FluxCap busca pruebas contra los monopolios y promete a los abogados el equivalente a 20 empleados más

Cuando un pequeño equipo jurídico se enfrenta a una corporación con un presupuesto enorme, gestionar los documentos se convierte en un problema por sí mismo. Hay que leer la correspondencia, los registros de conversaciones y el material del caso, cotejarlos y convertirlos en pruebas. FluxCap propone incorporar IA a ese trabajo: localizar fragmentos relevantes y comprobar si un argumento resiste el escrutinio. Para desarrolladores y fundadores, resulta interesante la elección del problema: el producto se construye en torno a una tarea profesional concreta en la que una respuesta verosímil no basta.

Según The Verge, la startup fue creada por Jonathan Kanter, exdirector de la División Antimonopolio del Departamento de Justicia de Estados Unidos, y Doha Mekki, que anteriormente ejerció como directora interina de esa división. El equipo incluye a antiguos empleados del departamento e ingenieros de Palantir. Su primer ámbito de actividad son los litigios antimonopolio; después, la empresa prevé expandirse a otras áreas del derecho.

Encontrar un documento no basta: hay que entender el contexto

FluxCap utiliza tecnología propia junto con grandes modelos de lenguaje ya existentes. La plataforma está concebida principalmente para la investigación y el análisis: ayuda a localizar hechos relevantes para un caso, relacionarlos con sus fundamentos jurídicos y detectar lagunas en el razonamiento de los abogados. Otra de sus tareas es revisar los grandes volúmenes de material que las partes intercambian antes del juicio.

El ejemplo más claro del artículo está relacionado con el litigio contra Live Nation-Ticketmaster. Un cliente decidió cambiar a otra plataforma de venta de entradas. Durante una conversación, un directivo de Live Nation le recordó la existencia de un nuevo recinto que podría dificultar que el suyo consiguiera conciertos. El cliente lo interpretó como una amenaza de limitar su programación de conciertos si dejaba de utilizar el servicio de venta de entradas de la empresa.

Una conversación así es difícil de detectar mediante búsquedas por palabras clave. Puede que no contenga ninguna admisión explícita de presión. Su significado surge de la relación entre los servicios, la posición de los participantes y el momento de la conversación. Según Kanter, conseguir que el sistema captara precisamente ese tipo de matices fue especialmente difícil. El episodio explica el problema que aborda el producto, pero no demuestra por sí solo que FluxCap detecte con éxito esas situaciones.

El conocimiento especializado se convierte en parte del producto

Antiguos abogados del Gobierno pasaron meses probando el sistema con casos existentes e hipotéticos. Para un equipo de producto, es un detalle significativo: los expertos ayudan a determinar qué resultados son útiles, dónde el modelo ha pasado por alto una conexión importante y qué respuestas formuladas con seguridad llevan al abogado a un callejón sin salida.

El bufete Kressin Powers figura entre los primeros clientes mencionados. Kanter también habla de conversaciones con participantes públicos y privados en procedimientos antimonopolio. Su promesa es aportar a un pequeño equipo una capacidad de trabajo adicional comparable a la de más de veinte empleados trabajando las veinticuatro horas.

Esa estimación debe interpretarse como una afirmación del cofundador. El material proporcionado no incluye una comparación independiente de productividad, métricas de precisión ni una descripción de la metodología utilizada para calcular esa equivalencia. Tampoco se revelan los precios, los modelos concretos ni las condiciones para trabajar con documentos confidenciales. Por tanto, una sola publicación no permite evaluar la viabilidad económica de su adopción.

Para los fundadores, aquí hay una hipótesis de producto que se puede comprobar: los clientes están dispuestos a pagar por ayuda en tareas costosas y laboriosas si el servicio comprende suficientemente bien el contexto profesional. Pero contar con abogados experimentados en el equipo no sustituye la medición de la calidad.

Qué comprobar en tu propio producto de IA

Si estás desarrollando un asistente para una profesión compleja, empieza por un conjunto de situaciones de trabajo. Incluye casos en los que el significado relevante se encuentre en las conexiones entre documentos, así como ejemplos que parezcan convincentes pero no respalden la conclusión. Después, comprueba con los usuarios qué errores cambian realmente una decisión.

En una herramienta jurídica, resulta especialmente útil evaluar la conexión entre las conclusiones y los materiales originales: ¿puede un profesional encontrar rápidamente el fundamento, verificar el contexto y descartar una interpretación incorrecta? Esta es una conclusión práctica derivada del problema descrito; el artículo no confirma cómo se implementa ese control en FluxCap.

Kanter reconoce que la tecnología no elimina la falta de financiación ni de personal. Por eso, la siguiente pregunta de fondo para FluxCap es cuánto tiempo ahorra el servicio en un caso concreto y cuántos hechos importantes pasa por alto. Las respuestas mostrarán si el conocimiento especializado del equipo se traduce en una ventaja duradera para el producto.