Qué es una alucinación de la IA y cómo detectarla
Por qué la IA a veces se inventa datos con total seguridad, y cómo reconocer cuándo está pasando antes de que te la cuele.
Actualizado: 3 de septiembre de 2026
Por qué la IA a veces se inventa datos con total seguridad, y cómo reconocer cuándo está pasando antes de que te la cuele.
Actualizado: 3 de septiembre de 2026
Le preguntas a la IA una fecha, un dato o una cita, responde con total seguridad, y resulta que se lo ha inventado de principio a fin. Esto se llama "alucinación", y es probablemente el fallo más importante que hay que entender antes de confiar en cualquier respuesta que te dé una IA.
La IA no consulta una base de datos de hechos verificados cada vez que responde. Genera texto palabra a palabra, prediciendo cuál es la continuación más probable según los patrones que aprendió durante su entrenamiento. La mayoría de las veces esos patrones coinciden con la realidad, porque ha visto muchísimos textos correctos sobre ese tema. Pero cuando le preguntas algo muy concreto, muy reciente, o poco frecuente en sus datos de entrenamiento, sigue generando una respuesta con la misma estructura y confianza que usaría para algo que sí sabe bien, aunque el contenido concreto —una cifra, un nombre, una cita— sea inventado.
Las alucinaciones son especialmente frecuentes al pedir citas textuales exactas de un libro o artículo, referencias bibliográficas completas, datos numéricos muy específicos (porcentajes exactos, fechas concretas de sucesos poco conocidos), o información sobre sucesos muy recientes que pueden quedar fuera de lo que el modelo aprendió durante su entrenamiento. También ocurre al preguntar por enlaces o URLs concretas: la IA puede generar una dirección web que tiene toda la pinta de ser real y no llevar a ningún sitio.
Desconfía especialmente cuando la respuesta incluye cifras muy precisas sin que hayas dado esa precisión en tu pregunta, cuando cita una fuente concreta (un estudio, un artículo, un libro) sin que puedas verificarla fácilmente, o cuando la información contradice algo que sabías con seguridad de antes. Ninguna de estas señales prueba por sí sola que hay una alucinación, pero son buenas razones para parar y comprobar antes de dar el dato por bueno.
Pide explícitamente que te indique su nivel de confianza en la respuesta, y que te avise si no está seguro de algún dato en vez de rellenar el hueco con una suposición. Para temas importantes, pide que te explique en qué se basa esa afirmación concreta: muchas veces, al pedir la justificación, la propia IA se da cuenta de que no tiene una base sólida y lo corrige. También ayuda dividir preguntas complejas en partes más pequeñas, porque cuanto más específica y acotada es la pregunta, menos margen hay para que rellene huecos con inventos.
Para cualquier dato que vayas a usar en algo que importa —un trabajo, una decisión económica, una conversación con un profesional—, contrasta el dato concreto (la cifra, la fecha, la cita) en una fuente independiente antes de darlo por bueno. No hace falta desconfiar de todo lo que dice la IA, porque la mayoría de las veces acierta, pero sí conviene tratar cualquier dato aislado y verificable como algo a comprobar, no como un hecho ya confirmado solo porque suene convincente.
Es importante no confundir una alucinación con una mentira. Mentir implica saber la verdad y decir algo distinto a propósito; la IA no tiene ese tipo de intención. Simplemente genera la continuación de texto más probable según sus patrones aprendidos, sin ningún mecanismo interno que distinga entre "esto lo sé con certeza" y "esto me suena que podría ser así". Entender esta diferencia ayuda a no tomárselo como una traición cuando ocurre, y a tratarlo como lo que es: una limitación técnica del propio sistema, no un intento de engañarte.
Imagina que le preguntas por el año exacto en que se fundó una empresa pequeña y poco conocida, y responde con una fecha concreta y segura. Antes de darla por buena, pregúntale directamente: "¿estás seguro de esa fecha, o es una estimación?". Muchas veces, al pedir esa aclaración explícita, el propio modelo reconoce que no tiene certeza total, información que no aparecía en la respuesta inicial porque nadie se la había pedido. Este simple hábito de preguntar por el nivel de certeza, sobre todo en datos muy específicos, es una de las formas más sencillas de reducir el riesgo de que una alucinación pase desapercibida.