Cómo personalizar Claude: de chatbot a entorno de trabajo jurídico y académico

Santiago Carretero Sánchez
Profesor Titular de Filosofía del Derecho, Universidad Rey Juan Carlos
Abogado del Ilustre Colegio de la Abogacía de Madrid

La evolución de la inteligencia artificial generativa está desplazando progresivamente el centro de atención desde la pregunta aislada hacia una cuestión mucho más interesante: cómo configurar la IA para que trabaje de forma coherente con el contexto, los objetivos y la metodología de cada usuario.

En este proceso, Claude ofrece actualmente diferentes mecanismos de personalización que permiten construir una relación de trabajo mucho más estable con el usuario. Entre ellos destacan las instrucciones generales, la memoria, las Skills y los proyectos. No son exactamente la misma herramienta ni cumplen idéntica función. Cada una actúa sobre una dimensión diferente: las instrucciones establecen reglas generales; la memoria permite conservar información útil; las Skills incorporan capacidades y procedimientos especializados; y los proyectos proporcionan un espacio de trabajo con contexto, documentos e instrucciones propios. Anthropic permite, además, combinar estas funciones para adaptar Claude a diferentes necesidades profesionales.

Para un jurista, un docente universitario o un investigador, esta evolución tiene especial interés. Personalizar una IA no significa simplemente conseguir respuestas que nos resulten más agradables, sino construir un marco de trabajo en el que el sistema pueda comprender mejor nuestras necesidades, aplicar determinados criterios y trabajar sobre documentación específica.

1. Cuatro niveles para personalizar Claude

Las instrucciones generales constituyen la capa transversal. Permiten indicar a Claude determinadas preferencias sobre la forma de trabajar: métodos, conceptos habituales, escenarios profesionales o criterios de comunicación. Se aplican al conjunto de las conversaciones. Para un jurista, por ejemplo, puede ser útil establecer que las respuestas distingan entre legislación, jurisprudencia, doctrina e interpretación, o que no se presenten como verificadas referencias que no hayan sido comprobadas.

La memoria cumple una función diferente. Su finalidad no consiste en almacenar indiscriminadamente todo lo que se haya dicho, sino en conservar información que pueda resultar útil para futuras interacciones. La propia Anthropic ha desarrollado mecanismos para consultar, gestionar e incluso importar o exportar la memoria. Esto permite comprender mejor una relación continuada con la IA, aunque debe mantenerse una distinción esencial: recordar una información no equivale a verificarla. En el ámbito jurídico, una preferencia almacenada o un conocimiento procedente de conversaciones anteriores nunca puede sustituir la comprobación de la normativa o de la jurisprudencia vigente.

Las Skills introducen una dimensión todavía más interesante. Permiten incorporar comportamientos, conocimientos especializados y flujos de trabajo que Claude puede utilizar cuando resultan pertinentes. Una Skill puede contener instrucciones, archivos de referencia y, en determinados casos, código ejecutable. Su utilidad aparece especialmente en tareas específicas y repetibles.

Así, en el ámbito jurídico podrían diseñarse Skills orientadas, por ejemplo, al análisis estructurado de sentencias, a la elaboración de fichas jurisprudenciales, a la revisión de documentos conforme a unos criterios previamente establecidos o a la transformación de materiales en determinados formatos docentes.

Su valor fundamental no reside en hacer una tarea una sola vez, sino en convertir una metodología de trabajo en un procedimiento reutilizable.

Finalmente aparecen los proyectos, que permiten crear espacios de trabajo independientes con sus propios chats, instrucciones y base de conocimiento. Los documentos incorporados al conocimiento del proyecto pueden utilizarse como contexto en los distintos chats desarrollados dentro de ese espacio.

Esta posibilidad resulta especialmente relevante para quienes desarrollan actividades diferentes. Un profesor puede mantener proyectos separados para una asignatura, una investigación y un libro en preparación. Un abogado puede establecer espacios diferenciados para distintos trabajos, siempre con las necesarias cautelas en materia de confidencialidad, secreto profesional y protección de datos.

La lógica puede resumirse de manera sencilla:

Función	Pregunta que responde
Instrucciones generales	¿Cómo quiero que trabaje Claude conmigo?
Memoria	¿Qué información útil puede conservar sobre mi forma de trabajar?
Skills	¿Qué tareas especializadas y repetibles puede ejecutar conforme a un procedimiento?
Proyectos	¿En qué contexto documental y profesional estamos trabajando?

Esta arquitectura permite pasar progresivamente de una interacción puramente conversacional a un entorno de trabajo contextualizado.

2. Del prompt aislado al método de trabajo

La diferencia conceptual es importante.

El modelo tradicional de utilización de una IA generativa puede representarse así:

pregunta → respuesta

El modelo hacia el que avanzan estas herramientas es considerablemente más sofisticado:

usuario → instrucciones → memoria → capacidades especializadas → proyecto → documentos → tarea → resultado

La diferencia no es meramente tecnológica. También afecta a la metodología profesional.

Un profesor puede establecer previamente el nivel académico, la estructura de sus materiales y determinados criterios docentes. Un investigador puede organizar un proyecto alrededor de sus documentos y objetivos. Un jurista puede separar distintos contextos de trabajo y definir procedimientos específicos para determinadas tareas.

La IA deja así de ser únicamente un sistema al que se formulan preguntas para convertirse progresivamente en una infraestructura de apoyo al trabajo intelectual.

Esta transformación explica también por qué no conviene confundir las distintas capas. Las instrucciones generales no deben convertirse en un almacén de información circunstancial; la memoria no debe utilizarse como sustituto de una base documental; una Skill no es simplemente un prompt largo; y un proyecto no equivale a una conversación extensa.

Cada elemento cumple una función diferente.

3. El problema jurídico: personalización no significa fiabilidad

Precisamente porque la personalización hace que la IA pueda parecer más coherente, aparece un riesgo que en el ámbito jurídico merece especial atención: la coherencia de un sistema no garantiza la corrección de sus resultados.

Una IA puede conocer nuestras preferencias, utilizar documentos proporcionados por nosotros y aplicar un procedimiento definido previamente y, pese a ello, producir una conclusión jurídicamente incorrecta.

Puede identificar erróneamente una norma, confundir una resolución judicial, interpretar de forma inadecuada un documento o construir una conclusión aparentemente convincente sobre una premisa equivocada.

Por ello, la personalización debe ir acompañada de mecanismos de supervisión.

En el trabajo jurídico resulta especialmente importante mantener la comprobación de las fuentes, verificar la vigencia normativa, contrastar las referencias jurisprudenciales y revisar críticamente las conclusiones obtenidas. La automatización de un procedimiento no desplaza la responsabilidad intelectual del profesional que utiliza el resultado.

Existe, además, una segunda cuestión: cuanto mayor sea el volumen de información que se incorpora a un sistema personalizado, mayor importancia adquieren la confidencialidad, la protección de datos, el secreto profesional y la delimitación de los contextos documentales. La personalización no puede convertirse en una vía para mezclar indiscriminadamente información perteneciente a asuntos, investigaciones o actividades diferentes.

En otras palabras, una buena arquitectura de personalización debe ser simultáneamente eficiente y jurídicamente responsable.

4. De la herramienta conversacional al entorno profesional

La verdadera novedad de estas funcionalidades no está, por tanto, en que Claude «recuerde» determinadas cosas o permita cargar documentos. Lo relevante es la posibilidad de combinar diferentes capas para construir una metodología de trabajo.

El usuario puede establecer reglas generales; conservar información relevante; incorporar capacidades especializadas; y crear espacios de trabajo documentales diferenciados.

La consecuencia es una modificación de la pregunta fundamental.

Ya no se trata únicamente de preguntar:

¿Qué puede hacer Claude?

La cuestión más interesante para el profesional comienza a ser:

¿Cómo puedo configurar Claude para que trabaje conforme a mi metodología profesional?

Este cambio de perspectiva tiene especial importancia en el ámbito universitario y jurídico. La ventaja competitiva de la IA generativa puede depender cada vez menos de saber formular una pregunta ocasionalmente brillante y cada vez más de saber construir un sistema de trabajo bien diseñado.

La diferencia entre ambos enfoques es sustancial. El primero busca una buena respuesta. El segundo intenta construir un proceso capaz de producir respuestas útiles de forma consistente.

Una última cautela

No debe olvidarse, sin embargo, que la personalización puede generar también una falsa sensación de seguridad. Una respuesta que utiliza nuestro vocabulario, conoce nuestro contexto y reproduce nuestra metodología puede resultar especialmente convincente precisamente porque se adapta a nosotros.

Por ello, la personalización debe aumentar la eficiencia del profesional, no disminuir su capacidad crítica.

En Derecho, la última palabra continúa correspondiendo al jurista. En la Universidad, al docente y al investigador. La IA puede aportar contexto, sistematización, análisis y velocidad; pero la valoración jurídica, científica o académica sigue requiriendo juicio humano.

Conclusión

Las instrucciones generales, la memoria, las Skills y los proyectos muestran una evolución significativa de la inteligencia artificial generativa: de la conversación aislada hacia la construcción de entornos de trabajo personalizados. Para juristas, profesores e investigadores, esta transformación puede tener una importancia mayor que la mera mejora de la calidad de una respuesta individual. Permite organizar contextos, establecer metodologías, reutilizar procedimientos y trabajar sobre conjuntos documentales específicos.

Pero la personalización eficaz no consiste en conseguir que la IA «piense como nosotros». Consiste en proporcionarle un marco de trabajo suficientemente claro para que pueda ayudarnos de acuerdo con nuestros objetivos y procedimientos, sin sustituir el criterio profesional que debe controlar el resultado. La cuestión decisiva, por tanto, no es únicamente cuánto sabe una inteligencia artificial, sino cómo hemos diseñado el entorno en el que va a utilizar ese conocimiento.

---

Fuente principal y actualización que he consultado: documentación oficial de Anthropic sobre personalización, memoria, proyectos y Skills.

Santiago Carretero Sánchez
Profesor Titular de Filosofía del Derecho, Universidad Rey Juan Carlos
Abogado del Ilustre Colegio de la Abogacía de Madrid

Blog: blogdelaiaactual.blogspot.com