- No hay un modelo superior a todos: hay un modelo idóneo para cada tarea jurídica
Este artículo ha sido publicada en el número 1031 de Actualidad Jurídica Aranzadi (AJA), regístrate una vez en este enlace y recibirás una comunicación con cada número desde la que podrás acceder a la revista en Legalteca.
La oferta de modelos de lenguaje (LLM) se ha multiplicado hasta volverse inabarcable, y la pregunta que se hace el profesional que se dedica al Derecho ha cambiado de naturaleza: ya no es si conviene usar inteligencia artificial, sino cuál de ellas y para qué. El pulso del sector lo confirma: más de 20.000 profesionales se inscribieron en el último seminario de Anthropic sobre la aplicación de Claude en la abogacía, y los principales despachos internacionales ya emplean estos modelos en asuntos vivos a través de plataformas jurídicas especializadas. La realidad es que hay un modelo idóneo para cada combinación de tareas jurídicas, sensibilidad de los datos y exigencia normativa. Plantearlo así, como un problema de encaje entre el supuesto de hecho y su consecuencia, resulta más familiar al jurista que cualquier ranking tecnológico.
El mapa del mercado en 2026
A mediados de 2026, el panorama se ha ordenado en torno a tres grandes laboratorios estadounidenses: Anthropic (familia Claude), OpenAI (familia GPT) y Google (familia Gemini); un laboratorio europeo, Mistral AI, y un ecosistema creciente de modelos de pesos abiertos como Llama, de Meta, DeepSeek o Qwen. Todos los modelos de frontera ofrecen ya ventanas de contexto en torno al millón de tokens, que permiten cargar un expediente íntegro o un contrato extenso. El benchmark de LegalBench, desarrollado por investigadores de Stanford y considerado la referencia para evaluar el razonamiento jurídico, muestra diferencias muy reducidas entre los modelos líderes. Tomando Claude Fable 5 únicamente como referencia debido a sus restricciones de disponibilidad, este obtuvo un 88,56 % de acierto, seguido de Gemini 3.1 Pro (87,40 %) y GPT-5.5 (86,5 %).
Conviene leer esas cifras con cautela. Los benchmarks miden tareas estructuradas, como identificar la cuestión o recordar una regla, pero no el asesoramiento jurídico complejo. Cuando el LegalOn 2026 Contract Review Benchmark enfrentó a 11 modelos de IA con la revisión de 3.282 contratos según 21 criterios de precisión, incluso los más capaces fallaron con frecuencia en las cláusulas más exigentes, como umbrales numéricos, requisitos multiparte o referencias cruzadas. Y el talón de Aquiles sigue siendo la alucinación: un estudio de Stanford sitúa la tasa de citas jurídicas inventadas entre el 17 % y el 33 %, incluso en herramientas especializadas. La consecuencia práctica es clara: la IA brilla extrayendo, resumiendo y respondiendo sobre documentos, pero la interpretación y la redacción siguen exigiendo el control del abogado.
Cada modelo, un perfil
Más allá del rendimiento en los benchmarks, la capacidad de integrarse con aplicaciones corporativas y utilizar herramientas externas se ha convertido en un criterio decisivo para elegir un modelo. Por ello, cada familia de modelos presenta fortalezas diferenciadas.
Claude, de Anthropic, se ha consolidado como uno de los modelos de referencia en el sector legal, impulsado por los lanzamientos de 2026 enfocados en la abogacía. Destaca por su comprensión profunda de documentos extensos y la calibración del razonamiento jurídico. GPT, de OpenAI, ofrece el ecosistema de integraciones más amplio y destaca en el razonamiento encadenado de múltiples pasos, lo que lo convierte en una opción especialmente adecuada para flujos agénticos. Gemini, de Google, combina una ventana de contexto amplia con el precio más competitivo entre los modelos de frontera (2 USD por millón de tokens de entrada), lo que lo hace idóneo para cargar un data room completo en una sola consulta. Mistral ofrece residencia de datos en la UE de forma nativa, con modelos de pesos abiertos que pueden alojarse en los propios servidores del despacho a un coste hasta cinco veces menor que sus competidores estadounidenses.
El verdadero criterio: confidencialidad antes que potencia
Para un despacho europeo, el factor decisivo no es el benchmark, sino dónde se procesan los datos y bajo qué garantías. Introducir información de un cliente en un LLM constituye un tratamiento de datos personales; el despacho actúa como responsable y debe formalizar el correspondiente encargo de tratamiento. A ello se suma el secreto profesional, cuya vulneración puede proyectarse incluso en el Código Penal.
De ahí una regla operativa sencilla. Para datos amparados por el secreto profesional, solo caben dos vías defendibles: (i) un proveedor con residencia de datos garantizada en la UE y retención cero, Mistral de forma nativa, o Claude, GPT y Gemini desplegados a través de las regiones europeas de Azure, Bedrock o Vertex; o (ii) el despliegue privado en los servidores del propio despacho, utilizando un modelo de pesos abiertos como Mistral Large 3, Llama 4, DeepSeek o Qwen, de modo que la información nunca abandone el perímetro. Las versiones gratuitas y de consumidor, que se entrenan con lo que el usuario introduce, quedan directamente descartadas para datos de cliente.
Un marco de decisión por casos de uso
Trasladado a la práctica, el cruce entre tarea y modelo dibuja un mapa razonablemente claro. Para la revisión documental masiva en due diligence priman la ventana de contexto larga y la residencia europea. Gemini, con una de las mayores ventanas de contexto, permite analizar centenares de documentos en una sola sesión; GPT y Claude, desplegados a través de las regiones europeas, ofrecen una alternativa con residencia garantizada. Para la investigación normativa y el análisis jurisprudencial, es preferible recurrir a herramientas asentadas sobre bases de datos jurídicas antes que a un modelo generalista, dado el riesgo de alucinación documentado. Y para la anonimización de datos personales o tareas de gran volumen, un modelo económico como Gemini Flash o Mistral Small, o uno de pesos abiertos alojado on-premise, ofrece el equilibrio óptimo entre coste y cumplimiento.
Elegir un modelo de lenguaje implica tanto una decisión tecnológica como una responsabilidad profesional. La oferta ha madurado y las fortalezas se reparten: (i) Claude destaca en comprensión documental y en la redacción de contratos; (ii) GPT, en el razonamiento encadenado y en la riqueza de su ecosistema de integraciones; (iii) Gemini, en una de las mayores ventanas de contexto al menor precio entre los modelos de frontera; (iv) Mistral, en la soberanía europea del dato.
Saber dónde brilla cada uno es, sin embargo, solo el principio. Inventariar los usos, clasificarlos según la sensibilidad de la información, exigir garantías contractuales al proveedor y verificar siempre el resultado no son trabas a la innovación, sino la manera jurídica de abrazarla. La buena noticia es que, bien escogida y gobernada, la herramienta cumple; y ninguna de ellas releva al jurista de seguir siéndolo.
