Un dato suelto, por muy exacto que sea, no prueba nada por sí solo, y esa es la distinción que más se está perdiendo ahora que la Inteligencia Artificial entrega cifras, citas y titulares con la misma seguridad tenga razón o no. Después de 27 años haciendo consultoría, sostengo que la diferencia entre un dato y una evidencia no está en la cifra, está en lo que la rodea: el contexto, la fuente, la repetición y la ausencia de una explicación alternativa mejor.
Un dato es una foto, una evidencia es una película
Un dato aislado responde a una sola pregunta: ¿cuánto, cuándo, dónde? Una evidencia responde a una pregunta más incómoda: ¿por qué debería creer que esto significa lo que parece significar? La Inteligencia Artificial es extraordinariamente buena en lo primero. Puede entregarte en segundos una cifra exacta, una fecha correcta, una cita textual bien puntuada. Lo que no hace, salvo que se lo exijas de forma explícita, es decirte si esa cifra sostiene o no la conclusión que tú quieres sacar de ella.
En consultoría, esa confusión es antigua, no la inventó la Inteligencia Artificial. Lo nuevo es la velocidad y la seguridad con la que hoy llega un dato bonito a la mesa de un cliente, envuelto en un lenguaje que suena a certeza técnica.
¿Por qué la Inteligencia Artificial es tan buena entregando datos sueltos con apariencia de verdad?
Un sistema de Inteligencia Artificial generativa está optimizado para producir una respuesta fluida y convincente, no para verificar que esa respuesta resista una segunda pregunta. Redacta con la misma cadencia segura tanto si la cifra es correcta como si la ha inventado, porque su tarea es completar un patrón de lenguaje verosímil, no auditar su propio contenido.
Esto produce un fenómeno que observo constantemente en reuniones de trabajo: alguien llega con una cifra que suena exacta, la Inteligencia Artificial se la dio en un tono neutro y profesional, y esa combinación basta para que el grupo la dé por buena sin preguntar de dónde sale.
La pregunta que separa un dato de una evidencia
Cuando un cliente me presenta una cifra, la primera pregunta que hago no es «¿de dónde sale este número?». Es otra: «¿qué otra explicación, distinta a la que tú propones, también encajaría con este mismo número?». Si existe una explicación alternativa razonable que el dato no descarta, ese dato todavía no es una evidencia de nada, solo es un dato.
Una evidencia empieza a existir cuando varias fuentes independientes apuntan en la misma dirección, cuando el dato se sostiene aunque cambies el ángulo desde el que lo miras, y cuando alguien ha intentado activamente refutarlo y no lo ha conseguido. Eso exige tiempo. La Inteligencia Artificial no tiene tiempo, tiene una respuesta ya lista.
El error más caro: confundir la cita con la prueba
Uno de los errores que más he visto en tres décadas de consultoría es el de tratar una cita, un estudio o un titular como si fuera automáticamente una prueba. Una cita demuestra que alguien dijo algo, no demuestra que lo que dijo sea correcto. Un estudio demuestra que se hizo una medición, no que esa medición se pueda extrapolar a cualquier contexto distinto del suyo.
La Inteligencia Artificial agrava este error porque presenta la cita con el mismo formato pulido, tenga o no fundamento sólido detrás. El lector deja de distinguir entre «esto lo dijo alguien con autoridad» y «esto está demostrado», porque ambas frases llegan con la misma redacción impecable.
Lo que 27 años de consultoría enseñan sobre pedir la evidencia, no el dato
Cuando empecé a asesorar a empresas, hace más de dos décadas, el problema era el contrario: faltaban datos, y las decisiones se tomaban por intuición pura. Hoy sobran datos, y el problema se ha invertido: hay tantos números disponibles que cualquier decisión puede vestirse con una cifra que la respalde, sea correcta o no.
Por eso, en las sesiones de trabajo actuales, la pregunta central ya no es «tráeme el dato». Es «tráeme la evidencia», que es un encargo distinto y bastante más exigente: exige varias fuentes, exige que alguien haya intentado tumbar esa conclusión, y exige que el dato aguante fuera del contexto exacto donde se generó.
Tres preguntas que convierten un dato en algo digno de una decisión
La primera pregunta es de dónde sale el dato exactamente, con nombre de la fuente y fecha, no una referencia genérica. La segunda es si ese dato se repite en fuentes independientes entre sí, o si todas beben de la misma fuente original repetida mil veces. La tercera es qué explicación alternativa, igual de razonable, también sería compatible con ese mismo número.
Si un dato no supera estas tres preguntas, sigue siendo un dato interesante. No es todavía una base sólida para tomar una decisión que cuesta dinero, tiempo o reputación.
Un ejemplo que se repite en las reuniones de trabajo: el estudio citado a medias
Es habitual que alguien llegue a una reunión con una frase del tipo «un estudio dice que la mayoría de los clientes prefiere tal cosa», sin saber quién hizo el estudio, con qué muestra, ni en qué año. Antes de la Inteligencia Artificial, esa cita solía venir de una búsqueda rápida en un artículo de segunda mano. Ahora viene de una conversación con un sistema que resume el hallazgo con una seguridad que no deja espacio para la duda, y que rara vez menciona el tamaño de la muestra, el margen de error o si el estudio se hizo hace diez años en un mercado que no tiene nada que ver con el que se está discutiendo.
El dato en sí puede ser correcto y, aun así, estar mal aplicado. Un hallazgo de una muestra pequeña, en un país distinto, con un público que no se parece al del cliente que tengo delante, sigue siendo un dato real, pero no sostiene la decisión que alguien pretende apoyar en él.
Por qué la Inteligencia Artificial casi nunca dice «esto no lo sé con certeza»
Un sistema de Inteligencia Artificial generativa está entrenado para completar una respuesta, no para dejarla a medias. Cuando no tiene suficiente información fiable, en lugar de reconocerlo con claridad, tiende a rellenar el hueco con la opción estadísticamente más probable según su entrenamiento, redactada con el mismo tono seguro que usaría si tuviera la certeza completa. Ese comportamiento tiene un nombre técnico, alucinación, pero el efecto práctico es más simple de entender: el sistema casi nunca suena dudoso, aunque lo esté siendo.
Un buen consultor, un buen médico o un buen abogado sabe distinguir en su propia voz cuándo está seguro y cuándo está especulando, y se lo comunica al cliente. La Inteligencia Artificial, salvo que se lo pidas de forma explícita, no hace esa distinción por ti.
Lo que la ciencia y el periodismo saben hace décadas sobre corroborar antes de publicar
El método científico exige que un hallazgo se replique en condiciones distintas antes de considerarse establecido, y el periodismo serio exige al menos dos fuentes independientes antes de dar por cierto un hecho relevante. Ninguna de las dos disciplinas se conforma con un solo dato, por convincente que suene, precisamente porque ambas han aprendido, con errores costosos de por medio, que un hallazgo aislado se puede desmontar con facilidad.
Ese mismo hábito, exigir una segunda fuente independiente antes de dar algo por cierto, es el que traslado a mi trabajo de consultoría, y es el que le recomiendo a cualquiera que use la Inteligencia Artificial para tomar decisiones que importan. No hace falta un laboratorio ni una redacción entera detrás, hace falta la disciplina de no conformarse con la primera respuesta bien redactada.
En la práctica, esto significa pedirle a la propia Inteligencia Artificial que te dé la fuente original, buscarla por separado, y comprobar si otra fuente distinta, que no dependa de la primera, llega a una conclusión parecida. Si las dos fuentes independientes coinciden, el dato empieza a merecer el nombre de evidencia. Si solo encuentras la misma frase repetida en distintos sitios sin que ninguno cite un origen verificable, lo que tienes delante no es una evidencia, es un eco.
Por qué esto importa más ahora, no menos
Cuanto más fácil es generar un dato con apariencia de autoridad, más caro se vuelve el hábito de aceptarlo sin comprobarlo. Un profesional que trabaja solo, sin un equipo detrás que contraste cada afirmación, es especialmente vulnerable a este atajo, porque la Inteligencia Artificial le entrega en segundos algo que suena a trabajo de investigación ya hecho.
La disciplina de exigir evidencia en lugar de conformarse con un dato no es un lujo académico. Es, según mi experiencia, la diferencia entre una decisión que resiste el tiempo y una que se desmorona en cuanto alguien hace la pregunta incómoda.
Sobre el autor
Javier G. Amblar es consultor estratégico desde hace 27 años, ha formado a más de 33.000 profesionales en 55 países y es autor del libro Liderazgo (Editatum, 2018). Su comunidad en línea supera las 500.000 personas. Conoce su trabajo en RADAR.
