Harvey, la empresa de Inteligencia Artificial para el trabajo jurídico, registró una caída de su margen bruto desde cerca de 50% a comienzos de año hasta -50% en junio, según una persona familiarizada con sus cifras citada por Bloomberg. Esto porque el aumento del uso de sus agentes elevó el costo de operar modelos de terceros más rápido que los ingresos asociados a ese uso.
El margen bruto muestra cuánto queda de cada venta después de pagar el costo directo de entregar el servicio. Un margen de -50% significa que esos costos superaron los ingresos en la proporción indicada: por cada dólar facturado, el costo directo fue aproximadamente un dólar y medio. La cifra difundida corresponde a junio, no a la situación actual de la compañía.
Harvey informó que su consumo de tokens, las unidades que cobran los proveedores por procesar y generar texto, se multiplicó por 20 durante el año. Una actualización de sus agentes en marzo disparó el uso de los clientes, de acuerdo con la investigación de Bloomberg. La empresa declinó comentar sus cifras financieras específicas para esa publicación.
La compañía introdujo posteriormente Harvey Tenet, un modelo basado en Kimi K3, de Moonshot AI, y modificó otros aspectos de su uso de IA. Personas familiarizadas con esas medidas dijeron a Bloomberg que el margen bruto volvió a ser positivo. La investigación no desglosó cuánto aportó cada cambio a la recuperación.
El margen de Harvey cayó mientras crecía el uso de sus agentes
Harvey vende herramientas para bufetes y equipos jurídicos internos. Sus agentes realizan tareas de varios pasos, que pueden requerir numerosas consultas a un modelo y volver a procesar documentos extensos. Cuando el producto se usa mucho más, una suscripción o contrato empresarial puede generar más costos variables de los previstos.
La investigación de Bloomberg vinculó la presión de costos con la dependencia de modelos de OpenAI y Anthropic. Harvey había desarrollado funciones jurídicas sobre esos sistemas, pero el consumo de tokens creció con rapidez tras la actualización de sus agentes. El cambio de margen, de 50% a -50%, proviene de una fuente cercana a las cuentas de la empresa y no de estados financieros publicados.
La valoración de Harvey alcanzó US$15.500 millones después de una ronda de US$550 millones, según la propia compañía. Esa valoración describe cuánto pagaron los inversionistas por la empresa; no equivale a ingresos ni demuestra que el producto fuera rentable durante el período de margen negativo.
El caso muestra una dificultad concreta para aplicaciones empresariales de IA: una tarea que requiere más pasos, contexto o respuestas puede aumentar la factura aunque el precio unitario de cada token permanezca igual. Para presupuestar esos servicios, el costo por trabajo terminado resulta más informativo que el precio de una sola llamada al modelo.
Harvey Tenet y Kimi K3 cambiaron la estructura de costos
En agosto, Harvey presentó Harvey Tenet, su primer modelo de pesos abiertos posentrenado para tareas jurídicas de larga duración. Utilizó Kimi K3 como base y trabajó con Fireworks en el entrenamiento adicional. Los pesos abiertos permiten adaptar el modelo y elegir cómo ejecutarlo, en vez de depender exclusivamente de una API ajena para cada consulta.
Harvey explicó en su publicación técnica que «el costo depende tanto del precio por token como de los tokens utilizados» (traducción propia). Su entrenamiento adicional buscó reducir el uso innecesario de herramientas y texto sin perder rendimiento en las tareas evaluadas. Esos resultados son pruebas de la empresa sobre su modelo, no una medición independiente de todos los procesos de sus clientes.
La transición fue una reducción de dependencia, no una salida completa de los proveedores anteriores. Harvey anunció después que sus clientes podían optar por Claude Fable 5.1 de Anthropic para análisis complejos. La disponibilidad de ese modelo dentro de la plataforma muestra que Harvey combinó alternativas propias y externas.
La empresa informó que Tenet seguía siendo una vista previa de investigación cuando presentó sus resultados iniciales. La recuperación del margen, según Bloomberg, ocurrió tras el lanzamiento y otros ajustes al uso de IA; sus cifras no permiten atribuir toda la mejora a un solo modelo.
Fuentes
Bloomberg, reproducido por Yahoo Finance: investigación sobre costos y márgenes; Harvey: resultados técnicos de Tenet; Harvey: anuncio de financiación; Harvey: disponibilidad de Claude Fable 5.1.
