¿Qué es una alucinación de la IA?
Una alucinación de IA es un resultado de una herramienta de IA generativa que se presenta con seguridad, pero es falso, inventado o no está respaldado por la información proporcionada. El perfil de IA generativa de NIST utiliza el término confabulación para referirse a lo mismo y lo describe como sistemas generativos que generan y presentan con seguridad contenido erróneo o falso. NIST incluye en esa definición los resultados que se apartan de la instrucción u otra información de entrada, o que contradicen afirmaciones anteriores de la misma conversación.
La palabra alucinación es una metáfora algo engañosa. La herramienta no está viendo cosas. Está produciendo texto estadísticamente plausible para el contexto, y a veces un texto plausible es incorrecto. Por eso, una alucinación rara vez parece un error. Parece una respuesta normal y bien escrita.
¿Por qué ChatGPT tiene alucinaciones?
ChatGPT y las herramientas similares tienen alucinaciones porque están diseñados para generar continuaciones probables de un texto, no para recuperar hechos verificados. NIST describe la confabulación como un resultado natural del diseño de los modelos generativos: estos aproximan la distribución estadística de sus datos de entrenamiento y, aunque eso puede producir resultados precisos, también puede generar resultados incorrectos o incoherentes desde el punto de vista factual. NIST señala que el problema es especialmente relevante en respuestas abiertas y extensas, y en preguntas que requieren conocimientos especializados.
Un artículo de investigación de 2025 de Kalai, Nachum, Vempala y Zhang aporta una segunda parte de la explicación. Los autores sostienen que los procedimientos de entrenamiento y evaluación tienden a premiar las conjeturas en lugar de reconocer la incertidumbre, porque un modelo que aventura una respuesta obtiene mejores puntuaciones en muchas pruebas de referencia que uno que dice que no lo sabe. Según su planteamiento, los modelos se optimizan para rendir bien en las pruebas. Sea cual sea el mecanismo exacto, la lección práctica para un empleado es la misma: la seguridad con la que responde la herramienta no indica en absoluto si una afirmación es verdadera.
Las alucinaciones son más probables cuando se pregunta por algo poco conocido, reciente, muy específico o que queda fuera del material proporcionado: una cifra exacta, el cargo de una persona concreta, una cita, un caso judicial o el precio actual de un producto. Son menos probables, aunque siguen siendo posibles, cuando se pide a la herramienta que trabaje únicamente con un documento que se ha pegado.
¿Cómo se manifiestan las alucinaciones de la IA en el trabajo?
En el trabajo, las alucinaciones suelen presentarse como pequeños detalles concretos que parecen correctos. La lista recoge las formas que los empleados encuentran con más frecuencia. Aprender a reconocerlas facilita su detección.
Fuentes inventadas
Una referencia, un título de informe, una URL o una cita que no existe, o que existe pero dice algo distinto.
Detalles inventados
Una fecha, un precio, un porcentaje, un nombre o un cargo que no aparece en ninguna parte del material que usted proporcionó.
Mayor certeza de la justificada
Un resumen que convierte una posibilidad en una certeza o una fecha propuesta en una fecha confirmada.
Causas sin fundamento
Una explicación de por qué cambió una cifra que no está respaldada por los datos.
Razonamiento inventado
Un razonamiento ordenado paso a paso que lleva a una respuesta equivocada. NIST señala que los modelos a veces ofrecen pasos lógicos para justificar una respuesta, aunque esta sea incorrecta.
Autocontradicción
Una afirmación que contradice algo que la herramienta dijo unos mensajes antes.
¿Qué ocurre cuando no se detecta una alucinación?
El ejemplo público más conocido es el caso Mata contra Avianca, resuelto por el Tribunal Federal de Distrito del Distrito Sur de Nueva York el 22 de junio de 2023. Unos abogados presentaron un escrito judicial que incluía resoluciones judiciales inexistentes, con citas textuales y referencias falsas creadas por ChatGPT. El tribunal determinó que habían actuado de mala fe e impuso a los abogados y a su bufete una sanción de 5,000 dólares estadounidenses, de forma solidaria, y les exigió que escribieran a su cliente y a los jueces cuyos nombres se habían atribuido falsamente a las resoluciones inventadas. Al valorar la sanción, el tribunal señaló que el bufete había organizado formación jurídica continua obligatoria para sus abogados y su personal sobre competencia tecnológica y herramientas de IA: formación, en otras palabras, después de los hechos.
La lección no es que los abogados sean descuidados. Es que una cita inventada tiene exactamente el mismo aspecto que una real, y la persona que confió en ella se saltó el único paso que habría permitido detectarla: abrir la fuente. La mayoría de las alucinaciones en el trabajo son menores, como una fecha de entrega incorrecta en un correo a un cliente o una estadística inventada en una presentación comercial, pero el fallo es el mismo.
¿Quiere ver cómo se relaciona esto con un puesto?
Explore la prueba prevista para equipos ↗¿Siguen siendo un problema las alucinaciones de la IA?
Sí. Los proveedores han añadido funciones útiles, como la búsqueda en la web con citas y la capacidad de responder a partir de archivos cargados, pero ninguno afirma haber eliminado las alucinaciones. La propia documentación de Anthropic para Claude indica que sus técnicas recomendadas reducen las alucinaciones, pero no las eliminan por completo, y aconseja validar la información crítica, especialmente en decisiones de gran trascendencia. Las páginas de ayuda de Google para Gemini en Gmail y Hojas de cálculo advierten que las funciones de Gemini pueden sugerir información inexacta o inapropiada.
Desconfíe de cualquier afirmación de que una herramienta ya no tiene alucinaciones. Una pregunta más útil es qué tareas realiza una herramienta concreta con suficiente fiabilidad para su propósito y con qué comprobaciones.
¿Cómo se pueden reducir las alucinaciones de la IA?
Puede reducir las alucinaciones limitando lo que la herramienta tiene que inventar: proporciónele la fuente, indíquele que use solo esa fuente, permítale decir que no sabe y pídale que muestre pruebas para cada afirmación. Las técnicas que se presentan a continuación proceden de las recomendaciones de los proveedores, incluida la documentación de Anthropic sobre cómo reducir las alucinaciones, adaptadas al trabajo no técnico. Ninguna elimina la necesidad de verificar.
Ejemplo de instrucción que combina varias técnicas: Utilizando únicamente el texto de la política que aparece a continuación, enumere las tres reglas que se aplican a los viajes del personal reservados dentro de las 48 horas previas a la salida. Para cada regla, cite la frase exacta de la que procede. Si la política no contempla algún aspecto, escriba No se especifica. No utilice conocimientos generales.
Proporcione la fuente
Pegue o adjunte el documento en lugar de preguntar a la herramienta qué sabe. Las tareas basadas en material de referencia fallan con menos frecuencia que las preguntas abiertas.
Limítelo al contenido de la fuente
Indique expresamente que se debe usar solo el material proporcionado y no conocimientos generales.
Dé permiso para no saber
Indíquele que escriba No se especifica o No tengo suficiente información en lugar de rellenar los vacíos.
Pida citas
Para documentos largos, pídale que primero extraiga las frases exactas y que después responda basándose en esas citas.
Pídale que compruebe sus afirmaciones
Después de redactar el borrador, pídale que encuentre una cita que respalde cada afirmación y elimine cualquier afirmación que no pueda respaldar.
Haga preguntas más específicas
Es más fácil verificar una pregunta concreta a la vez que un texto largo de respuesta abierta.
Compare ejecuciones
Haga la misma pregunta dos veces. Si las respuestas discrepan sobre un dato, considérelo no verificado.
¿Cómo se detecta una alucinación en la práctica?
Considere una distribuidora ficticia de suministros dentales con 25 empleados, Northgate Supply. Un coordinador de ventas pega la política de devoluciones de dos páginas de la empresa y pregunta a un asistente: ¿Cuál es el plazo de devolución de los productos abiertos y se cobra algún cargo por reposición de existencias? La política facilitada indica que los artículos sin abrir pueden devolverse en un plazo de 30 días y que los artículos abiertos solo pueden devolverse si están defectuosos. No menciona ningún cargo por reposición de existencias.
La primera respuesta: Los productos abiertos se pueden devolver en un plazo de 14 días, con un cargo de reposición del 15 por ciento. Ambos detalles son inventados. La política no menciona 14 días ni ningún cargo. Son plausibles porque muchas políticas de devolución los incluyen, y así es precisamente como falla una respuesta estadísticamente probable.
El coordinador vuelve a plantear la pregunta con las técnicas anteriores: utilizar solo la política, citar la frase y escribir No se indica si la información no aparece. La segunda respuesta: Artículos abiertos: solo se pueden devolver si son defectuosos (cita: Los artículos abiertos solo se pueden devolver si el producto es defectuoso). Cargo por reposición: No se indica. Esa respuesta puede contrastarse con el documento en segundos, y la falta de información sobre los cargos se consulta con la persona responsable de la política en lugar de incorporarse a un correo al cliente.
¿Qué debe hacer un empleado tras detectar una alucinación?
Elimine o corrija la afirmación falsa y después determine si alguien ya se ha basado en ella. Si el resultado era solo un borrador, corríjalo y continúe, dejando constancia en su revisión de que la herramienta inventó ese detalle. Si ya se ha enviado, compartido o utilizado para tomar una decisión, avise a la persona responsable para que pueda corregirlo. No modifique sin avisar un documento que otras personas ya han leído.
También ayuda explicar a sus colegas qué tipos de preguntas produjeron el error. Un equipo que comparte ejemplos de lo que salió mal aprende más rápido que uno en el que cada persona descubre el mismo fallo por separado. El método paso a paso para revisar un borrador está en la guía para verificar los datos de las respuestas de la IA.
¿Cuándo una mala respuesta de IA no es una alucinación?
No toda respuesta incorrecta es una alucinación, y la solución varía. Si la herramienta da una respuesta desactualizada porque la información cambió después de su entrenamiento, la solución es una fuente actual. Si da una respuesta sesgada o parcial, el problema es de enfoque y equidad, no de invención. Si una instrucción vaga produce un resultado razonable pero no deseado, la solución es una indicación más precisa. Y si alguien utiliza la IA deliberadamente para engañar, es un problema de conducta, no de capacitación.
Esta guía tampoco puede asegurarle que una herramienta determinada sea segura para una tarea concreta de alto impacto. Para decisiones jurídicas, médicas, financieras o laborales sobre personas, recurra a una revisión cualificada, independientemente de cómo se haya generado el resultado.
Fuentes y alcance
NIST, AI 600-1: perfil de IA generativa, julio de 2024 ↗
Anthropic, documentación de Claude: Reducir las alucinaciones, consultado el 16 de octubre de 2026 ↗
Mata v. Avianca, Inc., 678 F.Supp.3d 443 (S.D.N.Y., 22 June 2023), copia alojada por CLLA ↗
Ayuda de Gmail, Colaborar con Gemini en Gmail, consultado el 16 October 2026 ↗