# Cómo llevar a cabo una revisión con IA a gran escala _2026-05-06_ Esta guía recorre la estrategia, la secuencia y las decisiones de criterio que implica llevar a cabo una revisión de documentos asistida por IA a gran escala en Claira. Está dirigida a equipos jurídicos que están por revisar con IA decenas o cientos de miles de documentos y quieren hacerlo de forma defendible, eficiente y sin sorpresas. La idea central: una revisión con IA no es una búsqueda por palabras clave más grande y más rápida. Se parece más a delegar trabajo discrecional en un colega junior bien informado, con la diferencia de que ese colega puede leer 10.000 documentos por hora, nunca se cansa y lleva un registro perfecto de lo que hizo y por qué. Su trabajo pasa de revisar documentos a instruir bien, validar los resultados y ejercer el criterio final que se registra en el campo de producción. ## 1\. El cambio de mentalidad Antes que nada, saque a su equipo de la mentalidad booleana y de familias de términos de búsqueda (STF). La consulta tradicional de bases de datos es algorítmica y por facetas: pensar en cada grafía, cada variante de un nombre, cada forma en que se podría hacer referencia a un producto o a una persona, ponderado con metadatos como el número de destinatarios o los rangos de fechas. Ese trabajo ya no es necesario. El LLM maneja de forma nativa la variabilidad lingüística: grafías, traducciones, errores ortográficos, variaciones de nombres, sinónimos. No necesita construir una lista de todas las formas en que “el contrato” podría aparecer en 200.000 documentos. Lo que reemplaza ese trabajo son las **instrucciones en lenguaje sencillo**. Usted le dice al modelo de qué trata el caso y qué quiere saber, del mismo modo en que le explicaría el asunto a un pasante de derecho (articling student) tomando un café. La calidad de la revisión ahora depende de la calidad de esas instrucciones, no del ingenio de su sintaxis de búsqueda. Este es el mayor ajuste para los profesionales de eDiscovery con experiencia. Confíe en el modelo en cuanto a la variabilidad lingüística. Dedique su esfuerzo al contexto y a las instrucciones. ## 2\. Dos niveles de definición del alcance Toda revisión con IA tiene dos niveles de definición del alcance. Manténgalos separados en su mente. **Nivel 1: la tarea.** ¿Qué intenta determinar esta revisión? ¿Cuáles son las cuestiones? ¿Quiénes son las personas relevantes? ¿Cuál es la teoría del caso? Esto debe venir del equipo jurídico. Nadie más puede redactarlo. **Nivel 2: el resultado.** ¿En qué formato deben volver las respuestas: indicadores de sí/no por cuestión, justificaciones en texto libre, campos estructurados, resúmenes? Esto es mecánico y Claira se encarga de ello. El objetivo es un resultado fácil de validar, fácil de filtrar y fácil de codificar de forma masiva en los campos de producción sin volver a pasar nada por la IA. Usted se ocupa del Nivel 1. Claira se ocupa del Nivel 2. ## 3\. Preparación previa Antes de activar la suscripción y comenzar a construir prompts, prepare tres insumos. ### 3.1 El contexto del caso Es un resumen escrito de lo que trata el asunto. No necesita estar pulido ni seguir una plantilla. Piense en él como el memorando informativo que le daría a un abogado nuevo que se incorpora al expediente. Incluya: - Una breve narración fáctica de la disputa o investigación - El período relevante - Las principales alegaciones o cuestiones en juego - La teoría de la demanda o de la defensa, cuando corresponda - Las entidades, productos, proyectos o sistemas clave mencionados en los documentos Puede extraerlo de los escritos procesales, pero estos suelen ser un material de partida deficiente: demasiado procesales, demasiado escuetos. Un memorando informativo, un resumen interno del caso o un documento de estrategia suelen ser mejores. Si ya tiene uno redactado para el expediente, ese es su punto de partida. Claira pasará este contexto sin procesar por un paso de extracción estructurada para producir un objeto de contexto del caso: un desglose limpio de las cuestiones y las personas que el modelo utiliza en cada prompt posterior. Usted verá este resultado estructurado y lo confirmará antes de que se ejecute cualquier revisión. Esta es la primera verificación de coherencia. ### 3.2 Las preguntas Enumere todas las preguntas que quiere responder sobre los documentos. No filtre de antemano, no intente optimizar, no fusione preguntas que le parezcan similares. Si le asignaría 30 o 50 preguntas a un equipo de pasantes, denos 30 o 50 preguntas. Redáctelas en lenguaje sencillo, en el idioma que le resulte natural a su equipo. El modelo es independiente del idioma, tanto en la entrada como en la salida. Claira revisa la lista de preguntas y recomienda cómo estructurarlas: cuáles combinar, cuáles escalonar, cuáles formular solo sobre los documentos que superen un filtro previo. Esa recomendación depende de la forma de las preguntas, por lo que darnos la lista completa importa más que darnos una lista ordenada. ### 3.3 La lista de exclusiones Identifique las carpetas de documentos, custodios, colecciones de origen o tipos de documento que el equipo esté dispuesto a excluir por completo de la revisión. Sea conservador –el rendimiento es lo suficientemente alto como para que una inclusión amplia suela ser la opción predeterminada correcta–, pero casi siempre hay bolsones de material claramente fuera del alcance que no es necesario tocar. Esta lista se entrega junto con el contexto y las preguntas cuando pasa a la construcción del prompt. ## 4\. Construcción del prompt Un prompt de Claira es el contexto del caso más la pregunta. El contexto del caso es común a todo el asunto; la pregunta es lo que cambia en cada tarea. Juntos le dicen al modelo: este es el tema del asunto y esto es lo que quiero que determine en este documento. Claira construye y perfecciona el prompt inicialmente, sobre todo en la primera revisión de un equipo. Usted ve cada prompt, cada objeto de contexto y cada resultado. No hay nada oculto. El prompt produce resultados estructurados que se escriben en campos de IA dedicados en cada documento, nunca directamente en el campo de relevancia de producción. Esta separación es deliberada: la determinación de la IA es un insumo para su decisión, no la decisión en sí. Usted codifica de forma masiva de los campos de IA a los campos de producción después del QC, según su propio criterio. Cada resultado incluye además una breve justificación: una oración que explica por qué el modelo respondió como lo hizo. Esto es lo que hace posible la revisión rápida a escala, y es lo que le da defendibilidad. ## 5\. Aseguramiento de calidad (QA) antes de la ejecución completa No ejecute el prompt sobre toda la población la primera vez que lo construya. Ejecútelo sobre lotes pequeños y lea los resultados con atención. El patrón: - Tome una muestra de documentos que ya sabe que deberían coincidir con cada cuestión: los evidentes, los fáciles de encontrar con una búsqueda básica por palabras clave. - Ejecute el prompt sobre 50 de ellos. - Lea los resultados. - Ejecute otros 50. - Lea los resultados. Aquí no busca representatividad estadística. Busca comprobar si el modelo interpreta la instrucción como usted pretendía. Si codifica de más porque la instrucción era demasiado amplia (“todas las personas con ese apellido”) o de menos porque era demasiado estrecha, perfeccione el prompt y vuelva a ejecutarlo. Es el momento en que “el asociado junior vuelve con el primer lote”. La mayoría de los prompts necesitan al menos una ronda de ajustes; algunos necesitan varias. Ante la heterogeneidad de tipos de documento (correos electrónicos, contratos, especificaciones técnicas, hojas de cálculo), considere ejecutar lotes de QA por tipo para confirmar que el prompt funciona bien en todos los formatos. Puede decidir dividir la ejecución en lotes separados por tipo de documento. ## 6\. La ejecución completa Una vez que el QA está limpio, se ejecuta la revisión completa. Claira procesa alrededor de 10.000 documentos por hora. Un conjunto de 200.000 documentos se completa en menos de un día de tiempo real. Para la mayoría de los asuntos, Claira recomienda un **flujo de trabajo escalonado** en lugar de formular todas las preguntas a todos los documentos. El patrón: 1. Un prompt de primer nivel hace una determinación general: si el documento está relacionado con el asunto y con qué gran grupo de cuestiones. 2. Los documentos que no superan el primer nivel no reciben la batería completa de preguntas detalladas. 3. Los documentos que lo superan pasan por los prompts de segundo nivel, que son más granulares. El escalonamiento cumple dos funciones: concentra el gasto de tokens en los documentos con potencial y mantiene los resultados más limpios, porque a los documentos irrelevantes no se les hacen preguntas que no pueden responder. Claira recomienda la estructura de escalonamiento a partir de la lista de preguntas. ## 7\. Control de calidad (QC) después de la ejecución El QC es fundamentalmente distinto en una revisión con IA que en una revisión humana. Los revisores humanos cometen **errores aleatorios**: un revisor codifica de forma incoherente con otro, un descuido lleva a codificar mal un documento, el cansancio provoca desviaciones a lo largo de una semana de trabajo. Los errores aleatorios requieren un muestreo aleatorio para detectarlos. El QC tradicional en discovery toma una muestra de unos 350 documentos de una población para acotar la tasa de error al 5% o al 2,5%, independientemente del tamaño de la población (hasta unos 10 millones de documentos). Los revisores de IA no cometen errores aleatorios. Cometen **errores sistemáticos**: si el prompt era ambiguo en una dirección, el modelo inclinó todos los documentos dudosos en el mismo sentido. No necesita 350 documentos aleatorios para detectarlo. Necesita un muestreo estratificado: tomar los documentos que coinciden con cada cuestión y verificar si la instrucción se interpretó como se pretendía. En la práctica, el QC se ve así: - Tome todos los documentos que la IA señaló para la cuestión 1. Revise rápidamente entre 20 y 30 con sus justificaciones. ¿Son todos coincidencias razonables? Si es así, continúe. Si algo falla sistemáticamente, el prompt estaba mal: perfecciónelo y vuelva a ejecutar esa cuestión. - Repita el proceso para cada cuestión. - Verifique por muestreo los documentos no señalados para confirmar que el prompt no está omitiendo sistemáticamente una categoría. Dos asimetrías importantes que debe tener presentes: - **Los falsos negativos son el verdadero riesgo.** Un documento que debió señalarse y no se señaló es un problema que quizás nunca descubra. Oriente el esfuerzo de QC a detectarlos. - **Los falsos positivos son tolerables.** Un prompt demasiado inclusivo que señala algunos documentos que resultan no ser relevantes no es un problema: los detecta en la revisión humana, y el costo es tiempo de lectura, no pruebas perdidas. El QC puede **postergarse**. Las determinaciones de la IA son campos persistentes en cada documento. Permanecen en la base de datos. Puede ejecutar los prompts en mayo y hacer el QC final en noviembre, y los resultados seguirán ahí, disponibles para consulta, sin gasto adicional de tokens. Esto importa cuando el cuello de botella es la capacidad de revisión y no la de procesamiento. Puede ejecutar el trabajo de IA tan rápido como lo permitan los prompts y luego incorporar revisores humanos para validar y codificar de forma masiva sin volver a ejecutar nada. ## 8\. Codificación masiva para la producción Después del QC, el abogado decide qué se codifica en el campo de relevancia de producción. Como los resultados de la IA están en campos dedicados con su justificación, esto suele ser una operación masiva: filtrar por los campos de IA en los que el equipo tiene confianza y codificar de forma masiva en los campos de producción. Cuando el equipo no está de acuerdo con la IA, esos documentos pasan a revisión manual o se vuelven a procesar con un nuevo prompt. El argumento de defendibilidad es sencillo: sí, se usó IA. El abogado tomó la determinación. La pista de auditoría muestra qué contexto se cargó, qué prompt se ejecutó, qué devolvió el modelo y qué decidió la persona. Esto evita la preocupación por las alucinaciones del mismo modo que la supervisión humana del trabajo de un junior la evita: el abogado sénior es responsable de la decisión. ## 9\. Defendibilidad y pista de auditoría Todo queda registrado: - El objeto de contexto del caso, incluidas las cuestiones y las personas estructuradas extraídas de las instrucciones iniciales - Cada prompt, con todas sus revisiones - El vínculo entre cada prompt y las respuestas que produjo - Los resultados por documento, con su justificación Esto significa que el equipo puede demostrar, para cualquier decisión de codificación, la instrucción exacta que se estaba ejecutando cuando la IA hizo su determinación. El rastro llega hasta las instrucciones originales. Si más adelante se cuestiona una decisión de codificación, la cadena de razonamiento puede reconstruirse. ## 10\. Trabajar con listas de preguntas: algunos ajustes Algunas notas prácticas sobre la lista de preguntas: - **No escriba lógica booleana.** “Documentos que mencionan X pero no Y” es un patrón de consulta, no una pregunta. Formule la pregunta de fondo –“¿Este documento trata sobre X en el contexto de A?”– y deje que el modelo se encargue de la lógica. - **Sea específico sobre qué convierte un sí en un sí.** “¿Este documento es relevante para la disputa?” es demasiado vago. “¿Este documento trata sobre negociaciones entre la Parte A y la Parte B relativas a la cláusula de terminación?” es viable. - **Pida que la justificación sea útil.** Especifique qué quiere en la explicación de una oración: el actor, la acción, la fecha, lo que le permita validar de un vistazo con mayor rapidez. - **Agrupe las preguntas relacionadas.** Si tres preguntas solo importan para los documentos que coinciden con una cuestión principal, indíquelo. Claira las escalonará. ## 11\. Plazos y escala Algunas cifras prácticas para planificar: - La suscripción debe estar activa antes de construir los prompts. El almacenamiento del contexto y los prompts es por caso. - Un rendimiento de alrededor de 10.000 documentos por hora. - Un proyecto típico dedica la mayor parte de su tiempo calendario a la construcción de prompts y al QA, no a la ejecución completa. - Plazo realista para un conjunto de 200.000 documentos, desde el inicio hasta la entrega a los revisores humanos: aproximadamente cuatro semanas, concentradas sobre todo al principio en el contexto, las preguntas y las iteraciones de QA. ## 12\. Ajustes habituales que cabe esperar Casi todas las revisiones implican al menos uno de los siguientes ajustes durante el QA. Ninguno es un problema: son la forma normal de perfeccionar las instrucciones. - El prompt era demasiado amplio respecto de un nombre o entidad específicos y captaba homónimos no relacionados. Precíselo con contexto que elimine la ambigüedad. - El prompt omitió una categoría de documentos relevantes porque el equipo tenía un supuesto tácito que no se incluyó en el contexto. Agréguelo al contexto y vuelva a ejecutarlo. - La justificación del resultado es coherente, pero no resulta informativa para una revisión rápida. Ajuste el formato del resultado. - Un tipo de documento (una exportación de chat, una estructura particular de hoja de cálculo) confunde al modelo de forma sistemática. Separe ese tipo en su propio lote con un prompt adaptado. ## 13\. El panorama general Una revisión con IA bien ejecutada en Claira se ve así: 1. Explique el asunto en lenguaje sencillo. Denos su contexto, su lista completa de preguntas y lo que debe excluirse. 2. Confirme el contexto estructurado del caso que Claira extrae de sus instrucciones. 3. Ejecute pequeños lotes de QA sobre documentos conocidos. Perfeccione el prompt hasta que el resultado sea el que usted habría redactado. 4. Ejecute toda la población, con el escalonamiento recomendado. 5. Haga el QC por cuestión, no mediante una muestra aleatoria. Busque errores sistemáticos. Priorice la detección de falsos negativos. 6. Postergue el QC final si la capacidad de revisión es el cuello de botella: los resultados persisten. 7. Codifique de forma masiva en los campos de producción según el criterio del abogado, con la determinación de la IA como insumo. 8. Conserve la pista de auditoría para garantizar la defendibilidad. El esfuerzo total pasa de “revisar 200.000 documentos” a “instruir bien, validar los resultados de unos pocos cientos y ejercer el criterio final sobre el conjunto”. Esa es la historia de productividad, y también es la razón por la que acertar en los primeros pasos importa más que cualquier otra cosa en el flujo de trabajo.