La noticia que cambia el punto de partida
El 24 de agosto, Harvey y PacerPro anunciaron una integración para conectar datos de expedientes judiciales con flujos de trabajo de litigios asistidos por inteligencia artificial. Según la noticia original publicada por LawNext, los equipos que trabajan en Harvey podrán acceder al registro completo de sus litigios, incluyendo presentaciones anteriores, causas activas y contexto del expediente. PacerPro recopila información de tribunales estatales y federales, mientras Harvey la incorpora a sus procesos de análisis y producción de trabajo.
La novedad no es solamente que una herramienta de IA pueda resumir escritos. Lo importante es que el modelo se conecta con la fuente operativa del caso: el expediente y sus movimientos. La IA deja de trabajar sobre un documento aislado que alguien subió manualmente y empieza a trabajar sobre información vinculada al asunto que el estudio realmente gestiona.
Para un estudio jurídico, el punto central es este: la ventaja no está en tener un chatbot que redacte mejor, sino en reducir la distancia entre lo que ocurre en una causa y la acción que el equipo debe tomar.
El problema concreto de gestionar causas con Excel y WhatsApp
En muchos estudios, el estado real de un expediente está repartido entre el sistema judicial, una planilla de Excel, mensajes de WhatsApp y la memoria del abogado que lleva el caso. Un vencimiento puede estar anotado en una agenda personal; una cédula puede haber llegado a un grupo; una instrucción del socio puede quedar enterrada entre otros mensajes.
Ese esquema funciona mientras el volumen es bajo y las personas clave están disponibles. Cuando el estudio crece, aparecen los riesgos: plazos que no se cargan, tareas duplicadas, falta de trazabilidad y socios que deben preguntar constantemente “¿en qué quedó esta causa?”.
La integración anunciada por Harvey y PacerPro apunta justamente a conectar el dato del expediente con el flujo de trabajo. No significa que una IA deba decidir sola una estrategia procesal. Significa que puede detectar información relevante, relacionarla con el caso correcto y preparar el siguiente paso para revisión humana.
Por ejemplo, si un estudio lleva 80 expedientes laborales, un sistema integrado podría identificar nuevas presentaciones, asociarlas con cada cliente, extraer fechas relevantes y generar una tarea para el abogado responsable. El socio recibiría una vista de excepciones: vencimientos próximos, movimientos sin revisar o casos que requieren aprobación. Ya no tendría que pedirle a cada abogado una actualización manual.
Cómo se traduce en una operación real
La misma lógica puede aplicarse aunque las fuentes y los sistemas judiciales sean distintos. Un estudio puede comenzar con un circuito acotado: recepción de documentos, clasificación por expediente, extracción de plazos y asignación de responsables.
Supongamos que llega por correo una notificación judicial en PDF y, además, un mensaje del cliente por WhatsApp. La automatización puede leer el documento, identificar la causa y el tipo de presentación, registrar la fecha de recepción, calcular el vencimiento según las reglas definidas por el estudio y crear una tarea. Si falta información, puede pedirla al equipo interno. Si el plazo es crítico, puede escalarlo al socio.
La aprobación sigue estando en manos de una persona. Antes de enviar un escrito, contestar una demanda o comunicar una estrategia al cliente, el abogado revisa el contenido y confirma la acción. La IA organiza y acelera; no reemplaza el criterio profesional ni la responsabilidad del letrado.
Este enfoque también ordena el intake de clientes nuevos. Cuando una consulta incluye varios documentos y antecedentes, un agente puede extraer partes, fechas, tribunales y actores, detectar información faltante y preparar un resumen para que el estudio decida si toma el caso. Todo queda asociado a un registro, no distribuido entre conversaciones aisladas.
La idea se relaciona con dejar Excel y WhatsApp atrás en la gestión legal, pero con una precisión importante: no alcanza con reemplazar una planilla por otra aplicación. El valor aparece cuando la información entra, se interpreta, dispara una tarea y queda trazable hasta su aprobación.
El primer paso no es comprar una herramienta
Antes de automatizar, el socio debería mapear un proceso específico. Por ejemplo: seguimiento de vencimientos en fueros determinados, aprobación de entregables para clientes corporativos o clasificación inicial de nuevas consultas.
Después hay que definir las fuentes autorizadas, las reglas de cálculo, los responsables y las excepciones. También se deben establecer controles: registro de cada acción, permisos por rol, revisión obligatoria y un mecanismo claro para corregir errores.
Un buen piloto no intenta automatizar todo el estudio. Puede tomar 20 expedientes, medir cuántos movimientos se detectan, cuánto tiempo se ahorra en la carga manual y cuántas alertas requieren corrección. Si el resultado mejora la visibilidad de los plazos sin sumar tareas administrativas, hay una base concreta para escalar.
La noticia de Harvey y PacerPro muestra hacia dónde se mueve el mercado legal: de asistentes que responden preguntas a sistemas que conectan datos, contexto y ejecución. Para un estudio, la pregunta ya no es si la IA puede resumir un expediente. Es si la operación actual permite actuar a tiempo cuando el expediente cambia.
Preguntas frecuentes
¿Una IA puede calcular y controlar vencimientos judiciales? Puede extraer fechas y generar alertas, pero el estudio debe definir las reglas aplicables y mantener una revisión profesional antes de tomar decisiones procesales.
¿Hay que abandonar Excel y WhatsApp de un día para el otro? No. Conviene comenzar con un proceso puntual y centralizar gradualmente la información crítica, evitando que Excel o WhatsApp sean la única fuente del estado de una causa.
¿La IA puede enviar escritos o responder al cliente sin aprobación? Técnicamente puede preparar borradores y mensajes, pero en un estudio jurídico responsable las acciones sensibles deben requerir aprobación explícita y quedar registradas.
¿Cómo se mide si la automatización funciona? Con indicadores concretos: vencimientos detectados a tiempo, horas de carga manual ahorradas, tareas duplicadas eliminadas y porcentaje de entregables aprobados sin retrabajo.