Agentes de IA para abogados: Legora superó los $100 millones de ARR en menos de 18 meses sin ver los datos de sus clientes

Legora pasó de un sótano en Estocolmo a más de $100 millones de ARR en menos de 18 meses, y lo hizo construyendo agentes de IA para abogados que sus ingenieros no pueden inspeccionar. Casi todo lo que sube un usuario es confidencial, y buena parte pertenece a los clientes del despacho, no al despacho. Esa restricción, cuenta su CTO Jacob Lauritzen en el podcast de Latent Space, obligó a la empresa a desarrollar una disciplina de evaluación que hoy sirve de manual para cualquiera que construya agentes en industrias reguladas.

Los números explican por qué el mercado mira a Legora. La compañía arrancó como «ChatGPT con derecho sueco y un buscador». Hoy su agente redacta y edita documentos de Word, revisa miles de contratos a la vez y coordina trabajo entre abogados, clientes y otros agentes. Tiene más de 1.800 clientes y cinco adquisiciones solo este año, la última la londinense Wexler. Levantó $550 millones en marzo con una valoración de $5.550 millones y otros $550 millones en octubre con $8.800 millones. Según el anuncio de la Serie E, su ARR ya supera los $200 millones. Una duda era si la tarifa por hora mataría el negocio, porque a un abogado que cobra por hora no le conviene una herramienta que lo vuelva más rápido. Lauritzen la tuvo cuando leyó la solicitud original a Y Combinator. Lo que cambió es la presión sobre los despachos: en EE. UU. el trabajo rutinario ya migra a honorarios fijos, algunos lo hacen gratis para retener al cliente, y el dinero se concentra en fusiones y adquisiciones, litigios y tiempo con el cliente.

Evaluación de agentes de IA cuando no puedes ver los datos

La mayoría de los equipos mejora sus agentes leyendo trazas de producción. Legora no puede. Su solución es recrear el trabajo de los clientes: tres ingenieros y tres abogados construyen entornos de aprendizaje por refuerzo que simulan casos reales. Un ejemplo es un data room de 10.000 archivos donde el agente hace una due diligence y debe detectar las banderas rojas correctas. Los resultados se grafican en un mapa de calor por área de práctica y tipo de tarea, y cada modelo nuevo mejora en unas áreas y empeora en otras. Detrás hay unos 100 «ingenieros legales», abogados con tres o cuatro años en grandes despachos y a menudo con estudios de informática. En producción, la empresa clasifica los fallos en 10 a 20 modos conocidos y ejecuta chequeos baratos basados en LLM tras feature flags.

El resumen del podcast publicado en BigGo añade una lectura interesante: el producto duradero no es el modelo, sino el «arnés» a su alrededor, es decir, las primitivas de flujo de trabajo, la gobernanza, los registros de auditoría y la retención de datos. Lauritzen estima que los modelos ya hacen bien alrededor del 60% del trabajo legal. Para esa parte el problema es de costo y latencia. El análisis complejo y la edición de contratos de un millón de tokens aún requieren más inteligencia. Por eso Legora resistió mucho tiempo ofrecer un selector de modelos: su meta es mantener al usuario en la frontera costo-calidad sin que tenga que elegir entre variantes de Sonnet u Opus.

Cómo aplicar esta estrategia de IA en sectores regulados en tu empresa

La lección central es que las restricciones de datos pueden ser una ventaja si te obligan a diseñar bien la medición. Si tu sector no permite mirar las trazas, estas son las acciones que se desprenden del caso:

Construye tu propio banco de pruebas sintético. Mezcla ingenieros y expertos del dominio, y simula tareas completas en lugar de preguntas sueltas. Si necesitas un punto de partida, el caso de cómo Elastic unificó la evaluación de agentes de IA en un único framework muestra qué pasa cuando los tests quedan dispersos.

Mide por segmento, no por promedio. El mapa de calor de Legora revela que un modelo «mejor» puede ser peor para cierta área. Evalúa cada vez que cambies de modelo.

Cataloga tus fallos. Define 10 a 20 modos de falla conocidos y vigílalos con chequeos baratos antes de pensar en soluciones costosas.

Haz cada afirmación verificable. Todo lo que escribe el agente de Legora lleva una cita que resalta un recuadro en el PDF de origen. Es el mismo principio de IA empresarial con fuentes verificables que aplicó Qlik con Amazon Bedrock.

Elige la infraestructura que tu cliente ya aprobó. Legora corre todo en Azure porque, al empezar, los despachos no aceptaban AWS ni GCP, y Microsoft ya era proveedor autorizado vía 365.

Construye pocas piezas reutilizables. Legora se apoya en proyectos, el agente, Tabular Review (una fila por documento, una columna por pregunta, hasta un millón de celdas) y listas con automatizaciones. Los ingenieros legales configuran productos nuevos sin escribir código. Tabular Review arranca con solo 10 filas para que puedas corregir los prompts antes de lanzar las demás.

Qué pasa con los juniors y cuándo conviene mover ficha

Lauritzen rechaza la idea de que los despachos dejarán de necesitar paralegales y abogados junior. Afirma que un buen junior vale hoy más que hace dos años porque logra mucho más, igual que en ingeniería. Es un matiz relevante frente a otros diagnósticos, como el de Anthropic, que contrata cada vez menos juniors. La conclusión práctica es que el efecto sobre el empleo depende de si tu organización usa la productividad extra para hacer más trabajo de valor o para recortar plantilla.

Sobre el momento de adopción, el patrón es claro: el 60% del trabajo ya es viable hoy, y esa fracción crecerá con cada generación de modelos. Esperar a que la tecnología «esté lista» significa que tus competidores aprenderán primero a gobernarla. Conviene empezar por tareas de alto volumen y bajo riesgo, medirlas bien y escalar desde ahí. Para proyectos grandes, el modelo de Legora, con ingenieros legales que configuran y, solo si hace falta, ingenieros desplegados con el cliente para integraciones, es una plantilla replicable.

Lauritzen cree que en dos años las grandes empresas usarán Legora a través de herramientas como Claude Cowork, mientras los despachos trabajarán directamente dentro de la plataforma. Tampoco espera que los laboratorios de modelos la desplacen: para un deal de M&A de $400 millones, apuesta a que la gente seguirá queriendo a Legora. La pregunta para tu empresa es si ya sabes medir qué parte de tu trabajo pueden asumir los agentes de IA para abogados, o los agentes de tu propio sector, sin mirar un solo dato del cliente. Quien construya esa capacidad antes tendrá una ventaja difícil de copiar.