Legora: cómo construye agentes de IA para abogados

Legora: de un sótano en Estocolmo a US$8.800 millones

Legora pasó de US$1 millón a US$100 millones en ingresos recurrentes anuales (ARR) en menos de 18 meses, y tardó menos de seis en sumar los siguientes US$100 millones. Ese ritmo explica por qué su CTO, Jacob Lauritzen, tiene una audiencia que va más allá de los abogados: cualquier equipo que construya agentes de IA en un sector regulado tiene algo que aprender de cómo lo hacen.

La empresa sueca cerró una Serie E de US$550 millones a una valoración de US$8.800 millones, liderada por Atreides Management, según The Next Web. Entre los nuevos inversores aparecen Baron Capital, Capital Group, Fidelity, Glade Brook y J.P. Morgan, y repitieron Accel, Benchmark, General Catalyst, ICONIQ y Salesforce Ventures. Legal Cheek reporta que el total levantado desde su fundación en 2023 supera los US$1.400 millones. La ronda llegó apenas siete meses después de otra de igual monto a una valoración de US$5.600 millones, según el mismo medio.

El producto empezó siendo casi nada: ChatGPT con leyes suecas y una herramienta de búsqueda. Hoy el agente redacta y edita documentos de Word, revisa miles de contratos a la vez y coordina trabajo entre abogados, clientes y otros agentes. La compañía dice tener más de 1.800 clientes, y The Next Web reporta que su software lo usan más de 140.000 profesionales legales en más de 2.400 despachos y equipos internos de 80 mercados. Estados Unidos ya es su mayor mercado por ingresos y más de la mitad del AmLaw 50 son clientes.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo evalúa Legora sus agentes sin ver los datos de sus clientes

Aquí está el problema más interesante para cualquier founder de IA: Legora no puede leer los traces de sus usuarios. Casi todo lo que suben es confidencial y buena parte pertenece a los clientes del despacho, no al despacho.

Su respuesta: recrear el trabajo. Un equipo de tres ingenieros y tres abogados construye entornos de RL que simulan tareas reales. Un ejemplo que da Lauritzen es un data room de 10.000 archivos donde el agente hace due diligence y debe producir un informe que detecte las banderas rojas correctas. Los resultados se vuelcan en un mapa de calor por área de práctica y tipo de tarea, porque un modelo nuevo suele mejorar en unas tareas legales y empeorar en otras.

Para eso se apoyan en un pool de unos 100 legal engineers: abogados con tres o cuatro años en firmas grandes, muchos con título en ciencias de la computación. En producción clasifican fallos en 10 a 20 modos conocidos y corren chequeos baratos con LLM detrás de feature flags.

Hay una lección incómoda en su historia: durante un tiempo evaluar no parecía valer la pena, porque cada modelo nuevo mejoraba solo. Un problema de citas que tenían pasó de 70% a 99% de acierto simplemente con el siguiente lanzamiento, sin que tocaran nada. Pero cuando el producto se vuelve crítico, el dataset sintético deja de ser un lujo y se convierte en la infraestructura de calidad.

El fin del modelo de horas facturables (y qué lo reemplaza)

Cuando Lauritzen leyó la postulación de Leya (hoy Legora) a YC, su objeción fue directa: si los abogados cobran por hora, ser más rápido significa ganar menos. ¿Por qué comprarían una herramienta que hace eso?

Lo que cambió no fue la tecnología, sino la presión sobre los despachos. En Estados Unidos, trabajo rutinario como revisiones pequeñas ya se está moviendo a tarifas fijas por proyecto, y algunas firmas lo hacen gratis con tal de retener al cliente. El dinero se corre hacia M&A, litigios y tiempo con el cliente.

¿Desaparecen los paralegales y los abogados junior? Lauritzen dice que no es lo que ven: un buen junior vale más hoy que hace dos años, porque saca mucho más trabajo adelante, igual que pasó en ingeniería.

Qué modelos usan y por qué el model picker llegó tarde

Legora resistió durante mucho tiempo la idea de dejar que el usuario elija modelo. El argumento del CTO: un abogado no debería decidir si un contrato es tarea de un modelo más potente o uno más liviano. Es trabajo de la plataforma encontrar el mejor equilibrio entre calidad, costo, latencia, gobernanza y disponibilidad regional.

Aun así cedieron y hoy hay un selector. Su estimación es que los modelos ya resuelven bien alrededor del 60% del trabajo legal; para esa porción el problema pasó a ser costo y latencia. El análisis complejo y la edición sobre contratos de un millón de tokens siguen necesitando más inteligencia.

Dos detalles de infraestructura que valen para cualquier startup regulada: todo corre sobre Azure, porque cuando arrancaron los despachos no aceptaban AWS ni GCP y Microsoft ya era proveedor aprobado vía 365. Y ya hacen post-training de modelos open-weight para tareas acotadas como investigación legal, sin planes de entrenar un modelo frontera propio. Para frenar alucinaciones, todo lo que escribe el agente lleva una cita que resalta un recuadro en el PDF de origen, varias capas hacia abajo.

Legal engineers y forward deployed engineers: dos roles, un producto

Legora construye sobre pocas primitivas: proyectos que contienen archivos, el agente, Tabular Review y listas. Tabular Review —cada fila un documento, cada columna una pregunta— soporta hasta un millón de celdas, pero arranca con 10 filas para que ajustes los prompts antes de correr el resto. El nombre lo copió la industria, dice Lauritzen, incluido Claude for Legal.

Sobre esas piezas, los legal engineers configuran productos sin escribir código. Los forward deployed engineers (FDE) sí escriben código en producción, construyen integraciones con el CRM o el gestor documental del despacho y devuelven lo aprendido al producto central. El primer FDE llegó hace unos nueve meses en Nueva York: Di Qi, dos veces fundador de YC y ex Meta en búsqueda.

El detalle cultural: Lauritzen mostró una vez una diapositiva de los 300 espartanos y declaró que Legora se quedaría en 20 ingenieros para siempre. Hoy son 100 y le sigue pareciendo poco.

Harvey, Claude for Legal y la carrera por el sector legal

La Serie E de Legora llegó seis semanas después de que su rival estadounidense Harvey levantara US$550 millones a una valoración de US$15.500 millones, según The Next Web. Legal Cheek reporta que ambas compañías presentaron productos con el mismo nombre —Intake— con horas de diferencia.

Legora no es la única apuesta del sector. Según Unite.AI, el despacho Hogan Lovells Cadwalader firmó acuerdos con Harvey y Legora a la vez, y sus abogados ya construyen agentes propios para gestión de conocimiento, mercados de capitales y arbitraje internacional.

Y hay una pregunta abierta que Lauritzen responde con calma: ¿los laboratorios de modelos los dejarán fuera, como hicieron con empresas de coding? Su apuesta es que no, y que en dos años las grandes empresas usarán Legora a través de herramientas como Claude Cowork, mientras los despachos trabajarán dentro de Legora directamente.

¿Qué significa esto para tu startup?

Diseña tus evals antes que tu demo. Si no puedes ver los datos del cliente, necesitas entornos que reproduzcan el trabajo real. Legora usa tres ingenieros y tres abogados para simular un data room de 10.000 archivos; tú no necesitas ese volumen, pero sí un set de tareas representativas y un mapa de dónde falla cada modelo nuevo.
No le pases la decisión técnica al usuario. El model picker de Legora existe porque los clientes lo pidieron, no porque sea buena idea. Si tu producto es para profesionales no técnicos, tu trabajo es elegir el modelo y esconder la complejidad.
Revisa tu modelo de negocio antes que tu producto. La objeción que casi mató a Legora en YC —cobrar por hora premia la lentitud— aplica a cualquier servicio profesional que automatices. Si tu cliente factura tiempo, tu herramienta le quita ingresos salvo que le muevas el trabajo hacia donde sí cobra.
La gobernanza define la infraestructura. Azure no fue una preferencia técnica: fue el único proveedor que los despachos ya aceptaban. En sectores regulados, el proveedor lo elige el compliance del cliente, no tu equipo.