Encyclopedia
Reference · Satcove Encyclopedia

Fecha de corte de conocimiento de la IA: por qué los modelos no ven los cambios recientes

La fecha de corte es el momento a partir del cual un modelo de IA no sabe nada de su entrenamiento. Qué rompe, cómo detectar una respuesta obsoleta y cómo comprobar la actualidad.

Updated October 10, 20262 min read

¿Qué es la fecha de corte de conocimiento?

La fecha de corte (knowledge cutoff) es el momento a partir del cual un modelo no ha visto datos de entrenamiento. Todo lo que cambió después, como una ley nueva, un precio, una versión de software o un suceso, le es invisible, salvo que pueda buscar en la web o tú le des la información.

Todo modelo tiene una, y rara vez la indica con claridad ni se da cuenta de que una pregunta depende de ella.

Por qué provoca errores seguros de sí mismos

Un modelo que no sabe que algo es nuevo suele responder desde lo que sí conoce. El resultado suena fluido y actual, pero describe el pasado. Casos típicos:

  • Una normativa modificada, que el modelo describe en su versión antigua.
  • Un producto o plan renombrado, con otro precio o descatalogado.
  • Una versión de software con sintaxis o ajustes cambiados.
  • Un suceso reciente del que el modelo habla como si no hubiera pasado nada.
  • Un ranking de «mejor» o «último» que era cierto cuando se recogieron los datos.

Por qué un panel no lo elimina

Modelos con fechas de corte parecidas tienden a perderse los mismos cambios, y pueden coincidir en una respuesta obsoleta. Es una fuente habitual de falso consenso. Los modelos con acceso web en vivo pueden estar más al día, y por eso un panel mixto puede mostrar un desacuerdo útil: un modelo con búsqueda y otro sin ella pueden responder distinto solo porque uno ve páginas más recientes.

Cómo comprobar la actualidad

  1. Pregunta a qué fecha corresponde la respuesta. Un modelo que no sabe decirlo es una señal de alerta.
  2. Busca una fuente con fecha. Una página oficial, un registro de cambios o un aviso que puedas abrir vale más que la memoria de un modelo.
  3. Busca lo que pudo cambiar. Para un precio, la página del proveedor. Para una norma, la publicación oficial.
  4. Desconfía de «último» y «actual». Todo superlativo sobre el presente es una afirmación que verificar.
  5. Dale al modelo la información reciente cuando la tengas, y pídele que razone a partir de ella.

Cuándo importa más

El coste de una respuesta obsoleta crece con la velocidad del tema y lo que está en juego: derecho e impuestos, medicina, precios y contratos, avisos de seguridad, dependencias de software y todo lo que tenga un plazo.

Pruébalo con tu propia pregunta

Lanza la pregunta que te importa a seis modelos independientes y mira dónde coinciden y dónde divergen. Preguntar a 6 IA en Satcove, gratis, sin tarjeta.

Preguntas frecuentes

¿Cómo sé la fecha de corte de un modelo? Los proveedores suelen publicarla, pero los modelos no son fiables al decirla ellos mismos. Consulta la documentación del proveedor y prueba con una pregunta que sepas que cambió hace poco.

¿Los modelos con búsqueda web evitan el problema? Lo reducen en lo que encuentran, pero la búsqueda también puede devolver páginas obsoletas o de baja calidad. Comprueba la fuente citada y su fecha.

¿Puede el acuerdo entre modelos corregir datos obsoletos? No. Modelos con fechas de corte parecidas suelen tener las mismas lagunas. Verifica las afirmaciones sensibles al tiempo con una fuente primaria.

Satcove implements AI consensus by querying six independent models in parallel, comparing their answers, and surfacing where they agree, diverge, and what they collectively could not settle.