Claude contra YandexGPT: una IA está bien, dos son 2,5 veces más seguras

Imagine que confía la revisión de un contrato de varios millones a un becario que se esfuerza mucho, pero que a veces se duerme a mitad de página. Más o menos así era, hasta ayer, trabajar con documentos legales a través de una sola red neuronal. La idea de usar LLM para encontrar «trampas» en los contratos no es nueva, pero hasta hace poco chocaba con una realidad dura: las alucinaciones y la simple falta de atención de los modelos a los detalles. Cuando hay en juego sanciones o condiciones de suministro abusivas, la frase «perdone, solo soy una IA» no salva el presupuesto de la empresa.

La situación cambió cuando los entusiastas empezaron a alejarse del concepto de «un botón, una respuesta». Un experimento reciente para crear un analizador de contratos mostró que apostar por el YandexGPT nacional estaba justificado por su accesibilidad, pero era insuficiente para una auditoría de calidad. El modelo ruso encontraba riesgos básicos, pero pasaba por alto matices jurídicos sutiles que pueden costar millones. La solución llegó con una arquitectura híbrida que incorporó a Claude, de Anthropic. Eso convirtió el sistema de un juguete curioso en una herramienta que realmente puede competir con un abogado junior.

La esencia de la nueva arquitectura es la validación en dos capas. La primera es un tándem de dos LLM distintos. Resultó que Claude ve el mundo de forma diferente a YandexGPT.

En un mismo contrato de suministro, Claude encontró 27 riesgos potenciales, mientras que el modelo ruso se quedó en once. Esa diferencia no se explica solo por el volumen de datos de entrenamiento, sino también por la capacidad del modelo de mantener un contexto largo y construir cadenas lógicas entre cláusulas dispersas del documento. Sin embargo, incluso dos redes neuronales siguen conllevando riesgo de alucinaciones.

Para minimizar errores, el desarrollador añadió una segunda capa: 25 detectores de texto rígidos escritos en código. Estos algoritmos verifican las «matemáticas» detrás de la red neuronal: plazos, importes, secuencia de fechas. Si la IA dice que con los plazos del contrato todo está en orden, pero un detector ve una contradicción entre las cláusulas 5.

1 y 8.4, el sistema da la alarma.

Este enfoque resuelve el principal problema de la adopción corporativa de la IA: la desconfianza. Cuando el sistema no se limita a emitir un veredicto, sino que lo confirma mediante una verificación cruzada de dos modelos independientes y de código, la confianza de las empresas crece. La economía es sencilla: la revisión manual de un contrato complejo le lleva a una persona de dos a cuatro horas.

El sistema lo hace en un par de minutos. Además, el costo de una consulta a las API de Claude y YandexGPT sumadas es de centavos comparado con la tarifa por hora de un abogado profesional. La ganancia principal no es ni siquiera la velocidad, sino la eliminación del factor humano.

El ojo cansado de un abogado a las siete de la tarde puede no notar la ausencia de una coma que cambia la parte responsable; el algoritmo no se cansa.

Curiosamente, este caso pone de relieve una tendencia importante del sector: la era de los «chatbots universales» en los negocios está terminando. Llega el tiempo de los pipelines hiperespecializados, donde cada modelo cumple su papel. YandexGPT puede encargarse muy bien del filtrado inicial o del resumen en ruso, mientras que Claude asume el trabajo lógico pesado. Usar API extranjeras dentro del perímetro ruso sigue siendo un desafío legal y técnico para muchas empresas, pero los resultados muestran que el esfuerzo vale la pena. Una brecha de casi tres veces en la calidad del análisis es demasiado grande para ignorarla.

En el futuro, sistemas como este se convertirán en el estándar de facto de cualquier departamento jurídico. Vamos hacia un escenario en el que un contrato no se firmará hasta que pase por el «tamiz» de tres o cuatro modelos distintos y decenas de comprobaciones automáticas. Eso no significa que los abogados se queden sin trabajo. Significa que ya no tendrán que gastar su vida buscando erratas en las cláusulas de fuerza mayor y podrán dedicarse a tareas estratégicas realmente complejas. Por ahora, vemos cómo un «zoo» de modelos supera a las soluciones monolíticas.

Lo principal: la eficacia de las herramientas de IA en los negocios depende hoy directamente de saber combinar distintos modelos y respaldarlos con código clásico. ¿Podrá YandexGPT-4 alcanzar a sus competidores en lógica jurídica, o la combinación de varios modelos seguirá siendo la única opción viable?