La semana pasada añadí Mira a un pipeline que ya funcionaba.

Nada del otro mundo. Extrae cláusulas de contratos y las envía a un clasificador downstream. La precisión del modelo era buena. La latencia también. Nadie se quejaba del rendimiento.

El problema no era el modelo.

El problema era la aprobación.

Cada cláusula extraída todavía tenía que ser revisada por un humano antes de poder avanzar. No porque el modelo fuera malo. Porque el cumplimiento no se preocupa por las puntuaciones de confianza. Les importa la prueba. La política dice literalmente “validado por humano.” Esa línea no cambia solo porque mejoren los benchmarks.

Así que en lugar de discutir otra vez sobre la precisión del modelo, probé algo diferente.

Instalé el SDK de Mira.
Lo apunté al endpoint. Añadí la clave. Ejecuté la primera llamada.

La respuesta parecía normal. Si solo mirabas la salida, no pensarías que mucho había cambiado.

La diferencia apareció en los logs.

Primera cláusula: cosas simples. Referencia de fecha. Ley aplicable. Lenguaje estándar. Los validadores la detectaron casi inmediatamente. El quórum se formó rápido. La participación se comprometió. Se emitió el certificado. El hash de salida se ancló.

Listo.

La segunda cláusula parecía similar a simple vista. Mismo conjunto de contratos. Pero esta tenía una exclusión de indemnización con redacción condicional. El tipo de lenguaje que cambia el significado dependiendo de cómo lo leas. O en qué jurisdicción pienses.

Esta no se aprobó tan rápido.

Podías ver cómo los validadores formaban opiniones. Modelos diferentes. Ejecuciones de entrenamiento distintas. Cada uno evaluando la misma reclamación de forma independiente.

Algunos se inclinaban por un lado. Otros por otro.

El peso del quórum subió.
Se detuvo.
Subió otra vez.

Finalmente cruzó el umbral. Se imprimió el certificado. La verificación pasó.

Pero algo más destacó: el peso de la disensión.

Aunque la reclamación pasó, la desacuerdo era mayor que en la primera cláusula. Ese número permaneció visible.

En la configuración antigua, nada de eso existiría. El modelo devolvería una respuesta con tono confiado. Todo parecería igual de seguro. Nunca sabrías que múltiples interpretaciones razonables eran posibles.

Aquí, la reclamación todavía pasa. Pero puedes ver cuán clara fue realmente la acuerdo.

Ejecuté más cláusulas.

El mismo patrón cada vez.

Las afirmaciones fácticas claras avanzan rápido. Se forma consenso rápidamente. Baja disensión. Fácil.

Las afirmaciones interpretativas toman más tiempo. La confianza fluctúa antes de estabilizarse. A veces la disensión permanece elevada incluso después de emitir el certificado.

Esas se volvieron interesantes.

Nadie pidió esa señal. El objetivo original era simple: reemplazar “validado por humano” con algo criptográfico.

Pero una vez que la disensión apareció en los logs, el flujo de trabajo cambió por sí solo.

Los revisores empezaron a abrir primero las cláusulas con alta disensión. No porque la verificación fallara. Porque el sistema mostraba dónde había verdadera incertidumbre.

Las cláusulas con consenso limpio dejaron de recibir revisiones automáticas secundarias.

La cola de revisión se redujo.

No porque el modelo fuera más inteligente. Porque la incertidumbre dejó de estar oculta.

El pipeline antiguo aplanaba todo. Cada salida parecía igual de confiada. Así que los humanos trataban todo como si pudiera ser arriesgado.

Ahora hay un gradiente.

Algunas cláusulas son claramente sólidas. Otras claramente no. Y algunas están en el área gris.

Esa área gris solía ser invisible.

Mira no pretende que la desacuerdo no exista. La registra. El certificado no solo dice “sí.” Muestra cuán fuerte fue el acuerdo de la red.

Y resulta que eso es lo que realmente necesitaba el cumplimiento.

No otro punto porcentual de precisión.

No un modelo más sofisticado.

Solo una forma de ver dónde el modelo podría estar equivocado.

Una vez que puedes ver eso, ya no revisas todo de la misma manera.