En resumen: No puedes evitar del todo que la IA se invente datos, pero sí detectarlo: pídele que marque cada cifra como (dato), con su fuente, o como (estimación), y que escriba «sin dato» cuando no tenga base. Después comprueba tú las cifras que van a decidir algo, empezando por las que más te convienen.
Esto es muy importante, fíjate bien.
La IA no se inventa datos por despiste: lo hace porque está entrenada para responder siempre, pase lo que pase, no se puede quedar callada. OpenAI lo explicó en septiembre de 2025: los métodos con los que se entrenan y se evalúan los modelos premian adivinar por encima de reconocer que no saben ( OpenAI · Why language models hallucinate).
Es decir, una respuesta inventada que acierta puntúa mejor que un «no lo sé».
Por eso el problema no se arregla cambiando de herramienta, sino utilizando un método: diciéndole qué tiene que hacer cuando no sabe algo, y revisando tú lo que importa.
Por qué cuesta tanto detectarlo
Un modelo te devuelve un número con el mismo tono cuando lo ha leído en tus datos que cuando lo ha completado para que la frase quede bien. No hay ninguna señal en el texto que te avise. Es la idea 13 de mi [manifiesto](/newsletter/15-ideas-a-la-contra-sobre-trabajar-con-ia/): la IA no se equivoca menos que tú, se equivoca distinto. Falla de forma convincente.
Los errores que más veo son tres:
- Cifras redondas sin fuente: «el 70 % de las pymes…», «ahorra un 40 % del tiempo». Suenan razonables y nadie sabe de dónde salen.
- Cálculos correctos sobre datos incompletos: la división está bien, pero los datos de partida no son todos.
- Referencias que no existen o no dicen lo que la IA dice que dicen: un estudio real con una conclusión que no es la suya.
Por ejemplo, trabajando con un cliente de Telecomunicaciones cuyo nombre no se puede decir, necesitaba saber cuál era el modelo de router con peor comportamiento de wifi en comparación con la competencia. ChatGPT me hizo un estudio muy completo, y su conclusión con datos, pero cuando luego preguntabas al equipo de ese cliente, te decían que era justo lo contrario.
Así que ten cuidado con creer a pie juntillas a la IA.
La instrucción que evita la mayoría
Antes de pedir un análisis, un informe o un texto con cifras, pego esto:
Marca cada cifra como (dato) si sale de una fuente que puedas nombrar, y di cuál. Márcala como (estimación) si la propones tú. Si no tienes base para una cifra, no la inventes: escribe «sin dato» y dime qué necesitarías para calcularla.
Funciona en ChatGPT, en Claude, en Gemini o en lo que uses. No hace que el modelo sea más listo; hace que te enseñe dónde está pisando firme y dónde no. La historia completa de por qué trabajo así está en el número de la newsletter [¿Dato o estimación?](/newsletter/dato-o-estimacion/).
Lo interesante llega en la segunda vuelta. Cuando preguntas por qué algo es una estimación y no un dato, suele aparecer el supuesto que no habías visto.
Cómo comprobar un análisis hecho con IA en 4 pasos
No hace falta revisarlo todo con la misma lupa. Revisa en este orden:
- Las cifras que deciden algo: si un número va a cambiar un presupuesto, una contratación o un precio, se comprueba contra la fuente original. Las cifras de contexto pueden esperar.
- Las cifras que te dan la razón: son las que menos ganas tienes de revisar y las que más daño hacen si son falsas.
- Los totales y los porcentajes: pide a la IA que te enseñe la operación con los números de partida («cuántas filas has usado, cuántas había en el archivo»). Si el archivo tenía 1.200 filas y ha leído 800, el resultado está bien calculado y mal hecho (esto pasa muchísimo).
- Las fuentes externas: abre el enlace y busca la frase en la que se basa. Si no la encuentras, la cifra se queda como «sin dato» o se quita.
Una regla práctica: si no puedes señalar de dónde sale un número, ese número no sale de tu mesa.
Qué hacer cuando la IA no tiene el dato
Lo honesto es dejarlo escrito: «no lo sé todavía» y qué falta para saberlo. Queda menos redondo, pero te dice exactamente dónde tienes que mirar.
Un ejemplo real de mi propio sistema: cada lunes Claude me prepara el plan de la semana leyendo mis proyectos y tareas en Notion. Una semana, en el cierre, en lugar de darme un rendimiento puso: «2,8 h apuntadas de 19 h planificadas. El total real no es fiable» y «Ajuste por histórico: ninguno. Dato todavía insuficiente» (dato, mi plan semanal). La división daba un 15 %, y era falsa: no trabajé 2,8 horas, simplemente no las apunté. Si la IA me hubiera dado la cifra redonda, habría tomado decisiones sobre un número inventado.
Cuándo no merece la pena tanto control
No todo necesita este nivel de revisión. Una lluvia de ideas, un primer borrador de un correo o una estructura para un documento no llevan cifras que decidan nada. El método es para lo que vas a firmar: un informe a un cliente, un análisis para tu jefe, una propuesta con números.
La pregunta que me hago es simple: si esto está mal, ¿quién paga el error? Si la respuesta es «yo o mi cliente», se valida.
Se repite mucho la palabra “criterio” ahora. Pues bien, en esto es más necesario que nunca, ya que tenemos una máquina que nos debe ahorrar mucho trabajo, pero si nos ponemos a hacer arcos de iglesia simplemente para hacer una suma, al final tendremos un sistema complejo para cosas innecesarias.
Lo que no te arregla ninguna instrucción
La instrucción ayuda, pero no sustituye a saber del tema. Para detectar que una cifra no cuadra hay que tener una idea de cuánto debería ser. Por eso la IA multiplica lo que eres: quien conoce su oficio ve el error en segundos; quien no lo conoce lo copia en la presentación.
Esa es la parte de Validación del método con el que trabajo (D-E-V): lo mecánico lo hace la máquina, y el criterio para dar algo por bueno lo pones tú.
Preguntas frecuentes
¿Por qué ChatGPT se inventa datos?
Porque está entrenado para dar siempre una respuesta, y los sistemas con los que se evalúa premian adivinar frente a decir «no lo sé» (dato, OpenAI, 2025). Cuando no tiene la información, completa con lo que suena más probable.
¿Hay alguna IA que no se invente nada?
No. Todos los modelos de lenguaje pueden inventar. Los que buscan en internet o leen tus documentos se equivocan menos en hechos concretos, pero también pueden citar mal una fuente. La revisión sigue siendo tuya.
¿Sirve pedirle a la IA que no se invente nada?
Sirve poco si solo dices «no te inventes datos». Sirve mucho más si le dices qué hacer en su lugar: marcar cada cifra como dato o estimación y escribir «sin dato» cuando no tenga base.
¿Cómo compruebo un dato que me da la IA?
Pídele la fuente exacta, ábrela y busca la frase o la tabla. Si es un cálculo sobre tus datos, pídele la operación y cuántas filas ha usado. Si no puedes comprobarlo, no lo uses para decidir.