Cuando una inteligencia artificial genera un texto con buen formato, tono profesional y estructura clara, es tentador confiar en él sin cuestionarlo. Sin embargo, uno de los mayores riesgos al trabajar con IA generativa es que la información que contiene no sea cierta [0:25]. Los resultados siempre se ven bien, y precisamente eso hace que los errores sean mucho más difíciles de detectar [0:37].
¿Qué tipos de contenido mezcla la IA en una misma respuesta?
Cualquier respuesta de IA combina tres tipos de contenido en el mismo párrafo, y distinguirlos es clave para protegerse de errores [0:57].
¿Qué son los hechos verificables y por qué pueden ser falsos?
Los hechos verificables incluyen estadísticas, fechas, nombres y citas. Son elementos que se pueden buscar y confirmar en fuentes externas. El problema es que la IA los genera porque suenan probables, no porque sean verdaderos [1:04]. Un dato inventado con aspecto legítimo pasa desapercibido si no se comprueba activamente.
¿Por qué las opiniones de la IA son engañosas?
El segundo tipo de contenido son las opiniones o juicios, que no se confirman con datos. La IA puede escribir una opinión a favor y otra en contra del mismo tema con la misma confianza, sin avisar que es solo una perspectiva [1:18]. Esa aparente neutralidad puede inducir a aceptar un juicio como si fuera un hecho comprobado.
¿Cuándo una recomendación de IA no aplica a mi situación?
El tercer tipo son las recomendaciones, que dependen del contexto específico de cada persona. Una sugerencia que suena razonable en general puede no funcionar en una empresa o equipo particular, porque la IA no conoce las dinámicas internas [1:31]. Antes de seguir cualquier consejo, vale la pena preguntarse si realmente aplica o si es algo genérico que podría servir para cualquiera.
¿Cómo verificar la información que entrega la IA?
Una vez que se identifica qué parte del texto se puede comprobar, el siguiente paso es saber cómo hacerlo. Para eso existe una técnica llamada lectura lateral [2:16], que consiste en no quedarse leyendo el texto para decidir si suena bien, sino abrir otra pestaña y buscar por fuera. Es como cuando un vendedor dice que su producto es el mejor: en lugar de creerle, se buscan opiniones de personas que no tienen nada que ver con esa venta [2:27].
Estas son acciones concretas para aplicar la lectura lateral:
- Si el texto menciona un reporte con un porcentaje específico, buscar ese reporte directamente. Si en un par de minutos no aparece, tratarlo como sospechoso [2:40].
- Si incluye una cita textual de alguien, copiarla y buscarla entre comillas en el navegador. Si no aparece, lo más probable es que la IA la haya inventado [2:52].
- Si la fuente existe, confirmar que realmente dice lo que el texto le atribuye. A veces la IA toma fuentes reales pero les pone información que no contienen, y eso es todavía más difícil de detectar [3:04].
¿Por qué la verificación es una habilidad que se entrena?
La verificación no es un proceso automático ni perfecto desde el inicio. Es una habilidad que mejora con la práctica [4:03]. Es normal que al principio algún error pase desapercibido, y lo importante es empezar a aplicar el hábito de cuestionar cada afirmación.
Cada vez que se recibe un resultado de IA, conviene acostumbrarse a revisar cada afirmación y preguntarse: ¿es algo que puedo comprobar buscando en otra fuente? ¿Es un juicio presentado como hecho? ¿Es una recomendación genérica o aplica a mi caso? [1:46]
El paso que sigue es aprender a identificar sesgos, porque a veces el problema no es la información que está mal, sino la información que falta [4:09]. Compartir los resultados de los ejercicios de verificación con otros es una forma efectiva de afinar esta capacidad crítica.
