La multa de 5,000 dólares que recibió un abogado por usar ChatGPT es una muestra de dónde gana dinero la IA.

Casi cada semana, se permite que un abogado permita que un chatbot de IA escriba algo que nunca ocurrió en realidad. El caso de Nuevo México esta semana es similar al resto de casos: hasta que no ocurre algo inesperado. La Corte Suprema del estado castigó a Stephen Aarons, un abogado defensor de Santa Fe.$5,000 y lo trató con desprecio.después de que presentara una petición de apelación por asesinato, que, según las palabras del tribunal, contenía…“Testimonios falsos, provenientes de testigos completamente inventados.”No se trataba de una cita legal mal hecha. ChatGPT inventó un testigo que en realidad no existía, y incluyó las declaraciones de la policía en su archivo. El atacante era descrito como alguien “que llevaba pantalones oscuros y camisa blanca”.

Aarons dijo que le dio a ChatGPT una transcripción del juicio para que pudiera generar…Lo que él llamó “un resumen impenetrable”.Y que no comprendía hasta qué punto la IA podía “hallucinar” hechos.Lo llamó un error honesto.La justicia en el tribunal no fue tan compasiva; le dijeron que el problema radica en los abogados que dependen de las ilusiones generadas por la IA.“Una historia cada día, por encima de todo lo que se puede leer.”

Para un inversor minorista, la situación suele terminar en “Hmm, eso está mal”. Pero creo que hay algo más útil: se trata de analizar con cuidado esa única pregunta que determina qué acciones relacionadas con la inteligencia artificial son valiosas. La inteligencia artificial de uso general no funcionó bien en una profesión basada en la capacidad de defender cada afirmación. La empresa que desarrolló su inteligencia artificial basándose en la suposición contraria —es decir, en respuestas que se pueden probar— es la que realmente obtiene ingresos de ella. Es ese vacío, y no el modelo de frontera en sí, donde se encuentra el valor en el ciclo de la inteligencia artificial.

El obstáculo es la confianza, no la inteligencia.

Este es el fragmento del ciclo que se pierde en la cobertura mediática. En los últimos tres años, el mercado de la IA ha estado centrado en el entrenamiento de modelos más grandes, en mayor cantidad de recursos computacionales y en más capital invertido. Esta fase está dominada por tecnologías como CUDA, y por aquellos que pueden comprar la mayor cantidad de chips posibles. Pero el entrenamiento es solo una parte del proceso. El dinero se mueve cuando la IA…UsadoY su uso en el derecho, la contabilidad, los impuestos y la medicina está limitado por algo que los modelos tradicionales no logran hacer bien: producir resultados que puedan ser verificados y defendidos.

Un caso ficticio se detecta mediante búsquedas. Pero la presentación de Aarons fue aún más grave: testigos falsos y testimonios policiales fabricados. Se trata de un tipo de error diferente. No es un error en una nota al pie del texto; es el modelo que crea los registros de un caso criminal. Podríamos llamarlo un problema de atribución: la IA generativa ahora puede inventar una identidad humana y asociar testimonios a ella. Y nada en un chatbot generaliza permite saber si esa persona es real o no.

Por eso existe esa división en los métodos económicos. Un chatbot de uso general se vende como una herramienta para aumentar la productividad, a través de una suscripción fija. Cuanto más fácil sea usarlo, más valioso será. La generación de errores por parte del chatbot apenas afecta este modelo. Pero un profesional es diferente. Un abogado, contable o auditor no puede cobrar por una respuesta que no pueda justificar ante un juez o un regulador. Para ese cliente, la respuesta correcta es el producto en sí; y el proveedor que puede suministrarlo gana mucho más de lo que cobra un chatbot.

El “caballo negro” posee los datos, no el modelo.

La empresa más destacada en este ámbito es Thomson Reuters. No es una start-up, ni tampoco una empresa dedicada al desarrollo de tecnologías de IA. Es la empresa cuyo dueño de mediana edad es el propietario de Westlaw, la base de datos para la investigación legal, y Practical Law. En el último año, ha desarrollado sus productos de IA, CoCounsel, basándose en los contenidos exclusivos y autoritarios de Westlaw.“IA de grado fiduciario”Son respuestas cuyas fuentes son claramente identificables, de modo que un profesional pueda verificarlas y defenderlas. Los límites impuestos por estos controles restringen lo que el modelo puede utilizar, limitándolo a las bases de datos verificadas por Thomson Reuters, en lugar de a la internet en general. Cabe destacar que…Thomson Reuters sigue gestionando modelos de lenguaje de gran tamaño de terceros.— OpenAI y Google son algunos de ellos — pero se les impone un control estricto, de modo que ni los datos del cliente ni la capacidad de acceso del modelo constituyen parte del producto.

Eso es, en resumen, la migración del valor entre el hardware y el software. El modelo bruto es un recurso que la empresa utiliza como “mercancía”; el activo duradero y con precio definido, en cambio, es la capa de contenido verificado que hace que el resultado sea confiable. Thomson Reuters no necesitaba ganar toda la carrera en IA para ganar la carrera que importa para su economía: lo que necesitaba era poseer los datos y la distribución de los cuales dependen las profesiones, y integrar la inteligencia artificial en ellos.

El resultado operativo indica que la afirmación se traduce en ingresos.

Los objetivos de precios establecidos por los analistas son opiniones; los resultados del segmento son lo que realmente se logra. En el segundo trimestre de 2026, Thomson Reuters informó que…Ingresos totales de 1,954 millones de dólares, un aumento del 9%.Y sus tres segmentos principales de profesiones: Legal, Corporativa y Fiscalidad y Contabilidad.Creció un 10% de forma orgánica y ahora representa el 83% de los ingresos de la empresa.. Solo los profesionales legales crecieron un 10% de forma orgánica, hasta alcanzar los 772 millones de dólares., en una48.1% margen EBITDA ajustado. La dirección identificó a CoCounsel y Westlaw como los principales factores que han contribuido al crecimiento legal., conLos ingresos recurrentes aumentaron un 9%..

La comparación que importa es la del poder de fijar precios. El chatbot que fabricaba testimonios en casos de asesinato vendía su capacidad como una suscripción de bajo costo, pero no se espera que sea precisa. Thomson Reuters vende respuestas que se espera que sean correctas, porque son verificables; y esa verificabilidad es el precio. Por eso, uno terminó con una sentencia de desprecio, mientras que el otro es el motor del crecimiento de ingresos de un segmento maduro.

Añadiría una limitación para que el marco no sea excesivo. Todo esto no significa que la IA haya se vuelto segura; el punto clave del tribunal de Nuevo México sigue siendo el mismo: el “grounding” reduce las alucinaciones, pero no elimina –ni puede– el deber profesional de verificar los datos. Aarons fue sancionado porque no cumplió con su obligación de verificar los datos; un instrumento “grounded” no habría cambiado eso. Lo que cambia en este caso es simplemente la perspectiva del inversor. A medida que el ciclo pasa de la capacidad bruta hacia una producción defendible, las empresas que ganarán dinero son aquellas que tienen datos verificables y un sistema de “grounding”, y no aquellas que venden algoritmos que dicen algo plausible más rápidamente.

La próxima vez que una historia relacionada con alucinaciones generadas por IA aparezca en tus feeds, pregúntate de qué lado se encuentra la empresa: ¿se paga por los resultados que puede demostrar, o por aquellos que solo puede producir? Para los inversores, esa diferencia –no el tamaño del modelo– es lo que marca la distancia entre un modelo que genera valor real y uno que no lo hace.