Verificar una respuesta de IA: 10 pasos contra la información falsa
Cómo comprobar en unos minutos si la IA te da hechos o se los inventa. Un procedimiento para seguir paso a paso, sin conocimientos técnicos.
La IA siempre suena segura. También cuando justo se está inventando una cifra, una cita o un estudio. Esa es precisamente la trampa: el tono se mantiene firme, dé igual si la respuesta es cierta o inventada. Si trabajas con respuestas de IA, en el trabajo, en una candidatura, en una oferta a un cliente, necesitas una rutina fija con la que verifiques hechos. No cada respuesta, pero sí cada una que cuenta.
Aquí tienes una rutina así. Diez pasos que puedes recorrer incluso sin conocimientos de programación. No tienes que hacer siempre los diez. Para una pregunta casual basta un vistazo. Para algo que toca dinero, reputación o una decisión, bajas más en la lista.
Paso 1: Pregunta primero por la fuente
Antes de creerte nada, haz la pregunta de control más sencilla: «¿De dónde lo sabes?». Un buen modelo te nombra una fuente o dice honestamente que no está seguro. Una mala señal es cuando la fuente de repente suena tan inventada como la respuesta misma. Una respuesta vaga como «eso es de conocimiento general» todavía no es una fuente. Es una pista para mirar con más atención.
Paso 2: Comprueba cifras y datos por separado
Las cifras son el sitio donde la IA falla más a menudo. Porcentajes, años, precios, estadísticas. Coge cada cifra concreta de la respuesta y compruébala una por una. Cuanto más precisa suena una cifra («según un estudio de 2024 es un 37,4 por ciento»), más desconfianza deberías tener. Las cifras inventadas suelen llevar una falsa precisión que quiere parecer real.
Paso 3: Contrasta nombres, títulos y citas
Títulos de libro inventados con autores reales, citas mal atribuidas, papers que nunca existieron. Es un patrón clásico de alucinación. Copia el nombre o la cita y búscalo tú mismo una vez. Si sobre una cita supuestamente famosa no encuentras nada salvo la propia respuesta de la IA, probablemente no existe.
Paso 4: Abre tú mismo los enlaces
Cuando la IA te da enlaces, clícalos. No solo mirar, abrir. URLs que parecen plausibles pero no llevan a ningún sitio son un fallo estándar. E incluso cuando un enlace funciona: comprueba si en la página pone de verdad lo que la IA afirma. A veces la fuente existe, pero dice algo completamente distinto.
Paso 5: Haz la misma pregunta de otra forma
Haz la misma pregunta una segunda vez, pero con otras palabras. Si la respuesta se mantiene igual en lo esencial, es una buena señal. Si obtienes dos respuestas distintas y contradictorias, has encontrado un punto donde el modelo adivina. Este test de consistencia te cuesta un minuto y destapa sorprendentemente mucho.
Paso 6: Deja que una segunda IA lo contraste
Coge la respuesta y preséntasela a otra herramienta de IA. No preguntes «¿esto es correcto?», sino «¿qué de esta afirmación no es cierto o es impreciso?». Distintos modelos se entrenaron de forma distinta y no cometen los mismos errores. Donde dos modelos independientes coinciden, la probabilidad de que sea cierto es más alta. Donde se contradicen, sabes dónde tienes que mirar tú mismo.
Paso 7: En temas especializados, una fuente humana
Derecho, medicina, finanzas, impuestos. En todo aquello donde un error sale caro, la IA es un punto de partida, no la respuesta. Úsala para formular las preguntas correctas, pero consigue la información vinculante de una persona que responda por ella. La IA no conoce ningún caso concreto ni la situación legal actual de tu región.
Paso 8: Fíjate en la actualidad
Un modelo de IA conoce el mundo solo hasta su fecha de corte de entrenamiento. En todo lo que cambia rápido, precios actuales, nuevas versiones, últimos cambios legales, sucesos de las últimas semanas, el modelo puede estar desactualizado sin saberlo. En caso de duda, pregunta directamente: «¿Hasta cuándo llega tu nivel de conocimiento?». Y comprueba siempre los hechos sensibles al tiempo en una fuente actual.
Paso 9: Pregunta directamente por la incertidumbre
Los modelos pueden ser sorprendentemente honestos cuando se lo preguntas. «¿Cómo de seguro estás de esta afirmación, en una escala del uno al diez?» o «¿Qué parte de esta respuesta es la menos respaldada?». Eso obliga al modelo a marcar él mismo los puntos débiles. No tomes esta autoevaluación como prueba, sino como un mapa de dónde deberías mirar con más detalle.
Paso 10: Fija tu propia regla de oro
No vas a verificar del todo cada respuesta, sería demasiado. Así que decide por ti mismo a partir de cuándo compruebas. Una regla útil: todo lo que transmites, publicas o tomas como base para una decisión se comprueba. Todo lo que es solo para ti, para hacer una lluvia de ideas, puede quedar sin comprobar. En cuanto trazas esta línea con claridad, comprobar se vuelve un hábito en vez de una carga.
Qué viene después
Si quieres entender por qué la IA falla siquiera con tanta seguridad, lee la lección sobre alucinaciones en el Nivel 1. Explica el patrón detrás de los errores. Y si investigas con regularidad, mira cómo le das a la IA fuentes reales y actuales a través de una herramienta de investigación, en vez de fiarte de su memoria. Verificar hechos se vuelve entonces mucho más rápido, porque las fuentes vienen ya incluidas.