Principios
Manifiesto de Gobernanza IA
Construimos sistemas de inteligencia artificial para industrias donde los errores tienen consecuencias reales. Estos son los principios que guían cada decisión de diseño.
Construimos sistemas de inteligencia artificial para industrias donde los errores tienen consecuencias reales: el derecho, la salud, las finanzas reguladas, el gobierno. En esos contextos, la IA capaz no es suficiente. La IA responsable es la única opción.
Lo que eso significa en la práctica: no alcanza con que un modelo dé respuestas precisas. El profesional necesita saber cómo llegó a esa respuesta, qué fuentes consultó, qué riesgos implica actuar sobre ese output, y cuándo la decisión final es suya — no del sistema. Eso es AI Governance. Y para nosotros, no es una capa que se agrega al final: es la arquitectura desde el primer día.
Este manifiesto no es una declaración de buenas intenciones. Es la descripción de cómo construimos.
La IA amplifica el juicio humano, no lo reemplaza
La IA tiene capacidades extraordinarias para procesar información, identificar patrones y generar opciones. Pero el criterio — la ponderación de lo que importa en un contexto específico, la responsabilidad sobre una decisión con consecuencias reales — es humano. Diseñamos nuestros sistemas para potenciar ese criterio: el modelo propone, el profesional valida. Cada herramienta que construimos tiene puntos de intervención humana explícitos, no como limitación, sino como garantía de que quien responde ante las consecuencias conserva el control.
La confianza requiere evidencia, no promesas
Cualquier sistema de IA puede declarar que es "seguro" o "responsable". Para nosotros, eso requiere evidencia verificable: cada producto clasificado públicamente por nivel de riesgo, cada afirmación del modelo verificada contra sus fuentes reales, cada acción del agente registrada en un audit trail exportable. No alcanza con aplicar governance internamente — hay que poder mostrarlo. La confianza que no se puede auditar no es confianza: es fe.
El razonamiento de la IA debe ser trazable, no opaco
Cuando un sistema de IA cita una norma, un fallo, o un precedente, el profesional necesita poder verificar no solo el resultado sino el camino: qué fuentes consultó, cómo relacionó las entidades, qué conexiones entre caso, estatuto y obligación fundamentaron esa respuesta. La opacidad en el razonamiento no es solo un problema técnico — es un riesgo de governance. El "silent retrieval failure" — cuando el sistema no encontró la fuente correcta pero no lo dice — es una de las formas más peligrosas de falla en AI para industrias reguladas.
El riesgo se clasifica y se gobierna, no se ignora
No toda IA tiene el mismo nivel de riesgo. Un sistema que resume jurisprudencia pública no tiene el mismo impacto que uno que genera estrategia procesal o recomienda tratamientos. Diseñamos con esa distinción en mente: clasificamos cada sistema por su nivel de autonomía y potencial de daño, y aplicamos controles proporcionales a ese riesgo. El objetivo no es limitar lo que la IA puede hacer — es asegurar que lo que hace sea manejable, auditable y consistente con los marcos regulatorios que corresponden al contexto de uso.
Acceso a IA confiable es acceso a justicia
Los estándares de governance que describimos en este manifiesto no deberían ser un lujo de las organizaciones grandes con equipos legales y compliance internos. En LATAM, la mayoría de los estudios jurídicos son pequeños; la mayoría de las empresas reguladas no tienen un DPO a tiempo completo. Diseñamos infraestructura para que el estándar alto sea el estándar accesible: que un estudio de tres abogados en Argentina pueda operar con el mismo nivel de auditabilidad que una firma enterprise. Democratizamos sin bajar los estándares.
Si trabajás en una industria regulada y querés adoptar IA con el nivel de control que tu contexto requiere, estamos construyendo exactamente para ese caso. Los detalles técnicos de cómo implementamos cada uno de estos principios están documentados públicamente en nuestro Trust Center.