La pregunta no es si el modelo se va a equivocar alguna vez: se va a equivocar. La pregunta es si el error va a salir con tu nombre al lado. Esto es un protocolo para que no pase, y para que verificar no te lleve más tiempo que escribir.
En corto
- La distinción que ordena todo: separar criterio (estructura, enfoque, redacción) de dato (números, fechas, nombres, citas). El criterio lo juzgás vos; el dato se verifica siempre.
- Verificá mientras escribís, no al final. Al final ya no te acordás de qué afirmó el modelo y qué agregaste vos.
- Las citas bibliográficas son el mayor riesgo: las más inventadas y las que más autoridad aparentan.
- Preguntarle si está seguro no sirve. Esa respuesta también es texto plausible.
- Regla final: lo que no pudiste verificar, no se publica. Con tu nombre al lado, el error es tuyo.
Lo que vas a leer
Criterio y dato: la distinción que ordena todo
Casi toda la ansiedad sobre verificar viene de tratar la respuesta como un bloque: o confío en todo o desconfío de todo. Ninguna de las dos sirve.
Una respuesta típica mezcla dos cosas muy distintas. Por un lado, criterio: cómo está organizado el texto, qué enfoque propone, cómo está redactado, qué puntos incluye. Eso lo evaluás con tu propio conocimiento del tema, y si algo no te cierra, lo cambiás. No hay nada que verificar contra el mundo.
Por otro lado, datos: un porcentaje, una fecha, el nombre de un autor, una cita, un artículo de ley. Eso sí existe afuera y puede ser verdadero o falso con independencia de tu opinión.
La regla operativa: marcá los datos mientras leés la respuesta. Todo lo que tenga un número, un nombre propio o una referencia queda marcado. Eso, y nada más que eso, es tu lista de verificación.
Los datos ordenados por riesgo
| Riesgo | Tipo de dato | Por qué |
|---|---|---|
| Muy alto | Citas bibliográficas y referencias académicas | Son las más inventadas y las que más autoridad aparentan |
| Muy alto | Artículos de ley, normativa, jurisprudencia | Tienen formato muy regular, fácil de imitar sin que exista |
| Alto | Estadísticas y porcentajes | Suelen aparecer sin fuente, o con una fuente plausible que no los contiene |
| Alto | Cualquier cosa posterior al corte del modelo | No lo sabe y puede completarlo igual |
| Medio | Fechas y atribuciones de frases | Se confunden entre personas y años cercanos |
| Bajo | Definiciones de conceptos establecidos | Muy representados en el material de entrenamiento |
| Bajo | Reformular o resumir un texto que vos le diste | Trabaja sobre lo que tiene delante, no sobre lo que recuerda |
El protocolo, en cinco pasos
01 Marcá mientras leés
Primera lectura de la respuesta, marcando todo número, nombre propio y referencia. No verifiques todavía: solo marcá. Separar las dos tareas es más rápido que hacerlas juntas.
02 Buscá la fuente primaria
El documento, no una nota que lo menciona ni un resumen. Si es un estudio, el paper o su página oficial. Si es una ley, el texto de la ley.
03 Chequeá que la fuente diga eso
El error más sutil y más frecuente no es la fuente inventada: es la fuente real citada para algo que no dice. Un estudio que existe, con un dato que no está en él, o que está con otro número o con condiciones que cambian el sentido.
04 Dos minutos y decisión
Si en dos minutos de búsqueda no aparece, tratalo como falso. No es que sea imposible que exista: es que el costo de seguir buscando supera al de reemplazarlo por algo que sí podés sostener.
05 Dejá el rastro
Anotá al lado de cada dato de dónde salió. Cuando alguien te pregunte en tres meses, o cuando quieras reusar el material, esa anotación vale más que el dato.
Tres atajos que no funcionan
- Preguntarle si está seguro. Puede sostener el error con total convicción o desdecirse de algo correcto solo porque lo cuestionaste. No tiene un medidor interno de certeza al que consultar: esa respuesta también es texto plausible.
- Preguntarle a otra IA. Dos modelos entrenados con material parecido pueden compartir el mismo error. La coincidencia no prueba nada; la divergencia sí es una señal útil de que hay algo para mirar.
- Pedir las fuentes y no abrirlas. El peor de los tres, porque una lista de referencias da una sensación de rigor que multiplica el daño si están inventadas. Una bibliografía sin verificar es peor que ninguna bibliografía.
El límite práctico de búsqueda por dato. Si no aparece en ese tiempo, reemplazarlo cuesta menos que seguir buscándolo, y muchísimo menos que defender después una cita que nunca existió.
Cuánto tiempo lleva realmente
La objeción más común es que verificar anula la ventaja. En la práctica, depende casi por completo de cuándo lo hacés.
Verificar mientras escribís agrega unos minutos por texto: tenés fresco de dónde salió cada cosa y la búsqueda es corta y dirigida. Verificar un documento terminado lleva tres o cuatro veces más, porque primero tenés que reconstruir qué afirmó el modelo y qué agregaste vos, y eso a veces ya no se puede.
Además, la ventaja de usar IA nunca estuvo en ahorrarte el criterio. Está en la parte mecánica: estructurar, redactar un primer borrador, reformular, resumir material propio. Todo eso sigue en pie después de verificar.
Cómo reducir el trabajo desde el pedido
La mejor verificación es la que no hace falta. Tres formas de conseguirlo:
- Dale el material. En lugar de preguntarle qué dice una norma, pegale la norma. Pasás de un pedido de memoria a un pedido de lectura, y ahí la confiabilidad es otra.
- Pedí citas textuales. "Copiá la frase exacta del documento que sostiene eso" se verifica en segundos con un buscador de texto.
- Acotá el alcance. Cuanto más amplio el pedido, más superficie para rellenar. Preguntas chicas, respuestas verificables.
Cómo se ve un dato inventado
Con el tiempo se desarrolla olfato. Estas son las señales que más se repiten:
- La cita es demasiado conveniente. Un estudio que dice exactamente lo que necesitabas, con el número redondo justo. La realidad suele ser más desprolija.
- El formato es impecable y el contenido genérico. Autor, revista, volumen, páginas, todo perfecto, y el título suena a promedio de todos los títulos posibles del tema.
- Los autores existen, el trabajo no. Variante frecuente y difícil: nombres reales del campo combinados con un paper que nunca escribieron.
- El número no tiene unidad ni año. "Mejora la productividad un 40%" sin decir medido cómo, en quiénes y cuándo.
- Cambia si volvés a preguntar. Si el mismo pedido en otra conversación devuelve un número distinto, ninguno de los dos era un dato.
Si trabajás con otros
Cuando el texto lo escribe una persona y lo firma otra, o cuando pasa por varias manos, conviene una convención explícita, porque el riesgo se multiplica: cada uno asume que el anterior verificó.
La más simple que funciona: todo dato entra al documento con su fuente entre corchetes, y ningún documento se aprueba con corchetes abiertos. Es fea, se nota, y esa es la gracia: hace visible lo que falta verificar en vez de dejarlo escondido en un texto que se lee fluido.
Y una regla de equipo que ahorra discusiones: el que firma es el que verifica. No el que redactó, no el que usó la herramienta. El que pone el nombre.
Probalo en una clase real
10 minutos gratis con un profesor AI que te enseña a usar esto con criterio. Por voz, sin tarjeta.
Probá una clase gratis¿Cómo verifico lo que me responde una IA?
Separando criterio de dato. El criterio (estructura, enfoque, redacción) casi no necesita verificación porque lo evaluás vos con tu propio juicio. El dato (números, fechas, nombres, citas, normativa) se chequea siempre contra la fuente original, no contra otra IA ni contra una nota que la menciona.
¿Cuánto tiempo lleva verificar?
Mucho menos de lo que la gente teme, si lo hacés mientras escribís en vez de al final. Marcar cada dato en el momento y buscarlo enseguida agrega unos minutos por texto. Revisar un documento terminado buscando qué salió de dónde lleva el triple, porque para entonces ya no te acordás de qué afirmó el modelo y qué agregaste vos.
¿Puedo pedirle a la IA que verifique su propia respuesta?
Sirve poco. Puede sostener un error con la misma convicción con que lo produjo, o desdecirse de algo correcto solo porque lo cuestionaste. Su respuesta a 'estás seguro' también es texto plausible, no una consulta a una base de hechos.
¿Sirve preguntarle a otra IA?
Menos de lo que parece. Dos modelos entrenados con material parecido pueden compartir el mismo error, así que la coincidencia no prueba nada. Sirve para detectar divergencias: si dos responden distinto sobre un dato concreto, ahí seguro hay algo para revisar.
¿Qué datos son los más riesgosos?
Las citas bibliográficas, en primer lugar: son las que más se inventan y las que más autoridad aparentan. Después, cifras y estadísticas sin fuente, artículos de ley y normativa, fechas exactas, atribuciones de frases a personas, y todo lo que haya pasado después de la fecha de corte del modelo.
¿Y si no encuentro la fuente?
Tratalo como falso hasta que aparezca. Las citas inventadas tienen una firma reconocible: son imposibles de encontrar y muy fáciles de creer, porque tienen la forma exacta de una cita real. Si en dos minutos de búsqueda no aparece el documento, no lo uses.
¿Esto no anula la ventaja de usar IA?
No, porque la ventaja nunca estuvo en que te ahorre el criterio. Está en que te ahorra la parte mecánica: estructurar, redactar un primer borrador, reformular, resumir material que vos le diste. Verificar los datos es trabajo, y sigue siendo bastante menos trabajo que escribir todo desde cero.
Fuentes
Seguí leyendo
Por qué la IA inventa datos, explicado sin tecnicismos › Cómo aprender IA desde cero en 2026: una ruta sin humo › Prompts: lo que sirve y lo que es humo ›Publicado por el equipo de Maestre · Los creadores de Cineastas del Futuro: más de 17.000 alumnos formados. Escribimos sobre lo que probamos enseñando.