Harvey construyó un negocio de software jurídico valorado en US$ 11.000 millones usando los modelos de inteligencia artificial de otras empresas. El 18 de agosto de 2026, anunció que entrenó el suyo propio.
El nombre es Tenet. Y la elección de la base es lo que hace interesante el caso: no fue construido desde cero ni se apoyó en el modelo más fuerte del mercado. Fue entrenado sobre el Kimi K3, el modelo de pesos abiertos y bajo costo de la china Moonshot AI — con datos jurídicos producidos por la propia Harvey, a partir de disputas simuladas y expedientes de casos elaborados por abogados contratados para eso.
El resultado que la empresa afirma haber alcanzado: un desempeño comparable al de los modelos generales más fuertes, a un costo de modelo abierto.
Por qué esto es contraintuitivo
La lógica dominante en los últimos años fue simple: quien tiene acceso al modelo más poderoso gana. Las empresas competían por usar la versión más nueva del modelo más caro.
Lo que hizo Harvey invierte la cuenta. Tomó una base más débil en capacidad general y la hizo mejor en lo que le importa — usando aquello que ningún laboratorio de frontera tiene: el acervo y el criterio de un dominio específico.
Un modelo generalista sabe un poco de todo, incluso de derecho. Un modelo entrenado con el material de una empresa que vive del derecho sabe hacerlo del modo que ese trabajo requiere. Para la tarea específica, el segundo gana — y cuesta una fracción.
Qué cambia cuando el costo por tarea se desploma
Esta es la parte que suele pasar desapercibida, y es la más importante. Harvey dice que el bajo costo hace práctico ejecutar agentes de forma continua en todos los casos.
Fíjate en el cambio de naturaleza. Cuando cada consulta es cara, la IA se usa en los momentos importantes, bajo decisión humana: alguien decide preguntar. Cuando el costo cae lo suficiente, pasa a funcionar todo el tiempo, en todo — revisando cada caso, comprobando cada documento, señalando lo que nadie pidió comprobar.
No es la misma herramienta usada con más frecuencia. Es otra forma de trabajar, que solo existe por debajo de cierto precio.
¿Y quién no va a entrenar ningún modelo?
Vale ser directo: entrenar un modelo, incluso sobre una base abierta, exige escala, datos y equipo que la inmensa mayoría de las empresas no tiene — y Harvey vale US$ 11.000 millones. Si la lectura del caso es "voy a entrenar el mío", el tiro sale por la culata.
Lo que se aprovecha es el principio, y este vale en cualquier tamaño:
- El diferencial no es el modelo, es el dato que solo tú tienes. Tus contratos, tus informes, tu historial de atención, tus propuestas que cerraron y las que no cerraron. Todo el mundo alquila el mismo modelo; nadie tiene tu acervo.
- Organizar ese acervo es la inversión que sobrevive al cambio de modelo. El modelo que usas hoy será sustituido en meses. El material bien organizado de tu operación sigue valiendo — y mejora el resultado de cualquier modelo que venga después.
- Existe un camino intermedio. Entre "usar ChatGPT como todo el mundo" y "entrenar un modelo propio" está la franja donde debería estar casi cualquier empresa: alimentar el modelo con tu base de conocimiento en el momento de la pregunta, en lugar de esperar que adivine cómo trabaja tu empresa.
- Pregunta cuánto cuesta la tarea, no cuánto cuesta el modelo. Fue la caída en el costo por tarea lo que cambió lo que Harvey puede hacer. Esa es la medida útil, y no el precio de la suscripción.
Vale la pena notar el contraste con el otro lado de la misma moneda: ejecutar un modelo abierto en tu propia infraestructura tiene un costo real que los titulares suelen esconder. El caso de Harvey no contradice esto — muestra dónde se paga la inversión: no en alojar el modelo, sino en especializarlo con lo que ya sabes.
El resumen honesto
Dos salvedades. Tenet todavía no está en el producto de Harvey y no hay fecha de lanzamiento anunciada — el desempeño descrito es lo que la empresa reporta, no algo que los clientes ya usan. Y las cifras de comparación provienen de la propia Harvey, sin verificación independiente.
Lo que ya está claro, independientemente de lo que pase con Tenet: la empresa que más motivos tenía para seguir alquilando el modelo de otros — porque construyó US$ 11.000 millones haciendo exactamente eso — concluyó que valía la pena tener el propio, montado sobre una base abierta y barata, con datos que solo ella posee.
Hechos verificados a partir del anuncio de Harvey del 18 de agosto de 2026, la cobertura de Business Insider y las noticias de tecnología de agosto de 2026. El desempeño de Tenet es reportado por la propia empresa.
Perguntas frequentes
¿Qué es Harvey Tenet?
Es el primer modelo de inteligencia artificial propio de Harvey, empresa de software jurídico valorada en 11.000 millones de dólares, anunciado el 18 de agosto de 2026. Fue entrenado sobre Kimi K3, el modelo de pesos abiertos y bajo costo de la china Moonshot AI, usando datos jurídicos propios producidos a partir de disputas simuladas y archivos de casos elaborados por abogados.
¿Por qué entrenar sobre un modelo abierto en vez de usar el modelo más potente del mercado?
Porque la comparación que importa no es la capacidad general, sino el desempeño en la tarea concreta. Un modelo generalista sabe un poco de todo, incluido el derecho; un modelo entrenado con el acervo de quien vive del derecho sabe de la forma que ese trabajo exige. Harvey afirma haber alcanzado un desempeño comparable al de los modelos generales más fuertes a un costo de modelo abierto.
¿Por qué importa tanto el costo por tarea?
Porque cambia lo que es posible hacer, no solo cuánto se gasta. Cuando cada consulta es cara, la IA se usa en los momentos importantes, por decisión humana. Cuando el costo baja lo suficiente, se vuelve viable ejecutar agentes de forma continua en todos los casos, revisando todo, todo el tiempo. Es otra manera de trabajar, que solo existe por debajo de cierto precio.
¿Mi empresa debería entrenar su propio modelo de IA?
Casi con seguridad no. Entrenar un modelo, incluso sobre una base abierta, exige escala, volumen de datos y equipo que la gran mayoría de las empresas no tiene, y Harvey vale 11.000 millones de dólares. El camino intermedio es el que sirve a la mayoría: alimentar el modelo con tu base de conocimiento en el momento de la pregunta, en lugar de esperar que adivine cómo trabaja tu empresa.
¿Cuál es la lección del caso para pequeñas y medianas empresas?
Que la ventaja competitiva no está en el modelo, sino en los datos que solo tu empresa tiene: contratos, informes, historial de atención, propuestas que se cerraron y las que no. Todo el mundo alquila el mismo modelo; nadie tiene tu acervo. Y organizar ese acervo es la inversión que sobrevive al cambio de modelo, porque el modelo será sustituido en meses y tu material seguirá valiendo.
¿Tenet ya está en uso?
No. El modelo todavía no está disponible en el producto de Harvey y no hay fecha anunciada de lanzamiento. El desempeño descrito es el que reporta la propia empresa, sin verificación independiente, lo que recomienda cautela al tratar las cifras como definitivas.