El 25 de agosto Google Cloud sacó Gemini Enterprise for Legal, en versión preliminar, con Cleary, Freshfields, Weil y Williams & Connolly como firmas de arranque.

Trae habilidades legales prearmadas: redacción de escritos, verificación de citas, gestión del ciclo de vida de contratos, barrido regulatorio.

Y en la lista de integraciones aparece Harvey.

De producto a accesorio

Harvey levantó capital a valuaciones que subieron de 3.000 millones a 11.000 millones y, según lo reportado a inicios de agosto, ahora negocia 500 millones a una valuación de 15.500 millones. Es la aplicación legal más conocida de esta ola.

En el anuncio de Google, aparece como una integración vía Model Context Protocol, al lado de Legora, iManage, NetDocuments, RelativityOne y Thomson Reuters.

Y conviene decir que no es la primera vez. El 12 de mayo Anthropic lanzó Claude for Legal, con más de veinte conectores y doce complementos por área de práctica, y Harvey ya figuraba adentro. Google no abrió esa puerta, la cruzó segundo. En cuatro meses, la aplicación legal más conocida del ciclo quedó listada como componente dentro de dos de sus propios proveedores de modelos.

Eso no es una derrota. Estar adentro de la plataforma donde el cliente ya trabaja es distribución, y distribución gratis.

Pero cambia dónde empieza la conversación con el cliente. Antes el bufete evaluaba a Harvey. Ahora el bufete evalúa Gemini Enterprise y decide qué conectores enciende.

Es la diferencia entre vender el taladro y estar en la lista de taladros compatibles con la caja de herramientas.

Harvey respondió dos veces en una semana

El 18 de agosto, una semana antes del anuncio de Google, Harvey lanzó su segunda generación con memoria en el centro: preferencias, contexto compartido, aprendizaje de lo que quieren los abogados de la firma y también sus clientes.

Dos días después, el 20 de agosto, lanzó Tenet, su primer modelo propio. No lo entrenaron desde cero: tomaron Kimi K3, una base de pesos abiertos, y la post-entrenaron con datos legales.

El momento no me parece casualidad, y el orden importa.

Tenet es la respuesta ruidosa, y es la que menos defiende. Harvey acaba de demostrar que un modelo especializado se construye en dos meses de cómputo sobre una base abierta, lo que significa que Thomson Reuters puede hacerlo, y una firma grande también. Probar que algo es replicable en dos meses es una manera curiosa de volverlo tu foso.

La memoria es la respuesta callada, y es exactamente lo que un conector no puede replicar. Google puede conectarse a tu gestor documental por API en una tarde. No puede conectarse a tres años de saber que este socio quiere las cláusulas de indemnización con un formato particular, que este cliente rechaza cierto lenguaje, que esta jurisdicción trae siempre la misma discusión.

Ese acumulado no vive en un documento. Se construye con uso, y se pierde al cambiar de herramienta.

Sobre esa misma idea escribimos en el harness es el moat (ventaja competitiva): cuando el modelo se vuelve intercambiable, lo defendible es lo que lo rodea.

Lo que esto le dice a cualquier empresa de software

Si vendes software B2B con IA adentro, este movimiento es tu ensayo general.

La plataforma va a llegar a tu categoría. Google, Microsoft o quien sea va a sacar la versión configurada para tu industria, con conectores hacia los sistemas que tus clientes ya usan, y va a ofrecerla dentro de un contrato que el cliente ya firmó.

Cuando eso pase, la pregunta es qué tienes que la plataforma no pueda conectar.

Si tu ventaja era llamar bien a un modelo, te vuelves conector. Si tu ventaja es el contexto que acumulaste de cómo trabaja ese cliente en particular, conservas la relación aunque la puerta de entrada cambie de dueño.

Escribimos sobre la versión de esta pregunta que le tocó a los bufetes en Kirkland no construye un modelo.

Tres cosas para revisar en tu producto

¿Qué sabe tu sistema sobre cada cliente que no esté en una base de datos que ellos podrían exportar mañana?

¿Cuánto tarda un cliente en reemplazarte? Si la respuesta es dos semanas, no tienes memoria, tienes una interfaz.

¿Estás midiendo el uso que genera acumulación, o solo el uso que genera factura? Son métricas distintas y la segunda no predice la retención cuando llega la plataforma.

Harvey lanzó memoria siete días antes de que Google entrara a su categoría, y un modelo propio cinco días antes. Si eso fue reacción o previsión no lo sé, pero el orden de las jugadas es el correcto y vale copiarlo.

Revisemos qué de tu producto no se puede conectar por API