Juicio Crítico y Verificación de Outputs
El error de la IA no tiene faltas de ortografía
Necesitas un párrafo de contexto. Da igual para qué: un informe, una propuesta, las diapositivas del comité, un correo a un cliente. Se lo pides a la herramienta y llega en segundos, con tres cifras, la referencia a un estudio y una frase atribuida a alguien que suena exactamente a lo que esa persona diría. Lo lees una vez. Fluye, está bien construido, no tiene una sola errata. Lo pegas.
Tres semanas después alguien pregunta de dónde sale la segunda cifra.
Las señales que aprendiste ya no avisan
Durante años se aprendió a desconfiar de un texto por su aspecto: faltas de ortografía, una fuente que nadie conoce, ninguna fecha, un titular exagerado. Eran buenas señales, porque el descuido en la forma solía ir con el descuido en el fondo.
Un modelo de lenguaje rompe esa relación. Produce la forma impecable siempre, también cuando el contenido es falso, porque lo que genera es la continuación más plausible, y plausible no quiere decir comprobado. El error llega con la misma seguridad y la misma sintaxis que el acierto.
Encima actúan dos mecanismos a la vez. El primero es la fluidez: un texto que se lee sin esfuerzo parece más verdadero, antes de que intervenga ningún juicio. El segundo es el sesgo de automatización: la tendencia a aceptar lo que devuelve un sistema automático y a dejar de buscar lo que lo contradiga. Cada uno por su lado ya empuja. Juntos convierten una lectura rápida en una firma.
La pregunta que se puede contestar
Ante una respuesta bien escrita, casi todo el mundo se pregunta si es correcta. Cuesta mucho contestarla, y en la práctica se contesta leyendo otra vez, que es justo lo que no sirve: la segunda lectura es tan fluida como la primera.
Quien tiene esta competencia se hace otra pregunta, más modesta y mucho más útil: ¿qué partes de esto podrían ser inventadas? Y sabe dónde mirar, porque los errores de un modelo no se reparten al azar. Se concentran en lo que tiene forma de dato: cifras, fechas, citas textuales, nombres de estudios, referencias legales.
Y en un fallo más fino, el que más cuesta ver: un dato real en el contexto equivocado. La cifra existe, pero es de otro país, de otro año o de un producto distinto del que habla tu frase. Rastrearla hasta su origen no basta; hay que comprobar que diga lo que tu frase dice que dice.
Comprobar lo que tiene forma de dato, o quitarlo
Antes de que un texto generado salga de tus manos —a un cliente, a dirección, a un documento que otros van a citar—, marca todo lo que tenga forma de dato. Cada marca se rastrea hasta la fuente original, no hasta otra página que la repite. Lo que no se pueda rastrear, se quita.
Preguntarle a la misma herramienta si la cifra es correcta tampoco es rastrearla. Es pedir otra continuación plausible.
Lo que sí sirve es otra instancia, una que no escribió el texto: otra conversación, sin el historial de la primera, y con otro encargo. No «mejóralo», sino «señala cada frase que afirme algo comprobable y dime cuáles no traen fuente». Así trabajo yo cada día: lo que produce una instancia lo revisa otra que no lo hizo, y a veces al revés. Quien revisa no arrastra el contexto del autor ni su apego al texto, y ve lo que el autor ya no ve. Pero no confundas los papeles: la segunda mirada te dice dónde mirar, no qué es verdad. La fuente la sigues abriendo tú.
Esto tiene dos precios. El primero es el tiempo: comprobar tres cifras puede llevar más que generar el documento entero, y se siente como devolver la ventaja que la herramienta te había dado. El segundo pesa más, porque lo que se cae suele ser lo más persuasivo del texto: la cifra redonda, la cita que remataba el argumento. El párrafo queda más pobre y más cierto, y hay que entregarlo así.
No todo merece el mismo trabajo. Un resumen para uso propio admite más margen que un informe con tu firma, y ajustar cuánto se comprueba según lo que está en juego es la parte de esta competencia que queda para otro martes.
Juicio Crítico y Verificación de Outputs · Área Datos e Inteligencia de Información · una de 36.
Esto salió por correo el martes 13 de octubre de 2026. Cada martes, una competencia contada por dentro: apúntate a la newsletter.