Hace un par de días escribí sobre el problema de los abogados usando ChatGPT con datos de clientes. La respuesta fue más grande de lo que esperaba. Muchos colegas del sector legal me escribieron en privado para contarme historias parecidas a las que describí. Otros me preguntaron lo obvio: “¿Y qué hacemos entonces?”
Esta nota es la otra mitad de esa conversación.
Hace dos años empezamos a construir Mixia. No nació de una hoja en blanco ni de un workshop estratégico. Nació de una serie de conversaciones que se repetían cada vez con más frecuencia: primero con un estudio, después con cinco, después con quince. La pregunta que hacían los socios siempre llegaba en algún momento: “¿Hay alguna forma de usar todo esto que se está hablando de la IA, pero sin que la información de mis clientes salga a un servidor en Estados Unidos?”
La respuesta corta era no. La respuesta larga es lo que terminó siendo Mixia.
El problema que vimos antes que nadie
Las grandes plataformas de IA generativa —ChatGPT, Claude, Gemini, Copilot— son productos extraordinarios. Pero fueron diseñadas, todas ellas, para audiencias generales. Su primer cliente imaginado fue el desarrollador, el creador de contenido, el estudiante, el ejecutivo de marketing. No el abogado. No el contador. No el médico. No el banquero.
Eso tiene implicancias técnicas que la mayoría de los usuarios no ve. Una IA pensada para audiencias generales hace asunciones sobre cómo se manejan los datos, sobre qué se considera privacidad razonable, sobre qué tipo de información puede ser útil para entrenar modelos futuros. Todas esas asunciones son razonables para un usuario común. Son inaceptables para un profesional obligado por ley a la confidencialidad.
Lo segundo que vimos —y esto es más latinoamericano— es que la IA generativa de mercado conoce poco de derecho de la región. Conoce bien las cortes federales de Estados Unidos. Conoce el common law británico. Conoce algo de derecho europeo continental. Pero el derecho argentino, el mexicano, el chileno, el colombiano, el peruano, le quedan grandes. No porque no haya información disponible. Porque los modelos fueron entrenados con prioridades distintas.
Le pides a ChatGPT que te resuma un fallo de la Corte Suprema argentina y te devuelve algo que suena bien pero no es. Le pides que te cite jurisprudencia sobre habeas data en México y te inventa precedentes que nunca existieron. No es maldad de la herramienta. Es que la herramienta no fue construida para esto.
La decisión que tomamos
Cuando empezamos Mixia teníamos dos opciones. Podíamos construir otra interfaz sobre ChatGPT —con un prompt cuidadoso y algunas guardrails— y venderles eso a los estudios. La mayoría del legaltech regional hace eso hoy. Es más rápido, es más barato y resuelve aparentemente el problema.
O podíamos construir algo más difícil. Una plataforma propia, sobre infraestructura propia, donde cada cliente tuviera su propio entorno aislado, con sus propios datos, y donde la información jurídica latinoamericana estuviera incorporada al sistema de manera estructural —no como un parche sobre un modelo entrenado para otra cosa.
Elegimos la segunda. No porque fuera la opción comercialmente más inteligente en el corto plazo. Fue —lo admito— una decisión parcialmente terca. Estaba convencido de que esto no era un problema que se resolvía con marketing. Era un problema que se resolvía con arquitectura.
Hoy Mixia opera enteramente sobre deployments dedicados por cliente. Cada estudio tiene su propio entorno, técnicamente separado del de cualquier otro. Sus documentos no se mezclan con los de nadie. No se usan para entrenar modelos. No salen de la jurisdicción que el cliente elige. Si mañana un estudio se va de Mixia, se lleva todo y no queda rastro en ninguna parte.
Eso parece obvio una vez que está dicho. No lo era hace tres años. No lo es todavía, para la mayoría de las soluciones que circulan por el mercado.
Lo que aprendimos en el camino
Construir esto fue más difícil de lo que pensamos. No técnicamente —el equipo es bueno y la tecnología existe— sino estratégicamente. Cuando sales a vender una solución que el mercado todavía no entiende del todo, te encuentras con varios problemas a la vez.
Primero, tienes que educar al cliente sobre el problema antes de venderle la solución. Un socio de estudio que nunca pensó si los datos de sus clientes se usan para entrenar modelos no va a comprar una plataforma que resuelve ese problema. Primero tienes que hacerlo consciente del problema. Y eso es lento.
Segundo, te encuentras con que algunos prospectos ven la demo, entienden el valor y deciden que pueden construir algo parecido internamente. Eso pasa más de lo que esperaría alguien de afuera del sector. La distancia entre “esto se puede hacer” y “esto se puede hacer bien” es invisible para quien no construyó software profesional toda su vida. Tres meses después se dan cuenta. Algunos vuelven. Otros se enredan internamente y nunca terminan el proyecto.
Tercero, descubrimos que la conversación más productiva no es con quien usa la IA todos los días. Es con quien tiene que responder si algo sale mal. El socio principal del estudio. El compliance officer. El gerente de legales corporativo. Cuando explicas que sus datos están en una infraestructura sobre la que ellos no tienen control real, la conversación cambia.
Lo que Mixia es hoy
Mixia es la primera plataforma de inteligencia artificial diseñada, desde cero, para estudios jurídicos latinoamericanos. Eso significa varias cosas concretas.
Está entrenada para entender el derecho de la región. SAIJ, PJN, jurisprudencia nacional y provincial argentina. Estamos extendiendo cobertura a México, Chile, Colombia y España. No es ChatGPT respondiendo en español. Es una herramienta que conoce el corpus normativo y jurisprudencial específico de cada jurisdicción, y que cita fuentes verificables: no inventa fallos.
Opera sobre infraestructura dedicada para cada cliente. Cero datos cruzados. Cero entrenamiento con información del estudio. Logs auditables. Posibilidad real de elegir en qué jurisdicción se procesa la información, según las necesidades del cliente.
Se integra con lo que los estudios ya usan. Google Drive, SharePoint, Outlook, calendarios, sistemas de gestión propios. No le pedimos al estudio que cambie su manera de trabajar para usar IA. Le pedimos que nos deje sumar una capa de inteligencia sobre lo que ya tiene.
Y tiene capacidades específicas del trabajo legal. Procuración masiva sobre PJN. Comparación de contratos a escala. Análisis profundo de documentos largos con citas verificables. Workspaces aislados por equipo y por caso, para evitar contaminación cruzada de información sensible.
La parte que importa
Cuando arrancamos esto, lo que me motivaba no era construir una empresa más de software. Era responder a una pregunta concreta que escuché muchas veces: si la IA va a transformar la práctica legal, ¿por qué la profesión tiene que aceptar las reglas de juego que le imponen herramientas diseñadas en otro contexto, para otro tipo de cliente, con otras prioridades?
No tiene que aceptarlas. La región tiene la capacidad técnica para construir sus propias herramientas, ajustadas a sus propias normas, respetando sus propios principios profesionales. No es una cuestión de chauvinismo tecnológico. Es una cuestión de adecuación.
Mixia es nuestra apuesta a esa idea. Hoy estamos en operación con estudios de varios países. La adopción crece. Las conversaciones se vuelven cada vez más sofisticadas. Los socios que al principio preguntaban “¿qué es eso de IA soberana?” ahora vienen con preguntas específicas sobre arquitectura, sobre integración, sobre roadmap. Eso es lo más alentador del proceso. La conversación maduró.
Falta mucho. Tenemos un roadmap ambicioso, mercados por abrir, integraciones por construir, conversaciones regulatorias por sostener con colegios profesionales. Pero la base está, y los primeros estudios que confiaron en esto están viendo resultados concretos.
Si lo que escribí hace dos semanas resonó en alguien, esto es la otra mitad del mensaje. El problema existe. Y se puede resolver. Solo hay que decidir construir las herramientas correctas, no las más rápidas de armar.
Es lo que estamos haciendo.
