Un dato de hace cinco años pesa exactamente igual que uno de esta semana en la respuesta de una Inteligencia Artificial, salvo que el texto lleve una fecha explícita y exista un contenido más reciente que lo sustituya de forma clara. No existe un reloj interno que borre lo viejo por el simple paso del tiempo. Un estudio publicado en septiembre de 2025 en arXiv, firmado por un equipo que probó siete modelos, entre ellos GPT-4o, GPT-4 y Qwen-2.5, confirmó que estos sistemas solo reaccionan a la antigüedad de un texto cuando la fecha aparece escrita delante de ellos, no por una intuición temporal propia (arXiv, 14 de septiembre de 2025).
Para un profesional que aparece mencionado en una noticia de 2019, en un caso judicial cerrado hace tiempo o en una reseña que ya no representa su trabajo actual, esto no es un detalle técnico. Es el motivo por el que ChatGPT, Gemini o Perplexity pueden seguir repitiendo algo que ya no es cierto, con la misma seguridad con la que citarían algo de esta mañana.
¿Por qué un dato de hace cinco años pesa lo mismo ante la Inteligencia Artificial que uno de esta semana?
La Inteligencia Artificial generativa no lee el calendario antes de responder. Construye su respuesta a partir de patrones de texto que memorizó durante el entrenamiento y de los documentos que recupera en el momento de la consulta, y en ambos casos trata la información como un bloque, no como una línea de tiempo. Si un artículo de 2019 sobre un profesional tiene más enlaces, más repeticiones o simplemente apareció más veces en el material de entrenamiento que la versión actualizada de 2026, ese artículo antiguo pesa más en la respuesta final, no menos. Esto explica por qué un cambio de dirección, un caso cerrado o una etapa profesional ya superada puede seguir apareciendo como si fuera la situación presente. Y como no hay una fecha de caducidad automática, el profesional que resolvió aquel problema hace años sigue cargando con él cada vez que alguien pregunta por su nombre.
Cómo decide la Inteligencia Artificial qué información usar sobre ti
Cuando una Inteligencia Artificial como ChatGPT o Gemini responde sobre una persona o un negocio, combina dos fuentes: lo que aprendió durante el entrenamiento y lo que encuentra en una búsqueda en tiempo real, si el sistema tiene esa capacidad activada. Ninguna de las dos fuentes aplica automáticamente una regla de «esto es viejo, dale menos peso». La relevancia se calcula por similitud semántica con la pregunta y por la frecuencia con la que ese dato aparece repetido en la web, no por su fecha de publicación. Un dato repetido en cien directorios desde 2018 puede ganarle, en la práctica, a una corrección publicada una sola vez en 2026. Esto también explica por qué dos personas que preguntan lo mismo el mismo día pueden recibir respuestas distintas: cada modelo pondera de forma distinta esas fuentes repetidas, sin un criterio homogéneo entre ChatGPT, Gemini y Perplexity. Ya explicamos en profundidad las diferencias entre inteligencia artificial, machine learning y deep learning, una base que ayuda a leer con más criterio lo que un modelo responde sobre ti.
El estudio que midió el sesgo de fecha en la Inteligencia Artificial generativa
La Inteligencia Artificial generativa que ordena estos resultados fue puesta a prueba en la investigación más citada sobre este problema, «Do Large Language Models Favor Recent Content?», publicada en arXiv el 14 de septiembre de 2025. Un equipo de investigadores trabajó con las colecciones de referencia TREC Deep Learning y probó siete modelos, entre ellos GPT-3.5-turbo, GPT-4o, GPT-4, LLaMA-3 y Qwen-2.5, pidiéndoles que ordenaran pasajes de texto por relevancia. El hallazgo central fue claro: quitando la fecha, los modelos no mostraban ninguna preferencia sistemática por lo reciente. Solo cuando los investigadores insertaron artificialmente una fecha delante de cada pasaje, el modelo empezó a «premiar» lo más nuevo, llegando a mover el año medio de publicación de los diez resultados principales hasta 4,78 años hacia delante (arXiv, septiembre de 2025). Sin esa fecha visible, lo antiguo y lo reciente compiten en igualdad de condiciones.
Por qué ese sesgo de fecha no te protege
Podría parecer una buena noticia que la Inteligencia Artificial, cuando detecta una fecha, tienda a preferir lo reciente. El problema es que la mayoría del contenido que circula sobre un profesional o un negocio pequeño no lleva una fecha explícita y visible para el modelo: perfiles antiguos, menciones en foros, capturas de pantalla, artículos republicados sin actualizar su fecha original. El mismo estudio de 2025 encontró que, incluso cuando la fecha estaba presente, ningún modelo eliminaba el sesgo por completo, solo lo atenuaba, y que la preferencia entre dos textos de igual relevancia podía invertirse hasta en un 25% de media según cómo se presentara esa fecha (arXiv, 14 de septiembre de 2025). Para colmo, cuando sí existe una fecha, el modelo la aplica de forma desigual entre plataformas: lo que Perplexity trata como reciente, ChatGPT puede seguir tratándolo como un dato más del conjunto, sin ese ajuste temporal. En otras palabras, el mecanismo existe, pero depende de una señal que casi nunca está donde debería.
El caso típico: la noticia vieja que la Inteligencia Artificial trata como actual
Piensa en una consulta de psicología que cerró un litigio con un antiguo proveedor en 2020, lo resolvió por completo y siguió creciendo con normalidad. Si esa disputa generó una nota de prensa local o un comentario en un foro que nunca se actualizó, ese texto sigue vivo en la web exactamente igual que el día en que se publicó. Cuando alguien le pregunta a la Inteligencia Artificial sobre esa consulta en 2026, el modelo no tiene forma de saber, sin que se lo digan explícitamente, que el asunto se cerró hace seis años. Repite el dato con la misma naturalidad con la que repetiría una noticia de la semana pasada, porque para el sistema ambas cosas tienen el mismo estatus: texto disponible, sin fecha de caducidad marcada.
Los conflictos de conocimiento: cuando la Inteligencia Artificial prefiere lo que ya memorizó
Hay un matiz todavía más incómodo. Un estudio de la Universidad Técnica de Múnich, publicado en arXiv en septiembre de 2025 bajo el título «Facts Fade Fast», evaluó ocho modelos de Inteligencia Artificial sobre conocimiento médico que cambió con el tiempo y encontró que todos ellos memorizaban y repetían información desactualizada de forma consistente. Lo más relevante para cualquier profesional: cuando a estos modelos se les ofrecía información actualizada recuperada en el momento de la consulta, algunos la rechazaban y volvían a su conocimiento interno, más antiguo, en lo que los investigadores llaman un «conflicto de conocimiento» (arXiv, septiembre de 2025). Esto significa que corregir la fuente original en 2026 no garantiza que el modelo abandone la versión de 2020 que ya memorizó durante su entrenamiento, sobre todo si esa versión antigua se repitió muchas veces en el material con el que aprendió. No es solo que lo viejo pese igual que lo nuevo: a veces, lo viejo gana incluso cuando lo nuevo está delante del modelo.
Qué señales sí entiende la Inteligencia Artificial como «esto ya cambió»
No todo está perdido. La Inteligencia Artificial sí reacciona cuando la señal de actualización es explícita, redundante y aparece en varias fuentes a la vez: una fecha de «última actualización» visible en la página, un titular que diga claramente que algo sustituye a una versión anterior, o varias fuentes recientes y consistentes que repiten la misma versión actualizada de los hechos. El estudio sobre reranking de 2025 muestra que la fecha, cuando está presente, sí mueve la aguja (arXiv, septiembre de 2025). El problema no es que la Inteligencia Artificial sea incapaz de entender el tiempo. Es que casi nadie deja esas señales donde el modelo pueda encontrarlas con facilidad.
Corregir la fuente no es lo mismo que corregir lo que dice la Inteligencia Artificial de ti
Aquí aparece la trampa en la que caen muchos profesionales: actualizar tu propia web, cambiar tu biografía en LinkedIn o pedir que se retire una noticia antigua no borra las decenas de copias, menciones y citas que ese dato antiguo dejó repartidas por la web durante años. La Inteligencia Artificial no consulta una única fuente «oficial» sobre ti, consulta el conjunto de lo que existe, y ese conjunto incluye todas las versiones antiguas que nunca se actualizaron en el sitio original. Y cuantas más plataformas, directorios y capturas repitan ese dato, más difícil resulta que una sola corrección, por bien hecha que esté, cambie lo que la mayoría de las fuentes sigue diciendo. Mientras esas copias sigan ahí, sin una fecha ni una corrección visible, seguirán compitiendo en igualdad de condiciones con la versión real de hoy.
Qué puedes hacer mientras la Inteligencia Artificial sigue citando tu pasado
Lo primero es saber qué está diciendo realmente la Inteligencia Artificial sobre ti hoy, no suponerlo. Preguntarle directamente a ChatGPT, a Gemini y a Perplexity qué saben de tu nombre y de tu negocio es el único modo de descubrir si hay un dato de hace cinco años ocupando el lugar de la realidad actual. Preguntar directamente qué responde cada modelo, como se explica en esta guía sobre de dónde saca la Inteligencia Artificial lo que dice de ti, es el primer paso antes de intentar corregir nada. A partir de ahí, la tarea consiste en multiplicar las señales de fecha y de vigencia en las fuentes que sí controlas, y en identificar en qué otros sitios sigue viva la versión antigua para intentar que se actualice o se retire. Es un trabajo de fondo, no un ajuste que se hace una vez y se olvida.
Si quieres saber qué versión de ti está repitiendo la Inteligencia Artificial ahora mismo, y si esa versión incluye algo que ya no debería pesar tanto, pide el diagnóstico RADAR y descúbrelo con datos, no con suposiciones.
Sobre el autor
Javier G. Amblar lleva 27 años trabajando en formación y liderazgo, con más de 33.000 profesionales formados en 55 países. Fue profesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y ha colaborado como analista en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018) y dirige un canal de YouTube con más de 368.000 suscriptores, dentro de una comunidad en línea que hoy supera las 500.000 personas repartidas por todo el mundo hispanohablante. Desde ese trabajo diario con profesionales que descubren, a veces tarde, lo que la Inteligencia Artificial dice de ellos, nació RADAR: el servicio que revisa qué respuestas te está dando la Inteligencia Artificial ahora mismo.
