Google lanza Gemini Enterprise for Legal, una plataforma de agentes para abogados y prepara el salto a los servicios financieros
Google está dando un paso que puede cambiar profundamente el mercado del software empresarial: Gemini empieza a dejar de ser solamente un asistente generalista para convertirse en una plataforma desde la que desplegar trabajadores digitales especializados por industrias. La compañía ha presentado Gemini Enterprise for Legal, una nueva capa de Gemini Enterprise específicamente diseñada para despachos de abogados y departamentos jurídicos corporativos. La diferencia respecto a utilizar simplemente un chatbot para redactar un contrato es enorme. Google quiere conectar agentes directamente con las herramientas, bases de datos, documentos y procesos que utilizan los profesionales y permitirles ejecutar trabajos completos dentro de un entorno gobernado. Y el movimiento no termina en el sector jurídico. Google está extendiendo la misma arquitectura hacia servicios financieros, donde los agentes pueden intervenir en investigación financiera, análisis de crédito, KYC, riesgo de carteras o preparación de emisiones de bonos. Lo que empieza a aparecer es una nueva estrategia empresarial: un mismo núcleo tecnológico de IA, pero rodeado de datos, conocimientos, permisos, herramientas y agentes diferentes para cada industria.
Gemini ya no quiere limitarse a contestar preguntas de un abogado
Durante la primera fase de la inteligencia artificial generativa, la utilización profesional siguió fundamentalmente un modelo de conversación. Un abogado podía pedir a una IA que resumiera un documento, preparara un borrador, explicara determinada cuestión o analizara un contrato. La persona continuaba dirigiendo cada etapa del proceso. Gemini Enterprise for Legal intenta avanzar hacia algo diferente. Google plantea agentes especializados capaces de intervenir en revisión contractual, investigación jurídica y regulatoria, elaboración de documentos, gestión de asuntos, cumplimiento de solicitudes relacionadas con protección de datos y otros procesos jurídicos. Un agente puede, por ejemplo, revisar contratos de proveedores, NDA o documentación relacionada con operaciones de M&A comparándolos con los playbooks internos de la organización, localizar cláusulas de riesgo, proponer modificaciones y posteriormente dirigir el documento hacia los responsables que deben aprobarlo. En otro caso, puede supervisar cambios regulatorios y resoluciones, compararlos con las políticas internas de una organización, identificar posibles carencias de cumplimiento y preparar propuestas de actualización para que sean revisadas por profesionales. El cambio fundamental es que el abogado deja de utilizar la IA exclusivamente para producir una respuesta y empieza a delegarle partes completas de un workflow.
El verdadero activo no es Gemini: son Gemini más los datos y herramientas jurídicas
Esta diferencia resulta esencial para comprender hacia dónde se dirige la IA empresarial. Un modelo generalista puede conocer enormes cantidades de información, pero no conoce automáticamente los precedentes internos de un despacho, las políticas contractuales de una multinacional, sus documentos históricos, la organización de sus asuntos, sus permisos internos o las bases de datos jurídicas contratadas por la empresa. Google está intentando resolver ese problema conectando Gemini Enterprise con las herramientas que los profesionales ya utilizan. La plataforma incorpora conectores para sistemas de gestión documental, e-discovery, gestión del ciclo contractual, investigación jurídica, Microsoft 365 y Google Workspace, entre otros entornos, y puede integrar servicios especializados de compañías del ecosistema legal. Esto permite que los agentes no trabajen únicamente con el conocimiento general del modelo, sino con el conocimiento privado y las herramientas profesionales de la organización.
Aquí puede encontrarse una de las mayores ventajas competitivas de la próxima generación de IA empresarial. Dos despachos pueden utilizar el mismo modelo Gemini y obtener resultados radicalmente diferentes. Uno puede conectarlo con veinte años de precedentes perfectamente organizados, contratos, estrategias procesales y conocimiento interno; el otro puede tener toda esa información dispersa entre correos electrónicos, carpetas y sistemas incompatibles. El modelo es el mismo. La inteligencia empresarial disponible para el modelo no lo es.
Los agentes pueden trabajar con herramientas de terceros, incluso competidores de Google
Otro elemento interesante es que Google no está intentando construir necesariamente cada pieza de la cadena jurídica. Gemini Enterprise for Legal puede conectarse con tecnologías y contenidos especializados de terceros y trabajar con soluciones de proveedores como Thomson Reuters, Harvey o Legora. Esto permite a Google intentar ocupar una posición mucho más poderosa: convertirse en la capa de orquestación desde la que diferentes agentes, modelos, datos y aplicaciones trabajan conjuntamente.
Es una estrategia comparable a la de un sistema operativo. Microsoft no necesita desarrollar todas las aplicaciones utilizadas en Windows para capturar valor del ecosistema. Google tampoco necesita desarrollar cada base jurídica o cada herramienta legal si consigue que Gemini Enterprise se convierta en el entorno desde el que se accede a ellas. Para los despachos, además, una arquitectura abierta reduce parcialmente el riesgo de tener que apostar toda su estrategia de inteligencia artificial por un único proveedor especializado.
Los grandes despachos ya están participando en el desarrollo
Google está trabajando con firmas internacionales como Weil Gotshal, Cleary Gottlieb, Freshfields y Williams & Connolly para desarrollar y adaptar la plataforma. Esto resulta importante porque la automatización jurídica tiene requisitos muy diferentes a los de un asistente empresarial convencional. Confidencialidad, privilegio profesional, permisos por asunto, separación de equipos, trazabilidad y responsabilidad sobre las conclusiones son cuestiones fundamentales. Un agente no puede acceder simplemente a toda la información de un despacho porque técnicamente tenga capacidad para hacerlo. Necesita respetar exactamente las mismas barreras de acceso que existen para los profesionales.
Por eso la siguiente generación de plataformas empresariales de IA tendrá que combinar dos características que en ocasiones parecen contradictorias: mucha más autonomía y mucho más control. Cuantas más acciones pueda realizar un agente, más importante será determinar qué información puede consultar, qué herramientas puede utilizar, qué acciones necesita someter a aprobación y quién responde finalmente por sus resultados.
El abogado aumentado puede gestionar mucho más trabajo
El impacto económico potencial es enorme. Una parte importante del trabajo jurídico está formada por procesos intensivos en información: revisar documentos, comparar cláusulas, investigar antecedentes, localizar jurisprudencia, preparar cronologías, supervisar cambios normativos, revisar contratos o elaborar primeros borradores. Son tareas que pueden consumir decenas o cientos de horas profesionales. Si agentes especializados consiguen ejecutar una parte considerable de ese trabajo y presentar posteriormente sus conclusiones a un abogado para revisión, la productividad por profesional puede multiplicarse.
Esto no significa necesariamente que desaparezca el abogado. Puede ocurrir algo más interesante: una persona puede gestionar una cantidad de trabajo que anteriormente necesitaba varias. El profesional se desplaza hacia negociación, estrategia, interpretación, relación con el cliente, decisiones complejas y responsabilidad final, mientras las máquinas absorben una parte creciente de la preparación y procesamiento de información.
La consecuencia afectará inevitablemente al modelo económico de los despachos. Si un agente revisa en minutos documentación que anteriormente necesitaba veinte horas de un abogado junior, será cada vez más difícil justificar determinadas facturaciones basadas exclusivamente en tiempo. La transición desde tarifas horarias hacia precios por proyecto, suscripciones, resultados o valor generado puede acelerarse precisamente porque la IA rompe la relación tradicional entre horas empleadas y trabajo producido.
El modelo piramidal de los grandes despachos puede empezar a cambiar
Durante décadas, muchos despachos se han organizado mediante una pirámide. Un número relativamente pequeño de socios dirige a un grupo mayor de abogados senior, asociados y profesionales junior. Una parte importante del aprendizaje de los niveles iniciales consistía precisamente en realizar investigación, revisar documentos y preparar materiales que posteriormente eran supervisados por profesionales con mayor experiencia.
Si los agentes absorben progresivamente una parte de esas tareas, aparece una cuestión organizativa profunda: ¿cómo debe ser el despacho cuando una parte de la base de la pirámide está formada por inteligencia artificial?
No se trata únicamente de reducir plantilla. Los despachos tendrán que replantearse cómo forman a sus futuros socios. Si un abogado junior deja de pasar miles de horas revisando contratos y documentación, será necesario encontrar otras formas de desarrollar el conocimiento que anteriormente adquiría mediante ese trabajo. La IA puede aumentar enormemente la productividad y simultáneamente obligar a rediseñar la carrera profesional.
Pero Google no quiere quedarse en los abogados
La estrategia se entiende completamente cuando observamos el siguiente movimiento: servicios financieros. Google está trasladando la misma filosofía a Gemini Enterprise for Financial Services, orientado a mercados de capitales y banca corporativa. La plataforma contempla agentes especializados en investigación financiera, análisis de carteras, KYC, análisis de entidades, investigación de crédito y emisiones de bonos. En lugar de crear un Gemini completamente diferente, Google mantiene una infraestructura común y añade capacidades, conectores, datos y agentes específicos para cada industria.
En finanzas, por ejemplo, un agente puede analizar la resistencia de una cartera ante cambios de mercado y sugerir estrategias de cobertura; investigar estructuras corporativas complejas para identificar beneficiarios últimos durante procesos KYC; analizar información crediticia buscando oportunidades; o reducir de días a minutos parte del trabajo necesario para preparar documentación relacionada con una emisión de bonos.
La IA empieza así a penetrar en tareas mucho más próximas al núcleo económico de las organizaciones.
Google está conectando Gemini con las grandes fuentes de información financiera
Para que un agente financiero resulte realmente útil no basta con conocer información pública de internet. Necesita acceder a datos financieros fiables, actualizados, licenciados y auditables. Por eso la arquitectura financiera contempla integraciones con proveedores como FactSet, Dun & Bradstreet, LSEG, Moody’s, MSCI, PitchBook, S&P Global, SEC Edgar y otras fuentes.
Esto revela hacia dónde puede dirigirse la próxima batalla de la inteligencia artificial. El valor no estará únicamente en el modelo, sino en la combinación modelo + datos propietarios + herramientas + workflow + permisos.
Un banco no necesita simplemente un modelo capaz de escribir correctamente. Necesita un agente que conozca sus procedimientos internos, pueda consultar datos financieros autorizados, respete los permisos del usuario, documente qué fuentes utilizó y permita reconstruir posteriormente cómo llegó a una determinada conclusión.
Cuanto más crítica sea la decisión, menos suficiente será un chatbot convencional.
En banca aparece una exigencia fundamental: poder explicar lo que ha hecho el agente
Los servicios financieros introducen además una dificultad mucho mayor. Un sistema que recomienda una decisión de crédito, analiza una cartera o participa en procesos KYC necesita niveles extraordinarios de trazabilidad. Google está incorporando precisamente mecanismos de procedencia y explicabilidad en su Financial Research Agent: puntuaciones de confianza, metodologías explícitas, instantáneas de datos utilizadas durante el análisis y referencias precisas a las fuentes originales.
Este punto puede convertirse en una característica fundamental de la IA empresarial. Durante los primeros años de la IA generativa aceptábamos que el sistema proporcionara una respuesta. En procesos empresariales críticos será necesario poder preguntar por qué ha producido esa respuesta, qué información utilizó, cuándo la consultó y qué acciones realizó después.
La auditabilidad se convertirá progresivamente en una característica del producto, no únicamente en una exigencia de Compliance.
Aparece la arquitectura multi-modelo: utilizar la IA cara solamente cuando sea necesaria
Google plantea además una estrategia especialmente interesante desde el punto de vista económico. No todas las tareas necesitan el modelo más avanzado. Procesos administrativos de gran volumen pueden enviarse a modelos extremadamente rápidos y económicos, mientras los modelos de razonamiento más costosos se reservan para problemas complejos.
Esta arquitectura puede convertirse en el estándar empresarial. Un agente encargado de analizar una operación puede utilizar diferentes modelos durante el mismo workflow. Uno pequeño clasifica documentos, otro extrae información, otro realiza búsquedas y solamente cuando aparece una decisión compleja se llama a un modelo frontier.
La empresa deja entonces de comprar “un modelo” y empieza a gestionar una cartera de inteligencia.
El objetivo será conseguir el nivel mínimo de inteligencia necesario para completar correctamente cada tarea. Esto puede reducir radicalmente los costes cuando millones de operaciones son ejecutadas por agentes.
El verdadero producto de Google puede acabar siendo una fuerza de trabajo de IA gobernada
Aquí aparece probablemente la parte más importante de la estrategia. Gemini Enterprise no se está posicionando simplemente como otra aplicación de productividad. Google lo describe como una plataforma para construir, desplegar, gobernar y optimizar agentes empresariales conectados con los datos de la organización.
Eso significa que una compañía podría acabar gestionando cientos o miles de agentes desde una misma infraestructura. Unos trabajan para Legal, otros para Finanzas, Marketing, Recursos Humanos, Comercial, Compras o Tecnología. Cada agente tendría determinados permisos, herramientas, modelos y datos.
El concepto empieza a parecerse menos a comprar software y más a administrar una fuerza de trabajo digital.
Y esa fuerza de trabajo necesita algo muy parecido a lo que necesita la humana: identidades, permisos, responsabilidades, supervisión, evaluación y control.
El organigrama empresarial puede terminar incluyendo agentes
Imaginemos una gran multinacional dentro de cinco años. Tiene 20.000 empleados humanos y quizá decenas de miles de agentes ejecutando pequeñas tareas continuamente. Legal dispone de agentes para contratos y regulación. Finanzas tiene agentes de análisis, conciliación y reporting. Comercial dispone de agentes que investigan clientes y preparan propuestas. Compras utiliza otros para comparar proveedores. Tecnología tiene agentes de programación y ciberseguridad.
En ese entorno, una pregunta aparentemente extraña empieza a tener sentido: ¿quién dirige a los agentes?
Alguien tendrá que decidir qué permisos tienen, cuánto pueden gastar, qué modelos utilizan, qué KPI deben cumplir, qué acciones necesitan aprobación humana y cuándo deben retirarse.
La gestión empresarial puede incorporar progresivamente una nueva disciplina: AI Workforce Management.
Google quiere ocupar la capa situada entre los empleados y todas las aplicaciones empresariales
Esta es la ambición estratégica que puede existir detrás de Gemini Enterprise. Hoy un empleado trabaja directamente con diez o veinte aplicaciones diferentes: correo, CRM, ERP, documentos, hojas de cálculo, bases de datos y herramientas sectoriales. Mañana puede interactuar principalmente con un agente que utilice todas esas aplicaciones por él.
Si eso ocurre, la interfaz dominante del software empresarial cambia.
El trabajador ya no abre necesariamente cada aplicación. Explica lo que necesita conseguir y un agente utiliza las herramientas correspondientes.
Controlar esa capa de intermediación puede ser extraordinariamente valioso.
Microsoft quiere hacerlo mediante Copilot y su ecosistema empresarial. OpenAI está construyendo progresivamente su propia plataforma agéntica. Anthropic está avanzando en agentes profesionales y uso de ordenadores. Salesforce desarrolla Agentforce. Y Google está intentando convertir Gemini Enterprise en la infraestructura desde la que una organización despliega agentes especializados.
La próxima gran guerra del software empresarial puede no consistir en decidir qué aplicación utiliza cada empleado, sino qué plataforma de agentes controla el acceso a todas las demás aplicaciones.
Después de Legal y Finanzas llegarán prácticamente todos los sectores
La estrategia vertical acaba de comenzar. Si Google puede construir una infraestructura común y posteriormente añadir conocimiento, datos, conectores y agentes especializados, puede repetir la fórmula en salud, seguros, industria, energía, logística, retail, telecomunicaciones o administración pública.
Cada vertical necesita una combinación diferente de fuentes, reglas y workflows, pero la plataforma tecnológica puede permanecer en gran medida compartida.
Esto también explica por qué las compañías especializadas no necesariamente desaparecerán. Pueden integrarse dentro del ecosistema proporcionando agentes, datos o capacidades específicas. La cuestión será quién controla la capa principal desde la que se coordinan todos esos componentes.
Para los directivos, la pregunta cambia completamente
Durante los últimos años la pregunta habitual era: “¿qué herramienta de inteligencia artificial deberíamos comprar?”. La estrategia de Google demuestra que esa pregunta puede quedarse rápidamente anticuada.
La pregunta empieza a ser: ¿qué procesos completos queremos delegar a agentes, con qué datos podrán trabajar, qué aplicaciones podrán utilizar, qué nivel de autonomía tendrán y cómo vamos a gobernarlos?
Legal y servicios financieros son dos excelentes laboratorios porque combinan grandes cantidades de trabajo intelectual con información sensible, procesos repetitivos, elevados costes laborales y fuertes exigencias regulatorias. Si los agentes consiguen funcionar de forma fiable en estos sectores, su expansión hacia áreas menos reguladas puede ser todavía más rápida.
Google no está intentando simplemente vender Gemini a más abogados y banqueros. Está intentando convertir Gemini Enterprise en la infraestructura desde la que las compañías construyan y gobiernen una nueva fuerza de trabajo digital especializada.
Ese puede acabar siendo un negocio mucho mayor que el de los chatbots.
Para la alta dirección, entender esta transición será fundamental. La inteligencia artificial empresarial está evolucionando desde herramientas individuales hacia agentes, arquitecturas multi-modelo, automatización de procesos completos y nuevas estructuras organizativas. El Curso Superior en Inteligencia Artificial para Directivos (CSIAD) de THE INTELLIGENCE Institute prepara precisamente a los directivos para comprender estas tecnologías y liderar su implantación avanzada en las diferentes áreas de la empresa.
Descubre más desde THE INTELLIGENCE
Suscríbete y recibe las últimas entradas en tu correo electrónico.
