Más allá del prompt: cómo se trabaja de verdad con IA

Un prompt se escribe en imperativo, pero no es una orden. Un modelo de lenguaje no lee la consigna como la lee un abogado: la convierte en fragmentos numéricos, la procesa junto con todo lo demás que tiene a la vista y genera la continuación más probable. No tiene manera confiable de comprobar que cumplió lo pedido.

Ese «todo lo demás» es lo decisivo. Por la ventana de contexto del modelo pasan la consigna, los documentos adjuntos, los mensajes anteriores, lo que trajo de una búsqueda y las instrucciones internas que el usuario no ve. La ventana es grande pero finita, y la investigación muestra que el modelo no la usa de manera pareja:

• Lo que está en el medio se pierde. El rendimiento cae cuando el dato relevante no está al principio ni al final del material. Que una cláusula «esté ahí adentro» no significa que el modelo la use.
• Más texto degrada la respuesta. Aun en tareas simples, la precisión baja a medida que crece la entrada, y el ruido la baja más. Los documentos jurídicos, con sus citas, anexos y repeticiones, son de los que más ocupan.
• Ninguna frase impide que invente. Las alucinaciones nacen de cómo se entrenan y evalúan los modelos, que premia arriesgar una respuesta plausible antes que abstenerse. Pedir «si no sabés, decilo» ayuda, pero no es una garantía.

De ahí el cambio de enfoque que la comunidad técnica llama ingeniería de contexto: lo que determina el resultado no es la elegancia del pedido sino qué materiales recibe el sistema, cuáles quedan afuera, en qué orden, con qué jerarquía y bajo qué controles. Para un abogado es una buena noticia, porque seleccionar, jerarquizar y verificar fuentes es exactamente su oficio.

El enfoque del prompt tiene además un efecto incómodo: cuando la respuesta falla, la culpa parece ser siempre de quien «pidió mal». El del contexto devuelve el control a quien firma.

El contraste se ve en un caso de daños. Un enfoque es subir el expediente de 800 páginas y pedir la contestación. El otro es armar primero la cronología, separar la prueba relevante, reunir las normas vigentes y los precedentes aplicables, y recién entonces pedir un borrador sobre ese material y nada más. En el primero el abogado deposita el expediente y espera; en el segundo ejerce su criterio, y después sabe qué tiene que revisar.

El prompt sigue teniendo su lugar, y mejorarlo se puede automatizar: LegalPromptStudio analiza una consigna y devuelve una versión optimizada. Justamente por eso no es ahí donde conviene poner el esfuerzo.

Ordenar el contexto a mano funciona, pero hay que rehacerlo cada vez y cada persona lo hace distinto. El paso siguiente es dejarlo armado, para que el buen resultado sea del estudio y no de quien más sabe usar la herramienta.

Proyectos e instrucciones permanentes

ChatGPT, Claude y Gemini permiten crear espacios con instrucciones fijas y documentos de referencia que se aplican a todas las conversaciones que se abran adentro. Un proyecto por cliente o por tipo de asunto, con los modelos del estudio y sus criterios de redacción, evita explicar lo mismo cada mañana.

Skills: procedimientos que la IA carga cuando hacen falta

Un skill es una carpeta con instrucciones, ejemplos y, si hace falta, archivos de apoyo, que el asistente lee solo cuando la tarea lo requiere. Es la forma de escribir una vez «así contesta este estudio un traslado» o «así revisamos un contrato de locación» y que se aplique siempre igual. El formato nació en Anthropic, hoy es un estándar abierto que adoptaron ChatGPT, Gemini y otras herramientas, y se puede crear conversando, sin programar. En los planes para equipos se comparte con toda la organización.

La herramienta correcta para cada tarea

Un chat general es un mal buscador de jurisprudencia y un mal procurador, por mejor que sea la consigna: no tiene los fallos ni los expedientes. Para lo que termina en una cita o en un plazo conviene una herramienta que trabaje sobre la fuente y muestre de dónde saca cada cosa. Después, el chat general hace lo que hace bien: redactar y razonar sobre ese material.

Conectores

Los asistentes pueden conectarse al correo, al calendario y a las carpetas del estudio, y buscar ahí en lugar de esperar que alguien suba el archivo. Bien configurado, resuelve el problema de fondo: que la IA trabaje sobre los documentos reales y no sobre lo que el usuario se acordó de pegar. Mal configurado, le da acceso a todo. Cada conector se decide a nivel estudio, con cuentas corporativas y permisos acotados; en Aplicaciones y proveedores está cómo trata los datos cada servicio.

Un chat responde y espera. Un agente recibe un objetivo, elige una herramienta, mira el resultado, decide el paso siguiente y repite hasta terminar. Ese ciclo es todo el secreto: un modelo usando herramientas en un bucle. Lo que cambia es la escala de lo que se le puede encargar, de una respuesta a un trabajo de horas.

Trabajos largos

En un trabajo extenso la ventana de contexto se llena y el modelo empieza a perder el hilo. Los sistemas serios lo resuelven con las mismas ideas del nivel básico, aplicadas por la propia máquina: resumen y reinician la ventana, llevan notas en archivos fuera de ella y reparten subtareas en agentes auxiliares que arrancan con contexto limpio y devuelven solo la conclusión. Entenderlo ayuda a encargar bien: una lista de tareas verificables y un lugar donde dejar el avance rinden más que una consigna heroica.

Agentes programados y siempre activos

La novedad de 2026 es que el agente ya no necesita que alguien lo despierte. Corre en la nube, por horario o cuando algo cambia, y avisa cuando terminó o necesita una decisión.

Para un estudio, los usos razonables hoy son de vigilancia y preparación: seguir novedades normativas de un área, armar el informe semanal de una cartera, preparar el borrador de respuesta para que alguien lo revise a la mañana. Tres advertencias antes de entusiasmarse:

• Actúan sin preguntar. Una rutina programada corre sin pedir aprobación y puede usar todos los conectores que tenga, también para escribir o enviar. Conviene empezar con acceso de solo lectura.
• Leen contenido ajeno. Un agente con acceso al correo que procesa lo que llega es el blanco ideal de una inyección de prompts.
• No todos son para datos de clientes. Varios de estos productos son de consumo, exigen conservar la actividad o entrenan con ella salvo que se desactive, y algunos todavía no están disponibles en la Argentina.

MCP: el enchufe común

El Model Context Protocol es un estándar abierto para conectar una IA con sistemas externos; sus autores lo comparan con un puerto USB-C. Lo creó Anthropic, hoy lo administra una fundación bajo la Linux Foundation con OpenAI, Google y Microsoft adentro, y lo usan los principales asistentes. En la práctica significa que una base de jurisprudencia, un sistema de gestión o un portal judicial pueden exponerse una sola vez y quedar disponibles para cualquier asistente compatible. El reverso es de seguridad: una herramienta conectada puede traer instrucciones ocultas en su propia descripción, así que se conectan solo servidores de origen confiable.

Agentes de línea de comandos y plugins

Claude Code, Codex y Gemini CLI son agentes que trabajan directamente sobre los archivos de una computadora. Nacieron para programar, pero sirven para cualquier trabajo con muchas carpetas y documentos, como reorganizar un legajo, cruzar planillas o generar cien escritos a partir de un modelo. Los tres admiten plugins que empaquetan skills y conectores para instalar de una vez. No son para todo el estudio; sí para quien se ocupe de armar los flujos que después usa el resto.

Es el uso donde el estudio arriesga menos y gana más rápido: no hay datos de clientes ni citas que verificar ante un tribunal. La IA sirve para sostener una presencia que casi ningún estudio logra mantener a mano, convirtiendo una novedad jurisprudencial en una nota para el sitio, un resumen para clientes y tres publicaciones, cada una en el formato de su canal.

Las mismas reglas de arriba valen acá. Sin contexto, el resultado es el texto genérico que todos reconocen como hecho por una máquina. Con un skill que tenga la voz del estudio, sus áreas, sus publicaciones anteriores y lo que no quiere decir, el borrador ya suena propio.

El límite lo pone la ética profesional, no la herramienta. El Código de Ética del Colegio Público de la Abogacía de la Capital Federal exige publicitar los servicios con mesura y decoro, sin basarse en el monto de los honorarios y sin inducir a engaño. Nada de eso cambia porque el texto lo haya redactado una IA: lo que se publica con el nombre del estudio lo revisa un abogado, igual que un escrito.

Nada de lo anterior se incorpora leyendo una lista de consignas. Se aprende entendiendo por qué el sistema se comporta como se comporta, y después practicando con los documentos propios: recortar un expediente real, armar el primer skill del estudio, conectar una herramienta y ver qué hace.

Ese recorrido, del contexto a los agentes, es el programa de nuestros workshops abiertos y de los programas in company que dictamos para estudios, áreas legales de empresas y organismos públicos. Los niveles de esta guía son, más o menos, sus módulos.

Para saber por dónde le conviene empezar a tu estudio, el diagnóstico lleva ocho minutos.