Última actualización: 4 de noviembre de 2026
Si tu despacho, asesoría o gestoría maneja información de clientes, ya sabes por qué dudas de la IA: ¿cómo compruebo que funciona bien sin que nadie vea esos datos? Hay un método que usan los equipos que construyen agentes para abogados, y tu empresa puede replicarlo con tres piezas: escenarios simulados, un experto de tu sector y métricas agregadas.
¿Por qué la confidencialidad bloquea a tantas empresas de servicios?
Porque las dos preocupaciones que oímos a diario en despachos, asesorías y gestorías son la misma en el fondo: "no quiero que los datos de mis clientes salgan de aquí" y "no sé si la herramienta acierta". Una alimenta a la otra. Si no puedes enseñar documentos reales a nadie, parece imposible medir la calidad, y entonces la decisión se toma por fe en el proveedor.
Es un freno razonable. Un secreto profesional no se negocia, y el RGPD obliga a tratar los datos personales con garantías. Pero la conclusión habitual, "mejor no tocar la IA", sale cara: mientras tanto, tu equipo dedica horas a revisar contratos, conciliar facturas o resumir expedientes que un agente podría preparar. La salida no es renunciar, es aprender a evaluar sin mirar el dato real.
¿Cómo prueba un agente una empresa que no puede ver los datos de sus clientes?
Hay un caso muy instructivo en el sector legal. Legora, una plataforma de IA para despachos de abogados, ha explicado que no puede leer ni una sola traza de lo que su agente hace para un abogado, porque la información pertenece a los clientes del despacho. Aun así, ha logrado mejorar el producto de forma sostenida. Según la propia compañía, en una sola versión la precisión de las citas pasó del 70% al 99%, y la herramienta ya permite revisar hasta 10.000 contratos en una tabla. También estima que en torno al 60% del trabajo legal está al alcance de los modelos actuales, una cifra que conviene tomar como orden de magnitud y no como promesa para tu caso.
¿Cómo lo consigue sin ver los datos? Con tres decisiones que cualquier pyme puede copiar:
- Entornos de prueba simulados, construidos a partir de cómo es el trabajo real pero con documentos inventados.
- Expertos del sector dentro del proceso de evaluación: abogados que juzgan si la respuesta es útil y correcta.
- Resúmenes agregados de los fallos, en lugar de leer conversaciones concretas: los errores se agrupan en 10 o 20 tipos y se corrigen por tipos.
¿Qué necesitas para montar tu propia batería de pruebas?
No hace falta un equipo de ingeniería. Necesitas material y criterio:
| Pieza | Qué es | Quién la hace |
|---|---|---|
| Casos de prueba | 20 a 50 situaciones realistas con datos ficticios | Tu equipo, con ayuda externa si hace falta |
| Respuesta de referencia | Qué contestaría un profesional experto en cada caso | Tu mejor profesional, una sola vez |
| Criterio de corrección | Qué cuenta como acierto, error leve y error grave | Tú, por escrito |
| Registro de resultados | Una hoja con porcentaje de aciertos por tipo de caso | Cualquiera del equipo |
Un ejemplo hipotético, no un caso real de cliente. Imagina una asesoría fiscal de 12 personas que quiere un agente para clasificar facturas de gastos. En lugar de dar acceso a la contabilidad de sus clientes, prepara 40 facturas ficticias: algunas claras, otras con IVA mal desglosado, otras con conceptos mixtos de gasto personal y profesional. Su mejor profesional anota cómo clasificaría cada una. Se pasa el agente por las 40 y se mide el acierto.
¿Cómo se mide la calidad sin discutir por impresiones?
Con pocas métricas y siempre por categorías. Si en las 40 facturas del ejemplo el agente acierta 38, el 95% suena bien, pero lo que importa es dónde falla. Si los dos errores son facturas con gasto mixto, ya sabes que esa categoría necesita siempre revisión humana y que el resto se puede automatizar con una supervisión ligera.
Nuestra recomendación es medir tres cosas:
- Acierto por tipo de caso, no un porcentaje global que esconde los fallos graves.
- Gravedad del error: equivocarse en un resumen no es lo mismo que equivocarse en un importe o una cita legal.
- Evolución entre versiones: repetir las mismas pruebas cada vez que cambies de modelo, de instrucciones o de proveedor. Es lo que permite saber si un cambio mejora o empeora, y es lo que hizo posible el salto de precisión que mencionábamos antes.
Con esa batería tienes algo más valioso que una demo: un criterio propio para decidir, y un argumento sólido cuando un proveedor te asegura que "funciona muy bien".
¿Qué garantías de privacidad debes exigir al proveedor?
La evaluación con datos ficticios resuelve la parte de calidad, pero la parte de privacidad también se exige por escrito. Antes de meter un solo dato real, comprueba estos puntos:
- Dónde se procesan los datos y en qué región. Hay proveedores que permiten elegir infraestructura europea.
- Si se usan para entrenar modelos. Debe constar que no.
- Quién puede ver las conversaciones dentro del proveedor, y con qué registros de acceso.
- Qué ocurre al terminar el contrato: borrado y plazos.
- Contrato de encargado del tratamiento conforme al RGPD y revisión de cómo encaja con el Reglamento Europeo de IA. Si necesitas orientación, tenemos un servicio de asesoramiento legal en IA y una guía de cumplimiento del AI Act.
Un último matiz práctico: algunos proveedores ofrecen elegir el modelo según el trabajo, con un equilibrio entre coste y calidad. Con tu batería de pruebas puedes decidir con datos si un modelo más barato basta para tareas sencillas y reservar el más potente para las delicadas.
¿Cómo empezar esta misma semana?
Sin proyecto ni presupuesto grande:
- Elige una tarea repetitiva y delimitada, por ejemplo clasificar documentos, resumir expedientes o extraer cláusulas.
- Prepara 20 casos ficticios con la ayuda de tu profesional más experto y anota la respuesta correcta de cada uno.
- Pasa las pruebas a la herramienta que estés valorando y apunta aciertos y errores por tipo.
- Decide con la tabla en la mano: automatizar lo que acierta, revisar siempre lo que falla y descartar al proveedor que no supere tu batería.
Si quieres un punto de partida más amplio, en nuestro diagnóstico de IA antes de invertir explicamos cómo priorizar procesos, y en una auditoría de IA preparamos contigo la batería de pruebas y las condiciones de privacidad para tu sector. Reserva 30 minutos con nosotros y te ayudamos a definir tus primeros 20 casos de prueba.