Los embeddings (o incrustaciones vectoriales) son la tecnología que permite a la IA "comprender" la proximidad semántica entre textos. En concreto, cada palabra, frase o documento se transforma en un vector numérico: una lista de coordenadas dentro de un espacio matemático de alta dimensión (normalmente de 768 a 8.192 dimensiones). En ese espacio, los textos que tratan del mismo tema acaban cercanos entre sí, con independencia de las palabras exactas utilizadas.
Para el derecho, esta tecnología es revolucionaria. La búsqueda jurídica clásica se basa en palabras clave: si usted busca "despido improcedente" pero la resolución utiliza "ruptura injustificada del contrato de trabajo", la búsqueda tradicional fracasa. Con los embeddings, la búsqueda semántica comprende que ambas formulaciones designan el mismo concepto y devuelve los resultados pertinentes. Esta es la base de los sistemas RAG utilizados por las soluciones legaltech modernas.
Los embeddings se almacenan en bases de datos vectoriales especializadas (Qdrant, Pinecone, Weaviate) optimizadas para la búsqueda por similitud a gran escala. La indexación de millones de resoluciones judiciales, de artículos de doctrina o de textos legislativos en forma de embeddings permite una búsqueda jurídica más inteligente, más rápida y más exhaustiva que los enfoques tradicionales.