Dos nutricionistas ejercen en la misma ciudad, a pocos kilómetros de distancia, con el mismo nombre de pila y el mismo apellido. Cuando un cliente potencial le pregunta a ChatGPT por una de ellas, la respuesta mezcla la trayectoria de una con las reseñas de la otra, sin avisar de que está hablando de dos personas distintas. Ninguna de las dos lo sabe hasta que un cliente confundido llega preguntando por algo que nunca ofreció.
¿Qué pasa cuando hay otra persona con tu mismo nombre en tu misma ciudad?
No hace falta vivir en países distintos ni ejercer especialidades distintas para que la Inteligencia Artificial os confunda. El caso más difícil de detectar, y el que menos se ha contado, es el de dos profesionales con el mismo nombre, la misma ciudad y la misma especialidad: ahí no hay ningún dato de contexto que ayude a la máquina a separar a una persona de la otra. Cuanto más frecuente es el nombre en la población general, mayor es la probabilidad de que exista al menos un homónimo ejerciendo una profesión parecida en algún lugar del país, así que este no es un riesgo marginal, es un riesgo estructural del propio idioma y de sus apellidos más comunes.
Un problema con nombre propio: Identity Collision
En diciembre de 2025, la investigadora Tamara Patzer presentó públicamente el concepto de Identity Collision para describir este fenómeno: sistemas de Inteligencia Artificial como ChatGPT, Google AI Overviews, Microsoft Copilot y Perplexity que, al procesar nombres por probabilidad y no por contexto, mezclan o sustituyen la identidad de un profesional real por la de otra persona con un nombre parecido o idéntico. El riesgo, según Patzer, es mayor cuanto más común es el nombre y cuanto menos contexto distintivo existe alrededor de cada persona. Patzer documentó casos que van desde profesionales de la salud confundidos entre sí hasta directivos de empresas distintas fusionados en un solo perfil por la Inteligencia Artificial, lo que sugiere que el fenómeno no distingue entre sectores ni entre el tamaño de la organización para la que trabaja cada persona.
Por qué la Inteligencia Artificial mezcla datos cuando dos personas comparten nombre
Un análisis publicado en septiembre de 2025 por el medio Quasa explica el mecanismo con claridad: la Inteligencia Artificial analiza patrones y contexto para decidir qué resultado es más relevante, y con productos o eventos ese método funciona bien. Con nombres de personas el margen de error es mucho más pequeño, porque cargos, fotos, publicaciones y menciones de dos personas distintas pueden combinarse en un solo perfil sin que el sistema detecte el error. Este mismo mecanismo, cuando el nombre es raro o muy distintivo, casi no genera errores, lo que confirma que el problema no es la tecnología en abstracto, es la combinación concreta de un nombre común con muy poco contexto adicional publicado sobre cada persona que lo lleva.
Esto no es un fallo aislado, es una consecuencia de cómo se construye la respuesta
La Inteligencia Artificial no verifica identidad como lo haría un funcionario con un documento. Construye una respuesta probable a partir de todo lo que ha leído asociado a ese nombre, y cuando dos personas comparten nombre y ciudad, cada mención de una alimenta también el perfil de la otra. Este problema se relaciona con el de los apellidos comunes que confunden identidad; el caso de la misma ciudad y la misma especialidad es la versión más difícil de resolver, porque no hay ningún filtro geográfico que ayude a separar a las dos personas.
Lo que se mezcla exactamente: reseñas, dirección y trayectoria
El daño no es abstracto. Una reseña negativa de una de las dos profesionales puede aparecer asociada a la otra cuando alguien pregunta por su nombre. Una dirección de consulta puede confundirse con la de la otra persona. Años de formación y especialización de una pueden atribuirse por error a la otra, deshaciendo en segundos una trayectoria construida durante años. Ninguno de estos tres elementos, reseña, dirección o trayectoria, se corrige de forma automática cuando la Inteligencia Artificial actualiza su conocimiento, porque el sistema no tiene forma de saber que cometió un error salvo que alguien se lo señale de forma explícita.
La confianza en las respuestas de la Inteligencia Artificial sigue creciendo, y eso agrava el problema
Según la Encuesta de Reseñas de Consumidores Locales 2026 de BrightLocal, el 42% de los consumidores ya confía en las recomendaciones de una Inteligencia Artificial tanto como en una reseña escrita por otra persona. Cuantas más personas confíen en esa respuesta sin cuestionarla, más costoso resulta para el profesional equivocado que la máquina mezcle su identidad con la de otro. Ese 42% no es un grupo marginal de usuarios digitales avanzados, es una proporción que crece con cada nueva edición de la serie histórica de BrightLocal, lo que significa que el margen para ignorar este riesgo se reduce cada vez que se publica un nuevo estudio.
Por qué esto es distinto al caso del homónimo en otra especialidad o en otro país
Cuando el homónimo ejerce en otra ciudad, en otro país o en una especialidad totalmente distinta, un cliente atento puede detectar la diferencia con una simple lectura. Cuando comparte ciudad, especialidad y nombre, no hay ninguna pista visible que permita al cliente, ni siquiera a la propia Inteligencia Artificial, distinguir entre las dos personas sin una verificación deliberada.
Qué datos combina la Inteligencia Artificial para construir un perfil, y por qué eso facilita la mezcla
Cuando alguien pregunta por un profesional, la Inteligencia Artificial no consulta una única ficha centralizada: combina fragmentos de texto de fuentes muy distintas, desde tu propia web hasta reseñas en plataformas externas, menciones en prensa local o perfiles en directorios profesionales, y construye con esos fragmentos una respuesta que suena coherente aunque no lo sea del todo. Cuando existen dos personas con el mismo nombre, cada fragmento se etiqueta mentalmente por el sistema con ese nombre, sin un identificador único que distinga a una de la otra, algo que sí existe, por ejemplo, en un número de colegiado o en un identificador fiscal, pero que rara vez se menciona en el texto libre que la Inteligencia Artificial usa como fuente. El resultado es una respuesta que mezcla fragmentos reales de dos personas reales en un solo perfil ficticio que no corresponde exactamente a ninguna de las dos.
Casos comparables: cuando la confusión no es con otra persona, sino con una empresa
La colisión de identidad no ocurre solo entre dos personas. También ocurre entre un profesional independiente y una empresa, consulta o clínica que usa un nombre comercial parecido al suyo, o incluso el mismo nombre y apellido como marca. Una nutricionista que ejerce bajo su propio nombre puede ver cómo la Inteligencia Artificial atribuye a su perfil personal las reseñas, los precios o los servicios de una clínica sin relación con ella, simplemente porque ambos nombres coinciden en el texto que el sistema ha leído. Este tipo de confusión es, si cabe, más difícil de detectar que la de dos personas, porque el cliente que lee la respuesta no siempre distingue entre una consulta individual y una empresa con el mismo nombre.
Qué pasa si el homónimo tiene una situación reputacional problemática
El escenario más costoso de todos es el que casi nadie contempla hasta que le ocurre: que la persona con la que te confunden tenga una reseña muy negativa, una sanción colegial o una polémica pública, y que esa información termine asociada a tu nombre en la respuesta de una Inteligencia Artificial. En ese caso no se trata de perder un cliente potencial que nunca llegó a llamar, se trata de que un cliente activo puede leer algo gravemente negativo atribuido a ti sin que tú tengas forma de saber que está circulando, porque no existe una notificación cuando esto ocurre. Cuanto más común es el nombre y más similar la especialidad, mayor es la probabilidad de que este escenario, hoy silencioso, se materialice.
Cómo detectar antes que un cliente si te están confundiendo con otra persona
La forma más directa de detectar una colisión de identidad es preguntar tú mismo a ChatGPT, Gemini y Perplexity por tu nombre completo junto a tu especialidad y tu ciudad, y leer la respuesta con atención a cualquier detalle que no reconozcas: una dirección que no es la tuya, una formación que no cursaste, una reseña que no recuerdas haber recibido. Repetir esta comprobación cada pocos meses tiene sentido porque las respuestas de la Inteligencia Artificial cambian con el tiempo a medida que el sistema lee contenido nuevo, y una respuesta correcta hoy no garantiza que lo siga siendo dentro de unos meses. Guardar una captura de pantalla de cada comprobación, con fecha, es la forma más simple de tener un historial propio que te permita demostrar, si algún día hace falta, desde cuándo circula un error concreto.
Qué puede hacer un profesional para separarse de su homónimo
Mantener una descripción coherente y muy específica de tu especialidad, tu dirección exacta y tu trayectoria en todos los sitios donde la Inteligencia Artificial puede leerte reduce el margen de confusión, aunque no lo elimina del todo. El riesgo se agrava cuando además existen reseñas negativas escritas por Inteligencia Artificial a escala, porque entonces el contenido que te perjudica ni siquiera fue escrito por un humano.
RADAR comprueba si existe algún homónimo tuyo cuya identidad se esté mezclando con la tuya en las respuestas de ChatGPT, Gemini y Perplexity, y te muestra exactamente qué está diciendo la Inteligencia Artificial cuando alguien busca tu nombre. Revisa si algo se está mezclando con tu identidad ante la Inteligencia Artificial.
Sobre el autor
Javier G. Amblar, consultor estratégico con 27 años de trayectoria y más de 33.000 profesionales formados en 55 países, dirige hoy RADAR desde consultoria.uno. Exprofesor asociado del IE Business School, premiado por su excelencia docente, acompaña a una comunidad en línea de más de 500.000 personas. Conoce RADAR.
