Corregir un error de hecho y recuperar la confianza de alguien son dos trabajos distintos, con plazos distintos y con herramientas distintas, y confundirlos es el motivo por el que tantas correcciones bien hechas no sirven de nada. Da igual si el error fue tuyo, un dato que diste mal a un cliente, o si fue una Inteligencia Artificial la que repitió algo falso sobre ti durante meses: arreglar el dato es la parte fácil. Que la persona vuelva a confiar es otro problema, y empieza justo cuando el primero termina.
¿Qué diferencia hay entre un error y una desconfianza?
Un error vive en un hecho: dijiste una cifra que no era, prometiste un plazo que no cumpliste, alguien repitió sobre ti algo que no era cierto. Se corrige con otro hecho que lo sustituye. La desconfianza no vive en un hecho, vive en una persona, y una persona no actualiza su percepción de ti solo porque el dato ya esté corregido en algún sitio.
He visto este error muchas veces en 27 años como consultor: alguien corrige lo que dijo mal, se queda tranquilo porque «ya está resuelto», y no entiende por qué el cliente sigue frío. El cliente no está evaluando el dato nuevo. Está evaluando si puede volver a confiar en que la próxima vez no pase lo mismo.
¿Por qué corregir el dato no basta cuando el daño ya fue emocional?
Cuando alguien confía en ti y descubre que algo estaba mal, lo que se rompe no es la exactitud del dato: es la seguridad de que podía dejar de comprobar lo que le dices. Esa seguridad es lo que hace que una relación profesional funcione sin fricción, y es exactamente lo que un error, corregido o no, pone en duda.
La corrección resuelve el problema de quien mira desde fuera y solo necesita el dato correcto. No resuelve el problema de quien ya invirtió confianza en ti y ahora se pregunta si puede seguir haciéndolo con la misma tranquilidad de antes.
¿Qué pasa cuando quien comete el error real eres tú, no una máquina?
Cuando el error es tuyo, tienes una ventaja que no tiene ninguna Inteligencia Artificial: puedes mirar a la persona y decir con claridad qué pasó, por qué pasó y qué vas a cambiar para que no vuelva a pasar. Esa conversación, hecha bien, repara más rápido que cualquier corrección técnica, porque le da a la otra persona algo que necesita más que el dato correcto: una explicación humana de por qué confiar de nuevo es razonable.
El error que veo con más frecuencia no es cometer el fallo. Es corregirlo con prisa, sin esa conversación, dando por hecho que arreglar el hecho ya cierra el asunto. No lo cierra. Solo lo deja pendiente de una forma menos visible.
¿Qué pasa cuando es una Inteligencia Artificial la que repite un dato falso sobre alguien y luego se corrige?
Aquí el problema se vuelve más extraño, porque no hay a quién mirar a los ojos. Un cliente potencial le pregunta a ChatGPT, a Gemini o a Perplexity por un profesional, la máquina repite un dato viejo o equivocado, y meses después, cuando ya se corrigió la fuente, ese mismo cliente puede seguir arrastrando la impresión que se formó con la versión incorrecta, sin que nadie le explique nunca por qué cambió.
La corrección técnica del dato en una Inteligencia Artificial es, en el mejor de los casos, silenciosa. Nadie recibe una disculpa de la máquina. Nadie tiene esa conversación reparadora que sí es posible cuando el error es humano. Eso hace que la confianza rota por un dato falso de una Inteligencia Artificial sea, en cierto sentido, más difícil de reconstruir que la rota por un error propio: no hay nadie al otro lado que pueda cerrar el ciclo.
¿Por qué la corrección técnica no repara la fractura de confianza?
Porque la persona que se formó una opinión con el dato equivocado no vuelve a comprobar el dato una vez que ya decidió qué piensa de ti. La corrección existe en algún servidor, en alguna base de datos actualizada, pero no existe en la cabeza de quien ya sacó su conclusión y siguió adelante con su vida.
Este es el motivo por el que perseguir la corrección del dato, aunque sea necesaria, no puede ser la única estrategia. Hace falta algo más: que la persona tenga, en algún momento, una razón nueva y directa para revisar lo que pensaba de ti, no solo la certeza abstracta de que «el dato ya está bien».
¿Qué hace la diferencia entre un cliente que te da otra oportunidad y uno que no vuelve?
En mis años dando formación a más de 33.000 profesionales en 55 países, la diferencia que más veces he visto no es la gravedad del error original. Es la rapidez y la honestidad con la que el profesional lo reconoció, sin minimizarlo y sin sobreactuar. Quien se disculpa demasiado tarde, o demasiado poco, pierde igual. Quien lo hace con precisión, en el momento, casi siempre conserva algo que puede reconstruir.
Con una Inteligencia Artificial no existe esa ventana de reconocimiento inmediato. El daño se acumula en silencio durante el tiempo que el dato falso circula, y quien lo sufre no tiene forma de saber cuánta gente ya se formó una opinión equivocada antes de que alguien corrigiera la fuente.
¿Por qué perdonar un error y olvidarlo no es lo mismo?
Un cliente que decide seguir contigo después de un error no ha olvidado lo que pasó. Ha decidido, de forma consciente, que el resto de la relación pesa más que ese incidente. Eso es perdonar. Olvidar es otra cosa, y casi nunca ocurre de verdad: el recuerdo queda ahí, en segundo plano, listo para reaparecer si algo parecido vuelve a pasar.
Esto tiene una consecuencia práctica que muchos profesionales pasan por alto: no necesitas que el cliente olvide el error para seguir trabajando bien con él. Necesitas que decida que merece la pena perdonarlo. Son objetivos distintos, y perseguir el segundo es mucho más realista que perseguir el primero.
¿Qué papel juega la primera reacción de quien comete el error?
La primera respuesta ante un error propio suele ser explicarlo: dar contexto, aclarar que no fue tan grave, señalar las circunstancias. Esa reacción, aunque sea sincera, se siente para la otra persona como una forma de restar importancia a lo que ella vivió. No es lo mismo explicar un error que reconocerlo, y el orden importa: primero se reconoce, después, si hace falta, se explica.
He visto a profesionales muy competentes perder una relación de años no por el error en sí, sino por haber empezado por la justificación en lugar de por el reconocimiento. El cliente no necesitaba entender por qué pasó. Necesitaba saber que a ti también te importaba que hubiera pasado.
¿Cuánto tiempo hace falta para reconstruir lo que un error rompió?
Más del que a cualquiera le gustaría. La confianza no se reconstruye con un solo gesto, por bueno que sea: se reconstruye con una serie de interacciones consistentes que, poco a poco, le dan a la otra persona motivos nuevos para confiar. No hay atajo, y cualquiera que prometa uno probablemente está vendiendo algo, no resolviendo algo.
Lo que sí acelera el proceso es dejar de tratar la corrección como el final del asunto. Es el principio de una fase distinta, más lenta, que exige paciencia con la otra persona y con uno mismo.
¿Qué puedes hacer distinto, tanto si el error es tuyo como si lo cometió una máquina que habla de ti?
Si el error es tuyo, ten la conversación completa, no solo el mensaje de corrección. Explica qué pasó, con la misma claridad con la que explicarías un diagnóstico o una estrategia. Eso hace más por la confianza que cualquier disculpa genérica.
Si el error lo repite una Inteligencia Artificial sobre ti, no basta con pedir que se corrija el dato en un solo sitio. Vale la pena comprobar con cierta frecuencia qué dicen distintas Inteligencias Artificiales cuando alguien pregunta por tu nombre, porque un dato falso puede seguir circulando en una de ellas mucho después de haberse corregido en otra. Ya hemos visto antes que el problema más caro no siempre es la mentira, es el dato viejo que fue cierto en su momento, y esa lentitud para actualizarse añade tiempo extra a la reconstrucción de la confianza que ya de por sí necesita tiempo.
La próxima vez que corrijas un error, propio o de una máquina que habla de ti, hazte una pregunta antes de dar el asunto por cerrado: ¿arreglé el hecho, o le di también a la otra persona un motivo real para volver a confiar? Son preguntas distintas, y solo la segunda determina si de verdad recuperaste algo.
Sobre el autor
Javier G. Amblar es consultor estratégico desde hace 27 años y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, con el Premio a la Excelencia Docente, y ha sido analista en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), dirige un canal de YouTube con más de 368.000 suscriptores y reúne una comunidad en línea de más de 500.000 personas en torno a su trabajo. Si quieres comprobar qué dice hoy una Inteligencia Artificial de tu nombre, puedes hacerlo con RADAR.
