# IA para eDiscovery _2026-05-11_ Cuando hoy alguien dice “IA en eDiscovery”, puede referirse a casi cualquier cosa. Un chatbot que un paralegal abre en el navegador. Un modelo de codificación predictiva que ordena los documentos según su probabilidad de relevancia. Un gran modelo de lenguaje que resume un solo PDF a pedido. Todos son reales, y todos son cosas distintas. Durante la mayor parte de la última década, el sector del eDiscovery se agrupó en torno a una definición estrecha: la revisión asistida por tecnología basada en clasificadores supervisados, entrenados con un conjunto semilla y perfeccionados mediante rondas de validación. Ese trabajo sigue siendo valioso. Pero lo que la IA puede hacer dentro de una revisión ha cambiado, y el lenguaje que usamos para describirlo no se ha puesto al día. Este artículo intenta ponerle nombre a ese paraguas. ¿Qué abarca realmente la IA para eDiscovery en 2026, qué tipos de trabajo realiza dentro de un caso y dónde encaja Claira? ## Qué significa hoy la IA para eDiscovery La IA para eDiscovery es IA generativa aplicada a los materiales del litigio –documentos, correos electrónicos, adjuntos, transcripciones, imágenes– al servicio de la fase de revisión y análisis. Es la capa entre la recopilación y la producción, donde se toman decisiones sobre cada documento del corpus. La tecnología de revisión anterior se basaba en patrones: listas de palabras clave, expresiones regulares, conjuntos semilla de TAR, agrupación de casi duplicados. Esas herramientas siguen formando parte del stack y siguen siendo útiles. El cambio con la IA generativa es que el modelo lee cada documento como lo haría un revisor, en contexto, con criterio, frente a sus criterios de revisión, y produce un resultado que usted puede defender por escrito. El trabajo se divide en unas pocas categorías reconocibles. No son productos separados. Son distintas tareas que se le piden al mismo motor de revisión. ## Revisión de primer nivel a escala de corpus Lo primero que hace la IA para eDiscovery es leer cada documento del conjunto y formarse una posición sobre él. No una puntuación de relevancia de un clasificador, sino una respuesta razonada a su pregunta de revisión, con una justificación a la que puede remitirse. Esta es la parte que antes era imposible a escala. O se le asignaba gente en masa, o se entrenaba un modelo con una muestra y se confiaba en la extrapolación. Ambas opciones tienen modos de falla conocidos. Los documentos que más necesita encontrar suelen ser los que una muestra tiene menos probabilidades de sacar a la luz. Con [Claira](https://www.claira.to), su revisor redacta la pregunta, Claira lee cada documento dentro de Nuix Discover y usted obtiene una decisión codificada más una justificación escrita para cada uno. Decenas de miles de documentos por hora. El trabajo del revisor pasa a ser verificar las decisiones dudosas y confirmar las evidentes, no hacer cada lectura desde cero. ## Codificación objetiva La segunda categoría es el trabajo de hechos estructurados que históricamente ha sido la partida más cara de un presupuesto. Autor, destinatarios, fecha, tipo de documento, idioma, relaciones entre adjuntos, candidatos a testado. El tipo de campos que aparecen en el panel de metadatos y de los que dependen todos los flujos de trabajo posteriores. Hecha por personas, la codificación objetiva es lenta e incoherente. Hecha por un clasificador, solo abarca aquello para lo que se entrenó el clasificador. Hecha por un modelo que sigue instrucciones y tiene el documento delante, funciona como lo haría un paralegal cuidadoso, en cada documento, sin cansarse. El resultado se escribe directamente en los campos de Nuix Discover, listo para filtrarse, ordenarse e incluirse en informes como cualquier otro dato codificado. ## Leer el fondo: privilegio, PII, resúmenes, cronologías Una tercera categoría es el trabajo que requiere leer el fondo y no la forma. Señalar documentos que pueden estar protegidos por privilegio (secreto profesional). Extraer información personal que debe tratarse antes de la producción. Generar resúmenes breves que los revisores puedan usar para el triaje. Construir líneas de tiempo con fechas que conviertan una carpeta de correos en un relato. Aquí es donde la IA para eDiscovery empieza a sentirse distinta de la generación anterior de herramientas. El modelo no clasifica según un esquema fijo. Responde a una pregunta –su pregunta– sobre un documento. El mismo motor de revisión que produce una decisión de relevancia puede producir una alerta de privilegio, una extracción de PII, un resumen de un párrafo y una entrada de cronología, según lo que usted haya pedido. Puede ver el mapa completo de lo que abarca ese paraguas en la [descripción general de flujos de trabajo](https://support.claira.to/docs/en/getting-started/what-claira-can-do) de Claira. ## Case Context: el contexto del caso Lo que une todo esto es el contexto específico del asunto. Un modelo que lee documentos sin conocer el caso está haciendo una búsqueda. Un modelo que lee documentos con su teoría del caso, las partes, las cuestiones, los períodos y el lenguaje que le importa está haciendo una revisión. Claira trata ese contexto como un objeto de primer nivel dentro del caso. Usted lo redacta una vez, lo sigue perfeccionando y cada análisis que ejecuta lo hereda. Así es como se mantienen coherentes decenas de miles de decisiones sin volver a explicarle el caso al modelo cada vez. También es como se mantiene la defendibilidad del trabajo. Los criterios están por escrito. Las decisiones remiten a ellos. La pista de auditoría viene sola. ## Lo que no reemplaza La IA para eDiscovery no sustituye las partes de la revisión que requieren criterio profesional. No decide qué es privilegiado en una situación controvertida. No toma la decisión sobre un secreto comercial dudoso. No aprueba una producción. El abogado responsable del expediente sigue siendo el abogado responsable del expediente. Lo que sí hace es el trabajo de alto volumen, guiado por criterios, que antes consumía la mayor parte de las horas de revisión, y pone las decisiones dudosas frente a las personas que deben tomarlas. El trabajo del abogado sigue siendo el mismo. Su día a día es distinto. Para un recorrido más completo de dónde encaja la IA en el flujo de trabajo de eDiscovery en general, desde la recopilación hasta la producción, [nuestra guía práctica sobre cómo encaja la IA en el eDiscovery moderno](https://www.claira.to/stories/how-ai-fits-into-modern-ediscovery-a-practical-guide) es un buen complemento de este artículo. ## Por dónde empezar Si está evaluando IA para eDiscovery para un caso que ya está en revisión, la pregunta no es qué categoría elegir. Las categorías funcionan en conjunto. La mayoría de los equipos comienzan con la revisión de primer nivel sobre una porción definida, validan los resultados frente a lo que habrían hecho sus revisores y luego se amplían a la codificación objetiva y a los flujos de trabajo orientados al fondo una vez que confían en el motor. La forma más fácil de ver cómo funciona con sus datos es recorrerlo con alguien. [Reserve una sesión de trabajo con nosotros](https://www.claira.to/meet) y lo configuraremos con una muestra realista de un caso real. Ese es el paraguas. Revisión generativa que lee cada documento en contexto, lo codifica, justifica la decisión y le devuelve a su equipo las horas que antes perdía en la revisión de primer nivel.