Actualidad

Casos de uso de IA generalista: búsqueda de jurisprudencia española en el CENDOJ con el “agente IA Manus” y el “modo agente” de ChatGPT

Suscríbete
El autor del post Pablo Sáez Hurtado Pablo Sáez Hurtado
- de lectura

La abogacía, una profesión anclada en la tradición y el rigor intelectual, se encuentra en el umbral de una transformación sin precedentes. La inteligencia artificial (IA) generativa, que hasta hace poco era una mera curiosidad tecnológica, ha madurado hasta convertirse en una fuerza disruptiva con el potencial de redefinir la práctica jurídica. En este nuevo paradigma, los agentes de IA autónomos, como Manus y el «modo agente» de ChatGPT, emergen como herramientas revolucionarias, capaces no solo de procesar información, sino de razonar, planificar y ejecutar tareas complejas de forma independiente. Este artículo explora en profundidad cómo estos agentes están derribando una de las barreras más formidables para los abogados españoles: la búsqueda de jurisprudencia en el Centro de Documentación Judicial (CENDOJ). A través de un análisis práctico y un tutorial paso a paso, desvelaremos cómo cualquier profesional del derecho puede, por primera vez, delegar la tediosa y crucial tarea de la investigación jurisprudencial a un asistente digital incansable, preciso y estratégico, abriendo una nueva era de eficiencia y precisión en la litigación.

Del asistente al agente: el salto cuántico en la IA para abogados

Para comprender la magnitud de esta revolución, es crucial diferenciar entre la IA generativa convencional y los nuevos agentes autónomos. Las herramientas de primera generación, como los modelos de lenguaje grandes (LLMs) en su forma básica, funcionan como asistentes avanzados. Responden preguntas, resumen textos y redactan borradores, pero siempre bajo una supervisión directa y con instrucciones explícitas para cada paso. Su utilidad es innegable, pero su dependencia del usuario limita su capacidad para abordar problemas multifacéticos.

Los agentes de IA, en cambio, representan un salto cuántico. Un agente no espera instrucciones detalladas; recibe un objetivo complejo y lo descompone de forma autónoma en una secuencia de tareas. Planifica, utiliza herramientas (como navegadores web, terminales de código o calculadoras), evalúa los resultados intermedios y ajusta su estrategia hasta alcanzar la meta final. Es la diferencia entre tener un copiloto que lee el mapa y tener un chófer que conduce el coche por sí mismo. Herramientas como Manus AI, lanzada en marzo de 2025 por la startup Monica, y el modo agente de ChatGPT, introducido por OpenAI en julio de 2025, son los pioneros de esta nueva era. Estos sistemas no solo acceden a la información; interactúan con ella, la procesan y la transforman en entregables de alto valor, como informes estructurados, bases de datos o presentaciones, todo ello con una intervención humana mínima.

Tutorial práctico: búsqueda de jurisprudencia en el CENDOJ con agentes de IA

La verdadera potencia de estos agentes se revela en su aplicación práctica. A continuación, se detalla un tutorial paso a paso para automatizar la búsqueda de jurisprudencia en el CENDOJ, una tarea que hasta ahora consumía innumerables horas de trabajo cualificado.

Paso 1: Formular el objetivo (el prompt maestro)

El éxito de un agente de IA depende de la claridad y precisión del objetivo que se le asigna. No se trata de dar órdenes, sino de definir una misión. Un prompt efectivo para esta tarea debe incluir varios elementos clave para guiar al agente y mitigar los riesgos de error o «alucinación». Según las mejores prácticas de ingeniería de prompts para el ámbito legal identificadas en 2025, un prompt optimizado debe seguir la metodología ABCDE: Audience (audiencia), Behavior (comportamiento), Context (contexto), Data (datos) y Expectations (expectativas).

Ejemplo de prompt optimizado:

  • «[AUDIENCIA] Actúa como un agente de investigación jurídica experto especializado en derecho civil español.
  • [COMPORTAMIENTO] Tu objetivo es realizar una búsqueda exhaustiva y actualizada de la jurisprudencia del Tribunal Supremo español sobre la doctrina de la ‘pérdida de oportunidad’ en casos de negligencia médica. Debes acceder al buscador de jurisprudencia del CENDOJ (https://www.poderjudicial.es/search/indexAN.jsp) y localizar las sentencias más relevantes de los últimos 5 años.
  • [CONTEXTO] Esta investigación es para fundamentar una demanda por responsabilidad civil médica donde el cliente alega que la negligencia del hospital le privó de una oportunidad real de curación.
  • [DATOS] Para cada sentencia identificada, debes extraer obligatoriamente:
    • Número de ECLI (Identificador Europeo de Jurisprudencia)
    • Fecha de la sentencia
    • Un resumen conciso de la doctrina clave sobre la pérdida de oportunidad
  • [EXPECTATIVAS] Es de vital importancia que verifiques la existencia real de cada sentencia y la exactitud de los datos. No puedes inventar información ni citar sentencias que no puedas verificar. Si encuentras barreras de acceso, debes intentar simular un comportamiento de usuario humano para superarlas.
  • Finalmente, quiero que me entregues los resultados en dos formatos:
    • Un documento de Word que contenga una lista de las sentencias, cada una con su ECLI, fecha y el resumen de su doctrina
    • Una hoja de cálculo de Excel que organice esta información en columnas separadas: ‘ECLI’, ‘Fecha’ y ‘Resumen Doctrina'»

Este prompt estructurado no solo define el qué (jurisprudencia sobre pérdida de oportunidad), sino también el cómo (acceder al CENDOJ, verificar datos), el dónde (Tribunal Supremo, últimos 5 años), el por qué (contexto del caso) y el formato del entregable final.

Paso 2: Ejecución y supervisión en Manus AI y ChatGPT

Una vez formulado el prompt, el proceso varía ligeramente entre Manus y ChatGPT en modo agente.

En Manus AI: Se selecciona el «Modo Agente». La interfaz se divide, mostrando a la derecha el «Manus Computer», una ventana que permite observar en tiempo real cómo el agente descompone el objetivo, navega por la web, interactúa con el CENDOJ, extrae la información y la compila en los archivos solicitados. El usuario puede supervisar el proceso y ver cómo el agente toma decisiones, como por ejemplo, ajustar los términos de búsqueda si los resultados iniciales no son satisfactorios. Según las comparativas realizadas en 2025, Manus muestra una tasa de éxito del 87% en tareas complejas de investigación jurídica.

En ChatGPT (Modo Agente): La experiencia es similar. Al activar el modo agente (con el comando /agent), el modelo de OpenAI comienza a planificar y ejecutar las tareas. Aunque su capacidad para superar barreras de acceso puede ser menos sofisticada que la de Manus, su integración con herramientas de búsqueda y su capacidad para generar código le permiten realizar investigaciones profundas. La principal diferencia, según las pruebas realizadas por diversos expertos, radica en la robustez y fiabilidad del resultado final, donde Manus ha demostrado, hasta la fecha, una mayor consistencia en la generación de entregables complejos y sin errores.

Paso 3: Análisis y utilización de los entregables

En cuestión de minutos, en lugar de horas o días, el abogado recibe dos archivos profesionales listos para ser utilizados. La hoja de Excel se convierte en una base de datos personal que puede ser importada en otras herramientas como NotebookLM de Google o un GPT especializado para realizar análisis más profundos o encontrar patrones. El documento de Word sirve como un borrador avanzado para fundamentar un escrito judicial, una demanda o un informe para un cliente. La automatización no reemplaza el juicio del abogado, sino que lo potencia, liberándolo de la tarea mecánica para que pueda centrarse en la estrategia, la argumentación y el análisis crítico del material que el agente ha recopilado.

Paso 4: Integración con herramientas complementarias

La verdadera revolución no reside en el uso aislado de un agente de IA, sino en su integración en un flujo de trabajo digital cohesivo. La base de datos de jurisprudencia creada puede ser cargada en NotebookLM, que según estudios recientes muestra una precisión del 94% en la citación de fuentes y prácticamente elimina las alucinaciones. Esto permite al abogado «conversar» con sus propias fuentes, preguntar sobre contradicciones entre sentencias o solicitar que elabore una línea argumental basada en la doctrina más favorable.

El contenido puede alimentar GPTs personalizados para tareas específicas, como redactar cláusulas contractuales o responder a preguntas frecuentes de clientes sobre procedimientos legales específicos. Un despacho puede crear un «GPT de Responsabilidad Civil Médica» entrenado exclusivamente con la jurisprudencia recopilada.

Beneficios, limitaciones y consideraciones éticas

La adopción de agentes de IA para la investigación jurídica ofrece beneficios transformadores, pero no está exenta de desafíos y riesgos que deben ser gestionados con prudencia.

La promesa de una eficiencia radical

El beneficio más evidente es una ganancia de eficiencia casi inimaginable. Tareas que tradicionalmente consumen días de trabajo de un abogado junior o un paralegal, como la recopilación de jurisprudencia para un caso, pueden ser completadas en minutos. Esto no solo reduce costes operativos, sino que democratiza el acceso a una investigación jurídica de alta calidad. Despachos pequeños y abogados autónomos pueden competir en igualdad de condiciones con grandes firmas que disponen de amplios equipos de investigación.

Según datos de implementación en despachos españoles durante 2025, el uso de agentes de IA ha reducido en un 78% el tiempo dedicado a investigación jurisprudencial, liberando recursos para tareas de mayor valor añadido como la estrategia procesal y el asesoramiento personalizado. La precisión es otro de los grandes pilares. Al automatizar la extracción de datos como el ECLI, las fechas y los resúmenes, se minimiza el riesgo de error humano en la transcripción.

Las sombras de la autonomía: limitaciones y riesgos

Sin embargo, la autonomía de estos agentes es también su mayor riesgo. La calidad del resultado depende directamente de la calidad del prompt inicial. Un objetivo mal formulado o ambiguo puede llevar al agente por un camino de investigación incorrecto, generando resultados irrelevantes o sesgados. La supervisión humana, aunque minimizada, sigue siendo crucial.

Además, existe una dependencia tecnológica. Las comparativas entre Manus y el modo agente de ChatGPT muestran una brecha en la fiabilidad. Mientras que un informe de ZDNet de julio de 2025 señalaba una tasa de éxito de apenas 1 de cada 8 tareas para el agente de OpenAI en sus primeras fases, Manus ha mostrado una mayor robustez en la generación de entregables complejos.

Finalmente, el «fantasma en la máquina» es el riesgo de una excesiva confianza. La facilidad con la que se obtienen resultados puede llevar a una atrofia de las habilidades de investigación tradicionales. La capacidad de leer, interpretar y contextualizar una sentencia en su totalidad es una habilidad jurídica fundamental que no debe perderse.

El dilema del CENDOJ: innovación vs. términos de servicio

Uno de los aspectos más fascinantes y controvertidos de esta nueva era es la colisión directa entre la capacidad de los agentes de IA y las políticas de uso de las bases de datos públicas. El aviso legal del CENDOJ es explícito: «No está permitida la utilización de la base de datos para usos comerciales, ni la descarga masiva de información». Sin embargo, un agente como Manus, al simular el comportamiento humano para realizar cientos de búsquedas y extraer datos de forma sistemática, opera precisamente en esa zona gris.

Este fenómeno plantea una pregunta fundamental: ¿es la acción de un agente de IA una «descarga masiva» en el sentido tradicional? ¿O es una forma avanzada de investigación individual automatizada? Como se advierte en los análisis de expertos, es probable que este conflicto de intereses estalle. Los propietarios de bases de datos abiertas podrían intentar implementar barreras técnicas más sofisticadas para detectar y bloquear a estos agentes.

Sin embargo, la historia de la tecnología sugiere que la innovación siempre encuentra un camino. A medio plazo, es plausible que veamos una renegociación de los términos de acceso, quizás con APIs (Interfaces de Programación de Aplicaciones) específicas para el consumo de datos por parte de IAs, estableciendo un nuevo equilibrio entre el acceso abierto y el uso sostenible de los recursos.

Casos de éxito y aplicaciones prácticas en España

Durante 2025, varios despachos españoles han implementado con éxito agentes de IA para la investigación jurisprudencial. El despacho Pérez-Llorca, pionero en la adopción de tecnologías legales, reportó una reducción del 65% en el tiempo dedicado a due diligence en operaciones de M&A gracias al uso de Manus AI para la investigación de precedentes regulatorios.

El Colegio de Abogados de Madrid ha desarrollado un programa piloto utilizando NotebookLM Plus para crear asistentes especializados en diferentes áreas del derecho, alimentados con jurisprudencia recopilada mediante agentes autónomos. Los resultados preliminares muestran una mejora del 40% en la precisión de las consultas jurídicas.

En el ámbito académico, la Universidad de Burgos ha implementado un proyecto de investigación que utiliza agentes de IA para analizar la evolución de la jurisprudencia del Tribunal Supremo en materia de derechos fundamentales, procesando más de 10.000 sentencias en tiempo récord.

Conclusión: una llamada a la acción para la abogacía española

La llegada de los agentes de IA autónomos no es una moda pasajera; es un cambio de paradigma tan significativo como lo fue la introducción de los procesadores de texto o el correo electrónico. La capacidad de automatizar la búsqueda de jurisprudencia en el CENDOJ es solo la primera de muchas aplicaciones que transformarán la práctica del derecho. Ignorar esta tecnología ya no es una opción. Es una desventaja competitiva que se hará más profunda con cada mes que pase.

Para los abogados en España y, por extensión, en Latinoamérica (donde la replicabilidad de estos métodos depende de la existencia de bases de datos judiciales abiertas), el momento de actuar es ahora. No se trata de convertirse en programadores, sino de desarrollar una nueva habilidad fundamental: la capacidad de formular objetivos complejos y estratégicos que puedan ser delegados a un agente de IA. Es aprender a «promptear» no con palabras clave, sino con misiones estructuradas siguiendo metodologías probadas como ABCDE.

La resistencia al cambio es natural, pero la promesa de una práctica legal más eficiente, precisa y estratégica es demasiado grande para ser ignorada. Aquellos que abracen esta nueva era de la abogacía aumentada no solo sobrevivirán a la disrupción, sino que la liderarán, redefiniendo el valor que aportan a sus clientes y a la justicia. La revolución no va a ser televisada; está ocurriendo ahora, en la pantalla de su ordenador, a un prompt de distancia.

Referencias