Latham compra servidores de IA: lo importante es qué quiere controlar

Uno de los grandes despachos del mundo está comprando servidores para ejecutar inteligencia artificial en su propia infraestructura.

La noticia invita a un titular sencillo: los abogados empiezan a construir su propia IA. Pero lo interesante no es que una firma jurídica compre ordenadores potentes. Es qué pretende hacer con ellos, qué quiere conservar bajo su control y por qué no considera suficiente contratar las mismas herramientas que pueden contratar sus competidores.

El caso de Latham & Watkins permite plantear una pregunta que afecta también a organizaciones mucho más pequeñas:

¿Qué parte de nuestra capacidad de trabajar queremos contratar fuera y qué parte queremos construir y conservar dentro?

Qué está haciendo Latham

Según la información publicada por Bloomberg Law el 11 de septiembre de 2026, basada en entrevistas con responsables del despacho, Latham ha adquirido varias GPU NVIDIA H200 y está experimentando con la adaptación de modelos de pesos abiertos. La iniciativa comenzó aproximadamente tres años antes.

Sus servidores están operativos en un centro de datos de terceros, con acceso restringido al personal de Latham. No se trata, por tanto, necesariamente de máquinas instaladas dentro de sus oficinas, sino de infraestructura propia alojada en un recinto externo. El despacho no ha revelado el coste de la inversión. Bloomberg Law, reproducido en la web de Latham.

Para un lector no técnico, conviene separar tres elementos.

Las GPU son procesadores especialmente adecuados para las operaciones que requieren muchos modelos de IA.

Los modelos de pesos abiertos permiten descargar sus parámetros y ejecutarlos en infraestructura propia, conforme a sus licencias. No equivalen necesariamente a software sin restricciones.

Y la adaptación del modelo, o fine-tuning, consiste en ajustar un modelo ya existente. No significa entrenar desde cero una inteligencia artificial comparable a las de los grandes laboratorios.

Pero ni los servidores ni el modelo constituyen por sí solos un sistema jurídico. Alrededor hacen falta programas, fuentes, procedimientos, permisos, evaluaciones y personas responsables de comprobar sus resultados.

No está abandonando a los proveedores externos

Este es el matiz que se pierde fácilmente en las redes sociales.

En una declaración recogida por The American Lawyer el 10 de septiembre, Rene Mendoza, responsable de tecnología de Latham, explica que la estrategia busca flexibilidad para desarrollar, probar y desplegar IA sin depender de un único proveedor. La información confirma que el despacho mantiene relaciones con proveedores externos y acceso a ChatGPT, Claude y Gemini. También menciona modelos abiertos Nemotron 3. The American Lawyer, reproducido en la web de Latham.

La elección no es necesariamente «todo dentro» o «todo fuera».

Puede consistir en combinar ambos mundos: herramientas externas donde aporten valor y capacidad propia donde existan razones para conservar mayor control.

Mi lectura es que la decisión importante no consiste en prescindir de proveedores, sino en evitar que contratar a uno se convierta en la única forma posible de trabajar.

Primera razón: decidir dónde se procesa la información

Antes de preguntar qué modelo responde mejor, una organización debería preguntarse qué información necesita entregarle para que responda.

No es lo mismo trabajar con una sentencia pública que con documentación interna sensible. Tampoco es igual enviar fragmentos previamente seleccionados que transmitir archivos originales completos.

Una arquitectura propia puede ofrecer una vía para procesar determinada información sin entregarla a un proveedor externo de modelos. Pero conviene no confundir esa posibilidad con una garantía automática de confidencialidad.

Un sistema alojado en infraestructura propia puede seguir enviando información mediante conectores, herramientas, registros, copias de seguridad o servicios auxiliares. Y un servidor propio mal protegido también puede sufrir una intrusión.

La pregunta no es solamente quién posee la máquina. Es quién puede acceder, qué programas intervienen, qué comunicaciones están permitidas y cómo se verifica que los límites se cumplen.

El control no se compra junto con el hardware: se diseña, se opera y se comprueba.

Segunda razón: convertir el conocimiento del despacho en capacidad propia

Bloomberg recoge que Latham pretende integrar la IA con sus sistemas internos y desarrollar herramientas que incorporen la experiencia de sus profesionales. Es una ambición que va más allá de proteger datos: busca transformar conocimiento acumulado en una capacidad diferenciada de trabajo. Bloomberg Law.

Aquí aparece la cuestión estratégica.

Si dos despachos contratan el mismo programa, ambos adquieren acceso a una capacidad semejante. Eso no implica que produzcan respuestas idénticas: seguirán importando sus profesionales, sus fuentes, las instrucciones y la revisión. Pero disponer de esa herramienta deja de ser, por sí solo, una ventaja exclusiva.

La diferenciación puede desplazarse hacia otro lugar:

• cómo organiza cada firma su conocimiento;
• qué procedimientos ha formalizado;
• qué errores sabe detectar;
• cómo distribuye las tareas;
• y cómo verifica y autoriza el resultado.

Una biblioteca documental no se convierte automáticamente en experiencia utilizable. Hay que depurarla, estructurarla y conectarla con el trabajo. Lo mismo ocurre con los procedimientos: aquello que un socio sabe hacer intuitivamente necesita hacerse explícito antes de poder automatizarse con cierta fiabilidad.

Por eso, construir un sistema propio no consiste simplemente en instalar un modelo. Consiste en decidir qué parte del oficio puede convertirse en un proceso reproducible sin perder sus excepciones ni su control profesional.

Tercera razón: conservar capacidad de elección

La dependencia tecnológica no aparece únicamente cuando un proveedor sube los precios.

También puede aparecer cuando los documentos, las evaluaciones, las instrucciones, las integraciones y los procedimientos quedan tan ligados a una plataforma que cambiar resulta extraordinariamente difícil.

Tener infraestructura propia tampoco elimina todas las dependencias. Puede trasladarlas hacia un fabricante de hardware, una familia de modelos, determinados componentes de software o unas pocas personas que conocen el sistema.

El objetivo razonable no es una independencia absoluta. Es conservar alternativas reales.

Eso exige poder sustituir componentes sin reconstruir toda la organización: cambiar de modelo, trasladar información, reutilizar evaluaciones y mantener las reglas de autorización aunque cambie la tecnología que ejecuta una tarea.

La arquitectura tiene aquí una función empresarial: preservar margen de maniobra.

Cuarta razón: controlar la economía del sistema

Latham reconoce que el coste de los tokens es un factor, aunque no el principal impulsor de su decisión. No conocemos una cifra pública que permita calcular la rentabilidad de su inversión. Bloomberg Law.

En términos generales, contratar una API convierte parte del consumo en un gasto variable. Ejecutar modelos propios desplaza parte de ese gasto hacia equipos, personal y operación.

Pero ejecutar localmente no significa ejecutar gratis.

Hay que contar la adquisición y renovación del hardware, electricidad, mantenimiento, seguridad, disponibilidad y trabajo especializado. También las horas dedicadas a resolver problemas que, en un servicio contratado, asumiría el proveedor.

Para una firma grande, con suficiente volumen de tareas adecuadas, esa inversión puede resultar rentable. Para una organización que utiliza poco la infraestructura, puede ocurrir lo contrario.

La comparación relevante no es únicamente el precio por token. Es el coste total de producir un resultado suficientemente fiable, incluyendo verificación y corrección.

Lo que hoy requiere una gran firma puede volverse más accesible

Esa ecuación económica no es estática.

Los avances en hardware y en eficiencia del software podrían permitir que determinadas tareas que hoy requieren equipos costosos se ejecuten mañana con recursos más modestos. La cuantización, por ejemplo, busca representar los parámetros utilizando menos memoria; otras mejoras permiten aprovechar mejor los equipos o utilizar modelos especializados. Cada alternativa tiene límites y debe evaluarse por su efecto en la calidad del trabajo.

No hace falta ejecutar localmente el modelo más potente del mundo. Hace falta disponer de capacidad suficiente para resolver bien una tarea concreta.

Esto abre una posibilidad interesante para despachos y empresas pequeñas: una capacidad local asequible para determinados procesos e información sensible, combinada con servicios externos para trabajos que necesiten otras capacidades.

No sabemos cuándo ni hasta dónde llegará esa reducción de costes. También podrían aumentar las exigencias, el volumen de uso y las necesidades de supervisión.

Por eso, la conclusión no es comprar hoy una infraestructura sobredimensionada. Es construir de forma modular, de modo que incorporar una capacidad local mejor y más económica no obligue a empezar desde cero.

Qué debería aprender un despacho pequeño

Copiar la compra de servidores sería confundir la decisión visible con el razonamiento que la sostiene.

El punto de partida debería ser mucho más sencillo: identificar un proceso real, entender sus riesgos y comprobar qué arquitectura necesita.

Comparar versiones de documentos públicos, organizar conocimiento interno y permitir que un agente envíe comunicaciones son problemas distintos. No requieren los mismos recursos ni admiten los mismos permisos.

Antes de invertir, conviene responder:

¿Qué queremos mejorar? ¿Qué información interviene? ¿Cómo mediremos la calidad? ¿Qué debe permanecer bajo nuestro control? ¿Quién puede detener el sistema?

Después se puede decidir qué contratar, qué configurar y qué construir.

Las primeras pruebas deberían realizarse con documentación pública o sintética. Un prototipo que funciona no demuestra todavía que un sistema esté preparado para recibir información sensible.

La noticia no son las GPU

No sabemos si esta inversión proporcionará a Latham una ventaja duradera. Tampoco sería serio presentar su decisión como una demostración de que toda firma debería seguir el mismo camino.

Pero sí permite observar una cuestión importante: adoptar IA puede convertirse en una decisión sobre la organización del despacho, no solamente sobre sus herramientas.

Qué conocimiento conserva.

Qué procesos desarrolla.

Qué información comparte.

De quién depende.

Y quién controla las decisiones que salen al exterior.

Mi conclusión no es que los despachos deban convertirse en empresas de hardware. Es que deberían evitar delegar también el criterio sobre cómo organizar su propia capacidad de trabajo.

La herramienta puede ser del proveedor. La arquitectura del trabajo y la responsabilidad por sus resultados deben seguir siendo de la organización.