--- title: "Sanción de $31,100 a dos bufetes por un escrito de 10 páginas con citas inventadas" description: "Dos bufetes recibieron una sanción de $31,100 por un escrito de diez páginas con citas inventadas por IA. Ninguna de las dos firmas asumió la verificación." slug: "legal-k-l-gates-ellis-george" url: "https://catalizadora.ai/blog/legal-k-l-gates-ellis-george" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T22:39:40.06+00:00" updated_at: "2026-08-26T22:39:40.318016+00:00" read_minutes: "7" lang: "es" --- # Sanción de $31,100 a dos bufetes por un escrito de 10 páginas con citas inventadas > Dos bufetes recibieron una sanción de $31,100 por un escrito de diez páginas con citas inventadas por IA. Ninguna de las dos firmas asumió la verificación. ## Qué pasó Dos bufetes de primer nivel, K&L Gates y Ellis George, presentaron un escrito de diez páginas dentro de un litigio. El documento citaba jurisprudencia que no existía: referencias producidas por una herramienta de inteligencia artificial que nadie comprobó contra la fuente antes de firmar. El tribunal impuso una sanción de $31,100. El [ABA Journal](https://www.abajournal.com/web/article/judge-imposes-sanctions-for-collective-debacle-involving-ai-hallucinations-and-2-law-firms-including-k) recogió el caso y la palabra que lo describe: un fracaso colectivo. Hay un detalle que separa este episodio de la anécdota. Esas citas inventadas estuvieron a punto de entrar en una orden judicial. No se quedaron en un borrador interno ni en una versión de trabajo: casi se convierten en el texto que resuelve un caso real, con efectos sobre personas reales. ## Por qué pasó La causa no está en el modelo. Está en un entregable sin dueño. Cuando dos organizaciones colaboran en un mismo documento, la verificación es la primera tarea que se cae. No porque a alguien le dé pereza, sino porque queda asignada a un plural: la revisan los equipos. Cada firma vio un texto que llegaba de profesionales competentes y asumió que el paso previo ya estaba cubierto. La responsabilidad repartida entre dos es responsabilidad de nadie, y eso se nota justo en la última milla, cuando el documento sale. El segundo factor es que este error no tiene señal visual. Una redacción floja se detecta leyendo. Una cita falsa, no: viene con el formato correcto, el año, el número de página, el tono exacto de una referencia legítima. Comprobarla exige salir del documento y buscarla en el repositorio real. Son minutos por cita, y son minutos que ninguna lectura atenta sustituye. El tercero es cómo se le pidió el trabajo a la herramienta. Un modelo de lenguaje genera texto plausible; no consulta un repositorio de jurisprudencia salvo que se lo conecten. Pedirle de memoria una cita exacta es pedirle que produzca algo con la forma de una cita. Eso lo hace muy bien, y ahí está el problema: el resultado es indistinguible por fuera. ## Dónde te puede pasar a ti No hace falta litigar para reproducir el patrón. Sucede cada vez que un dato con forma de autoridad viaja sin su fuente: - Una propuesta comercial con cifras de mercado que nadie rastreó hasta el informe original. - Un documento interno que cita un artículo de la ley por número. - Un correo a un cliente que hace referencia a una cláusula de su propio contrato. - Un informe armado entre dos áreas, donde cada una revisó su parte y ninguna revisó el conjunto. ## Cómo se evita 1. **La verificación es una tarea con nombre y casilla.** No una expectativa cultural. Aparece en el flujo de trabajo, tiene responsable y se marca como hecha antes de que el documento salga. 2. **Toda cita, cifra o referencia normativa viaja con enlace a la fuente.** Si no hay enlace, no entra al documento. Esa sola regla convierte una revisión de horas en una de minutos. 3. **Para datos exactos, el modelo se conecta a la base real.** Recuperación sobre documentos indexados en lugar de generación de memoria. La respuesta trae la referencia porque la leyó, no porque la escribió. 4. **En entregables compartidos, un solo dueño de la versión final.** La persona que firma es la que verificó, y sabe que lo es. ## Cómo lo hacemos en Catalizadora Los asistentes que construimos responden sobre los documentos del cliente, indexados y citables, no de memoria: cada respuesta trae de dónde salió. Cuando no hay documento que la respalde, el sistema responde que no lo encontró en lugar de completar el hueco. Y todo entregable que llega a un cliente pasa por un revisor con nombre, no por el equipo. ## Preguntas frecuentes ### ¿Cuánto costó el error y por qué se sancionó? La sanción fue de $31,100 y recayó sobre dos bufetes, K&L Gates y Ellis George. El motivo: un escrito de diez páginas que incluía citas de jurisprudencia inventadas por una herramienta de inteligencia artificial y que nadie comprobó contra la fuente. ### ¿Por qué nadie detectó las citas falsas al leer el escrito? Porque una cita inventada no se ve mal. Trae el formato correcto, el año, el número. Un texto flojo se detecta leyendo; una referencia falsa solo se detecta buscándola en el repositorio real. Es una verificación que el ojo no puede sustituir. ### ¿Entonces no se debe usar IA para redactar documentos legales? El fallo no fue usar la herramienta, fue entregar sin verificar. Un modelo de lenguaje produce texto plausible; no consulta jurisprudencia salvo que se lo conecte a una base real. Con esa conexión y una revisión asignada a una persona, el mismo trabajo se hace en menos tiempo y con la fuente a la vista. ### ¿Cómo se evita cuando dos equipos trabajan sobre el mismo documento? Nombrando un único responsable de la versión final. La verificación se cae precisamente cuando está repartida: cada firma creyó que la otra ya la había hecho. Un entregable sin dueño es un entregable sin revisar. --- Source: https://catalizadora.ai/blog/legal-k-l-gates-ellis-george Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)