Código abierto en el estudio jurídico: la opción seria que casi nadie evalúa

Cuando un estudio jurídico evalúa tecnología, la conversación suele limitarse a dos opciones: la suite comercial de siempre o la startup legaltech de moda. Hay una tercera vía que rara vez entra en la comparación: el software de código abierto, que volvió a la agenda a fines de octubre con las pruebas de laboratorio de Agesic con herramientas abiertas para la IA estatal. Esta guía explica qué es, qué ofrece y cuándo conviene para la práctica jurídica.

Qué es el código abierto, en términos jurídicos

El código abierto no es «software gratis»: es una licencia. La Open Source Initiative (OSI) mantiene la Open Source Definition, que fija diez criterios que los términos de distribución de un programa deben cumplir para que su licencia califique: entre ellos, la libre redistribución sin regalías, la disponibilidad del código fuente, la posibilidad de obras derivadas y la no discriminación de personas, grupos o campos de actividad. Para un abogado, la lectura es familiar: son condiciones de licencia, otorgadas a cualquiera, sin negociación individual.

Las licencias abiertas tienen sus matices —algunas exigen que las obras derivadas mantengan la misma licencia, otras no—, y esa diferencia importa si el estudio desarrolla software propio. Para el uso cotidiano, el punto es más simple: nadie puede retirarle la licencia por cambiar de proveedor ni cobrarle por cada usuario nuevo.

Qué hay disponible para la práctica jurídica

El ecosistema maduró más de lo que se cree: suites ofimáticas completas (LibreOffice), gestión documental, sistemas de gestión de casos y clientes de código abierto, bases de datos, servidores de correo y, más recientemente, herramientas de IA local como las que la Memoria de Gestión del Gobierno 2025 registra en pruebas de laboratorio de Agesic: Ollama y vLLM para correr modelos de lenguaje en servidores propios, y n8n para automatizar flujos. La guía de automatización de documentos del estudio cubre los casos de uso donde estas herramientas encajan.

Las tres ventajas que importan a un estudio

La primera es la confidencialidad por arquitectura: correr un modelo de lenguaje en un servidor propio significa que los datos de los clientes no salen del estudio, una ventaja directa para el deber de secreto profesional cuando se usa IA. La segunda es la independencia de proveedor: sin licencias por usuario ni renovaciones que condicionan el acceso a los propios archivos, el estudio controla su infraestructura y sus costos a largo plazo. La tercera es la auditabilidad: el código abierto puede inspeccionarse, lo que permite verificar qué hace exactamente la herramienta con la información que procesa.

El costo real no es cero: se paga en capacidad técnica —propia o contratada— para instalar, mantener y asegurar el sistema. La comparación honesta es licencias más soporte comercial contra infraestructura más soporte técnico; la balanza depende de la competencia técnica disponible en el estudio, no solo del precio de lista.

Cuándo NO conviene

El código abierto no es la respuesta universal. Si el estudio no tiene quién opere el sistema —ni interno ni externo—, una solución comercial con soporte incluido es la opción responsable. Si el equipo vive en el ecosistema de un proveedor y la migración costaría meses de productividad, el cambio rara vez se justifica de golpe. Y en herramientas críticas sin alternativa abierta madura, mezclar es legítimo: muchos estudios usan suites abiertas para el trabajo interno y servicios comerciales para lo que el mercado impone.

Un apunte sobre la percepción del cliente

Hay un beneficio reputacional subestimado: los clientes empresariales y las instituciones —sobre todo las que manejan datos sensibles— empiezan a preguntar a sus estudios dónde residen los datos que les confían. Poder responder «en nuestros servidores, con software auditable» se está convirtiendo en un argumento comercial, no solo en una medida de cumplimiento. La confidencialidad demostrable deja de ser un costo de cumplimiento y pasa a ser una ventaja competitiva en las licitaciones de servicios legales.

Cómo empezar sin apostar el estudio

La vía prudente es incremental: elegir un proceso no crítico —la ofimática interna, un flujo de automatización, un asistente de IA local para consultas internas—, pilotear con un grupo chico, medir y decidir. La guía de primeros pasos para digitalizar el estudio y la de política interna de uso de IA ayudan a encuadrar esos pilotos con reglas claras desde el día uno.

Preguntas frecuentes

¿El código abierto es gratis?

No necesariamente: la licencia no cobra regalías, pero la instalación, el mantenimiento y el soporte tienen costo, interno o contratado. La comparación correcta es costo total, no precio de lista.

¿Es seguro para datos de clientes?

Puede serlo, porque el código es auditable y puede correr en servidores propios; la seguridad real depende de cómo se configure y mantenga, no de la licencia.

¿Qué pasa si el proyecto de código abierto se abandona?

Es el riesgo análogo a la quiebra del proveedor comercial; la mitigación es elegir proyectos con comunidades activas y, por las dudas, mantener los datos en formatos abiertos exportables.

¿Preciso un técnico para usar herramientas abiertas?

Para las aplicaciones de escritorio, no: se instalan como cualquier programa. Para servidores, IA local y automatizaciones, sí conviene soporte técnico, al menos en la puesta en marcha.

Fuentes y límites

Guía editorial de carácter general elaborada con base en la Open Source Definition de la Open Source Initiative (opensource.org/osd) y en la Memoria de Gestión del Gobierno Nacional 2025 para las referencias a las pruebas de Agesic; cada herramienta tiene requisitos propios. Información, no asesoramiento jurídico.