Aviso antes de empezar: lo que sigue es un caso ilustrativo, construido sobre patrones que sí están documentados en informes reales, no la crónica de una consultora concreta con nombre y apellidos. Sirve para explicar, con un ejemplo cercano, algo que sí ha pasado de verdad en casos como el de la consultora Deloitte, que abordamos más abajo con fecha y fuente.
¿Cómo empieza una auditoría de este tipo?
Se abren tres o cuatro modelos de Inteligencia Artificial, ChatGPT, Gemini y Perplexity entre ellos, y se les pregunta lo mismo que preguntaría un cliente potencial: quién es esta persona, a qué se dedica, qué formación tiene, si hay algo que deba saber antes de contratarla. Quince minutos, sin más herramientas que esas preguntas.
¿Qué tipo de errores suelen aparecer en ese tiempo?
Datos desactualizados, un cargo que ya no ocupa, un despacho que cerró hace tiempo, una cifra de experiencia inventada, o directamente información de otra persona con nombre parecido. El error no tiene que ser grave para hacer daño: basta con que sea falso y con que el modelo lo repita con seguridad, sin matices, como si fuera un hecho comprobado.
¿Hay precedentes reales de este tipo de errores con consecuencias serias?
Sí, y bien documentados. Deloitte Australia entregó al gobierno de ese país un informe oficial el 4 de julio de 2025. Semanas después, el diario Australian Financial Review encontró en el documento citas judiciales inventadas y referencias académicas que no existían, al menos veinte errores atribuibles al uso de Inteligencia Artificial generativa en su elaboración. Deloitte acordó devolver parte del pago del contrato, cercano a los 290.000 dólares estadounidenses, según recogieron Expansión e Infobae en octubre de 2025. Si una consultora del tamaño de Deloitte publicó un informe oficial con datos fabricados sin que nadie los detectara antes de la entrega, el mismo fallo puede estar ahora mismo en lo que un modelo dice sobre un profesional independiente, sin que nadie lo haya revisado nunca.
¿Por qué estos errores pasan tanto tiempo sin detectarse?
Porque casi nadie hace la pregunta. Un profesional revisa su web, sus reseñas, a veces su ficha de Google. Casi ninguno le pregunta directamente a un modelo de Inteligencia Artificial qué contesta cuando alguien pregunta por él. Y la mayoría de los clientes, hoy, empiezan justo ahí.
¿Qué convierte una revisión de quince minutos en algo útil de verdad?
Hacer las preguntas que haría un cliente real, no las que haría el propio profesional sobre sí mismo. Preguntar lo mismo en varios modelos, porque cada uno construye su respuesta con fuentes distintas. Y anotar la respuesta exacta, con fecha, porque estas contestaciones cambian y no queda ningún historial si no se guarda aparte.
¿Qué puedes hacer tú con esto?
Nadie te va a avisar si un modelo de Inteligencia Artificial está diciendo algo falso sobre ti. Lo descubres solo si lo preguntas tú, y cuanto antes lo hagas, menos tiempo lleva ese error circulando sin control.
Haz con RADAR la auditoría que la mayoría nunca se hace
Sobre el autor
Javier G. Amblar es consultor estratégico con 27 años de experiencia y más de 33.000 profesionales formados en 55 países. Exprofesor asociado del IE Business School, dirige un canal de YouTube con más de 368.000 suscriptores y una comunidad en línea de más de 500.000 personas. Ha colaborado con RTVE, Telemadrid, Onda Cero y EsRadio. Creó RADAR para que sepas qué dice de ti la Inteligencia Artificial.
