La IA legal para empresas es el uso de modelos de lenguaje conectados a los sistemas donde realmente vive el trabajo jurídico —expedientes, gestores documentales y flujos de aprobación— de modo que cada respuesta pueda verificarse, citarse y quedar bajo control de permisos. El 17 de septiembre de 2026, Thomson Reuters anunció que HighQ ya está disponible mediante una conexión de Model Context Protocol y presentó un avance de CoCounsel Legal dentro de ChatGPT Enterprise.
El problema que describe Camillo Speroni, de Thomson Reuters, es cotidiano y poco glamoroso: un abogado que redacta un contrato global tiene que saltar entre sistemas, hablar con distintas oficinas, con colegas, con asesores internos y externos. Cada salto cuesta contexto. Y el contexto perdido es exactamente lo que después hay que reconstruir a mano.
Lo interesante de este anuncio no es que un modelo escriba mejor. Es que la industria legal empieza a tratar la IA como infraestructura conectada, no como una ventana de chat aislada. En este artículo veremos qué significa técnicamente, qué límites tiene y cómo se traduce en decisiones concretas para una empresa en Perú.
¿Qué anunció exactamente Thomson Reuters con OpenAI?
Hay que separar dos cosas que suelen mezclarse: lo que ya está disponible y lo que todavía es una vista previa.
Lo disponible: HighQ, la plataforma de colaboración y gestión de asuntos de Thomson Reuters, puede conectarse a ChatGPT Enterprise a través de Model Context Protocol. En términos simples, MCP es un estándar abierto que permite que un sistema de IA descubra e invoque herramientas y contexto de otra plataforma, sin integraciones hechas a medida para cada cliente.
Lo que se está mostrando como avance: una experiencia futura de CoCounsel Legal dentro de ChatGPT Enterprise, donde un profesional del derecho podría llamar a capacidades legales especializadas sin salir del entorno de conversación.
La analista de la industria que siga este anuncio debería quedarse con una frase del propio comunicado de Thomson Reuters: los sistemas siguen siendo distintos, pero la experiencia se vuelve más conectada. No hay fusión de productos. Hay interoperabilidad.
Y hay una razón de negocio detrás. Según la publicación de Thomson Reuters en su blog de innovación, la estrategia es que su enfoque de "Fiduciary-Grade AI" viaje con el trabajo, sin importar en qué entorno el cliente decida operar. Es decir: el valor no está en obligar al cliente a usar su interfaz, sino en estar presente donde el cliente ya trabaja.
¿Por qué el MCP cambia la forma de integrar IA en el trabajo profesional?
Pensemos en la analogía del enchufe. Durante años, conectar una herramienta de IA con un sistema corporativo significaba construir un adaptador distinto para cada par de sistemas: uno para el gestor documental, otro para el ERP, otro para el repositorio de contratos. Cada adaptador se rompía cuando cualquiera de los dos lados cambiaba.
Un protocolo abierto como MCP propone un enchufe estándar. El sistema de IA no necesita saber cómo está construido HighQ por dentro; necesita saber qué herramientas ofrece y qué contexto puede pedir. Thomson Reuters lo dice con claridad: el protocolo en sí no es la meta, lo que importa es lo que permite hacer a los profesionales.
Ahí aparece el concepto que da título a este movimiento: la confianza. En el video de OpenAI, Speroni lo plantea como una obligación fiduciaria: entregar un mensaje que el profesional pueda creer y firmar. Eso se traduce en tres requisitos técnicos concretos.
- Trazabilidad: cada afirmación debe poder rastrearse hasta el documento que la sustenta.
- Permisos: el modelo solo ve el contexto que ese usuario está autorizado a ver. Thomson Reuters insiste en que "abierto no significa sin control".
- Accountability: el resultado debe poder llevar el nombre de un profesional responsable.
Ninguno de esos tres requisitos es un problema de modelo. Son problemas de arquitectura, de gobierno de datos y de diseño de permisos. Y ahí es donde las empresas latinoamericanas suelen quedarse cortas, porque compran la herramienta antes de ordenar el dato.
Mi lectura: lo que este anuncio no demuestra es que la IA legal ya resuelva trabajo de alto riesgo de punta a punta. La propia Thomson Reuters habla de "preview" para CoCounsel Legal dentro de ChatGPT y de mantener los sistemas como entidades separadas. Tampoco hay métricas públicas de precisión, de reducción de tiempo ni de costo por asunto. Sin esos números, cualquier promesa de ahorro sigue siendo una hipótesis de marketing, no un resultado medido.
¿Qué significa esto para una empresa en Perú o Latinoamérica?
En Perú, la conversación sobre IA en áreas legales y de cumplimiento suele empezar por la herramienta y terminar en la herramienta. Se prueba un chat, alguien se entusiasma, se compra una licencia y a los tres meses nadie lo usa porque el contrato real vive en una carpeta compartida, el antecedente está en el correo de alguien que ya renunció y la política de retención documental no existe.
El anuncio de Thomson Reuters invierte ese orden. Primero el contexto con permisos, después la inteligencia. Para una empresa peruana, eso se traduce en preguntas incómodas pero necesarias: ¿dónde vive la versión oficial de un contrato?, ¿quién puede verla?, ¿queda registro de quién la consultó y cuándo?
Hay un segundo ángulo, más cercano a la operación diaria. Si una empresa ya usa un ERP como Odoo para gestionar sus procesos comerciales y financieros, buena parte del contexto relevante para un área legal ya está en ese sistema: condiciones de pago, plazos de entrega, penalidades, historial de clientes. El valor de un protocolo abierto como MCP es precisamente que ese contexto pueda consultarse desde el entorno de IA que el equipo ya usa, sin exportar datos a mano ni duplicar repositorios.
Y hay un tercer ángulo que suele ignorarse: la formación. Un equipo legal que no sabe pedir, verificar y descartar respuestas de un modelo no aprovecha ninguna integración. La herramienta conectada sin criterio profesional produce documentos que parecen correctos y no lo están.
¿Cómo aplica esto en tu empresa?
Si estás evaluando IA para áreas legales, de cumplimiento o de contratos, este es un orden de trabajo que evita comprar humo:
- Mapea el contexto antes que el modelo. Haz una lista de los cinco documentos que más se consultan al mes y anota dónde vive cada uno. Si la respuesta es "en el correo de alguien", ese es tu primer proyecto.
- Define permisos por rol, no por persona. Un protocolo como MCP respeta lo que el sistema de origen autoriza. Si los permisos de tu gestor documental son un desastre, la IA heredará ese desastre con más velocidad.
- Exige trazabilidad en la evaluación. Cuando pruebes cualquier asistente, pídele que cite la fuente de cada afirmación y verifica tres de esas citas al azar. Si no puede, no está listo para trabajo crítico.
- Empieza por un caso de bajo riesgo y alto volumen. Resúmenes de contratos estándar o extracción de cláusulas de penalidad son buenos candidatos. Un contrato de adquisición con cláusulas cruzadas, no.
- Mide antes y después con la misma vara. Tiempo de ciclo del documento y número de rondas de revisión son dos indicadores simples que cualquier área puede medir sin herramientas nuevas.
Si quieres revisar cómo se ve esto en tu operación, puedes conversar con nosotros sobre tu caso. También te puede interesar conocer ContentFlow, nuestro enfoque de automatización de contenido, y revisar otros artículos en el blog de Consultoría TI.
Preguntas Frecuentes
¿Qué es el Model Context Protocol y para qué sirve?
Es un estándar abierto que permite a un sistema de IA descubrir e invocar herramientas y contexto de otra plataforma sin construir una integración distinta para cada par de sistemas. En el caso anunciado por Thomson Reuters, permite que HighQ entregue contexto de expedientes con permisos a ChatGPT Enterprise. Su valor no está en el protocolo en sí, sino en que el contexto autorizado viaje junto con el trabajo.
¿CoCounsel Legal ya está disponible dentro de ChatGPT Enterprise?
No de forma general. Según el anuncio del 17 de septiembre de 2026, Thomson Reuters está mostrando una vista previa de esa experiencia. Lo que sí está disponible desde esa fecha es la conexión de HighQ mediante Model Context Protocol. Es importante distinguir la fecha del anuncio de la fecha de disponibilidad real del producto.
¿Qué debería exigirle una empresa peruana a un proveedor de IA legal?
Tres cosas verificables: que cada respuesta cite el documento de origen, que el sistema respete los permisos que ya existen en el gestor documental, y que quede registro de quién consultó qué y cuándo. Si el proveedor no puede demostrar esos tres puntos en una prueba con datos reales de tu empresa, la evaluación no debería avanzar a compra.
Por Edgar Vásquez, Consultoría TI · actualizado el lunes, 19 de octubre de 2026
Fuentes y Referencias
- OpenAI — Thomson Reuters on Building Trust in Legal AI (YouTube)
- Thomson Reuters — Advancing an Open Ecosystem for Legal AI
- Legal Reader — Thomson Reuters and OpenAI: Advancing an Open Ecosystem for Legal AI
- TSecurity.de — Thomson Reuters on Building Trust in Legal AI
Conclusión: ¿hacia dónde va la IA en el trabajo profesional?
El anuncio de Thomson Reuters apunta a un cambio de expectativa. Durante los últimos años, la pregunta era qué tan bueno es el modelo. La pregunta que empieza a importar es qué tan conectado, trazable y gobernable es el entorno donde ese modelo trabaja.
Para una empresa en Perú, eso tiene una consecuencia práctica: el trabajo previo de ordenar datos, permisos y repositorios vale más que la elección de la herramienta. La IA legal para empresas no se resuelve comprando una licencia, se resuelve construyendo el contexto que la hace confiable.
Si quieres evaluar por dónde empezar en tu organización, conversemos sobre tu caso.
✨ Contenido generado con ContentFlow — Consultoría-Ti