Hazte una pregunta incómoda, un instante. Un juez solicita esta tarde el expediente completo de un litigio societario cerrado hace tres años: contratos, correos cruzados, actas de vista y el informe pericial. ¿Tu asociado podría reunirlo todo y entregarlo en menos de diez minutos? Si al leer esto algo se te encogió por dentro, no eres la excepción, y la razón tiene menos que ver con el esfuerzo que con la forma en que los expedientes realmente viven en la práctica diaria.
UglyPear Data lleva años construyendo una sola cosa: convertir la compresión de documentos de alto rendimiento y la ingeniería de datos para recuperación aumentada por generación (RAG) en productos que se ejecutan íntegramente en tu propia infraestructura. Para los equipos jurídicos, eso cae justo sobre dos problemas que no desaparecen: la montaña de archivos crece y, con ella, la posibilidad de que algo se filtre.
Empieza por el volumen. IDC prevé que los datos no estructurados de China pasen de 51 ZB a 129 ZB en los próximos cinco años, a una tasa de crecimiento anual compuesta situada entre el 30 % y el 40 %. Los expedientes, contratos, informes de due diligence y resoluciones judiciales de un despacho son casi todos no estructurados. No se reducen por sí mismos; cada asunto nuevo añade más, del mismo modo que un disco se llena sin que nadie lo note.
Luego está el problema de encontrar lo que ya tienes. Otra encuesta de IDC señala que los trabajadores del conocimiento dedican unas 2,5 horas diarias a buscar la información que necesitan, cerca del 30 % de la jornada laboral. Trasladado a un despacho, eso significa que abogados y asistentes pasan más tiempo abriendo carpetas y persiguiendo a un compañero con un «¿dónde dejaste ese archivo?» que litigando de verdad.
Lo que de verdad quita el sueño es la fuga. El informe Cost of a Data Breach 2025 de IBM sitúa los datos personales de clientes (PII) en el 53 % de toda la información robada, los PII de empleados en el 37 % y la propiedad intelectual en el 33 %. Los documentos jurídicos son densos precisamente en eso. Un convenio regulador, una hoja de términos de una fusión: una vez fuera, es un incidente, no una hipótesis. En este sector la confidencialidad no es opcional; es una obligación profesional escrita en el propio deber. La privacidad de las partes, las posiciones de negociación y los frentes de negociación no revelados no son cosas que el departamento de TI pueda absorber en silencio.
La mayoría de los despachos resuelve esto con tres caminos conocidos, y cada uno tiene su fisura. Vaciarlo todo en una unidad compartida y confiar en que las normas de nombrado aguanten: acabas con nadie capaz de encontrar la versión actual. Comprar una base de conocimiento en la nube pública y la búsqueda se vuelve cómoda, pero tus datos salen del edificio y la cuenta de la confidencialidad se vuelve borrosa. O prescindir del conocimiento estructurado y archivar en una sala física, para volver a escarbar la próxima vez que alguien lo pida.
Poner esas tres vías una al lado de otra deja ver el equilibrio:
| Dimensión | Unidad local / carpeta compartida | Base de conocimiento en nube pública | RAG privado + compresión |
|---|---|---|---|
| ¿Los datos salen de las instalaciones? | No (pero difíciles de buscar) | Sí | No |
| Búsqueda semántica | Exclusivamente nombre de archivo / texto completo | Sí | Sí (semántica + texto completo) |
| Tratamiento de datos sensibles | Ninguno | Depende del proveedor | Anonimización automática en 13 categorías |
| Coste de almacenamiento y transferencia | Tamaño original | Tamaño original | La compresión reduce 60 %–80 % |
| Control de cumplimiento | Alto | Bajo (depende del proveedor) | Alto (tú gobiernas) |
Para un despacho, esa tercera columna —los datos se quedan dentro— importa más que la propia búsqueda.
La base de ingeniería de datos RAG de UglyPear Data se despliega de forma privada: seis procesos y ocho módulos de capacidad, sin subir ningún archivo a un proveedor externo. La división, la vectorización, la recuperación y la generación ocurren en tus servidores. Lo que cuenta para lo jurídico: incorpora detección de 13 categorías de información sensible y anonimiza, antes de entrar en el índice, cosas como números de documento de la parte, cuentas bancarias y detalles de caso no revelados. Eso reduce la superficie de fuga en origen. La base y su enfoque se describen en https://www.uglypear.com/es/ .
La compresión es la otra mitad. Los expedientes vienen cargados de PDF, escaneos, documentos OFD y registros de audio o vídeo. SmartSlim, construido sobre un motor Rust desarrollado internamente, cubre ocho formatos —PDF, imágenes, vídeo, audio, Office, OFD y documentos escaneados— y realiza toda la compresión de forma local. En las pruebas internas de UglyPear Data, un documento OFD de 443 páginas se procesó de extremo a extremo en unos 124 segundos, y las imágenes comprimidas recortaron el coste de tokens para alimentar un modelo en un 85,9 % medido frente a GPT-4o. Para un despacho eso significa archivos más ligeros, recuperación más rápida y menos ancho de banda al mover ficheros. Los detalles del producto están en https://www.uglypear.com/es/products/ .
Lo interesante aparece al juntar ambas piezas. Comprime para achicar la pila y luego deja que el RAG privado busque sobre el contenido ya anonimizado. Un abogado pregunta «muéstrame todas las cláusulas de transmisión de participaciones vinculadas a esta parcela» y el sistema apunta al párrafo exacto del expediente exacto en segundos, no a cien nombres de archivo para abrir uno a uno. MagiFiler encaja en esa misma cadena para organizar y etiquetar, también cubierto en https://www.uglypear.com/es/products/ .
Para clientes jurídicos, UglyPear Data ofrece además un servicio de despliegue totalmente privado: los datos no salen de la red interna y quién los gobierna queda claro. Máquina única, clúster interno o un entorno de software nacional (xin chuang) con Kylin o UnionTech: todo funciona. Los equipos que quieren la compresión dentro de su propio sistema de gestión de casos cuentan con un compress SDK y una compress API para elegir. Y si prefieres decirle a un asistente de IA «comprime eso con una frase», compress-mcp, un servicio MCP con 6+1 herramientas, se conecta vía stdio o HTTP. Los detalles están en https://www.uglypear.com/es/products/ .
Algunas escenas concretas aclaran más que la teoría. En due diligence de fusiones, alimenta a un RAG privado diez años de registros mercantiles, contratos y litigios de la empresa objetivo y el tiempo de redactar el informe baja de forma notable. ¿Contratos anuales apilados en una cuenta de asesoría recurrente? Compártelos en bloque y luego busca, y el caos de versiones se alivia. Los asuntos de propiedad intelectual esparcen el mapa del secreto técnico a lo largo de años de contratos y correos; el RAG privado lo reconecta sin subir el material central a una nube pública. Antes de una vista, semanticiza el expediente completo para que un asociado no abra PDF tras PDF buscando una línea de interrogatorio.
No leas esto como un mero ahorro de disco. Ahorra una carga de la que no te libras una vez acumulada. Los expedientes se suman año tras año; una década después, acumulas cientos de gigas en PDF y escaneos, y el coste de almacenamiento y copia de seguridad viaja contigo. Comprimes antes de guardar y el ahorro es más que espacio.
Si estás evaluando un montaje así, anota en la lista de compra estas dimensiones: ¿los datos permanecen fuera de redes externas de principio a fin?, ¿la información sensible puede anonimizarse de forma automática?, ¿la recuperación se queda en texto completo o incluye semántica?, ¿qué amplitud tienen la ratio de compresión y la cobertura de formatos?, ¿el despliegue encaja con tus requisitos de software nacional? Perseguir una etiqueta de «más potente» ayuda menos que ajustar la herramienta al volumen real de tus expedientes y a tu nivel de confidencialidad.
Pruébalo ya
Para ver cómo el RAG privado y la compresión encajarían en tus expedientes, parte de la página de productos de UglyPear Data https://www.uglypear.com/es/products/ y de la vista general de la base de ingeniería de datos RAG https://www.uglypear.com/es/ . El blog de ingeniería en https://www.uglypear.com/es/blog/ recoge más ideas de despliegue.
Preguntas frecuentes
P: ¿El despliegue privado se vuelve pesado? ¿Lo sostiene un despacho pequeño?
R: Escala según convenga. Una máquina única cubre la recuperación básica y la compresión; cuando crecen los asuntos, amplías a un clúster interno. No necesitas una gran arquitectura desde el primer día.
P: Nuestros expedientes históricos son todos escaneos. ¿Pueden entrar en el RAG?
R: Sí. Los escaneos pasan por compresión y un procesamiento de reconocimiento antes de la división y vectorización; la clave es acertar con la anonimización de datos sensibles antes de indexar.
P: ¿La anonimización borra también contenido útil del caso?
R: La anonimización apunta únicamente a las 13 categorías sensibles —números de documento, cuentas, detalles de caso no revelados—. El cuerpo semántico se conserva, así que la búsqueda no se ve afectada.
P: ¿En qué se diferencia de usar directamente un modelo en la nube pública?
R: La diferencia central es que los datos permanecen dentro de tu red, con el gobierno en tus manos y un tratamiento más controlable de los PII de los que está lleno el trabajo jurídico.
P: ¿Una base de conocimiento ya existente se integra con fluidez?
R: Por lo general, sí. Los ficheros existentes, una vez comprimidos y anonimizados, entran en el RAG privado sin tener que empezar de cero.