El agente que lee los modelos de un equipo de abogados y los completa
Soy Alexandra Torres López y construí un agente de inteligencia artificial para un equipo de abogados que trabaja con sus propios modelos de documento. El agente lee esos modelos y los completa con la documentación de cada caso, en lugar de que alguien llene los mismos formatos a mano cada vez. Abajo está cómo lo hice y qué salió mal durante el entrenamiento.
El problema: documentos que se rehacen desde cero cada vez
Un equipo de abogados trabajaba con modelos de documento propios, redactados por ellos y con su forma de escribir. Cada vez que llegaba un caso nuevo, alguien del equipo tomaba el modelo correspondiente y llenaba a mano el mismo formato con la documentación de ese caso.
La tarea era repetida y tenía estructura, que son las dos condiciones que hacen que un agente valga la pena. Lo que no podía pasar es que el agente escribiera como cualquier otro: los modelos eran suyos y el resultado tenía que seguir siéndolo.
Qué construí
Construí un agente que lee los modelos de documento propios de un equipo de abogados y llena esos mismos formatos con la documentación de cada caso. El agente parte del modelo del equipo, no de una plantilla genérica, y le agrega la información que corresponde a la situación puntual.
La decisión de diseño que sostiene todo el caso es esa: entrené el agente con los modelos reales del equipo y no con ejemplos de internet, porque un documento legal de un equipo de abogados no se parece al de otro. Por eso el resultado conserva la forma de escribir del equipo en lugar de imponerle una nueva.
Qué falló durante el entrenamiento
En el primer entrenamiento del agente para el equipo de abogados los modelos se mezclaron y el agente empezó a meter elementos de un modelo dentro de otro, que es exactamente el error que vuelve inútil un asistente en un contexto legal.
Un agente entrenado con varios modelos a la vez tiende a confundirlos si no se le delimita cada uno, y delimitarlos fue la tarea. Ahí estuvo el trabajo de verdad de este proyecto.
Cómo lo resolví: entrenar cada modelo por separado
Entrené cada modelo de documento por separado, paso a paso por módulo, en vez de cargarlos todos juntos. Separé el entrenamiento por módulo, revisé el comportamiento de cada uno y solo después los volví a poner a operar en conjunto. Desde entonces esa separación por módulo es parte de cómo monto cualquier agente.
Ese método no lo inventé para este caso. Es el mismo paso a paso que traigo de mi formación técnica, donde una etapa no empieza hasta que la anterior esté verificada. Aplicado a un agente, significa que un error se aísla en un módulo en vez de infectar el sistema entero.
El proceso que sigo para diseñar un agenteQué aprendí de este caso
Aprendí que el entrenamiento conjunto de varios modelos es el punto donde más se rompe un agente, y que la solución no es más potencia sino más separación. También confirmé algo que ya creía: el valor de un agente para un equipo que escribe documentos está en respetar su forma de escribir, no en reemplazarla.
Soy Alexandra Torres López, estratega en IA y automatización, y el agente para el equipo de abogados es, a hoy, el único proyecto que puedo contar con detalle. Prefiero explicar uno completo, incluido lo que falló, antes que listar varios sin poder mostrar cómo se resolvieron.
Lo que esta página no dice, porque no está medido: cuánto tiempo se ahorró el equipo ni cuántos documentos pasan hoy por el agente. Sin esa medición no publico una cifra.
¿Tienes una tarea parecida?
Si en tu negocio hay documentos que se rehacen desde cero cada vez, ese es literalmente el problema que ya resolví una vez. Escríbeme y miramos si tu tarea tiene la estructura que un agente necesita.