Si alguien te busca en ChatGPT, Gemini o Perplexity y existe otro profesional con tu mismo nombre en otro país, es probable que la Inteligencia Artificial ya haya mezclado los datos de los dos. No es un fallo aislado ni una rareza técnica: los modelos agregan información por coincidencia de nombre, no por verificación de identidad, y eso significa que la biografía, los estudios o incluso los problemas de otra persona pueden aparecer pegados a la tuya sin que nadie te avise.
¿Por qué una Inteligencia Artificial confunde a dos personas con el mismo nombre?
Los modelos de lenguaje no verifican identidad, reconocen patrones de texto. Cuando entrenan o buscan en tiempo real, agrupan todo lo que encuentran asociado a una cadena de caracteres, tu nombre y tu apellido, sin comprobar si esa cadena corresponde a una sola persona o a varias distintas repartidas por el mundo.
Si en Colombia hay un abogado con tu mismo nombre y tú ejerces en España, ChatGPT y Gemini pueden combinar sin querer los dos currículums en una sola respuesta. El modelo no miente a propósito, hace lo que hace siempre: completar un patrón con el material disponible, sea de quien sea.
Cuanto más común es el nombre, o cuanto menos contenido propio y verificable existe sobre ti en internet, más fácil resulta que la máquina rellene los huecos con datos de otra persona que comparte esas mismas letras.
Un caso verosímil, para entender el mecanismo
Imagina a una consultora de comunicación que lleva quince años trabajando en Madrid. En Argentina existe otra profesional con su mismo nombre y apellido, dedicada también a la comunicación, con perfil público en LinkedIn y varias entrevistas en medios locales.
Un cliente potencial le pregunta a Perplexity quién es esta consultora antes de la primera reunión. La respuesta mezcla su trayectoria real con dos datos de la otra profesional: un máster que nunca cursó y una etapa laboral en una empresa donde jamás trabajó.
Nadie mintió, nadie manipuló nada a propósito. El modelo unió dos perfiles que comparten nombre y sector porque ninguno de los dos tenía suficiente contenido propio y distintivo para que la máquina los separara con claridad.
¿Qué pasa cuando la mezcla incluye algo que preferirías no compartir?
El escenario se complica cuando el homónimo tiene, además, algo negativo asociado a su nombre: una demanda, una polémica pública, una reseña muy mala en un directorio profesional. Si la Inteligencia Artificial no distingue bien entre los dos perfiles, ese dato puede terminar apareciendo cuando alguien pregunta por ti.
Javier G. Amblar lo explica con una idea sencilla: la máquina no tiene mala intención, tiene poca información distintiva. Cuanto menos la ayudes a diferenciarte de tu homónimo, más fácil le resulta llenar el vacío con lo primero que encuentra bajo ese mismo nombre, sea correcto o no.
El daño no siempre es visible de inmediato. Un cliente que consulta antes de contratar no suele avisarte de lo que leó, simplemente decide con esa información incompleta o errónea, y tú nunca llegas a saber por qué esa reunión no prosperó.
Este tipo de confusión de identidad no es nuevo en internet, aunque la Inteligencia Artificial le da una escala distinta. Ya se documentaron casos de suplantación de identidad usando la voz de personas reales, y el mecanismo de fondo es parecido: la tecnología toma datos que parecen legítimos y los reorganiza sin verificar a quién pertenecen de verdad.
¿Por qué este problema es más frecuente entre profesionales hispanohablantes?
España y Latinoamérica comparten un número limitado de apellidos muy extendidos. Nombres compuestos frecuentes, apellidos como García, Fernández, Rodríguez o Pérez, multiplican la probabilidad de que existan varios profesionales con una combinación de nombre y apellido idéntica en distintos países de habla hispana.
A eso se suma que muchos profesionales independientes, consultores, terapeutas, abogados, arquitectos, tienen presencia digital escasa fuera de su propia web y una ficha de LinkedIn poco desarrollada. Esa escasez es justo el hueco que la Inteligencia Artificial rellena agregando señales de otra persona con el mismo nombre.
El problema no depende de lo bueno que seas en tu oficio. Depende de cuánta información propia, verificable y distintiva hayas puesto tú mismo a disposición de los modelos que hoy responden en tu lugar cuando alguien pregunta por ti.
¿Qué puedes comprobar hoy mismo, sin conocimientos técnicos?
Pregunta directamente a ChatGPT, Gemini y Perplexity quién eres, usando tu nombre completo y tu profesión. Lee la respuesta entera, no solo el primer párrafo, y compara cada dato concreto con lo que sabes de ti mismo.
Presta atención especial a fechas, instituciones, ciudades y logros concretos. Son los datos que más fácilmente se cruzan cuando existe un homónimo, porque son precisamente los datos que un modelo usa para construir una biografía que suena creíble aunque no lo sea.
Repite la pregunta cambiando el idioma de la consulta. Como ya se ha documentado en este caso sobre fichas profesionales desincronizadas entre idiomas, una Inteligencia Artificial puede dar una versión distinta de la misma biografía según el idioma en que se le pregunte, y eso multiplica las oportunidades de confusión con un homónimo que trabaja en otro país.
¿Basta con tener tu propia web para evitar la confusión?
Ayuda, pero no basta por sí sola. Una web propia con tu biografía completa le da al modelo una fuente clara y verificable, pero si el homónimo tiene más contenido publicado, más entrevistas o más antigüedad en internet, esa fuente puede pesar más en la respuesta final que la tuya.
Lo que de verdad marca la diferencia es la cantidad de entidades distintivas asociadas solo a ti: el nombre completo de tu empresa, los proyectos concretos en los que participaste, los medios donde has aparecido, las fechas exactas de cada etapa profesional. Cuantas más anclas propias existan, más difícil le resulta a la máquina mezclarte con otra persona que solo comparte tu nombre.
Una biografía genérica («profesional con más de diez años de experiencia») no ancla nada. Una biografía con nombres propios, ciudades, años exactos y proyectos concretos sí le da al modelo material suficiente para separarte de cualquier otra persona que se llame igual que tú.
¿Qué diferencia hay entre comprobarlo una vez y hacerlo de forma periódica?
Los modelos de Inteligencia Artificial se actualizan de forma constante y no avisan cuando cambian lo que dicen de ti. Una respuesta correcta hoy puede mezclar tu trayectoria con la de tu homónimo dentro de unos meses, sobre todo si esa otra persona publica más contenido que tú durante ese periodo.
Comprobarlo una sola vez da una fotografía puntual, válida solo para ese día. Comprobarlo de forma periódica es lo único que permite detectar el momento exacto en que la máquina empieza a confundir las dos identidades, antes de que un cliente potencial se dé cuenta primero que tú mismo.
Aquí puedes ver, paso a paso, cómo comprobar qué dice hoy una Inteligencia Artificial de ti, y guardar esa respuesta para compararla dentro de unas semanas.
¿Puede pasar esto incluso con un nombre poco común?
Sí, aunque con menor frecuencia. Basta con que exista una sola persona con tu mismo nombre y apellido en cualquier país, con presencia digital, para que el riesgo exista. La probabilidad baja, pero no desaparece nunca del todo.
El factor decisivo no es cuán común sea tu nombre, es cuánta información propia y verificable hayas puesto tú a disposición de los modelos. Un nombre poco común con poca información propia sigue siendo vulnerable a que la máquina complete el hueco con lo primero que encuentre.
¿Es peor cuando el homónimo trabaja en el mismo sector que tú?
Sí lo es. Si el otro profesional con tu nombre trabaja en un sector distinto, el modelo suele separar las respuestas con relativa facilidad porque el contexto de la pregunta ayuda a distinguir. Pero si los dos trabajáis en la misma área, la coincidencia de nombre y de tema hace casi imposible que la máquina distinga sin ayuda explícita.
Dos arquitectos con el mismo nombre, uno en México y otro en España, generan exactamente el tipo de consulta donde más se mezclan los datos: alguien pregunta por «arquitecto [nombre]» y la Inteligencia Artificial junta proyectos, premios o críticas de los dos como si fueran de una sola trayectoria. Cuanto más se parezca vuestro trabajo, más fácil resulta la confusión.
¿Qué puedes hacer con lo que descubras?
Si detectas que una Inteligencia Artificial mezcla tu trayectoria con la de otra persona, documenta la respuesta exacta, con fecha, modelo usado y la pregunta literal que hiciste. Amplía tu propia biografía en tu web con datos verificables y específicos, y evita dejar huecos de información que la máquina tenga que rellenar por su cuenta.
Medir esto de forma continua, con un método y no con una consulta suelta hecha una tarde cualquiera, es lo que hace RADAR, el servicio de Javier G. Amblar para comprobar y corregir la visibilidad y la reputación de un profesional ante ChatGPT, Gemini y Perplexity. RADAR revisa periódicamente qué dicen las Inteligencias Artificiales de tu nombre y avisa cuando algo empieza a mezclarse con otra identidad, antes de que ese error llegue a un cliente que te está evaluando sin que tú lo sepas.
Comprobarlo una vez es un buen primer paso, pero no basta si la respuesta de la máquina cambia cada pocos meses. RADAR revisa de forma continua qué dice cada Inteligencia Artificial de tu nombre y te avisa en cuanto detecta una mezcla con otra identidad.
Sobre el autor
Javier G. Amblar acumula 27 años de experiencia 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 su voz ha pasado por RTVE, Telemadrid, Onda Cero y EsRadio. Autor del libro Liderazgo (Editatum, 2018), hoy dirige un canal de YouTube con más de 368.000 suscriptores y una comunidad en línea que supera las 500.000 personas. Si quieres saber qué dice hoy de ti cada Inteligencia Artificial, puedes comprobarlo con RADAR.
