El 17 de septiembre de 2026, OpenAI presentó Astra for Law, una configuración de su modelo más potente pensada específicamente para el trabajo jurídico. A primera vista es una noticia para despachos de abogados. Pero si diriges una empresa de distribución, un grupo hotelero o una constructora, el anuncio te interesa por otro motivo: es la demostración más clara hasta la fecha de cómo se construye una IA vertical, es decir, una inteligencia artificial afinada para un oficio concreto. Y esa receta sí se puede aplicar, a otra escala, en tu negocio.
Qué anunció OpenAI (y qué hay debajo del titular)
Según la propia compañía, Astra for Law no es un modelo nuevo desde cero: es su modelo de última generación combinado con tres cosas: un índice de búsqueda legal, instrucciones específicas de análisis y redacción jurídica, y controles de privacidad y gobernanza para trabajo confidencial. OpenAI afirma que el índice cubre jurisprudencia, normativa y resoluciones de Estados Unidos sobre un corpus de más de 230 millones de URLs, y que en un banco de pruebas de investigación legal el conjunto supera de forma notable al mismo modelo usando solo búsqueda web.
Fuente: OpenAI, «Introducing Astra for Law» (openai.com/index/astra-for-law, 17 de septiembre de 2026).
Lo relevante no es el sector legal. Es el patrón. El modelo genérico ya era bueno; lo que lo convierte en herramienta profesional fiable es el contexto que le rodea.
Los cuatro ingredientes de una IA vertical
Cuando en Tisa analizamos proyectos de IA aplicada a negocio, el esquema que funciona se parece mucho a este. Una IA vertical útil necesita cuatro piezas:
1. Un buen modelo, pero como punto de partida
El modelo es el motor, no el coche. Elegir entre proveedores (Microsoft/Copilot, OpenAI, Anthropic, Google u opciones abiertas) importa, pero es la decisión menos diferencial: los modelos cambian cada pocos meses y todos avanzan. Lo que construyas alrededor es lo que perdura.
2. Tus datos, accesibles y ordenados
El índice legal de Astra for Law es, en esencia, una base de conocimiento fiable que el modelo consulta antes de responder: la técnica que en el sector llamamos RAG (generación aumentada por recuperación). En una pyme ese "índice" no es jurisprudencia: son los datos de tu ERP, tus tarifas, tus contratos de proveedor, tus fichas técnicas, tus históricos de servicio. Sin ese anclaje, un modelo responde con verosimilitud pero sin verdad; con él, responde con fuentes que una persona puede comprobar.
3. Instrucciones que codifican el criterio profesional
OpenAI añade instrucciones sobre cómo razonar y escribir un documento jurídico: distinguir lo esencial de lo accesorio, señalar debilidades, explicar riesgos. Traducido a tu empresa: cómo se valora un pedido especial, qué márgenes se pueden mover, qué avisa un jefe de obra experimentado antes de aceptar un cambio. Ese conocimiento suele estar en la cabeza de tres o cuatro personas. Convertirlo en instrucciones explícitas es, muchas veces, la parte más valiosa del proyecto.
4. Confidencialidad, permisos y supervisión
El anuncio dedica un bloque entero a control: retención cero de datos, exclusión de revisión humana, permisos de información y supervisión interna. En una empresa privada el equivalente es igual de serio: quién puede preguntar qué, qué datos salen de la organización, qué queda registrado y quién valida antes de que una respuesta se convierta en una decisión. Esto es gobernanza de datos, y es parte de nuestro asesoramiento en IA desde el primer día.
Del despacho a tu empresa: cómo se traduce
La pregunta útil no es "¿cuándo habrá un Astra for Law para mi sector?", sino "¿qué tarea concreta de mi empresa mejora con una IA vertical construida sobre mis datos?". Algunos ejemplos reconocibles en los sectores con los que trabajamos —retail, distribución, construcción, industria alimentaria, hostelería, centros deportivos y flotas—:
- Distribución: un asistente que responde "¿qué le ofrecimos a este cliente el año pasado y con qué margen?" consultando el ERP, en lugar de obligar a rebuscar en informes.
- Hostelería: análisis de ocupación y tarifas que cruza reservas, cupos y facturación a agencias para anticipar la semana siguiente.
- Construcción: revisión asistida de pliegos y contratos de subcontrata que señala plazos, penalizaciones y desviaciones respecto a lo habitual en la empresa.
- Industria y flotas: detección de patrones en incidencias y mantenimientos para adelantarse a la avería y repartir bien el coste por vehículo o línea.
- Retail: apoyo a compras con histórico de rotación y estacionalidad, integrado con el inventario.
Ninguno de estos casos necesita un modelo propio. Necesita datos ordenados, integración con el sistema de gestión y criterio de negocio.
El ERP como cimiento de la IA vertical
Aquí está la conclusión menos glamurosa y más importante: sin datos fiables no hay IA que valga. Un ERP como Microsoft Dynamics 365 Business Central concentra finanzas, compras, inventario, ventas, proyectos y servicio en un único sitio, con información consistente y trazable. Ese es exactamente el material que una IA vertical necesita para dejar de improvisar. Si la información vive repartida entre hojas de cálculo, correos y un sistema antiguo, cualquier proyecto de IA empezará por ahí de todos modos.
Por eso, en muchos de nuestros proyectos, el primer paso hacia la IA es en realidad un paso de orden: consolidar el ERP, conectar lo que estaba suelto y montar cuadros de mando con Power BI. Después, la capa de IA aporta mucho más y cuesta mucho menos.
Cómo empezar sin quemar presupuesto
Nuestra recomendación es la de siempre, y el anuncio de OpenAI la refuerza: empezar por un caso de uso medible, no por la tecnología. Un guion práctico:
- Elegir una tarea repetitiva, con criterio experto y coste identificable (horas, errores, retrasos).
- Revisar los datos que esa tarea necesita: dónde están, quién los mantiene, si son fiables.
- Definir las reglas del oficio y los límites: qué decide la máquina y qué valida siempre una persona.
- Pilotar en pequeño, medir contra la forma actual de trabajar y decidir con datos si se amplía.
- Formar al equipo, porque una IA vertical sin usuarios entrenados se abandona en tres meses.
Con ese enfoque, la conversación deja de ser sobre modas y pasa a ser sobre margen, tiempo y errores evitados.
Hablemos de tu caso
En Tisa llevamos desde 1987 implantando tecnología de gestión y, como partner Microsoft e ISV, hemos desarrollado verticales sectoriales sobre Business Central para hoteles, distribución, centros deportivos, punto de venta y flotas. Esa misma lógica —conocer el oficio, no solo la herramienta— es la que aplicamos hoy a los proyectos de IA.
Si quieres valorar qué caso de uso de IA vertical tiene sentido en tu empresa y qué necesitas antes de abordarlo, escríbenos a info@grupotisa.com o llámanos al (+34) 971 305 885. Primera valoración sin compromiso, y te diremos con franqueza si toca IA o toca ordenar la casa primero. Más información en grupotisa.com.