ClauseClarity AI — Explainer

Concepto

ClauseClarity AI es un microservicio SaaS B2B que automatiza la revisión de contratos legales mediante IA. Los equipos legales, de ventas y de compras cargan sus contratos (PDF, DOCX, TXT) y reciben en segundos:

• Un resumen ejecutivo generado por un LLM.
• Un mapa de cláusulas de riesgo comparadas contra un playbook predefinido.
• Un nivel de riesgo global (HIGH / MEDIUM / LOW).
• Un historial persistente por usuario.

---

Arquitectura

┌─────────────────────────────────────────────────────────────┐
│                    ClauseClarity AI (Spring Boot 4.0.4)     │
│                                                             │
│  AuthController        ContractController                   │
│       │                       │                             │
│  AuthService           ContractService                      │
│       │                  │         │                        │
│  UserRepository   DocumentExtractor  LlmAnalysisService     │
│       │                              │                      │
│  PostgreSQL DB                LlmFeignClient                │
│  (users, contracts,           (OpenAI-compatible API)       │
│   analyses)                                                 │
└─────────────────────────────────────────────────────────────┘

Capas

Capa	Clases clave
Controller	%%INLINE0%%, %%INLINE1%%
Service	%%INLINE2%%, %%INLINE3%%, %%INLINE4%%, %%INLINE5%%
Repository	%%INLINE6%%, %%INLINE7%%, AnalysisRepository
Model	%%INLINE9%%, %%INLINE10%%, Analysis
Security	%%INLINE12%%, %%INLINE13%%, UserDetailsServiceImpl
Config	%%INLINE15%%, %%INLINE16%%, %%INLINE17%%, %%INLINE18%%
Client	%%INLINE19%% + DTOs (%%INLINE20%%, ChatResponse, …)

Decisiones técnicas destacadas

• Java 25 Virtual Threads — las llamadas I/O-bound al LLM y a la base de datos corren en VirtualThreadPerTaskExecutor, maximizando throughput sin hilos de plataforma bloqueados.
• Jackson 3.x (%%INLINE23%%) — Spring Boot 4 usa Jackson 3; %%INLINE24%% se inyecta por constructor (bean pre-configurado en JacksonConfig).
• Stateless JWT — Spring Security 7.x con filtro OncePerRequestFilter; sin sesiones en servidor.
• OpenFeign — LlmFeignClient llama a cualquier endpoint OpenAI-compatible (GPT-4o, Claude, Mistral…).
• Extracción sin dependencias extra — DOCX se parsea via ZipInputStream (formato ZIP interno con XML); PDF usa extracción ASCII heurística. Añadir Apache Tika para producción.

---

Endpoints

Auth — /api/v1/auth (público)

Método	Ruta	Body	Respuesta
POST	%%INLINE30%%	%%INLINE31%%	%%INLINE32%% + %%INLINE33%%
POST	%%INLINE34%%	%%INLINE35%%	%%INLINE36%% + %%INLINE37%%

Contracts — %%INLINE38%% (requiere %%INLINE39%%)

Método	Ruta	Descripción
POST	%%INLINE40%%	Sube y analiza un contrato (%%INLINE41%%, campo %%INLINE42%% + %%INLINE43%% opcional)
GET	/	Lista contratos del usuario (más reciente primero)
GET	/{id}	Detalle de un contrato
GET	/{id}/analysis	Análisis IA completo del contrato
GET	%%INLINE47%%	Vista de dashboard de riesgo (resalta %%INLINE48%% + overallRisk)

Ejemplo de respuesta de análisis

{
  "analysisId": "550e8400-e29b-41d4-a716-446655440000",
  "contractId": "f47ac10b-58cc-4372-a567-0e02b2c3d479",
  "contractName": "Acuerdo de Distribución Q2-2026.docx",
  "summary": "Este contrato establece una relación de distribución exclusiva por 3 años...",
  "overallRisk": "HIGH",
  "riskyClauses": {
    "liability": "Cláusula 12.3 establece responsabilidad ilimitada para el distribuidor.",
    "termination": "El proveedor puede rescindir con solo 5 días de aviso por cualquier causa.",
    "intellectual_property": "Toda IP creada durante la distribución se asigna automáticamente al proveedor."
  },
  "analyzedAt": "2026-05-13T10:30:00"
}

---

Análisis de Negocio

Problema resuelto

Revisión manual de contratos: lenta (4-8 h/contrato), costosa ($200-400/h en honorarios legales), propensa a errores.

Mercado objetivo

• Departamentos legales internos de pymes y startups.
• Pequeños despachos de abogados (1-15 abogados).
• Equipos de ventas/compras con contratos estandarizados en volumen.

Monetización SaaS B2B

Plan	Contratos/mes	Usuarios	Precio estimado
Starter	10	1	$49/mes
Professional	100	5	$199/mes
Enterprise	Ilimitados	Ilimitado	$799/mes

ROI para el cliente

• Ahorro: 80% del tiempo de revisión → ~$15 000/mes en honorarios para un equipo de 3 abogados.
• Retorno sobre inversión: >100x en el plan Professional.

Ventaja competitiva

• Backend puro → fácil integración en flujos existentes (Salesforce, DocuSign, etc.).
• Playbook personalizable por sector (SaaS, M&A, Real Estate).
• Modelo de datos multi-tenant listo para escalar.

---

Referencias

• Tendencia de mercado: Best AI SaaS Product Ideas 2026
• Spring Boot 4.0.4: https://spring.io/projects/spring-boot
• Spring Security 7.x: https://docs.spring.io/spring-security/reference/
• jjwt 0.12.x: https://github.com/jwtk/jjwt
• Spring Cloud OpenFeign 4.2.1: https://docs.spring.io/spring-cloud-openfeign/docs/current/reference/html/
• Jackson 3 (tools.jackson): https://github.com/FasterXML/jackson

---

Cómo ejecutar

Prerrequisitos

• Java 25
• Maven 3.9+
• PostgreSQL 16+ (o Docker)

1. Base de datos

docker run -d \
  --name clauseclarity-pg \
  -e POSTGRES_DB=clauseclarity \
  -e POSTGRES_USER=cc_user \
  -e POSTGRES_PASSWORD=cc_pass \
  -p 5432:5432 \
  postgres:16

2. Configuración (application.yml o variables de entorno)

spring:
  datasource:
    url: jdbc:postgresql://localhost:5432/clauseclarity
    username: cc_user
    password: cc_pass
  jpa:
    hibernate:
      ddl-auto: create-drop
    show-sql: false

app:
  jwt:
    secret: dGhpc0lzQVZlcnlMb25nQW5kU2VjdXJlU2VjcmV0S2V5Rm9yVGhlSldUVG9rZW5HZW5lcmF0aW9uMTIz
    expiration-ms: 86400000

llm:
  api:
    url: https://api.openai.com
    key: sk-XXXXXXXXXXXXXXXXXXXXXXXX   # tu API key de OpenAI
  model: gpt-4o

3. Compilar y ejecutar

mvn clean package -DskipTests
java -jar target/clauseclarity-ai-0.0.1-SNAPSHOT.jar

4. Prueba rápida con cURL

# Registro
curl -s -X POST http://localhost:8080/api/v1/auth/register \
  -H "Content-Type: application/json" \
  -d '{"email":"demo@clauseclarity.ai","password":"S3cur3Pass!"}' | jq .

# Login → guarda el token
TOKEN=$(curl -s -X POST http://localhost:8080/api/v1/auth/login \
  -H "Content-Type: application/json" \
  -d '{"email":"demo@clauseclarity.ai","password":"S3cur3Pass!"}' | jq -r .token)

# Analizar un contrato
curl -s -X POST http://localhost:8080/api/v1/contracts/analyze \
  -H "Authorization: Bearer $TOKEN" \
  -F "file=@/path/to/contract.docx" \
  -F "name=Mi Contrato Q2" | jq .

# Listar contratos
curl -s http://localhost:8080/api/v1/contracts \
  -H "Authorization: Bearer $TOKEN" | jq .

# Dashboard de riesgo (reemplaza {id} con el UUID del contrato)
curl -s http://localhost:8080/api/v1/contracts/{id}/risk-dashboard \
  -H "Authorization: Bearer $TOKEN" | jq .

Nota: Si no se configura llm.api.key, el servicio devuelve un análisis de fallback indicando que el LLM no está disponible. El resto de la funcionalidad (upload, persistencia, historial) opera normalmente.

---

FinOps Analysis para ClauseClarity AI

Estimación de Costos Operativos Mensuales

1. Estimación de Tokens LLM: Para una micro-startup de LegalTech, asumiendo un análisis profundo de contratos, estimamos un promedio de 40,000 tokens por contrato (incluyendo input del documento, prompt detallado y output estructurado). Con una base inicial de 20 clientes, cada uno procesando 20 contratos al mes, el volumen total ascendería a 400 contratos mensuales. Esto resulta en una estimación de aproximadamente 16 millones de tokens/mes. Hemos optado por el modelo gpt-4o de OpenAI para garantizar la calidad y precisión en el análisis legal, dado el alto valor del problema que se resuelve.

2. Desglose de Costos Mensuales:

• LLM (OpenAI gpt-4o): Basado en 14M tokens de entrada ($5/M) y 2M tokens de salida ($15/M), el costo estimado es de $100/mes.
• Cloud Hosting (AWS EC2): Una instancia t3.small (2 vCPU, 2 GiB RAM) para la aplicación Spring Boot. Costo estimado: $25/mes.
• Base de Datos (AWS RDS PostgreSQL): Una instancia db.t3.micro con 20GB de almacenamiento. Costo estimado: $15/mes.
• Monitoring (AWS CloudWatch/otros): Costos básicos para logs y métricas. Costo estimado: $5/mes.
• Total de Costos Operativos Mensuales: $145

Estimación de Ingresos Mensuales y Margen de Beneficio

1. Ingresos Mensuales Estimados: Considerando un modelo SaaS B2B en LegalTech, donde el valor aportado es muy alto (ahorro de tiempo, mitigación de riesgos), se establece un precio de suscripción de $100/cliente/mes para un paquete inicial que incluye 2 usuarios y hasta 20 contratos analizados. Con una base de 20 clientes iniciales, el ingreso mensual estimado es de $2,000.

2. Margen de Beneficio:

• Ingresos: $2,000
• Costos: $145
• Beneficio Bruto: $2,000 - $145 = $1,855

Margen de Beneficio: (($1,855 / $2,000) 100) = 92.75%, redondeado a 93%.

El margen de beneficio es excepcionalmente alto, lo que subraya la fuerte propuesta de valor y la eficiencia de la infraestructura de IA para resolver un problema costoso en el sector legal. Esto demuestra el potencial de apalancamiento de las tecnologías LLM en nichos de alto valor.

Optimizaciones Concretas para Reducir Costos

Para mantener este margen o incluso mejorarlo a medida que la startup escale, se recomiendan las siguientes optimizaciones FinOps:

1. Optimización de Costos LLM:

* Modelos Híbridos: Implementar una estrategia que utilice modelos LLM más económicos (ej., %%INLINE55%%, modelos open-source como Llama 3) para análisis preliminares, clasificación de documentos o tareas menos críticas. Reservar %%INLINE56%% para el análisis de riesgo final o cláusulas de alta complejidad. * Caché de Respuestas: Desarrollar un sistema de caché inteligente para almacenar los resultados de análisis de cláusulas estándar o contratos repetitivos. Esto reduciría drásticamente las llamadas redundantes a la API del LLM. * Prompt Engineering Eficiente: Refinar continuamente los prompts para minimizar la cantidad de tokens de entrada y salida, sin comprometer la calidad del análisis. Explorar técnicas de compresión de contexto. * Batch Processing: Para análisis no urgentes, procesar contratos en lotes durante horas de menor demanda (si el proveedor de LLM ofrece tarifas diferenciadas) o para consolidar las llamadas a la API.

1. Optimización de Infraestructura Cloud:

* Arquitectura Serverless: Migrar los microservicios de procesamiento de contratos a funciones serverless (ej., AWS Lambda) que se escalan automáticamente y solo se pagan por ejecución. Esto eliminaría el costo fijo de la instancia EC2 cuando no hay contratos en procesamiento. * Instancias Reservadas (RI): Si la carga de la base de datos o de la instancia principal se vuelve predecible, considerar la compra de RIs para EC2 y RDS, lo que puede ofrecer descuentos significativos (hasta 70%) en comparación con las instancias on-demand. * Autoescalado: Implementar grupos de autoescalado para la aplicación, asegurando que los recursos se ajusten dinámicamente a la demanda, evitando el sobreaprovisionamiento.

1. Monitoreo y Gestión de Costos:

* Alertas de Gasto: Configurar alertas de presupuesto en la plataforma cloud para notificar sobre umbrales de gasto excedidos, especialmente para los costos de LLM que pueden escalar rápidamente. * Etiquetado de Recursos: Implementar una estrategia de etiquetado (tagging) para todos los recursos cloud (EC2, RDS) para una visibilidad granular de los costos y una mejor asignación a servicios o clientes si es necesario. * Revisión Periódica de Costos: Realizar auditorías FinOps regulares para identificar recursos infrautilizados, servicios no necesarios o nuevas oportunidades de ahorro.