Daniel S. Acevedo Sánchez | Linkedin.
Consultor experto en transformación digital – Tax, Finance & Legal

Constantemente estamos buscando la siguiente ventaja competitiva: lo que nos hará más eficientes, más rápidos, más enfocados; lo que sea que nos sirva para que los clientes nos consideren mucho más valiosos frente al exigente entorno competitivo. Ahí es donde entra la inteligencia artificial (IA) y más exactamente la IA generativa que ha irrumpido con fuerza, prometiendo revolucionar nuestros flujos de trabajo. Sin embargo, en esta oportunidad nos enfocaremos no en la discusión de las herramientas en sí mismas, sino en cómo usarlas para potenciar el factor humano detrás de ellas. Este artículo se concentrará entonces en hablar acerca de una de las habilidades imprescindibles en el contexto actual para que nosotros como abogados lo podamos extraer el valor real a esta tecnología.

¿Qué es el ‘prompt engineering’ y por qué debería importarte?

Olvídate de la idea de que necesitas “aprender a programar”. Los profesionales en Derecho no tienen que aprender a programar para sacarle partido y usar correctamente la tecnología. El prompt engineering, en su esencia más práctica, es el arte y la ciencia de traducir nuestro juicio legal experto, ese conocimiento tácito acumulado, en instrucciones claras y estructuradas que una máquina pueda comprender y ejecutar de manera consistente.

Pensemos en el proceso de revisión de un contrato: cuando identificas una cláusula de indemnización desequilibrada, no operas por puro instinto. Detrás hay un razonamiento basado en tu experiencia, la tolerancia al riesgo del cliente, precedentes, pensemos como en un playbook mental. El prompt engineering te desafía a hacer explícito ese proceso cognitivo. Te pide documentarlo, estructurarlo y convertirlo en una lógica aplicable por la IA.

Esto transforma nuestro rol. Ya no se trata solo de ser un buen abogado en la ejecución individual de tareas; se trata de convertirnos en arquitectos de sistemas legales. Diseñamos cómo se realiza el trabajo legal de manera escalable y eficiente. Y eso, desde mi perspectiva, no es una degradación de la profesión, sino una elevación hacia un rol más estratégico y de mayor impacto.

Retomemos el ejemplo: identificas una cláusula de indemnización que consideras “desequilibrada” en un contrato. Esa conclusión no surge de la nada; es el resultado de un proceso mental complejo que, aunque posiblemente ya es natural para ti por ser un experto o experta con años de práctica, detrás de esa valoración, hay capas de razonamiento basadas en:

- El contexto del cliente y del negocio: ¿Cuál es el perfil de riesgo aceptado por tu cliente o tu empresa? ¿Estamos ante un contrato de proveedor de bajo riesgo o una alianza estratégica de alto valor? ¿Es un acuerdo estándar o una negociación a medida? La respuesta a estas preguntas ajusta los parámetros de lo que consideramos “aceptable” o “desequilibrado”.

- Precedentes y estándares de mercado: ¿Qué hemos negociado y aceptado en contratos similares anteriormente? ¿Qué se considera práctica habitual o razonable en esta industria o para este tipo de contraparte?

- El playbook interno: Muchas organizaciones cuentan con guías o playbooks que definen posiciones estándar, límites de negociación (fallbacks) y puntos innegociables (deal-breakers) para cláusulas clave. La cláusula se compara mentalmente contra estas directrices internas, incluso no tengas un playbook explícito, en tu cabeza sabes cuáles son los parámetros base para la negociación.

- Análisis específico de la cláusula: examinamos detalles concretos: ¿Es unilateral o recíproca? ¿Cubre negligencia simple o solo negligencia grave/dolo? ¿Incluye daños indirectos o consecuenciales? ¿Existen topes (caps) monetarios y son razonables? ¿Hay exclusiones (carve-outs) estándar?

Todo este análisis, que un profesional en Derecho experimentado realiza casi en segundos, es lo que el prompt engineering busca descomponer y estructurar. No se trata solo de decirle a la IA “revísame este contrato”, sino de darle las reglas precisas para que precisamente pueda ayudarte con esa tarea. Recuerda que la IA por sí sola no tiene contexto y no sabe qué es lo que quieres hacer si no se lo pides explícitamente.

Estructurando el ‘prompt’ para la revisión de indemnización

Imaginemos que queremos usar una herramienta de IA para asistir en la revisión de esta cláusula. Un prompt bien diseñado podría verse algo así:

Prompt: “Analiza la cláusula XXX (indemnización) del presente contrato de prestación de servicios de consultoría regido por la ley colombiana, para nuestro cliente (nombre del cliente) cuyo perfil de riesgo es (medio/bajo). Compara la cláusula con nuestro playbook interno v.3.0 y marca las siguientes desviaciones como de ‘alto riesgo’, ‘medio riesgo’ o ‘bajo riesgo’:

(Alto riesgo): si la indemnización que debemos otorgar es unilateral (no recíproca).

(Alto riesgo): si la indemnización cubre daños indirectos, lucro cesante o pérdida de datos, más allá de lo estipulado en la sección y del playbook.

(Alto riesgo): si la indemnización no tiene un tope monetario explícito o si este excede el (valor)% del valor total del contrato, según la regla Z del playbook.

(Medio riesgo): si faltan las exclusiones estándar por negligencia grave o dolo de la contraparte.

(Bajo riesgo): si el lenguaje difiere de nuestra cláusula modelo preferida (anexo A del playbook), pero el fondo es aceptable según las posiciones de fallback (anexo B).

- Output requerido: Genera una tabla resumen con: (1) texto exacto de la parte problemática de la cláusula, (2) tipo de riesgo identificado (alto/medio/bajo), (3) regla específica del playbook infringida o desviación detectada, (4) sugerencia de redacción alternativa basada en la posición de fallback del playbook”.

¿Qué logramos con este enfoque?

Explicitación del conocimiento tácito: obligamos a definir claramente los criterios que usamos para evaluar la cláusula. Este ejercicio de por sí ya es valioso, porque mejora nuestros propios procesos y playbooks, independientemente de la IA.

Instrucciones precisas: le damos a la máquina reglas concretas y contexto relevante para que su análisis sea útil y alineado con nuestra estrategia legal y de negocio. No estamos pidiendo que la IA “piense” como un abogado, sino que aplique reglas definidas por abogados.

Consistencia y escalabilidad: aseguramos que la revisión inicial siga siempre los mismos criterios definidos, independientemente de quién la realice o del volumen de contratos. La IA aplica la “receta” que hemos diseñado de forma estandarizada.

Eficiencia focalizada: la IA realiza el trabajo pesado de identificación y comparación inicial, liberando tiempo del abogado para centrarse en el análisis estratégico de los puntos marcados, la negociación y la toma de decisiones finales. El abogado pasa de ser un mero ejecutor de la revisión a ser el supervisor y estratega del proceso.

Este proceso de descomponer el razonamiento legal en reglas operativas es la esencia del prompt engineering práctico. No es programar código, sino diseñar lógica. Requiere entender a fondo nuestros propios procesos de toma de decisión y ser capaces de articularlos de forma estructurada. Es aquí donde reside la verdadera transformación: no en la tecnología per se, sino en cómo la usamos para amplificar y escalar nuestro propio conocimiento experto. Nos convertimos, efectivamente, en arquitectos de soluciones legales.

Gracias por leernos. Si le gusta estar informado, suscríbase y acceda a todas nuestras noticias, los datos identificadores y los documentos sin límites.