Verificar lo que te dice la IA: checklist de fuentes

La IA responde con la misma seguridad cuando sabe que cuando inventa, y ese es el problema. En este tutorial vas a armar un checklist para separar lo verificado de lo que solo suena bien, antes de usar una respuesta en algo que importa. Es para cualquiera que use IA para trabajar: informes, contenido, decisiones.

Antes de empezar

• Una respuesta real de IA que estés por usar: un dato, un informe, una recomendación con cifras.
• Cinco minutos para un concepto: la alucinación es cuando el modelo genera información falsa con el formato de información verdadera. No es un bug raro ni mala intención — el modelo produce el texto más plausible, y lo plausible no siempre es cierto.
• Una regla madre que ordena todo lo demás: el esfuerzo de verificación tiene que ser proporcional a lo que duele equivocarse. Un dato en un chat casual, tolerancia alta. Un dato que va a un cliente o a una decisión con plata, tolerancia cero.

Paso 1 — Marcá qué hay que verificar

No todo en una respuesta se verifica igual. Separala en tres pilas:

• Hechos verificables: cifras, fechas, nombres, citas de leyes o normas, características de un producto. Esto sí se verifica.
• Interpretaciones: "esto sugiere que...", comparaciones, conclusiones. Acá evaluás si el razonamiento cierra, no si existe una fuente.
• Opiniones y estilo: no se verifican, se aceptan o se cambian.

De la primera pila, priorizá lo que tiene consecuencias: ¿lo va a leer un cliente? ¿decidís plata con esto? ¿te compromete públicamente? Eso va primero.

Paso 2 — Pedí las fuentes... y desconfiá igual

Prompt directo:

De cada dato concreto de tu respuesta, decime de dónde sale.
Si tenés link, pasámelo. Si no tenés fuente, decí
"sin fuente" en vez de estimar.

Ojo con esto: la IA también puede inventar las referencias. Títulos de estudios que no existen, artículos de ley con número y todo, links que parecen reales. Que te dé una fuente no prueba nada todavía; te da algo que ahora podés revisar.

Paso 3 — Abrí la fuente y buscá el dato exacto

Este paso es el corazón del checklist y casi nadie lo hace. Abrí el link y buscá el dato puntual (Ctrl+F es tu amigo). Hay tres resultados posibles:

• Verde: el dato está y dice lo mismo. Listo.
• Amarillo: el dato está pero con matices — otro contexto, otra fecha, una condición que la IA omitió. El matiz suele ser justo lo que importa.
• Rojo: el dato no está en la fuente. Descartalo o andá a buscarlo vos desde cero.

Un link que carga no es una verificación. La verificación es encontrar la frase.

Paso 4 — Triangulá con una fuente independiente

Para los datos importantes, una fuente no alcanza: buscá una segunda que no se copie de la primera. Y siempre que puedas, preferí la fuente primaria: la documentación oficial, el texto de la ley, el estudio original, la página del fabricante — no un blog que lo resume.

Checklist rápido de calidad de fuente:

• ¿Quién publica esto y qué gana publicándolo?
• ¿De cuándo es? Un dato técnico de hace dos años puede estar vencido.
• ¿Es la fuente original o un rebote de otro rebote?

Paso 5 — Dejá rastro en tu documento

Cerrá el ciclo anotando qué verificaste. Yo uso etiquetas simples mientras trabajo: [verificado — fuente] y [sin verificar]. Antes de entregar, todo lo que quedó sin verificar se reescribe en términos generales o se corta. Suena burocrático; te salva de que un dato inventado llegue con tu firma.

Errores comunes

• Usar "¿estás seguro?" como método. No sirve: ante esa pregunta el modelo puede retractarse de cosas ciertas o ratificar falsas. Preguntarle a la misma IA no es verificación externa.
• Verificar con otra IA y dar por cerrado. Es mejor que nada, pero dos modelos pueden repetir el mismo error si viene de fuentes populares equivocadas. La verificación termina en una fuente, no en otro modelo.
• Confundir seguridad con verdad. El tono del modelo no cambia cuando inventa. La confianza es estilo, no evidencia.
• Querer verificar todo. Eso lleva a la parálisis o al abandono del checklist. Verificá lo que tiene consecuencias (Paso 1) y viví con el resto.

Siguiente paso

Con el checklist incorporado, el salto natural es aprender a usar los modos de investigación profunda, que te devuelven reportes ya citados — el checklist aplica igual, pero llegás con la mitad del camino hecho. También vale armarte instrucciones permanentes para que tu IA separe hechos de inferencias y declare cuando no está segura, así verificás menos y mejor.