Legatiq no es un chatbot: arquitectura de una IA jurídica con biblioteca por capas

La crítica que mejor responde una explicación honesta

"Esto se puede hacer con cualquier IA. ChatGPT también puede buscar en el BOE. Las IA son prompts entrenados a resolver, sin más."

Es un comentario que recibimos en redes y que tiene parte de razón. La parte de razón: hoy hay muchas IA y varias pueden buscar en internet. Lo que la frase pasa por alto es la diferencia arquitectónica entre un chatbot con búsqueda integrada y un sistema de IA jurídica con biblioteca normativa por capas.

Este artículo lo explica al detalle. Si después de leerlo crees que sigue siendo un prompt sofisticado, justo. La transparencia es la única respuesta válida a esa crítica.

La diferencia con un chatbot estándar

Un chatbot generalista

Recibe tu pregunta. La pasa al modelo de lenguaje. El modelo genera la respuesta más probable según los patrones aprendidos en su entrenamiento. Si tiene búsqueda web integrada (Gemini, Perplexity), antes de generar busca en internet abierto y añade ese material como contexto.

Es una sola pieza haciendo todo: el modelo de lenguaje, alimentado con lo que aporta la búsqueda web cuando la hay.

Una IA jurídica con arquitectura por capas

Recibe tu pregunta. Un orquestador la analiza, descompone la intención y decide qué herramientas activar. Las herramientas son varias: búsqueda en BOE, búsqueda en boletines autonómicos, búsqueda en jurisprudencia, análisis del documento que has subido, recuperación de criterios administrativos. Cada herramienta devuelve material verificable. El modelo de lenguaje sintetiza la respuesta sobre el material recuperado, no sobre su memoria de entrenamiento.

Son varias piezas coordinadas: orquestador, herramientas, biblioteca por capas, modelo de síntesis. Cada una hace una función concreta.

Las cinco partes de la arquitectura

1. Orquestador

Es la pieza que toma decisiones. Cuando le preguntas:

"Soy autónomo en Cataluña, mi cónyuge es asalariada, ¿pierdo la tarifa plana al casarme?"

El orquestador descompone:

• Materia 1: tarifa plana del autónomo (normativa estatal RDL 13/2022).
• Materia 2: implicaciones del matrimonio en cotización (normativa estatal LGSS).
• Materia 3: pluriactividad cónyuge colaboradora (normativa estatal Ley 20/2007 + LGSS).
• Posible materia 4: especialidades autonómicas catalanas si las hay.

Y decide qué capas de la biblioteca activar y en qué orden. No invoca todas en cada consulta: invoca las relevantes. Por eso una pregunta sencilla puede resolverse antes que una que cruza cinco normas.

2. Biblioteca por capas

La biblioteca de Legatiq está organizada en capas:

Capa	Contenido
Estatal	Legislación del BOE (leyes, reales decretos, órdenes ministeriales, disposiciones consolidadas)
Autonómica	Boletines oficiales de las comunidades autónomas (DOGC, DOGV, BOC, BOJA, DOG, BOPV, DOCM, BORM, DOE y otros)
Local	Ordenanzas municipales con su número de boletín provincial
Jurisprudencial	Sentencias del TS (Civil, Penal, Contencioso, Social, Militar), Tribunal Constitucional, Audiencia Nacional, Tribunales Superiores de Justicia
Administrativa	Criterios doctrinales de AEAT (consultas vinculantes DGT), TGSS, ministerios, registros oficiales
Convenios	Convenios colectivos sectoriales y de empresa publicados

Cada capa se actualiza por su cuenta, a su propio ritmo.

3. Herramientas (tools) que el orquestador puede invocar

El orquestador no busca directamente. Tiene un conjunto de herramientas especializadas:

• Búsqueda en BOE consolidado: recupera pasajes con identificador BOE-A.
• Búsqueda en boletín autonómico (uno por CCAA): recupera con su URL específica.
• Búsqueda en jurisprudencia: recupera con ECLI o ROJ.
• Búsqueda en criterios administrativos: recupera con número de consulta vinculante.
• Análisis de documento subido: lee el documento que has aportado (PDF, Word o texto) y responde sobre su contenido.
• Síntesis cruzada: integra material de varias herramientas en una respuesta unificada.

Una pregunta sencilla activa una sola herramienta. Una pregunta compleja activa cuatro o cinco en paralelo. Por eso la latencia varía.

4. Memoria entre turnos

Dentro de una misma conversación, el sistema mantiene el contexto entre turnos. Si tu primer mensaje fue "soy autónomo en Madrid con 35.000 € de rendimientos" y el segundo "y si me caso, ¿pierdo la tarifa plana?", el sistema no necesita que repitas el contexto. Sabe que eres autónomo, en Madrid, con rendimientos concretos.

Esto es básico en cualquier chatbot moderno, pero en Legatiq tiene un matiz: la memoria también recuerda qué fuentes oficiales se citaron en turnos anteriores para mantener coherencia entre respuestas. Si en el primer turno se citó una norma específica, el siguiente turno parte de esa misma cita en lugar de buscarla otra vez.

Entre conversaciones distintas no hay mezcla de datos: cada conversación es independiente por privacidad.

5. Análisis de documentos subidos

Este es el componente que un chatbot genérico no tiene por diseño. Dentro de la app, con tu cuenta, puedes subir un documento en PDF, Word o texto (contrato de arrendamiento, sentencia, escritura, resolución administrativa, acta) y hacer preguntas sobre él.

El sistema:

• Extrae el texto del documento; si es un PDF escaneado, con reconocimiento de texto.
• Lo integra en el contexto de la conversación.
• Permite preguntas como "¿qué cláusulas de este contrato pueden ser abusivas según la LAU?" y responde cruzando lo que dice el documento con la normativa oficial recuperada de la biblioteca.
• Mantiene el documento como contexto durante toda la conversación.

Esto es funcionalidad de agente jurídico, no de chatbot. Para usar análoga capacidad en ChatGPT habría que darle el texto del documento en el prompt y pedirle que cruce con normativa que él tendría que generar desde memoria, sin acceso a fuente oficial.

Y en el sentido contrario, Legatiq también redacta documentos: te pregunta lo que falta, planifica el documento, lo redacta sobre la normativa aplicable y revisa el borrador. Cómo lo hace, con una consulta real, en redactar documentos con Legatiq; y cómo revisa un contrato antes de firmarlo, en revisar documentos.

El flujo completo de una pregunta tipo

Para entender en concreto cómo funciona, tomemos una pregunta real de las pruebas:

"Soy autónoma que se da de alta en Madrid en 2026. Mis rendimientos previstos son 22.000 euros netos al año. ¿Qué cuota pagaré con tarifa plana, qué cuota tras los 12 meses, y qué ayudas autonómicas como la Tarifa Cero puedo solicitar? Cita la normativa autonómica vigente con su URL del BOCM."

El flujo en Legatiq:

Primero, el orquestador analiza la pregunta y la descompone:

• Cuota tarifa plana → norma estatal (RDL 13/2022).
• Cuota tras 12 meses según rendimientos → tabla de tramos vigente (Orden PJC anual).
• Tarifa Cero Madrid → normativa autonómica madrileña reciente.

Después activa tres herramientas en paralelo:

• Búsqueda en capa estatal: RDL 13/2022 + Orden PJC/297/2026.
• Búsqueda en capa autonómica (BOCM): la norma vigente de la Tarifa Cero.
• Cálculo de tramo con los rendimientos dados.

Luego cruza los pasajes recuperados. Con ellos, una respuesta correcta tiene que llevar:

• 22.000 € al año son 1.833 € al mes: tramo 4 de la tabla general (más de 1.700 y hasta 1.850 €).
• Base mínima de 1.143,79 € y, con el tipo total de 2026 (31,50 %), una cuota de 360,29 € al mes.
• La Tarifa Cero de Madrid: el Acuerdo de 23 de diciembre de 2025, publicado en el BOCM del 7 de enero de 2026, que derogó el de 2022.
• La comprobación de que con 22.000 € (por encima del salario mínimo de 2026, 17.094 € al año) no hay prórroga de la tarifa plana.

Por último, la síntesis: el modelo de lenguaje compone la respuesta con:

• Cifra exacta del tramo y la cuota.
• Cita inline al BOE de la Orden PJC/297/2026 con URL.
• Cita inline al BOCM del Acuerdo de la Tarifa Cero con URL.
• Aclaración sobre la imposibilidad de prórroga al segundo año por superar SMI.

Resultado: una respuesta con sus citas enlazadas a la fuente.

El mismo flujo en ChatGPT, sin búsqueda web, sería:

El modelo recibe la pregunta y empieza a generar la respuesta más probable según patrones aprendidos. Sin búsqueda en BOE en tiempo real, sin acceso al BOCM autonómico, sin cálculo verificable contra la tabla de la Orden vigente.

Resultado: una respuesta plausible, en segundos, con estimaciones que pueden estar desactualizadas.

Por qué esta arquitectura no se reduce a "ChatGPT con un prompt"

Tres razones operativas:

1. Acceso a fuentes que ChatGPT no tiene

ChatGPT no tiene acceso directo al BOE consolidado en tiempo real ni al CENDOJ ni al BOCM ni al DOGC. Su material es lo que aprendió durante el entrenamiento (con fecha de corte) más, en algunos casos, lo que encuentra en búsqueda web abierta. La biblioteca por capas de Legatiq es una infraestructura específica, no replicable con un prompt.

2. Orquestación que decide qué buscar

ChatGPT con un prompt sofisticado sigue siendo el mismo modelo eligiendo la palabra siguiente más probable. Una orquestación real implica una capa de decisión por encima del modelo: análisis de la pregunta, descomposición en sub-tareas, invocación de herramientas distintas según el tipo de cada sub-tarea. Eso es arquitectura de software, no prompt engineering.

3. Análisis de documento integrado con la biblioteca

Subir un contrato a ChatGPT y pedirle análisis te da una opinión sobre el texto basada en lo que ChatGPT recuerda de la LAU. Subir un contrato a Legatiq te da una opinión basada en el texto cruzado con la LAU oficial recuperada en tiempo real del BOE. La diferencia no es de tono, es de fuente del análisis.

La latencia como evidencia, no como problema

Las pruebas comparativas confirmaron el patrón:

• ChatGPT, Gemini, Perplexity: segundos (pruebas de abril de 2026).
• Legatiq: entre 2 y 7 minutos en nuestras pruebas de septiembre de 2026, con preguntas que obligan a investigar.

Esa latencia es evidencia directa de la arquitectura por capas. En esos minutos:

• El orquestador descompone la pregunta.
• Se activan varias herramientas en paralelo.
• Cada herramienta busca en su capa de la biblioteca.
• Los pasajes recuperados se contrastan entre sí.
• El modelo sintetiza la respuesta anclada a esos pasajes.
• Se genera la cita inline con el enlace verificable.

Una respuesta en segundos sin verificación puede salir más cara que una respuesta en unos minutos con las citas verificables. La latencia es la moneda con la que pagas la trazabilidad.

Lo que esto significa para el usuario final

Tres consecuencias prácticas:

Para el ciudadano

La respuesta cita la norma con enlace al BOE. Pinchas y verificas. No tienes que confiar a ciegas en la IA: tienes la fuente original al alcance de un clic.

Para el profesional

La trazabilidad es la condición de la responsabilidad. Cuando un abogado, gestor o asesor firma un escrito basándose en una respuesta de IA, necesita poder demostrar de dónde sale cada afirmación. Una IA con citas verificables al BOE oficial reduce el coste de la verificación a un clic. Una IA generalista que cita blogs o no cita nada deja la verificación como tarea manual completa.

Para el cliente del profesional

Cuando paga por la firma profesional, paga por la verificación. La calidad de la herramienta usada por el profesional se traduce en velocidad de servicio sin sacrificar rigor.

Lo que NO somos

Para no caer en sobreclaim, conviene también explicar los límites:

• No somos un sustituto del profesional cualificado. Para casos con consecuencias importantes, la consulta a un abogado o asesor especialista es siempre lo correcto.
• No somos infalibles. Como cualquier sistema técnico, podemos recuperar un pasaje no del todo relevante o sintetizar incompletamente. La diferencia con un chatbot genérico es que no inventamos sentencias o normas: cada afirmación va anclada a una fuente recuperada y enlazada para verificación.
• No reemplazamos la jurisdicción ni la administración. Una respuesta de Legatiq no tiene el valor jurídico de una resolución administrativa ni de una sentencia.

La pregunta para el escéptico

Si después de leer este artículo crees que sigue siendo un prompt sofisticado sobre ChatGPT, hay una forma sencilla de comprobarlo: hazle a ChatGPT y a Legatiq la misma pregunta sobre datos vigentes con normativa autonómica reciente. Compara las dos respuestas. Verifica las citas contra la fuente original. Ahí se ve la diferencia que la arquitectura produce.

Lo hicimos con siete pruebas en la comparativa de IA legal en España 2026. Las cifras y los patrones están documentados con outputs reales verificables.

Pasos siguientes

Para ver la biblioteca de fuentes oficiales en detalle, las seis fuentes oficiales que lee Legatiq.

Para entender el proceso editorial de las guías que publicamos, metodología editorial.

Para ver los enlaces directos a cada fuente oficial que utilizamos, fuentes oficiales.

Para la comparativa con datos reales contra ChatGPT, Gemini y Perplexity, comparativa de IA legal en España 2026.

Si quieres probarlo con tu propia consulta, Legatiq es gratis durante el plan básico.