Ya sea que estés dando tus primeros pasos en el mundo tecnológico o que tu rol no tenga nada que ver con la ingeniería, es muy probable que ya cuentes con las habilidades necesarias para construir tus propias herramientas. Si alguna vez pensaste "no tengo los conocimientos técnicos para crear eso", este artículo es para ti.
Permíteme presentar al equipo. Somos abogados, gestores de programas y profesionales de negocios; no somos ingenieros. Gran parte de nuestro trabajo suele ser repetitivo, como revisar los mismos tipos de contratos una y otra vez o responder a las mismas consultas legales, y nuestra orientación previa se recicla constantemente. Estos son problemas que la IA podría ayudar a resolver, pero nos faltaba confianza sobre cómo construir las herramientas adecuadas.
Ahí es donde entró GitHub Copilot CLI. Pedimos lo que necesitábamos en lenguaje natural, lo conectamos a nuestros repositorios y vimos cambios reales rápidamente. El "nunca pude programar" se transformó en "acabo de construir algo", y ese hábito se extendió por sí solo hasta que cada uno de nosotros estaba creando sus propias soluciones.
A continuación, presentamos dos relatos reales de personas que hicieron exactamente eso. Además, puedes ver los videos para conocer dos historias adicionales.
¿Por qué construí una guía de estilo para redacción interna?
La siguiente es una narración en primera persona de Ngandu Kasuku, Principal Product Counsel.
Soy abogado de producto, pero el trabajo comercial sigue siendo una parte considerable de mi práctica. Alrededor de marzo o abril, me encontré enterrado en acuerdos de asociación que involucraban datos, infraestructura e integraciones de productos. Ningún acuerdo era igual a otro, por lo que cada nuevo asunto se sentía como empezar desde cero.
Comencé a usar Copilot CLI para gestionar el aumento de trabajo, lo cual ayudó, pero también presentaba problemas. Luego, después de ver lo que otros habían construido con Copilot, me di cuenta de que no estaba pensando en grande. En lugar de usar la IA para una tarea a la vez, podía construir algo en torno a mi forma de trabajar.
Entonces, creé una herramienta de redacción de contratos utilizando Copilot CLI. La llamé terms-ai, que admito no es el nombre más original. Comencé estructurando el proyecto y almacenando documentos clave en un repositorio. Esto me dio un lugar centralizado para organizar y versionar las instrucciones, los recursos de redacción y los flujos de trabajo que guían a la IA. Esa estructura hizo que los resultados fueran más consistentes y redujo el copiar y pegar que me había ralentizado cuando usaba una biblioteca de prompts.
Una de las características principales de la herramienta es una guía de estilo de redacción interna. Desde mis días como abogado comercial, he preferido el lenguaje sencillo. Nunca entendí por qué los contratos necesitaban palabras como "antes mencionado" o "con respecto a". Cuando descubrí que todo un movimiento de redacción legal compartía esta visión, utilicé sus principios como base para mi guía de estilo.
También construí una biblioteca de acuerdos que ya había completado. Ahora, cuando un socio existente envía una adenda o un nuevo acuerdo, la herramienta puede recurrir a ese trabajo anterior. Estos acuerdos permanecen en un entorno interno aprobado y con control de acceso.
La herramienta y su flujo de trabajo general son de código abierto. Los acuerdos y otra información sensible no forman parte del repositorio de código abierto. Desde que comencé a usar terms-ai, he reducido mi tiempo de revisión y redacción aproximadamente a la mitad. Mis disposiciones son más consistentes en todos los acuerdos y los borradores reflejan el estilo sencillo que prefiero.
La herramienta aún tiene mucho camino por recorrer. Pero la lección más importante no fue que la IA pudiera ayudarme a redactar más rápido. Fue que podía usar la IA para construir una herramienta basada en mi propio juicio, experiencia y forma de trabajar.
¿Cómo construí flujos de trabajo legales sin escribir código tradicional?
La siguiente es una narración en primera persona de Jesse Geraci, Online Safety Counsel.
Comencé con un problema específico. Necesitábamos analizar código fuente de forma rápida y precisa para evaluar avisos de la DMCA (Ley de Derechos de Autor de la Era Digital). El proyecto original comenzó como un conjunto de instrucciones de GitHub Copilot para tareas recurrentes como triaje de DMCA, comparación de código, comprobaciones de licencias y revisión de elusión. Queríamos convertir el trabajo desordenado de prompts únicos que todos hacían de forma independiente en algo repetible que un equipo legal pudiera confiar para recopilar los hechos correctos y analizar los datos de manera consistente.
Me sorprendió lo lejos que podía llegar sin soporte de ingeniería. La "programación" central consistía en archivos de lenguaje sencillo con conjuntos de instrucciones de flujo de trabajo, materiales de referencia de políticas y plantillas para escribir informes. En lugar de escribir código fuente, pude usar mis habilidades de redacción lingüística como abogado para incorporar un juicio legal estructurado en el propio flujo de trabajo.
Creció a partir de ahí. Añadimos diferentes modos de análisis para clientes y abogados (con resultados más rápidos y recomendaciones de escalamiento para clientes, y una revisión más profunda con argumentos para ambas partes para los abogados) e integramos fuentes de datos externas. Cuando entregué el flujo de trabajo al equipo, comenzaron a usarlo de inmediato y le pidieron a Copilot que hiciera más.
Esa base ha evolucionado desde entonces hasta convertirse en una aplicación de escritorio completa para ejecutar flujos de trabajo legales predefinidos en una interfaz limpia. Construir la aplicación de escritorio requirió escribir algo de código (mucho código, de hecho), pero las instrucciones principales utilizadas para personalizar los flujos de trabajo se editan y personalizan fácilmente en la aplicación usando lenguaje natural.
La aplicación que creamos ahora se ha expandido mucho más allá del análisis de código para avisos DMCA. Incluye instrucciones para muchos flujos de trabajo internos como revisión de contratos, triaje de NDA, evaluación de riesgos, comprobaciones de cumplimiento y redacción de respuestas. Por dentro, puede dirigir el trabajo a través de habilidades y agentes reutilizables (ingesta, alineación de manuales, puntuación de riesgo, verificación de evidencia, enrutamiento de escalamiento, ensamblaje de informes), pero la parte importante no es la complejidad técnica, sino que los equipos legales aún pueden controlar el comportamiento en Markdown legible.
Para mí, la lección clave fue que no necesito esperar al proveedor de software perfecto, ni convertirme en un desarrollador a tiempo completo, para construir herramientas de IA serias. Si puedes definir claramente tu metodología, tus estándares y tu formato de salida, GitHub Copilot facilita la puesta en marcha de ese conocimiento.
Mi Copilot legal no es un reemplazo del juicio legal, y no debería tratarse de esa manera. Es un sistema de apoyo a la toma de decisiones estructurado diseñado para mantener la revisión humana como eje central, haciendo que el análisis legal sea más consistente, transparente y escalable.
Lleva esto contigo
Si un equipo de abogados y gestores de programas puede superar rápidamente los días difíciles, tú también puedes. Muchos trabajos, incluso aquellos que no se centran en el desarrollo de software tradicional, tienen tareas repetitivas que pueden automatizarse. Elige una cosa que te ralentice, abre Copilot CLI y pídele que te ayude a construir una solución.
Comienza con GitHub Copilot CLI.
Vía GitHub Blog.
