Economías de escala en servicios legales: cómo la IA está cambiando la forma de crecer

Durante décadas, el crecimiento de una empresa de servicios legales, como lo podría ser un despacho de abogados o gestoría, ha seguido una ecuación bastante predecible: más clientes significan más trabajo; más trabajo significa más abogados; y más abogados significan más costos.

Si una firma necesita diez profesionales para gestionar cien asuntos al mes, probablemente tendrá que aumentar su equipo para gestionar doscientos. Si luego quiere atender quinientos, tendrá que volver a hacerlo. Bajo esta lógica, el crecimiento del negocio queda inevitablemente ligado al crecimiento de la dotación, porque atender a más clientes, manteniendo los tiempos de respuesta y la calidad del servicio, exige incorporar cada vez más capacidad humana.

Los ingresos aumentan, pero los costos los persiguen muy de cerca.

Esta característica no es exclusiva del sector legal. Es propia de buena parte de la economía de servicios. Sin embargo, esta realidad contrasta fuertemente con lo que hemos visto durante décadas en una industria vecina, la industria del software.

Una empresa de software puede invertir una cantidad considerable de recursos en desarrollar un producto y, una vez construido, distribuirlo entre cien, mil o cien mil usuarios sin multiplicar proporcionalmente sus costos. Atender al usuario número 10.001 no exige necesariamente contratar una persona adicional. Esto es lo que se conoce como economías de escala.

Esa diferencia explica buena parte del extraordinario potencial de escalabilidad de los negocios digitales, hacia los que ahora miran (o deberían) las empresas de servicios.

Este tema ha adquirido especial relevancia en los últimos años con el avance de la inteligencia artificial, una tecnología que está comenzando a introducir parte de esta lógica en los servicios profesionales y, particularmente, en la industria legal. Pero ¿qué tienen que ver exactamente las economías de escala con los servicios legales?

En términos simples, existen economías de escala cuando el costo promedio de producir una unidad disminuye a medida que aumenta el volumen de producción. Una fábrica, por ejemplo, puede conseguirlo distribuyendo sus costos fijos entre una mayor cantidad de productos, del mismo modo que una empresa de software puede distribuir el costo de desarrollar una plataforma entre miles o incluso millones de usuarios.

Esta lógica ha sido históricamente más difícil de aplicar en los servicios legales porque su principal capacidad productiva ha estado en las personas: en su tiempo y en el conocimiento que concentran. Un abogado dispone de una cantidad limitada de horas. Puede mejorar su productividad, pero existe un límite físico. Si cada nuevo cliente requiere cinco horas adicionales de trabajo profesional, cien nuevos clientes representan quinientas horas que alguien tendrá que ejecutar.

Por eso muchas firmas funcionan bajo una estructura casi lineal: más clientes → más horas → más abogados → más costos.

La pregunta, entonces, es: ¿qué ocurre cuando parte de esas horas puede dejar de depender exclusivamente de las personas?

Aquí aparece una de las posibilidades más interesantes que abre la inteligencia artificial: construir capacidad sin necesariamente tener que contratarla.

Clasificar documentos, extraer información, comparar contratos, preparar borradores, resumir antecedentes, estructurar información entregada por un cliente, generar comunicaciones o preparar reportes son actividades que tradicionalmente han consumido horas de trabajo profesional. Hoy, parte de ellas puede ser ejecutada mediante inteligencia artificial, automatizaciones y agentes, mientras la intervención humana se concentra en supervisar, gestionar excepciones y tomar aquellas decisiones que efectivamente requieren criterio profesional.

Esto no significa que el costo marginal desaparezca. La IA también tiene costos asociados: licencias, infraestructura, consumo, integración, mantenimiento y control. De hecho, existe una creciente discusión sobre los costos reales de producir y operar esta tecnología y sobre cómo estos podrían terminar trasladándose progresivamente a sus usuarios. Volveré sobre este punto más adelante.

Por ahora, lo relevante es que la IA permite algo económicamente mucho más interesante: desacoplar parcialmente el crecimiento del negocio del crecimiento de la dotación.

Una empresa legal podría aumentar considerablemente determinados volúmenes de trabajo sin aumentar su estructura humana en la misma proporción. Thomson Reuters identifica precisamente una estrategia denominada AI to Scale: utilizar la productividad generada por IA para aumentar el volumen de trabajo manteniendo supervisión humana. La identifica especialmente en trabajos repetibles como revisión contractual, due diligence y acuerdos comerciales estandarizados.

Este es un buen ejemplo para entender la diferencia entre eficiencia y escala. Darle IA a un abogado no necesariamente genera escala. Si un abogado tarda tres horas en preparar un documento y, gracias a la IA, logra hacerlo en una, hemos mejorado significativamente su productividad. Es, sin duda, un avance importante, pero seguimos teniendo a una persona a cargo del proceso, solo que ahora trabaja más rápido.

La verdadera oportunidad aparece cuando dejamos de pensar la IA exclusivamente como una herramienta para aumentar la productividad individual y comenzamos a incorporarla en la arquitectura operacional del servicio. Es ahí donde la eficiencia puede comenzar a transformarse en escala.

Imaginemos otro escenario. El cliente entrega sus antecedentes mediante un formulario estructurado. El sistema clasifica el caso, la IA analiza los documentos, extrae la información relevante y detecta antecedentes faltantes. A partir de ello, genera un primer resultado que un profesional revisa cuando se requiere criterio jurídico. Las comunicaciones continúan desde el mismo flujo y los datos generados alimentan automáticamente los indicadores de gestión.

En ese modelo ya no tenemos simplemente abogados utilizando IA. Tenemos un sistema de prestación de servicios legales diseñado para escalar y esa diferencia es enorme.

Aquí surge un concepto clave para pensar el nuevo modelo de negocio de los servicios legales: la productización. Es decir, pasar de entender el servicio como un trabajo artesanal, construido desde cero para cada cliente, a diseñarlo con lógica de producto.

Para aprovechar las economías de escala necesitamos reconocer algo que muchas firmas todavía se resisten a aceptar: no todo trabajo jurídico necesita ser construido desde cero. Existe trabajo complejo, estratégico y excepcional donde la personalización y el criterio profesional son precisamente aquello por lo que paga el cliente, pero también existe una enormey mayoriatira cantidad de trabajo repetible.

Cuando existe repetición podemos identificar patrones. Cuando identificamos patrones podemos estandarizar. Cuando estandarizamos podemos construir procesos. Y cuando tenemos procesos podemos automatizar partes de ellos. La ecuación es simple: Repetición → estandarización → proceso → automatización → escala.

Por eso, la conversación sobre innovación y desarrollo en los servicios legales no debería comenzar por la inteligencia artificial, sino por entender cómo producimos hoy nuestros servicios: ¿cuál es nuestra cadena productiva?, ¿la conocemos realmente?, ¿sabemos dónde se genera valor y dónde existen oportunidades para estandarizar, automatizar y escalar?

Ahora bien, el tiempo no es el único factor que diferencia un servicio artesanal de uno diseñado para aprovechar economías de escala. El conocimiento que vive en la cabeza de las personas también puede convertirse en infraestructura.

En una firma tradicional, buena parte de la capacidad está concentrada en las personas. Un abogado sabe cómo revisar determinado documento; otro, qué preguntas hacer al cliente; otro conoce los criterios para clasificar un asunto o cuándo escalarlo. Sin embargo, muchas veces ese conocimiento ni siquiera está documentado.

Una organización escalable hace algo diferente: extrae parte de ese conocimiento de las personas y lo incorpora al sistema.

Lo convierte en procesos, bases de conocimiento, reglas, playbooks, automatizaciones y agentes. El conocimiento profesional sigue siendo indispensable, pero deja de depender completamente de que una persona recuerde y ejecute el procedimiento cada vez.

Ahora, ojo: la inteligencia artificial tampoco es gratis

Aquí aparece una variable que no deberíamos perder de vista. Aplicar economías de escala mediante IA no significa sustituir un costo variable por costo cero. Cada vez que un sistema procesa información, genera una respuesta o ejecuta un agente, existe consumo de cómputo que normalmente termina expresándose, directa o indirectamente, en los famosos tokens y la evolución de ese costo es más compleja de lo que parece.

Por un lado, producir una determinada capacidad de IA se ha vuelto muchísimo más barato. El AI Index de Stanford mostró que alcanzar un nivel de rendimiento equivalente a GPT-3.5 pasó de costar alrededor de US$20 por millón de tokens en 2022 a US$0,07 en 2024, una reducción superior a 280 veces. Pero al mismo tiempo estamos utilizando modelos más potentes, contextos más largos y sistemas agénticos que pueden realizar múltiples llamadas al modelo para completar una sola tarea. El resultado es paradójico: el token puede abaratarse mientras la factura total de IA aumenta.

McKinsey señalaba en 2026 que el gasto empresarial en grandes modelos de lenguaje se había triplicado en doce meses y que el 93% de los participantes cualificados de una encuesta de AI FinOps reportaba haber superado sus presupuestos de IA.

Además, los modelos de frontera continúan exigiendo enormes inversiones en infraestructura. El reciente folleto de salida a bolsa de Anthropic, por ejemplo, mostró que más de la mitad de sus US$12.650 millones de gasto operacional de 2025 estuvo relacionado con computación e infraestructura.

Por eso, si queremos trasladar las economías de escala al negocio legal, tendremos que comenzar a mirar una métrica que hasta hace poco nos resultaba completamente ajena: cuánto cuesta la inteligencia necesaria para producir cada servicio.

No bastará con comparar personas versus IA. Habrá que medir costo por asunto, consumo de tokens, modelo utilizado, cantidad de ejecuciones y retorno económico de cada automatización. La IA puede ayudarnos a desacoplar crecimiento y contratación, pero eso no elimina la estructura de costos: la transforma.

Esta transformaciioón profundiza una discusión que ya está tomando cada vez más espacio y que cuestiona la forma en que tradicionalmente hemos cobrado por servicios legales. Si conseguimos producir en veinte minutos algo que antes requería tres horas, ¿tiene sentido seguir definiendo su precio exclusivamente según el tiempo necesario para producirlo?

En 2026, el 71 % de los profesionales jurídicos in-house encuestados por Thomson Reuters esperaba que las firmas externas modificaran sus modelos comerciales a medida que aumentara el uso de IA. Sin embargo, solo el 28 % de las firmas declaraba haber realizado cambios en su estructura de precios como respuesta a ella.

La tensión es evidente. La tecnología reduce el tiempo necesario para producir determinados resultados, mientras buena parte de la industria continúa vendiendo precisamente ese tiempo.

La economía de escala empuja hacia otros modelos: precios fijos, servicios paquetizados, suscripciones, productos legales y combinaciones entre software y asesoría profesional.

Por eso utilizar IA difícilmente constituirá, por sí solo, una ventaja competitiva sostenible. La ventaja estará en lo que una organización construya con ella: sus procesos, datos, conocimiento estructurado, integraciones, automatizaciones y experiencia de cliente.

Una firma que simplemente entregue herramientas de IA a sus abogados probablemente conseguirá profesionales más productivos, en cambio, ana empresa legal que rediseñe su modelo operacional alrededor de procesos, tecnología e inteligencia artificial puede conseguir algo bastante más importante: crecer sin que sus costos crezcan al mismo ritmo.