El problema real del fact-checking con IA
Pegas una cláusula legal en ChatGPT. Te confirma que es correcta. Tono profesional. Respuesta bien estructurada. Confías en ella.
Excepto que la cláusula era incorrecta. Y la IA también.
Las alucinaciones de IA son un problema conocido — pero la dificultad real es más sutil: las IAs no se equivocan señalando que dudan. Se equivocan con exactamente el mismo tono que cuando tienen razón. No hay diferencia visual entre una respuesta correcta y una inventada.
Probamos 6 modelos de IA con 20 preguntas reales de verificación de hechos usando el motor de consenso de Satcove. Los resultados no fueron los esperados.
Los datos: qué pasó con 20 preguntas reales
| Métrica | Resultado |
|---|---|
| Acuerdo promedio entre modelos | 59% |
| Preguntas con alto desacuerdo (< 50%) | 40% |
| Preguntas con alto consenso (> 80%) | 20% |
| Acuerdo más bajo registrado | 30% (pregunta de herencia legal) |
| Acuerdo más alto registrado | 95% (hecho médico no ambiguo) |
En 4 de cada 10 preguntas, los 6 modelos se contradicen. No una variación de redacción — posiciones sustancialmente diferentes, a veces directamente opuestas.
¿Qué IA es la mejor para verificar hechos en 2026?
La respuesta corta: ningún modelo individual es "el mejor" para el fact-checking. Cada modelo tiene fortalezas diferentes, brechas diferentes y puntos ciegos diferentes.
Lo que realmente funciona es el puntaje de acuerdo entre múltiples modelos:
| Puntaje de acuerdo | Qué significa | Qué hacer |
|---|---|---|
| 80–100% | Alta fiabilidad | Actuar con confianza |
| 60–79% | Fiabilidad moderada | Verificar si la decisión importa |
| 40–59% | Desacuerdo significativo | Investigar más antes de actuar |
| Menos del 40% | Respuestas contradictorias | No actuar sin verificación humana |
Cuando preguntas a un solo modelo, obtienes una respuesta sin indicador de confianza. Cuando preguntas a 6 y ves un 80% de acuerdo, sabes cuánto confiar en esa respuesta.
¿Puede la IA reemplazar a un fact-checker humano en 2026?
No completamente — pero puede reducir significativamente el número de afirmaciones que requieren revisión humana.
Lo que el consenso de IA maneja bien:
- Preguntas factuales no ambiguas (hechos médicos, fechas históricas, definiciones)
- Verificar si una fuente existe (¿este estudio, esta ley, este reglamento existe realmente?)
- Identificar dónde los modelos no están de acuerdo — lo que indica exactamente qué verificar
- Velocidad: una sesión de verificación con 6 modelos tarda unos 12 segundos
Lo que aún requiere verificación humana:
- Afirmaciones con puntaje de acuerdo inferior al 50%
- Preguntas jurídicas específicas de una jurisdicción
- Eventos posteriores a la fecha de corte de entrenamiento de los modelos
- Cifras de alto riesgo (dosis médicas, plazos legales, datos financieros precisos)
¿Cómo es la precisión de la IA según la categoría?
Alta precisión (85%+ de acuerdo esperado):
- Hechos médicos básicos (rangos normales, condiciones comunes)
- Eventos históricos bien documentados
- Matemáticas y razonamiento lógico
- Consenso científico en temas establecidos
Precisión media (60–80%, verificar afirmaciones importantes):
- Noticias actuales y eventos recientes
- Principios jurídicos generales
- Especificaciones de productos y tecnología
Precisión más baja — siempre verificar antes de actuar:
- Derecho específico de cada país (especialmente fuera del ámbito anglosajón)
- Dosis de medicamentos y protocolos médicos precisos
- Cambios regulatorios recientes
- Datos numéricos específicos y estadísticas recientes
- Historia corporativa y adquisiciones (frecuentemente alucinadas)
Por qué usar una sola IA para verificar hechos no funciona
1. Una IA no puede detectar sus propias alucinaciones. Cuando un modelo genera un hecho falso, no tiene señal interna de que está equivocado. La confianza que expresa proviene del reconocimiento de patrones en el entrenamiento, no de una verificación real.
2. Datos de entrenamiento compartidos crean puntos ciegos compartidos. Cuando varios modelos de IA fueron entrenados con datos de internet muy similares, un mito repetido con frecuencia en línea queda integrado en todos ellos simultáneamente.
3. Las citas fabricadas son indistinguibles de las reales. Los modelos generan citas que parecen auténticas — nombres de revistas, fechas de publicación, números DOI, nombres de autores — que no existen. La única forma de detectarlo: otro modelo lo corrige o no puede corroborarlo.
Cómo verificar cualquier información con IA en 2026
Paso 1: Nunca confiar en un solo modelo para afirmaciones sobre las que vas a actuar
Paso 2: Leer el puntaje de acuerdo antes del contenido — un 85% da una confianza diferente a un 45%
Paso 3: Las respuestas minoritarias contienen los matices importantes — la excepción a la regla, el cambio reciente, el detalle específico del país
Paso 4: Adaptar el umbral a las consecuencias — curiosidad casual (60%), decisión médica (80%+), acción legal (consultar a un profesional independientemente del acuerdo)
Pruébalo: verifica cualquier afirmación con 6 IAs a la vez
Pega una afirmación, una pregunta médica, una cláusula legal o cualquier dato — y observa dónde 6 modelos de IA están de acuerdo y dónde divergen.
Sesión de verificación: 12 segundos. Puntaje de acuerdo mostrado para cada veredicto. Primera sesión gratuita.
Ver también: