Los medios de comunicación no pueden controlar las respuestas de la IA ni ignorarlas

Deténganme si ya han escuchado o leído esto: los resúmenes de IA de Google a veces se equivocan. Esta ha sido una queja recurrente de los medios de comunicación sobre los resúmenes escritos por Gemini que aparecen en la parte superior de los resultados de búsqueda desde su lanzamiento a mediados de 2024.

Los optimistas podrían descartar el infame momento de la “pizza pegada con pegamento” y otros similares como simples errores iniciales en una nueva función. Pero en la primavera de 2026, The New York Times encargó a la startup de IA Oumi que estudiara con qué frecuencia las Resúmenes de inteligencia artificial dan respuestas erróneas. La última versión fue precisa 91% de las veces, lo que suena bastante bien hasta que se consideran los miles de millones de búsquedas diarias de Google. A esa escala, incluso una tasa de error de un solo dígito puede producir millones de resúmenes inexactos cada hora.

Para recalcar este punto en su artículo sobre el estudio, el Times citó la historia del periodista tecnológico de la BBC, Thomas Germain, sobre cómo escribió una entrada de blog falsa en la que se autoproclamaba el mejor periodista tecnológico del mundo en cuanto a comer perritos calientes. En menos de un día, los resúmenes de IA de Google repetían esa afirmación, aparentemente sin apenas análisis crítico.

La maniobra parece trivial porque la consulta era también trivial. Pero el mecanismo subyacente no lo es. Si bien el experimento de Germain sugiere que las reseñas de inteligencia artificial son fáciles de manipular, tuvo éxito principalmente porque se trataba del único artículo sobre un tema que nadie había buscado antes; esencialmente, un vacío informativo. Para una noticia con mucha cobertura, una sola publicación de blog aleatoria probablemente no tendría mucho efecto.

Buscar, reescrito

Sin embargo, la historia del perrito caliente muestra solo una forma en que los sistemas de información de IA en general (y los resúmenes de inteligencia artificial en particular) pueden fallar en su función: brindar al usuario información certera. Y esa precisión es más importante que nunca: la presencia de Resúmenes de IA en las búsquedas ha aumentado considerablemente durante el último año. Un informe de abril de la startup de visibilidad de IA QuickSEO los situó en 60.23 % de las búsquedas, y eso fue antes de que Google aprovechara su conferencia para desarrolladores I/O de mayo para profundizar la conexión entre los Resúmenes de IA y el Modo IA, permitiendo a los usuarios pasar directamente de un resumen a una conversación posterior.

La parte superior de una página de resultados de búsqueda no es el único lugar donde los usuarios encuentran resúmenes de IA, pero sí el más importante, ya que se trata de Google, el buscador al que todos acuden. Los usuarios de chatbots buscan deliberadamente la ayuda de la inteligencia artificial para sus consultas; los usuarios de Google, simplemente la obtienen. Si bien puede resultar incómodamente imprecisa con frecuencia, los medios de comunicación deben afrontar la realidad de que su información se presentará a través de la perspectiva de los resúmenes de IA. Y aunque no pueden controlar esa perspectiva, aún existe una oportunidad (y una responsabilidad) cuando su contenido pasa por ella.

La omnipresencia de los resúmenes no significa que la gente siempre los siga al pie de la letra. La confianza en las respuestas de la inteligencia artificial suele variar según la intención, o mejor dicho, según la importancia de esa intención. Si pides una receta de pollo asado, probablemente analizarás la respuesta con menos detenimiento que si preguntas sobre tratamientos contra el cáncer. Sin embargo, el punto de partida es el mismo.

El comportamiento del usuario puede variar según la importancia de la información, pero la información inicial ya se ha proporcionado. Una personas puede cuestionar una respuesta relevante, pero aun así permitir que esta le proporcione el vocabulario necesario, oriente sus búsquedas posteriores y determine qué investigará a continuación. Si se cita el nombre de uno o más medios de comunicación de confianza en el resumen, esto puede aumentar la confianza incluso si los usuarios nunca abren la cita. Ya he escrito anteriormente sobre esto en términos de valor, pero dicho valor depende de que la información se represente con precisión, algo en lo que las editoriales tienen un claro interés.

Cómo se rompe la precisión

Para comprender mejor por qué las reseñas sobre inteligencia artificial se equivocan, hablé con Isis Blachez, la responsable de IA en Newsguard, a cargo del Monitor de Afirmaciones Falsas basado en IA de la organización. Ella lo explicó en tres dimensiones, que se reflejan en el estudio encargado por Times.

1. La IA recupera información débil o irrelevante. Así es como un resumen podría terminar recomendando aplicar una capa de pegamento Elmer’s a la pizza para asegurar que los ingredientes se adhieran. Esto provenía originalmente de una publicación de Reddit que lo sugería irónicamente (¡esperemos!), lo que lo hizo irrelevante para la consulta.

Lo cierto es que la publicación original respondía directamente a la pregunta, lo cual es un factor importante para la visibilidad de la inteligencia artificial. Si bien los estudios demuestran que los motores de IA tienden a favorecer el contenido periodístico, si este no está optimizado para máquinas (o peor aún, está bloqueado), puede pasar desapercibido fácilmente, y algo con menor soporte puede obtener una proporción desproporcionada de los resultados.

“Realizamos clasificaciones (de fiabilidad) de sitios de noticias”, explica Blachez. “Y observamos que la mayoría de los sitios mejor clasificados bloqueaban a muchos bots de IA, mientras que la mayoría de las fuentes de baja calidad daban acceso completo a los rastreadores web”.

2. La IA encuentra la fuente correcta, pero la interpreta erróneamente. Esta podría ser la manera más importante y menos evidente en que la inteligencia artificial comete errores. Blachez menciona un caso en el que varios chatbots citaron a Snopes al confirmar una afirmación falsa de que Irán había atacado un petrolero con bandera pakistaní. El artículo de Snopes, en realidad, desmentía la afirmación en lugar de respaldarla, pero la IA la interpretó al revés.

“A veces, incluso si cita una fuente creíble, puede ser incapaz de citarla correctamente o de recuperar la información de forma adecuada”, afirma Blachez.

En estos casos, el problema radicaba en el informe original. Fue la máquina la que falló. Este puede ser el error más frustrante de la IA, y a menudo da lugar a litigios relacionados con las respuestas de esa tecnología.

3. La información disponible fue manipulada deliberadamente. Es como un caso de perrito caliente. En términos generales, se parece a la red Pravda, afín al Kremlin, que inundó internet con millones de artículos en sitios diseñados para imitar medios de comunicación, difundiendo propaganda rusa a gran escala.

Si bien se trata de un ejemplo extremo, demuestra cómo los actores coordinados que publican afirmaciones similares en numerosos sitios web pueden crear la apariencia de consenso y dominar el material disponible para los sistemas de recuperación de información.

“Lo que hemos observado que funcionó con Pravda fue saturar los resultados de búsqueda”, dice Blachez. “Es como publicar la misma información con prácticamente el mismo lenguaje, en muchos dominios, varias veces, y así dominar la narrativa sobre ese tema específico”.

Hagamos que la verdad sea legible por una máquina

Existen diversas maneras en que una inteligencia artificial con buenas intenciones podría desviarse debido a problemas de acceso, manipulación o al propio contenido. Si bien se estipula que el operador del motor de esa tecnología tiene la responsabilidad de brindar información veraz a sus usuarios, ¿cuál es la responsabilidad de los medios de comunicación en este caso?

Creo que muchos periodistas y editores caen en una mentalidad de impotencia y piensan que no pueden hacer nada porque no controlan lo que la IA hace con su contenido. Sin embargo, sí pueden influir en ello en cada una de las tres dimensiones de fallos. Para asegurar que su contenido se incluya, debe estar presente (es decir, no bloqueado). Para evitar interpretaciones erróneas, debe estar optimizado para máquinas. Y para contrarrestar las publicaciones manipuladoras, es necesario crear contenido propio que responda directamente a las consultas con las que se quiere competir.

Los medios de comunicación y sus editores tienen razones legítimas para bloquear los rastreadores web: las principales son las preocupaciones por los derechos de autor y la falta de compensación. Y si se bloquea el contenido periodístico, eso no exime a Google y a otros servicios de IA de analizar y verificar la información original para obtener sus respuestas. Pero si el periodismo está disponible para la inteligencia artificial, los editores tienen mecanismos que pueden utilizar para garantizar que se represente correctamente. 

La mayoría de las operaciones editoriales ya incluyen una capa de optimización SEO. La mejor manera de influir en lo que ven los usuarios en las vistas generales de IA y los chatbots cuando se muestra el contenido es añadir también un filtro de legibilidad para máquinas. Esto no se limita a la geolocalización estándar, como tener títulos que coincidan con ciertas consultas. Implica esforzarse por garantizar que las partes difíciles de un tema sean más claras para una inteligencia artificial, aunque ya lo sean para un humano.

En la práctica, esto significa exponer hechos o conclusiones que, de otro modo, la prosa dejaría implícitas. Un lector humano puede comprender que “presunto” califica toda una secuencia de eventos, por ejemplo, incluso si la palabra aparece solo una vez. Una máquina, en cambio, podría no transmitir esa calificación.

Algunas preguntas que los editores y medios de comunicación en general podrían hacerse en esta fase legible por máquina:

• ¿Están las fechas vinculadas explícitamente a los eventos correctos?
• ¿Queda claro si una acusación es denunciada, verificada o desmentida?
• ¿Se enuncia la conclusión principal de forma clara o se deja totalmente a la interpretación?
• ¿Las correcciones y actualizaciones son evidentes?
• ¿El artículo distingue la fuente original de las repeticiones posteriores?
• ¿El titular genera ambigüedad que luego se resuelve en el texto?

Al igual que con el SEO, adaptar un texto para que sea más claro para las máquinas suele mejorar también la claridad para los humanos. Pero solo aumenta las probabilidades; no puede garantizar una interpretación correcta. El objetivo no es hacer que el periodismo sea “a prueba de IA”, sino eliminar la ambigüedad evitable y dar a la información precisa una mayor probabilidad de superar la capa de respuesta.

Los medios de comunicación no pueden dictar lo que Google dice sobre su trabajo, ni se espera que corrijan las deficiencias del producto de otra persona. Pero a medida que la IA se convierte en una capa intermedia habitual entre el periodismo y su público, la impotencia deja de ser una estrategia viable. Aún pueden facilitar el acceso a la verdad, dificultar su interpretación errónea y hacerla mucho más difícil de manipular.