Qué es MCP y por qué le importa a tu estudio

Hay una frustración común cuando un estudio empieza a usar IA en serio: la herramienta escribe bien, resume bien, pero no sabe nada de ti. No conoce tus modelos, no ha leído tus escritos, no sabe qué criterio aplicaste hace dos años en un caso parecido. Cada consulta parte de cero, y el conocimiento del estudio —lo más valioso que tiene— queda afuera de la conversación.

Ese es exactamente el problema que resuelve MCP. Y aunque suene a jerga técnica, vale la pena que lo entiendas, porque define la diferencia entre una IA que te sirve de asistente genérico y una que trabaja con el conocimiento de tu organización.

Qué es MCP, en simple

MCP (Model Context Protocol) es un estándar abierto que permite conectar herramientas y fuentes de datos a un modelo de IA. Anthropic lo introdujo en noviembre de 2024 y lo liberó como código abierto. La analogía habitual es la de un puerto universal: antes, cada integración entre una IA y un sistema era un desarrollo a medida; con MCP hay una forma común de decirle al modelo “aquí está esta base de datos, estas son las búsquedas que puedes hacer, estos son los permisos”.

Lo relevante para quien toma decisiones no es el detalle técnico, sino que dejó de ser la apuesta de un proveedor. En marzo de 2025 OpenAI lo adoptó en su SDK de agentes y en ChatGPT; Google DeepMind confirmó soporte para Gemini; y en diciembre de 2025 Anthropic donó el protocolo a la Agentic AI Foundation, un fondo dirigido bajo la Linux Foundation, cofundado con OpenAI y Block. En un año pasó de experimento interno a estándar de industria con gobernanza neutral.

Para un estudio eso importa por una razón práctica: lo que conectes hoy no queda amarrado a un proveedor. Si mañana cambias de modelo o de herramienta, la conexión a tu conocimiento sigue siendo válida. Es lo contrario a la dependencia que muchos temen —con razón— al firmar con una plataforma cerrada.

Qué cambia en el día a día

Con una conexión bien hecha, la conversación deja de ser genérica. El abogado pregunta “¿qué cláusula de confidencialidad usamos en arriendos comerciales?” y la respuesta viene del estudio, citando los documentos concretos donde está. Y como el mismo canal permite ejecutar acciones —no solo leer—, desde ahí también se registra la carga de horas o se consulta el estado de una causa.

• Buscar en el conocimiento propio: precedentes, modelos, escritos, expedientes.
• Contrastar criterios entre trabajos y detectar inconsistencias.
• Redactar borradores anclados a los documentos del estudio, no a un promedio de internet.
• Ejecutar tareas: registrar horas, consultar una causa, dejar una nota — desde la misma conversación.

La parte que casi nadie te cuenta

Conectar la IA a tus documentos reduce el invento, pero no lo elimina. El estudio del RegLab de Stanford (2024) midió herramientas legales especializadas con anclaje a fuentes —justamente el tipo de arquitectura que hay detrás de una buena conexión— y encontró que aun así alucinaban entre el 17% y el 33% de las veces, frente a cerca de 43% de un modelo general sin anclaje. Mejora enorme; garantía, ninguna.

Por eso el criterio de compra no debería ser “¿me da respuestas?”, sino “¿me deja verificarlas en segundos?”. Una respuesta que cita el documento exacto se comprueba con un clic. Una que no cita nada te obliga a rehacer el trabajo — y ahí la herramienta dejó de ahorrarte tiempo. La ética profesional apunta al mismo lugar: la ABA, en su opinión formal 512 (2024), señaló que confiar en el resultado de una IA sin una verificación independiente apropiada puede infringir el deber de competencia.

§Lo que no está en el expediente no existe en el mundo.

Quod non est in actis non est in mundo

Qué exigirle a una conexión de este tipo

Si vas a conectar el conocimiento de tu estudio a una IA, estas son las preguntas que valen —y que un buen proveedor debería responder sin rodeos:

• ¿Cada respuesta cita su fuente y puedo abrir el documento original?
• ¿Los permisos respetan quién puede ver qué, por rol y por materia?
• ¿Queda registro auditable de las consultas: qué se preguntó, quién y cuándo?
• ¿Mis datos se usan para entrenar modelos de terceros? (La respuesta correcta es no.)
• ¿Si mañana cambio de herramienta, la conexión sigue sirviendo?

Por dónde partir

No hace falta conectar todo el estudio de una vez. El camino que mejor funciona es al revés: empezar por una base acotada y valiosa —los modelos de contratos, la jurisprudencia de una materia, los escritos de un área— y medir si el equipo efectivamente encuentra lo que busca. Si funciona ahí, se amplía. Si no, aprendiste rápido y barato.

La IA de propósito general seguirá mejorando sola. Lo que no mejora solo es cuánto sabe de tu estudio: eso hay que construirlo, con orden y con resguardos. MCP es, hoy, el puente estándar para hacerlo — y el mejor momento para cruzarlo es antes de que tu competencia ya esté al otro lado.