Modelos de IA a medida para la revisión de documentos legales, en los servidores de tu despacho
Ertas permite a despachos y departamentos legales entrenar modelos a medida para análisis de contratos y revisión documental con su propio trabajo, y ejecutarlos en los servidores del despacho, donde los documentos que revisan en producción se quedan en casa.
The Challenges You Face
La confidencialidad del cliente condiciona cada decisión sobre IA
Subir documentos de clientes a servicios de IA de terceros plantea dudas frente a los deberes profesionales de confidencialidad y los términos de cada encargo. Muchos despachos limitan qué herramientas pueden tocar material de clientes, lo que descarta enviar cada documento a una API alojada.
Los documentos legales exigen comprensión especializada
Los LLM genéricos malinterpretan la terminología jurídica, pasan por alto matices de cada jurisdicción y producen análisis de contratos poco fiables. El lenguaje legal tiene significados precisos que difieren del uso común, y un modelo entrenado con texto general no los distingue de forma fiable.
La revisión documental es el mayor centro de costo
La revisión documental a gran escala para litigios, due diligence y trabajo regulatorio consume miles de horas de abogados. La revisión asistida por IA podría reducir mucho ese costo, siempre que la IA entienda el contexto legal concreto lo bastante bien como para confiar en ella.
El trabajo asistido por IA tiene que poder explicarse
Cuando la IA interviene en el trabajo legal, el despacho necesita mostrar con qué se entrenó el modelo, qué ejemplos se revisaron y que un abogado comprobó el resultado. Con herramientas improvisadas, eso es difícil de documentar.
How Ertas Solves This
Ertas Studio entrena un modelo a medida con el propio trabajo de tu despacho: contratos con las cláusulas que señalan tus asociados, memorandos con tu estructura interna, decisiones de revisión de asuntos anteriores. Abogados y asistentes legales pueden crear, corregir y aprobar ejemplos en Data Craft, el editor guiado de datasets de Studio, sin programar. El entrenamiento de modelos abiertos se hace desde un lienzo visual, y puedes lanzar varios entrenamientos en paralelo para compararlos antes de elegir.
El entrenamiento se ejecuta en las GPU en la nube de Ertas, así que el conjunto de entrenamiento se sube a Ertas. Elige material que los términos de tus encargos te permitan usar de esta forma, anonimiza antes nombres e identificadores y borra los datasets cuando ya no los necesites.
El modelo entrenado pertenece al despacho. Descárgalo como GGUF o safetensors completos y ejecútalo en los servidores del despacho con llama.cpp, Ollama o vLLM. Los documentos revisados en producción se quedan dentro de la red del despacho, sin depender de Ertas en tiempo de ejecución. Tus obligaciones profesionales siguen siendo una cuestión de tu propio criterio, y ejecutar los modelos de revisión internamente mantiene los documentos de clientes en sistemas que ya controlas.
Key Features for Despachos de abogados y departamentos legales
Datos de entrenamiento revisados por abogados
Data Craft presenta cada ejemplo como un intercambio que tus abogados pueden editar, versionar y marcar como aprobado, de modo que el conjunto de entrenamiento lleva el mismo criterio que aplican en la revisión manual.
Entrenamiento específico para tu práctica
Haz ajuste fino de modelos abiertos con el propio trabajo de tu despacho, como patrones de análisis de contratos, estructuras de memorandos y decisiones de revisión, para que el modelo refleje los estándares de tu despacho.
Ejecución en los servidores del despacho
Los modelos entrenados aparecen en Hub y se descargan como GGUF para llama.cpp u Ollama, o como safetensors completos para vLLM. Sírvelos en hardware que controla el despacho, donde los documentos de clientes se quedan en casa.
Conjuntos de entrenamiento versionados
Data Craft versiona tus ejemplos y registra su estado de aprobación, así puedes mostrar qué ejemplos aprobados entraron en cada versión del modelo.
Why It Works
- En el benchmark de resumen de reuniones QMSum, un modelo de 1.2B entrenado con Ertas obtuvo 35.41 de ROUGE-1, frente a 32.43 del mejor de cinco modelos frontera alojados. Un modelo pequeño entrenado para una tarea puede superar en esa tarea a modelos generales mucho más grandes.
- Los modelos exportados funcionan con llama.cpp, Ollama, LM Studio o vLLM en hardware que controla el despacho, así que la inferencia en producción no necesita conexión con Ertas.
- Los abogados contribuyen directamente en Data Craft, un editor conversacional para crear, versionar y aprobar ejemplos de entrenamiento.
Example Workflow
Un despacho corporativo revisa miles de contratos en sus encargos de due diligence y quiere un modelo que señale cláusulas de cambio de control, indemnización y no competencia. Una abogada de gestión del conocimiento reúne 2,000 ejemplos de cláusulas de asuntos cerrados que los términos de los encargos permiten reutilizar, con los nombres de clientes anonimizados, y les da formato de dataset JSONL.
Los asociados sénior revisan los ejemplos en Data Craft, corrigen las etiquetas de las cláusulas y aprueban el conjunto. El equipo de soporte de litigios entrena dos modelos base en paralelo en Ertas Studio y los compara con un conjunto reservado de cláusulas que los asociados etiquetaron por separado.
El mejor modelo se descarga como archivo GGUF y se sirve en el servidor GPU del propio despacho. En el siguiente encargo marca las cláusulas probables para los asociados júnior, que verifican cada señal antes de que nada llegue al cliente.
Related Resources
Ship AI that runs on your users' devices.
Free plan with 30 credits/mo, no card required. Paid plans from $10/mo USD.