[Saltar al contenido](https://www.innguma.com/recursos/faq/ia-errores/#contenido)

Preguntas frecuentes

# ¿Qué pasa si la IA se equivoca al clasificar?

**Respuesta breve** 

Que una persona lo corrige antes de que llegue a nadie. En Innguma la IA propone la clasificación de cada señal y el analista la revisa en Factory, el espacio donde Innguma procesa y estructura las señales: corrige, descarta o valida. Cada señal enlaza a la publicación de la que procede, así que cualquier dato puede comprobarse en su origen. La IA procesa; las personas deciden qué se publica y a quién llega.

## ¿Con qué frecuencia se equivoca la IA generativa?

Lo suficiente como para no publicar nada sin revisar. Dos estudios independientes sobre noticias lo miden:

-   **EBU y BBC, octubre de 2025.** 22 medios públicos de 18 países evaluaron más de 3.000 respuestas de ChatGPT, Copilot, Gemini y Perplexity sobre actualidad. El 45 % tenía al menos un problema significativo; el 31 %, problemas graves de atribución de fuentes; el 20 %, errores importantes de exactitud, como detalles inventados o información desactualizada[\[1\]](https://www.innguma.com/recursos/faq/ia-errores/#ref-1).
-   **Tow Center, Universidad de Columbia, marzo de 2025.** Se dio a ocho buscadores con IA fragmentos de artículos reales y se les pidió identificar titular, medio, fecha y URL. En conjunto, respondieron de forma incorrecta a más del 60 % de las 1.600 consultas[\[2\]](https://www.innguma.com/recursos/faq/ia-errores/#ref-2).

Ambos estudios miden asistentes que buscan y responden, no un sistema de clasificación con revisión. Lo que muestran es el tipo de fallo que hay que esperar: atribución, fechas y detalles plausibles pero falsos.

## ¿Qué errores son habituales al clasificar señales y cómo se detectan?

| Tipo de error | Ejemplo ilustrativo | Cómo se detecta |
| --- | --- | --- |
| Entidad confundida | Una empresa con el mismo nombre que un competidor, pero de otro sector | La entidad no encaja con el resto de la señal o con la fuente |
| Tema principal mal asignado | Una tecnología citada de pasada en una entrevista se etiqueta como tema central | Al abrir la fuente, la mención ocupa una línea |
| Tipo de evento erróneo | Un anuncio de intención se clasifica como lanzamiento | El texto usa futuro o condicional |
| Tono mal interpretado | Un titular irónico o una noticia con matices se marca como positiva | El tono no coincide con el contenido |
| Lugar impreciso | Se asigna la sede de la empresa en lugar del país donde ocurre el hecho | La señal no aparece al filtrar por el país relevante |
| Resumen que afirma de más | Una cifra o una conclusión que la fuente no contiene | Contraste con la fuente enlazada |

El último caso es el más delicado. OWASP lo recoge como riesgo de desinformación: contenido falso que parece creíble, agravado por la confianza excesiva de quien lo lee[\[3\]](https://www.innguma.com/recursos/faq/ia-errores/#ref-3). El NIST lo denomina confabulación: contenido erróneo presentado con seguridad[\[4\]](https://www.innguma.com/recursos/faq/ia-errores/#ref-4).

## ¿Qué controles tiene Innguma frente a estos errores?

-   **Revisión humana en Factory.** Es el entorno de trabajo del analista, donde se revisan y validan las señales que la IA ha filtrado, agrupado y clasificado.
-   **Fuente siempre enlazada.** Cada señal enlaza a la publicación de la que procede, para comprobar el dato en su origen.
-   **Decisión de las personas.** Qué se publica y a quién llega lo decide el equipo, no la IA.
-   **Histórico revisable.** Lo validado se conserva en la Biblioteca con etiquetas, comentarios y fuente, de modo que el equipo puede revisar qué se validó y por qué.

Si tu organización conecta un asistente mediante MCP y habilita la publicación automática, el mismo criterio aplica: tu equipo decide qué se publica sin revisión y qué pasa antes por una persona.

## ¿Cómo se trabaja bien con la clasificación automática?

1.  Trata cada etiqueta como una propuesta, no como un dato.
2.  Revisa con más cuidado lo que va a difundirse o a apoyar una decisión.
3.  Abre la fuente original antes de citar una cifra, una fecha o una declaración.
4.  Cuando una corrección importe, explícala en un comentario para que el equipo comparta el criterio.
5.  Si un error se repite, ajusta los filtros o la definición de la vigilancia en lugar de corregirlo una y otra vez.

## Fuentes y referencias

1.  \[1\] [EBU. Estudio internacional News Integrity in AI Assistants, coordinado por la EBU y dirigido por la BBC. Nota de prensa, 22 de octubre de 2025](https://www.ebu.ch/news/2025/10/ai-s-systemic-distortion-of-news-is-consistent-across-languages-and-territories-international-study-by-public-service-broadcaste)
2.  \[2\] [Jaźwińska, K. y Chandrasekar, A. AI Search Has a Citation Problem. Tow Center for Digital Journalism, Columbia Journalism Review. 6 de marzo de 2025](https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php)
3.  \[3\] [OWASP GenAI Security Project. LLM09:2025 Misinformation. 2025](https://genai.owasp.org/llmrisk/llm092025-misinformation/)
4.  \[4\] [NIST. AI 600-1, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Julio de 2024](https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence)

## Relacionado

- [¿Puedo ver siempre la fuente original de una señal?](https://www.innguma.com/recursos/faq/fuente-original/)
- [Factory: dónde se procesan, clasifican y validan las señales de vigilancia](https://www.innguma.com/recursos/software/factory/)
- [Filtros de vigilancia: qué son, cómo funcionan y por qué deciden la calidad de una vigilancia](https://www.innguma.com/recursos/software/filtros/)
- [Academia](https://academy.innguma.com/)

- [Solicitar una demo](https://www.innguma.com/demo/)
- [Volver a las FAQs](https://www.innguma.com/recursos/faq/#faq-ia)