Despidos por adopción de IA en firmas legales: el ajuste está comenzando en áreas de soporte y procesos

Jueves 26 de Febrero de 2026.-  Los avances en inteligencia artificial están acelerando cambios concretos en la industria legal, especialmente en la manera en que se ejecuta y coordina el trabajo. Un ejemplo reciente es el de Baker McKenzie, que volvió a quedar en el foco tras reportes que apuntan a múltiples despidos en sus departamentos de servicios comerciales globales, en un proceso asociado a una mayor implementación de IA.

Según esa información, la medida podría implicar una reducción cercana al 10% de su plantilla, lo que se estima entre 600 y 1.000 puestos. Sin embargo, no se trataría de abogados, sino de roles de soporte a la operación, lo que igual es relevante para la industria legal: suele ser ahí donde se ven primero los efectos, en funciones operativas y tareas más rutinarias, donde la automatización puede aumentar la eficiencia del flujo de trabajo. En el caso de Baker McKenzie, además, distintos análisis han destacado que la firma venía con una dotación particularmente alta de personal no abogado en relación con su tamaño, lo que sugiere que parte del ajuste también responde a una corrección de estructura.

Casos como este exponen que el debate en el sector se está desplazando desde “adoptar herramientas” hacia “gestionar el trabajo como una operación”, con foco en consistencia, trazabilidad y control de calidad. “Noticias como la de Baker McKenzie exponen que el cambio no está partiendo por reemplazar el criterio legal, sino por ordenar la operación: definir procesos, estandarizar entregables y establecer puntos de control”, señala Andrés Jara, fundador de Alster. 

Y añade un punto clave: “La IA suele acelerar lo repetible, pero también hace más visible dónde hay fricción, retrabajo o falta de trazabilidad; en Alster lo identificamos como el paso desde la artesanía legal hacia la capacidad diseñada”, señaló Jara.

En esa línea, distintos observadores del mercado han planteado que, en algunos casos, la IA opera más como acelerante que como causa única: deja expuestas ineficiencias previas, sobrecargas de estructura o duplicidades, y puede incluso convertirse en un argumento fácil para explicar decisiones de ajuste que también responden a costos, productividad o rediseño organizacional.

Implementar la IA con control (y no solo con velocidad)

En la práctica, los equipos que avanzan de forma más sólida tienden a partir por lo básico: entender cómo fluye el trabajo hoy, dónde se acumulan esperas y por qué se repiten rondas de revisión. Preguntas que antes quedaban implícitas hoy se vuelven operativas: cuánto tarda un contrato de punta a punta, cuántas iteraciones se generan y por qué, cuánto tiempo se pierde buscando información o esperando aprobaciones, y qué se entiende por un entregable “aceptable” y verificable.

Desde esa perspectiva, una ruta razonable para capturar eficiencia sin perder control suele enfocarse en ordenar primero, automatizar después. Esto implica mapear los procesos de mayor demanda, donde el volumen y la repetición justifican intervenir, definir estándares mínimos de salida (plantillas, playbooks, criterios de revisión, políticas, skill rules, entre otros) y establecer puntos de control claros.

“Cuando se implementa IA sin estándares, el resultado puede ser variabilidad y más retrabajo. Por eso, en el ámbito legal suele crecer la necesidad de gobernanza: definir quién valida, con qué criterios y cómo se mide la mejora. Antes era poco habitual usar una RACI en el mundo legal, hoy es imperativo”, advierte Andrés Jara. En otras palabras, la conversación práctica termina siendo menos sobre la herramienta y más sobre el sistema: responsabilidades, calidad, tiempos de ciclo y trazabilidad.

También se vuelve crítico trabajar sobre los activos que la IA “consume” para producir resultados consistentes: documentación vigente, precedentes curados y una gestión de datos que permita accesos definidos, versionado y rastreo de cambios. Ese orden reduce fricción y, al mismo tiempo, facilita medir mejoras reales: comparar antes y después en tiempos de ciclo, retrabajo y causas de demora, con pilotos acotados que permitan ajustar el proceso antes de escalar.

En algunos casos, estos ajustes pueden ser parte de una etapa de prueba y reconfiguración: ciertas firmas podrían recortar, reorganizar y luego reincorporar o redefinir roles a medida que madure la adopción, se clarifiquen nuevas necesidades y se estabilicen los procesos. Al mismo tiempo, distintos analistas anticipan que podrían venir más recortes en firmas globales, a medida que la IA siga acelerando la búsqueda de estructuras más livianas y deje más visibles las ineficiencias operativas. En ese sentido, estas señales refuerzan una idea que se repite en la evolución del sector: la adopción de IA no se limita a incorporar tecnología, sino que tiende a impulsar ajustes en cómo se planifica, se controla y se mide la entrega del trabajo legal.