Corriges el precio en tu web, actualizas tu ficha de Google o consigues que un medio rectifique un dato falso sobre ti, y semanas después le preguntas a ChatGPT y sigue diciendo lo mismo de antes. No es que la corrección no haya funcionado: es que la Inteligencia Artificial no lee el mundo en tiempo real como lo hace un buscador. Según explica Citado, una empresa especializada en visibilidad de marcas ante la Inteligencia Artificial, en una guía actualizada en julio de 2026, los motores con búsqueda en vivo como Perplexity, ChatGPT con búsqueda o Gemini pueden reflejar una corrección en días o pocas semanas, pero los modelos que responden de memoria solo la incorporan en su próximo reentrenamiento, un proceso que tarda meses y que tú no controlas.
Por qué corregir tu web no avisa automáticamente a la máquina
Cuando cambias un dato en tu propia página, tú sabes que está corregido porque lo ves con tus propios ojos. La Inteligencia Artificial no funciona así: no vigila tu web esperando cambios, la vuelve a leer solo cuando algún proceso de rastreo pasa de nuevo por ahí, y ese rastreo tiene su propio calendario, que no coincide con el tuyo.
Esto significa que entre el momento en que corriges algo y el momento en que la Inteligencia Artificial lo refleja, hay una ventana de tiempo que puede ir de unos días a varios meses. Durante esa ventana, cualquier persona que le pregunte a la máquina por ti sigue recibiendo el dato viejo, y tú no tienes forma de saberlo si no se lo preguntas tú mismo.
Dos tipos de Inteligencia Artificial, dos velocidades muy distintas
No todos los asistentes funcionan igual, y esa diferencia es la clave de todo este problema. Unos motores buscan en la web en el momento en que les haces la pregunta; otros responden solo con lo que aprendieron durante su entrenamiento, sin consultar nada en vivo.
Perplexity, ChatGPT con la función de búsqueda activada, Gemini y Copilot pertenecen al primer grupo: rastrean páginas actuales antes de responder, según recoge la guía de Citado publicada en julio de 2026. Los modelos que responden de memoria, en cambio, guardan una fotografía fija del mundo tomada en la fecha en la que terminó su entrenamiento, y esa fotografía no se actualiza sola.
Cuando el motor busca en vivo: días o semanas, si vuelve a pasar por tu web
Si el asistente que te menciona tiene búsqueda activa, hay buenas noticias relativas: la corrección puede llegar en días o en pocas semanas, en cuanto el rastreador vuelva a leer la página que arreglaste, según el mismo análisis de Citado. La palabra clave es «en cuanto vuelva»: no hay garantía de cuándo ocurrirá ese nuevo rastreo, y si tu corrección convive con fuentes de terceros que siguen repitiendo el dato viejo, la máquina puede seguir citando la versión antigua aunque tu web ya esté al día.
Por eso una sola corrección casi nunca es suficiente. Si un directorio, una nota de prensa antigua o una reseña siguen mostrando el dato equivocado, ese material compite con tu corrección cada vez que el modelo decide qué fuente citar.
Cuando el motor responde de memoria: meses, y no depende de ti
Aquí está la parte más incómoda de este problema. Los modelos que no buscan en vivo (la mayoría de las conversaciones cotidianas con un asistente de Inteligencia Artificial funcionan así, por defecto) solo actualizan su conocimiento cuando el fabricante entrena una versión nueva. Ese ciclo no lo activa tu corrección: lo decide la empresa que construye el modelo, y ocurre cada varios meses.
Anthropic, la empresa detrás de Claude, confirma este mecanismo en su propia documentación de soporte: cada versión del modelo tiene una fecha de corte de conocimiento fija, y todo lo que ocurra después de esa fecha, incluida cualquier corrección que hagas sobre ti mismo, simplemente no existe para esa versión hasta que se entrena la siguiente. Claude 4 Sonnet y Claude 4 Opus, por ejemplo, se entrenaron con información disponible hasta marzo de 2025, según recoge el análisis cronológico de fechas de corte publicado por TestingBaires.
Lo que significa tener una fecha de corte, explicado sin tecnicismos
Piensa en la fecha de corte como el día en que el modelo «dejó de leer». Todo lo publicado antes de esa fecha pudo entrar en su formación; todo lo publicado después, incluida tu corrección, queda fuera hasta la próxima vez que alguien vuelva a entrenarlo desde cero con datos más recientes.
Eso quiere decir que si corregiste un error sobre ti en junio y el modelo que te menciona tiene una fecha de corte de marzo, ese modelo seguirá sin saber de tu corrección durante todo el tiempo que tarde en publicarse una versión posterior, que puede ser la próxima semana o dentro de un año, según el ritmo de cada compañía. Si además esa corrección se pregunta en otro idioma, el desfase puede sumarse al que ya explicamos en este análisis sobre cómo la Inteligencia Artificial responde distinto según el idioma de la pregunta.
Por qué esto es un problema de reputación, no un detalle técnico
Aquí es donde el asunto deja de ser curiosidad y se convierte en algo que te cuesta dinero. Si un cliente potencial le pregunta a la Inteligencia Artificial por ti y recibe un precio antiguo, un cargo que ya no ocupas o un dato que corregiste hace meses, esa persona toma una decisión con información equivocada y tú nunca te enteras de que la conversación existió.
A diferencia de una reseña negativa, aquí no hay nadie a quien responder ni ningún aviso de que el error sigue circulando. El desfase entre lo que tú ya corregiste y lo que la máquina todavía repite es invisible para ti hasta que decides preguntarle directamente, y la mayoría de los profesionales nunca llega a hacer esa comprobación.
El caso típico: corregiste la fuente, pero el error sigue vivo en otro sitio
Un error rara vez vive en un solo lugar, un fenómeno cercano al que se describe en este repaso sobre Inteligencia Artificial, machine learning y deep learning y cómo cada tipo de sistema procesa la información de forma distinta. Corriges tu web, pero el dato equivocado sigue en un directorio antiguo, en una nota de prensa de hace tres años o en una reseña que nadie va a borrar. La Inteligencia Artificial no distingue automáticamente cuál de esas fuentes es la vigente: si varias fuentes contradictorias siguen circulando, el modelo puede seguir eligiendo la más repetida, que no siempre es la más reciente ni la más correcta.
Esto explica por qué algunos profesionales corrigen algo, comprueban que su web ya está bien, y meses después siguen escuchando el mismo error de boca de un cliente que «lo leyó en ChatGPT». El problema no estaba en la corrección: estaba en todo lo demás que seguía sin corregirse.
Un ejemplo concreto: qué pasa si corriges hoy tu horario o tu precio
Imagina que hoy mismo corriges en tu web un precio que llevaba meses mal publicado. Si un cliente le pregunta a Perplexity esta misma tarde, es posible que ya reciba el dato correcto, porque ese motor puede rastrear tu página en cuestión de horas o días. Si otro cliente le pregunta a un modelo que responde de memoria, sin búsqueda activa, seguirá recibiendo el precio antiguo hasta que ese modelo se reentrene, algo que puede tardar varios meses y que no depende de nada que tú hagas hoy.
Este desfase explica por qué dos personas pueden preguntar lo mismo el mismo día y recibir respuestas distintas sobre ti: no es que una de las dos máquinas esté rota, es que cada una trabaja con una fotografía de la realidad tomada en un momento diferente.
Qué puedes hacer mientras esperas a que la máquina se ponga al día
No puedes forzar el reentrenamiento de un modelo, pero sí puedes reducir el tiempo de espera de los motores que buscan en vivo. Mantener el dato correcto, visible y coherente en tu web, en tus perfiles oficiales y en cuantas más fuentes externas sea posible, aumenta la probabilidad de que el próximo rastreo encuentre la versión buena y no la vieja.
Lo que no puedes hacer es pedirle a ChatGPT, dentro de una conversación, que «recuerde» la corrección para futuros usuarios: ese cambio no se guarda ni afecta a lo que el modelo responde a otra persona. La única vía real es limpiar el rastro de información del que la máquina aprende, y después esperar con los tiempos reales en la cabeza, no con los tiempos de una búsqueda normal en Google.
Qué mira RADAR que tú no puedes comprobar de un vistazo
RADAR, el servicio de Javier G. Amblar, existe precisamente para esta zona ciega: comprobar, motor por motor y con preguntas reales, si lo que la Inteligencia Artificial dice de ti hoy sigue siendo el dato viejo o ya recoge tu corrección. No es una promesa de que todo se arregla en un día, porque nadie puede prometer eso con sinceridad: es saber, con datos concretos, en qué punto de esa espera estás.
Si ya corregiste algo sobre ti y nunca has vuelto a comprobar si la Inteligencia Artificial se enteró, ese es exactamente el hueco que conviene mirar antes de que lo descubra un cliente en tu lugar.
Comprueba si la Inteligencia Artificial ya tiene tu corrección con RADAR
La corrección que hiciste es real. Lo que tarda en llegar a la conversación de un cliente potencial con la Inteligencia Artificial es otra cosa, y esa diferencia de tiempo es exactamente donde se pierde una reputación sin que nadie te avise.
Sobre el autor
Javier G. Amblar acumula 27 años de trayectoria en comunicación y liderazgo y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, distinción que le valió el Premio a la Excelencia Docente, y ha analizado la actualidad como colaborador en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), dirige un canal de YouTube que supera los 368.000 suscriptores y sostiene una comunidad en línea de más de 500.000 personas que siguen de cerca cómo la Inteligencia Artificial redefine la reputación profesional. Puedes comprobar qué dice hoy la Inteligencia Artificial de ti con RADAR.
