Abogados que entrenan a su propio reemplazo: lo que revela sobre el límite real de la IA legal

Por El HuffPost · 5 de julio de 2026.

Mercor, una empresa dedicada a reclutar expertos de distintos campos para entrenar modelos de inteligencia artificial, está pagando entre 100 y 200 dólares la hora a jueces jubilados y abogados en activo para que diseñen escenarios legales deliberadamente complejos y detecten dónde falla el razonamiento jurídico de la IA. Los ejercicios van desde simular una fusión empresarial repleta de conflictos hasta construir un videojuego ficticio completo —con logotipos, contratos de licencia y carteles promocionales— para que el modelo detecte infracciones de propiedad intelectual introducidas a propósito. El objetivo declarado es simple: si la IA ya programa con soltura, que aprenda también a razonar como un jurista, un terreno mucho más resbaladizo que el código.

El artículo, basado en reporting de Business Insider, recoge testimonios reveladores. Jessica Crutcher, letrada estadounidense, explica que acepta este trabajo secundario para "seguir siendo relevante" y no perder de vista hacia dónde se mueve su profesión. Charley Kelsey, especializado en derecho de la cultura, sostiene que la IA seguirá sin poder tranquilizar a un cliente angustiado, leer el ambiente en una negociación de conciliación o defender un caso ante un juez con la persuasión que exige la sala. Es decir: los propios profesionales que alimentan a la máquina son quienes mejor identifican sus límites.

Hay algo genuinamente interesante en este modelo de negocio, y no es solo la anécdota curiosa. Encaja en una tendencia más amplia del sector: los grandes laboratorios ya no pueden mejorar sus modelos frontera solo con más datos de internet, así que recurren a expertos de dominio (médicos, ingenieros, ahora juristas) para generar datos de entrenamiento sintéticos de altísima calidad, con errores intencionados y casos límite que un rastreo web nunca produciría. Es el mismo patrón que ya vimos en programación con benchmarks como SWE-bench: cuando la tarea es compleja de verdad, entrenar bien exige que un humano con criterio marque qué es un buen razonamiento y qué es una alucinación con apariencia de sentencia.

La paradoja laboral es evidente y merece decirse sin rodeos: estos profesionales cobran, en la práctica, por documentar minuciosamente el manual de instrucciones de su propia sustitución parcial. Es la cara más literal de la transición dura que venimos señalando en el sector legal: la base de la pirámide —redacción rutinaria de contratos, revisión documental, investigación jurisprudencial estándar— es la más expuesta a la automatización, mientras que el criterio experto, la lectura emocional de una sala y la relación de confianza con el cliente resisten. Lo llamativo es que aquí no hace falta especular sobre qué sobrevivirá: son los propios entrenadores quienes, ejercicio tras ejercicio, están cartografiando en tiempo real esa frontera.

Nuestra lectura es que este fenómeno, más que una curiosidad anecdótica, funciona como termómetro fiable del estado real de la IA jurídica, mucho más honesto que cualquier demo de producto. Si las empresas de IA necesitan pagar sumas notables a jueces para que inventen trampas que el modelo no resuelva, es porque el razonamiento legal de alto nivel —el que pondera intención, contexto cultural y estrategia procesal— sigue siendo un cuello de botella genuino, no un problema de escala de datos. A corto plazo esto no evita la reducción de plantillas administrativas en despachos grandes ni la presión sobre asociados junior cuyas tareas rutinarias ya delega el software. Pero a medio plazo dibuja un futuro donde el jurista que sobrevive y prospera es precisamente el que hoy está siendo pagado por horas para enseñarle a la máquina, con method y paciencia, todo lo que todavía no sabe hacer: hay una ironía casi optimista en que el propio proceso de automatización esté financiando y dignificando, aunque sea de forma transitoria, la experiencia humana que pretende sustituir.