GUÍA PRÁCTICA · FUNDAMENTOS
Cómo detectar información falsa o inventada por IA
Imagina que le preguntas a una IA qué herramienta de reservas online te conviene para una peluquería y te responde con un párrafo seguro, bien escrito y lleno de detalles. Algunos de esos detalles serán ciertos. Otros pueden estar desactualizados, mezclados con otro producto o directamente inventados. El problema no es que la IA mienta a propósito: un modelo de lenguaje genera el texto más probable, no consulta una base de hechos. Esta guía te enseña a revisar una respuesta así afirmación por afirmación y a decidir cuánto esfuerzo merece cada comprobación.
Caso: una respuesta que suena convincente
Esta es una respuesta ficticia, construida para el ejemplo, del tipo que podrías recibir:
“Te recomiendo ReservaFácil. Su plan gratuito permite hasta 200 citas al mes, envía recordatorios por SMS sin coste y se integra con Google Calendar. Según un estudio de 2024, las peluquerías que usan recordatorios reducen las ausencias un 38 %. Para empezar, organiza tu agenda por servicios y deja huecos de 15 minutos entre citas.”
Leído de corrido, parece útil. Pero mezcla cuatro tipos de contenido muy distintos: un nombre de producto, unas condiciones comerciales, una cifra atribuida a un estudio y un consejo práctico. Cada uno se revisa de forma diferente.
Desmontar la respuesta en afirmaciones
El primer paso es separar lo que puede comprobarse de lo que solo puede valorarse. Haz una tabla con cada afirmación:
| Afirmación | Tipo | Cómo se revisa | Estado |
|---|---|---|---|
| Existe una herramienta llamada ReservaFácil | Hecho externo | Web oficial del producto | Pendiente |
| Plan gratuito con 200 citas al mes | Condición comercial cambiante | Página de precios actual, con fecha | Pendiente |
| SMS sin coste | Condición comercial | Página de precios o condiciones | Pendiente |
| Integración con Google Calendar | Función técnica | Documentación oficial | Pendiente |
| Estudio de 2024: ausencias −38 % | Cifra con fuente vaga | Localizar el estudio original | Sin fuente: no usar |
| Huecos de 15 minutos entre citas | Recomendación | Valorar según tu negocio | Opinión, no hecho |
De seis frases, cinco son verificables y una es un consejo. La cifra del estudio es la más peligrosa: es muy concreta, no dice quién lo hizo ni dónde se publicó, y es justo el tipo de dato que acaba copiado en una web o una presentación. Si no encuentras el estudio original, trátalo como inexistente.
Puedes pedir a la propia IA que haga esta separación: “Lista las afirmaciones de tu respuesta que sean hechos verificables y las que sean recomendaciones”. Eso no convierte al modelo en fuente, pero te ayuda a localizar lo que debes revisar.
Dónde comprobar cada tipo de dato
- Funciones de un producto: documentación oficial del proveedor, no reseñas de terceros.
- Precios y planes: página oficial de precios. Anota la fecha en que la consultaste, porque cambian.
- Normativa: el texto legal o la web del organismo competente.
- Estudios y estadísticas: la publicación original. Si solo encuentras artículos que lo citan sin enlace, desconfía.
- Citas textuales: la fuente donde se pronunciaron o publicaron.
- Enlaces que da la IA: ábrelos. Una URL plausible puede no existir o no decir lo que se afirma.
Cuando compruebes algo, deja constancia: qué dato, en qué página, en qué fecha y con qué resultado. En el caso de la peluquería bastaría con añadir dos columnas a la tabla anterior, “fuente consultada” y “fecha”. Ese registro te ahorra repetir la búsqueda dentro de unos meses y te permite saber qué datos han caducado cuando el proveedor cambie sus planes. Si trabajas con más personas, también evita que cada una dé por buena una versión distinta.
Señales de alerta en una respuesta
Algunas señales no prueban que algo sea falso, pero indican que debes mirar con más atención:
- Precisión llamativa sin origen: porcentajes exactos, fechas de lanzamiento o cifras de usuarios sin fuente.
- Lenguaje absoluto sobre información que cambia: “siempre”, “actualmente es exactamente”, “la ley exige”.
- Referencias académicas con título convincente pero autores, revista o año que no cuadran.
- Nombres de funciones muy parecidos a los de otro producto.
- Explicaciones que cambian cuando preguntas por los detalles.
- Mezcla de versiones: datos de un plan antiguo presentados como actuales.
Cuánto verificar según lo que te juegas
No todo merece la misma revisión. Ajusta el esfuerzo a las consecuencias de un error:
| Uso de la respuesta | Nivel de revisión |
|---|---|
| Lluvia de ideas o borrador interno | Lectura crítica; no hace falta comprobar cada dato. |
| Decidir qué herramienta probar | Comprobar funciones y precios en la web oficial. |
| Publicar en tu web o redes | Verificar cada hecho y cifra en fuente primaria. |
| Pagos, seguridad, datos personales, salud o temas legales | Fuente oficial actual y, si procede, consulta a un profesional. |
Qué hacer si no puedes confirmarlo
No conviertas una duda en un hecho. En un documento interno, marca el dato como pendiente. En algo que vayas a publicar, elimina la afirmación antes que presentarla con una certeza que no tienes. Una fórmula honesta es: “La herramienta afirma X, pero no lo hemos podido confirmar”.
Si la IA se equivoca a menudo en un mismo tipo de tarea, revisa también cómo la estás pidiendo: una regla del tipo “si no lo sabes, dilo” reduce los huecos rellenados. La guía de prompts que funcionan explica cómo incluirla, y la de extraer datos de documentos aplica la misma idea con la regla de “no consta”.
Volver a todas las guías · Cómo preparamos nuestros contenidos
