«¡Nos ha citado ChatGPT!»… y ahí se acabó la revisión
Alguien pega una captura en el chat del equipo. Ahí está tu empresa, dentro de una respuesta de Gemini, como fuente.
La alegría se entiende. Hace dos años que un modelo te nombrara era casi magia, y hoy sale en el informe mensual.
Pero fíjate en lo que pasa justo después: comprobamos que nos han citado y seguimos con el día. Casi nadie lee qué dice esa cita. A Hex-ko también le pasó, todo sea dicho.
¿Y esa frase que hay justo al lado de tu nombre, está bien contada?
Resulta que hay un grupo de redacciones que sí se sentó a leerlas. Miles de ellas, con una plantilla de evaluación delante. Vamos a ver qué encontraron.
3.000 respuestas leídas por periodistas, una a una
El estudio lo lideraron la UER (Unión Europea de Radiodifusión) y la BBC, con 22 radiotelevisiones públicas de 18 países y 14 idiomas (estudio).
Los periodistas de esas redacciones revisaron más de 3.000 respuestas de ChatGPT, Copilot, Gemini y Perplexity. Y las puntuaron con cuatro criterios: exactitud, fuentes, distinción entre hecho y opinión, y contexto. O sea, no es una impresión de fin de semana: son profesionales que verifican atribuciones a diario, leyendo respuesta por respuesta. Y esto es lo que salió:
- El 45% de las respuestas tenía al menos un problema grave
- El 31% tenía problemas serios de fuentes: atribución ausente, errónea o engañosa
- El 20% tenía problemas graves de exactitud, como alucinaciones o información desactualizada
Párate en el dato del medio. Un significa que el «quién lo ha dicho» está roto: una fuente inventada, o las declaraciones de otro medio colocadas en tu boca.
¿Y una ? Es cuando el modelo suelta con toda la seguridad del mundo algo que no es verdad. Eso, sumado a la información caducada, aparece en una de cada cinco respuestas.
No todas las IA fallan igual
Y aquí viene lo que no esperaba: el problema no se reparte por igual.
Gemini fue con diferencia la peor: entre el 72% y el 76% de sus respuestas tenía un problema grave de fuentes. Tres de cada cuatro veces, más o menos, la atribución cojeaba.
ChatGPT, Copilot y Perplexity se quedaron, en general, por debajo del 25%.
Así que «nos cita la IA» no es una sola cosa. Según qué modelo te cite, cambian las probabilidades de que lo cuente bien.
Y eso se pierde entero si solo cuentas menciones. El contador te dice que tu nombre apareció. No te dice nada de la frase que había al lado.
Por qué la cita equivocada la pagas tú
Vamos a la parte que cuesta dinero.
Nadie audita una afirmación que llega con un nombre de confianza delante. «Según la BBC», «según su comunicado»… El nombre se cree por nosotros, ¿a que sí?
Es justo lo que advierten la UER y la BBC: cuando una IA pone una marca de confianza detrás de una afirmación, la gente tiende a creerla aunque sea falsa. Y el golpe a la reputación se lo lleva el medio o la marca citada.
Piensa en ese compañero que repite cosas empezando por «lo dijo el jefe». Nadie lo comprueba. El prefijo hace todo el trabajo. La cita de la IA funciona con el mismo mecanismo, solo que el prefijo puede ser tu empresa y a ti no te ha preguntado nadie.
Que te nombren está muy bien. Que te conviertan en avalista de algo falso ya es otro negocio.
Mientras tanto, la gente se apoya cada vez más en la IA
Y lo incómodo es que el suelo se tambalea justo cuando sube el número de personas que camina por encima.
Según el estudio anual del Instituto Reuters de la Universidad de Oxford, quienes han usado alguna vez IA generativa pasaron del 40% al 61%, y quienes la usan cada semana casi se duplicaron: del 18% al 34% (Digital News Report 2025).
Pero en esa misma encuesta la gente dice que percibe las noticias generadas con IA como menos fiables. Desconfían y la usan más. Las dos cosas a la vez.
La realidad es que cada mes hay más personas que podrían toparse con una cita mal hecha sobre tu marca, mientras alrededor de un tercio de las atribuciones sigue flojeando.
Conclusión: mira cómo te citan, no solo si te citan
Que la IA te cite no es la meta. Es el momento en el que la gestión de marca estrena una tarea nueva: comprobar que lo citado es correcto.
Y con una comprobación no basta. Las respuestas bailan ante la misma pregunta, y cada modelo tiene sus manías. Ese «lo miré una vez y estaba bien» caduca enseguida.
Empieza por aquí esta semana: coge tus dos o tres temas principales, pregúntale por ellos a ChatGPT y a Gemini como lo haría un cliente, y lee qué te atribuyen. No si sales. Qué dicen que has dicho. Y luego conviértelo en una revisión periódica, no en una anécdota. Así una atribución falsa se caza cuando todavía es una respuesta suelta y no un patrón.
Puede que le esté dando demasiado peso a un solo estudio: va de noticias, lo evaluaron periodistas y tu sector quizá se porte mejor. Pero un 31% es un número lo bastante gordo como para preferir enterarse a propósito y no de rebote.
Fuentes
- UER (EBU) y BBC (2025), «News Integrity in AI Assistants — An International PSM Study», ebu.ch
- Reuters Institute for the Study of Journalism (Universidad de Oxford, 2025), «Digital News Report 2025», reutersinstitute.politics.ox.ac.uk
