos de seguridad. Si a ellos los alcanzó, un abogado que descarga una skill recomendada en un post y la ejecuta sin poder leerla corre un riesgo mayor, en la peor máquina posible: la que guarda expedientes bajo secreto profesional.

Por eso mi sugerencia, al menos por ahora, es prudencia con las herramientas de oficio ajeno. Si no puedes leer lo que una skill ejecuta, y no tienes cerca a alguien de confianza que pueda hacerlo por ti, ese experimento puede esperar. La eficiencia que buscas también existe en herramientas hechas para tu profesión, donde lo técnico viene resuelto y hay alguien que responde por ello.

Alejarse del todo de la IA sería perder una eficiencia que el gremio necesita. El camino razonable es adoptarla con la diligencia que la profesión ya aplica en todo lo demás, y esa diligencia cabe en tres preguntas: qué pasa con lo que escribo, quién responde por la aplicación, y qué estoy ejecutando en mi computador.

Cierro con la idea que resume todo esto: mientras más mágica parece la herramienta, más criterio profesional exige. Trabajo en ese cruce entre derecho e ingeniería, construyendo herramientas que absorben la parte técnica para que el abogado no cargue con riesgos que no puede evaluar, y quiero seguir escribiendo sobre estas traducciones entre los dos mundos. Las preguntas de los talleres son la mejor guía que tengo; los leo.

¿Qué hay detrás del chat? Una introducción a los modelos de lenguaje

Mon, 08 Jun 2026 00:00:00 +0000

Cuando escribes una pregunta en ChatGPT y pulsas enter, aparece una respuesta fluida, segura, casi humana. ¿Qué ha pasado por dentro? Entender cómo funcionan estos sistemas no es un capricho técnico: te permite usarlos mejor y, sobre todo, reconocer cuándo no fiarte de ellos. Vamos por partes.

Primero, ubiquémonos: ¿qué es un “LLM”?

Las siglas LLM significan Large Language Model, o modelo de lenguaje grande. ChatGPT, Gemini o Claude son LLMs. Pero conviene situarlos dentro de un mapa más amplio, porque “inteligencia artificial” se usa para cosas muy distintas. Piensa en muñecas rusas, una dentro de otra:

Inteligencia artificial: cualquier sistema que simula capacidades humanas, desde reglas simples hasta redes neuronales (un filtro de spam, un buscador).
Machine learning: programas que aprenden patrones a partir de datos, sin que nadie los programe regla por regla (las recomendaciones de Netflix o Spotify).
Deep learning: redes neuronales con muchas capas, capaces de procesar imágenes, audio y texto (el reconocimiento facial, la transcripción de voz).
IA generativa: modelos que crean contenido nuevo (texto, imágenes, código).
LLMs: la muñeca más pequeña y especializada. IA generativa aplicada al lenguaje.

Cada categoría está contenida en la anterior. Cuando alguien dice “la IA”, muchas veces se refiere en realidad a esta última muñeca.

El corazón del invento: predecir la siguiente palabra

Aquí viene lo que sorprende a casi todo el mundo. En el fondo, un LLM hace una sola cosa: predecir la siguiente palabra. Una y otra vez.

Imagina la frase:

El abogado presentó la demanda ante el ___

¿Qué palabra viene después? Probablemente “tribunal”. Quizá “juzgado”. Casi seguro no “plátano”. El modelo ha leído tal cantidad de texto que aprendió qué palabras tienden a seguir a cuáles, y a cada candidata le asigna una probabilidad: tribunal (85%), juzgado, juez… Elige una, la añade a la frase y repite el proceso para la siguiente. Así, palabra a palabra, construye párrafos enteros.

“Pero eso es como el autocompletado de mi teléfono”, pensarás. Exacto. Y a la vez, no. La diferencia es de escala:

	Autocomplete del móvil	LLM
Entrenado con…	tus mensajes	miles de millones de documentos
Recuerda…	~5 palabras	cientos de miles de palabras
Genera…	1 palabra	documentos completos

Es el mismo truco, adivinar lo que viene, llevado a una potencia que cambia su naturaleza.

¿Y cómo “recuerda” lo que le dije antes? La ventana de contexto

Si un LLM solo predice la siguiente palabra, ¿cómo mantiene una conversación coherente? Gracias a la ventana de contexto: el texto que el modelo tiene “a la vista” para hacer su predicción. Incluye tu pregunta, lo que ya respondió y las instrucciones previas.

Un detalle con consecuencias prácticas: cada vez que el modelo genera una palabra nueva, vuelve a leer todas las anteriores de la conversación. Por eso, cuanto más larga es la charla, más lento y costoso se vuelve responder. Y por eso, en conversaciones muy largas, los modelos a veces parecen “olvidar” lo que dijiste al principio: simplemente ya no cabe en su ventana.

Por qué esto le importa a un abogado (y a cualquiera)

Quédate con esta idea: un LLM no consulta una base de datos de verdades ni “sabe” derecho. Genera el texto más probable dado lo que le escribiste. La mayoría de las veces, lo más probable coincide con lo correcto. Pero no siempre. Y cuando no coincide, el modelo lo dirá con la misma seguridad impecable. A esa trampa (cuando la IA inventa con aplomo) la llamamos alucinación, y será el tema de un próximo artículo.

Este artículo adapta las primeras láminas de “Fundamentos Técnicos de IA para Abogados”, el material abierto que uso en los talleres de Trifolia. Puedes ver la presentación interactiva completa en educacion.trifolia.cl. Contenido bajo licencia CC BY-NC-SA 4.0.

El hombre de la selva y la invención de la IA

Mon, 18 May 2026 00:00:00 +0000

Tuve un profesor de historia en el colegio que había vivido un tiempo a orillas del Orinoco. Lo llamábamos el hombre de la selva. Una vez nos contó que en esa aldea los carniceros regalaban los sesos de vaca porque nadie les veía valor. Él los empezó a cocinar para sus amigos. A los pocos meses todos los cocinaban, y los carniceros les pusieron precio.

El mismo profesor nos enseñó el concepto de Edmundo O’Gorman: la invención de América. Colón llegó al Caribe creyendo haber dado con las Indias y murió convencido de eso. La idea de un continente nuevo no existía en la cabeza de nadie. Tuvo que ser inventada después, con cartografía y violencia, porque el mapa mental europeo solo tenía tres partes. O’Gorman va más lejos: América no estaba esperando a ser descrita. El acto mismo de pensarla la trajo a existencia.

Vuelvo a pensar en el hombre de la selva. Estamos en plena invención de algo, en el sentido de O’Gorman.

Llevo quince años escribiendo software. Hace año y medio que casi no escribo código. Construyo más, en menos tiempo, con menos gente. Fundé Trifolia, una empresa de IA para abogados chilenos. Los veo cruzar el mismo umbral por el que crucé yo, con la misma cara de desconcierto. Un amigo abogado, uno de nuestros usuarios más fieles, me dijo hace poco: “Cuando me lo comentaste yo pensaba, cómo le voy a entregar la redacción de un escrito a una máquina, no me calzaba en la cabeza. Al final era pura ceguera.”

No me calzaba en la cabeza. Es la frase de Colón frente a las Antillas. Lo que mi amigo llama ceguera fue el primer momento de toda invención. La categoría nueva no calza hasta que el mapa se reorganiza para recibirla.

Todavía no sé qué es esta cosa con la que trabajo. Algunos días parece un cristal raro: le apunto con un prompt y proyecta formas que ya estaban en los libros, en internet. Un espejo grande y antiguo. Otros días parece un ser que persigue objetivos, entrenado para maximizar una recompensa, al que tenemos atado con camisa de fuerza para que redacte sin hacer daño.

Ninguna describe algo que ya esté ahí. Cada metáfora fabrica una IA distinta, y quien gane la batalla de las metáforas va a determinar qué termina siendo todo esto. La invención produce el continente.

Y al inventarla a ella nos estamos inventando a nosotros. Mi amigo, que pensaba el derecho desde la redacción de escritos, ya no piensa lo mismo. Yo, que era programador, hace tiempo que tampoco. Los carniceros del Orinoco le pusieron precio a una carne que antes regalaban, y al hacerlo cambiaron su oficio sin darse cuenta.

Escribo esto como invitación. A salir un rato de la conversación del PIB y los riesgos existenciales, y entrar en una más vieja: la de cómo se hace lugar en la cabeza para algo que todavía no cabe. La humanidad pasó por esto antes. Cuando alguien encendió fuego. Cuando los polinesios llegaron en canoa a islas que no estaban en su mapa. Cada vez tardamos generaciones, y casi siempre costó caro. Esta vez, ojalá, tengamos un poco más de cuidado.

Publicado originalmente en LinkedIn el 18 de mayo de 2026.

La técnica más efectiva para usar IA es la más simple

Tue, 31 Mar 2026 00:00:00 +0000

La técnica más efectiva para usar IA no es ningún prompt mágico ni un framework sofisticado. Es algo simple: mantener las conversaciones cortas y enfocadas en un solo tema.

¿La IA se fue por un camino equivocado? No discutas con ella. No intentes corregirla a mitad de camino. Empieza de nuevo, incorporando esa aclaración en tu mensaje inicial. Así de simple.

Cada vez que “peleamos” con la IA para enderezarla, ensuciamos el contexto. Y un contexto sucio produce peores resultados, no mejores.

Lo frustrante desde mi lado como fundador: siendo tan simple, todavía no hemos encontrado una manera efectiva de “hacerlo por el usuario” dentro de Trifolia. No hay botón que lo resuelva. Solo nos queda educar a los usuarios para que lo apliquen.

Publicado originalmente en LinkedIn el 31 de marzo de 2026.

En Trifolia no tenemos fe ciega en ningún modelo

Wed, 04 Mar 2026 00:00:00 +0000

En Trifolia.cl no tenemos fe ciega en ningún modelo de inteligencia artificial. No nos enamoramos de las marcas.

Lo que hacemos es más simple y más difícil a la vez: probar, medir, elegir.

Tenemos un proceso interno de evaluación continua de modelos. Calidad de respuesta, velocidad, precisión contextual, coste. Todo cuenta. Y cuando encontramos uno mejor, actualizamos sin dudar.

Cuando Anthropic lanzó Claude Sonnet 4.6, al día siguiente ya lo estábamos corriendo en nuestro agente. No por moda ni por hype. Lo probamos porque es nuestro trabajo probarlo todo. Y resultó que era bueno. Muy bueno. Sonnet 4.6 ganó en lo que más nos importa: la calidad de las respuestas que reciben nuestros usuarios. Hoy es uno de los modelos centrales que mueven Trifolia.

Esta es una de las ventajas reales de construir sobre IA en 2025: la velocidad de mejora es brutal. Y si estás atento, puedes trasladar esa mejora directamente a tus clientes.

En investigación jurídica no hay margen para el error bonito. Un abogado no puede llegar a tribunales con una cita que no existe o una ley de otro país. Por eso elegimos los modelos como quien elige un bisturí: por precisión, no por marca.

La tecnología se mueve rápido. Nosotros nos movemos más rápido.

Publicado originalmente en LinkedIn el 4 de marzo de 2026.

Cuando un ingeniero y un abogado no se entienden

Wed, 11 Feb 2026 00:00:00 +0000

Hay una conversación que se repite. Un ingeniero intenta explicar qué hace un modelo de lenguaje y recurre a “redes neuronales”, “tokens”, “parámetros”. Al otro lado de la mesa, un abogado asiente con la cortesía de quien dejó de entender hace dos oraciones. Después cada uno vuelve a su oficina convencido de que el otro no habla su idioma. Y los dos tienen razón.

Esa brecha entre el mundo técnico y el legal la he visto de cerca. Poca gente logra transitarla con soltura, y quiero ser bueno en eso, porque el problema es real: los abogados toman decisiones sobre tecnología que no comprenden del todo, y los ingenieros construyen herramientas para un contexto legal que tampoco terminan de entender.

Cuando fundé Trifolia, tenía claro lo que no quería: otra empresa de ingenieros vendiéndole soluciones de ingeniería a abogados, con la mentalidad de Silicon Valley de que la tecnología se explica sola. Eso no funciona. Lo que queremos es resolver problemas jurídicos, partir desde la práctica legal y usar la tecnología como medio, no como fin. Y para eso, el primer paso es educación: que el abogado entienda qué hay detrás de estas herramientas. No para convertirse en ingeniero, sino para dejar de depender ciegamente de quien le vende el software.

Con esa convicción armé “Fundamentos Técnicos de IA para Abogados”: 20 láminas interactivas que recorren desde qué es un LLM y cómo genera texto, hasta alucinaciones, ventanas de contexto, privacidad de datos y consideraciones prácticas para el ejercicio legal. El material es completamente abierto (CC BY-NC-SA 4.0): educacion.trifolia.cl.

Una aclaración: estas láminas son material de apoyo para una presentación en vivo. Algunas no son completamente autocontenidas; estoy trabajando en eso.

Lo hemos usado en dos talleres impartidos desde Trifolia:

Universidad de Talca (enero 2025): taller presencial, 65 asistentes (video disponible).
Taller online (6 de febrero 2025): 100 asistentes.

El 100% de los asistentes indicó que el contenido superó o cumplió sus expectativas, y un 86,3% consideró que el nivel fue adecuado. El 13,7% restante lo encontró muy avanzado, lo cual me dice que estamos pisando el borde correcto.

Pero las encuestas de satisfacción miden percepción, no precisión. Y en esta etapa lo que más necesito es feedback:

Ingenieros (especialmente de software y ML): ¿Sobresimplifiqué algo al punto de que quedó incorrecto? Hacer accesible lo complejo siempre corre el riesgo de deformarlo.
Abogados: ¿Estoy cayendo en tecnicismos innecesarios? ¿O al contrario, estoy subestimando lo que ya saben? El punto justo es difícil de encontrar sin sus ojos.
Profesores de derecho: me encantaría que este material les sirva para explicar estas tecnologías a sus alumnos. Si lo usan, cuéntenme qué funciona y qué no.

En las láminas hay un formulario de feedback, o pueden escribirme a educacion@trifolia.cl. El repositorio acepta issues.

Publicado originalmente en LinkedIn el 11 de febrero de 2026.

Sobre mí

Mon, 01 Jan 0001 00:00:00 +0000

Soy Edu Ramírez, ingeniero de software con más de 15 años de experiencia construyendo y liderando equipos de backend e infraestructura en startups de Chile, Alemania y España.

Hoy soy fundador de Trifolia, un producto pionero de inteligencia artificial para abogados. Vengo de una familia de abogados, así que el cruce entre la tecnología y el derecho no es para mí un tema abstracto: es la conversación de sobremesa de toda la vida.

Por eso este blog. Quiero tender un puente entre el mundo técnico y el legal, y explicar la tecnología con claridad a quienes necesitan entenderla sin ser especialistas. He dado talleres presenciales y en línea sobre estos temas, entre ellos en la Universidad de Talca.

Antes de Trifolia fui Tech Lead en Adevinta (Barcelona), donde lideré migraciones de plataforma de CI/CD que afectaron a cientos de desarrolladores. Estudié Ingeniería Civil Industrial y Ciencia de la Computación en la Pontificia Universidad Católica de Chile. Soy chileno y vivo en Barcelona.

¿Hablamos? Escríbeme a cartas@eduramirez.com; leo todas las cartas que llegan. También me encuentras en Codeberg, GitHub y LinkedIn.