Antes de publicar un modelo nuevo, Anthropic lo somete a meses de pruebas internas para comprobar si lo que produce se sostiene, y aun así su propio consejero delegado, Dario Amodei, reconoció en agosto de 2026 que la desconfianza hacia la Inteligencia Artificial sigue siendo real. Si la empresa que construye la tecnología no da por bueno lo que produce sin comprobarlo antes, tú tampoco deberías dar por buena, sin comprobarla, la respuesta que una Inteligencia Artificial ofrece cuando alguien pregunta por ti.
Antes de publicar un modelo, Anthropic lo revisa durante meses. Tú nunca has revisado lo que dice de ti
Cada vez que Anthropic prepara el lanzamiento de un modelo de Claude, publica antes un documento técnico llamado system card, con los resultados de las pruebas de capacidad y de seguridad a las que lo sometió. No es un trámite de marketing: recoge meses de evaluaciones internas, pruebas de resistencia frente a usos indebidos y comprobaciones sobre si las respuestas del modelo se sostienen (fuente: Anthropic, Transparency Hub, anthropic.com/transparency).
Es decir, la empresa que fabrica una de las Inteligencias Artificiales más usadas del mundo no confía en lo que produce por defecto. Lo comprueba, lo documenta y solo entonces lo publica. Y sin embargo tú, que llevas años construyendo una reputación profesional, probablemente nunca le has preguntado a ChatGPT, Gemini, Claude o Perplexity qué cuentan sobre ti cuando alguien lo hace.
Qué audita realmente una empresa de Inteligencia Artificial antes de lanzar un modelo
La auditoría previa de Anthropic revisa cosas muy concretas: si el modelo inventa datos con aplomo, si mantiene una postura coherente entre respuestas parecidas, si es manipulable para decir cosas falsas y si sus afirmaciones se sostienen frente a la evidencia disponible. Ese proceso se apoya en la Responsible Scaling Policy de la compañía, su propio marco interno para decidir cuándo un modelo está listo para salir (fuente: Anthropic, Responsible Scaling Policy, anthropic.com).
El detalle importante para un profesional independiente es otro: esa auditoría revisa el comportamiento general del modelo, no lo que ese modelo dice sobre una persona concreta con tu nombre, tu especialidad y tu ciudad. Nadie audita eso por ti. Ni Anthropic, ni OpenAI, ni Google.
El propio consejero delegado de Anthropic admitió que ni así basta
El 15 de agosto de 2026, Amodei respondió en una serie de publicaciones en X al inversor Gavin Baker, que le acusaba de alimentar con sus advertencias el rechazo social hacia la Inteligencia Artificial. Amodei no le dio la razón del todo, pero sí hizo una admisión que pocos directivos del sector se atreven a decir en voz alta: «Creo que es fundamentalmente una crisis de confianza. Creo que la gente corriente no confía en las empresas, ni en los gobiernos, ni en la industria tecnológica, y siempre sospecha que estamos tramando alguna forma nueva de perjudicarles» (fuente: Dario Amodei, publicación en X, 15 de agosto de 2026, recogida por TechCrunch el 16 de agosto de 2026).
Amodei añadió algo todavía más directo: «Creo que, con diferencia, la crítica más certera hacia las empresas de Inteligencia Artificial, incluida Anthropic, es que todavía no hemos cumplido nuestras grandes promesas de beneficiar al mundo» (misma fuente). Es el consejero delegado de una de las compañías que más invierte en investigación de seguridad admitiendo, en público, que ni siquiera su propia industria se ha ganado del todo la confianza que pide.
Si la empresa que la construye no se fía a ciegas, ¿por qué te fiarías tú sin comprobar nada?
Aquí está el giro que le interesa a alguien que vive de su reputación profesional, no a un analista de la industria tecnológica. Si el propio consejero delegado de Anthropic reconoce que ni su empresa se ha ganado la confianza ciega del público, la conclusión razonable no es dejar de usar la Inteligencia Artificial. Es dejar de asumir, sin comprobarlo, que lo que dice sobre ti es exacto.
El escepticismo hacia las promesas de la Inteligencia Artificial no es nuevo: ya en 2025 se preguntaba si ChatGPT-5 era tan bueno como decían o solo humo. Lo que cambia ahora es que la propia industria lo admite en público.
Un estudio del Tow Center for Digital Journalism, de la Universidad de Columbia, comparó ocho herramientas de búsqueda con Inteligencia Artificial, entre ellas ChatGPT, Gemini, Perplexity y Grok, y encontró que la mayoría de sus respuestas contenían errores o citaban fuentes inventadas o rotas: en Grok 3, el 94 por ciento de las respuestas analizadas eran incorrectas, frente al 37 por ciento de Perplexity, el modelo con mejor desempeño del grupo (fuente: Tow Center for Digital Journalism / Columbia Journalism Review, «We compared eight AI search engines. They’re all bad at citing news»). Ningún modelo salió limpio.
Lo que ninguna auditoría de seguridad revisa: qué dice la máquina sobre una persona con tu nombre
Las evaluaciones que Anthropic, OpenAI o Google publican antes de lanzar un modelo miden riesgos generales: si el sistema ayuda a fabricar algo peligroso, si discrimina, si se puede manipular para saltarse sus propias reglas. Miden el comportamiento del modelo a escala, no la ficha concreta que ese modelo compone cuando alguien te busca a ti.
Esa parte queda completamente fuera de cualquier auditoría corporativa, y es justo la que más te afecta como profesional independiente. Nadie en Anthropic, en OpenAI o en Google revisa si el modelo describe bien tu especialidad, si menciona una etapa profesional que ya cerraste o si te confunde con otra persona que se llama parecido. Esa comprobación, si se hace, la tienes que hacer tú.
De dónde saca una Inteligencia Artificial lo que cuenta sobre ti
Un modelo de lenguaje no consulta un registro oficial actualizado sobre cada profesional. Construye su respuesta combinando fragmentos de páginas web, perfiles, menciones de prensa y foros que rastreó durante su entrenamiento, junto con lo que encuentra en una búsqueda en vivo si el sistema la hace. Si esa mezcla incluye una noticia vieja, una ficha de un directorio que nadie actualiza o una entrada de foro escrita por un tercero, el modelo la puede tomar como si tuviera el mismo peso que un dato verificado.
El resultado suena seguro incluso cuando está mal. Los modelos de lenguaje están entrenados para completar una respuesta plausible, y cuando falta información, en lugar de decir que no la tienen, suelen rellenar el hueco con algo coherente, aunque no sea cierto. Eso es lo que en el sector se llama alucinación, y afecta igual a datos técnicos que a la biografía de una persona real.
El dato antiguo que sigue circulando aunque tú ya hayas cambiado
Cambiaste de especialidad, cerraste una consulta, te mudaste de ciudad o dejaste de trabajar con un socio hace tiempo, pero nada de eso avisa a la Inteligencia Artificial de que actualice lo que dice de ti. El modelo sigue repitiendo la versión que encontró la última vez que rastreó tu nombre, y esa versión puede tener varios años.
No hace falta que el dato sea escandaloso para que te cueste un cliente. Basta con que esté desactualizado: la especialidad que ya no ejerces, la ciudad donde ya no atiendes, el cargo que dejaste. Quien pregunta a una máquina no tiene forma de saber que esa respuesta lleva tiempo sin corregirse, y probablemente decide con lo primero que lee.
Cuando una respuesta suena segura, no significa que sea exacta
El propio estudio del Tow Center señaló algo que conviene recordar cada vez que se lee una respuesta de una Inteligencia Artificial: la confianza en el tono no se corresponde con la precisión del contenido. Un modelo puede describirte con una seguridad absoluta y estar completamente equivocado en un detalle que a ti te importa mucho, como tu formación, tu experiencia o tu especialidad actual.
Esa seguridad aparente es justo lo que hace más difícil detectar el error. Nadie desconfía de una respuesta bien redactada y sin dudas. Y sin embargo, según el mismo estudio, más de la mitad de las citas que ofrecían Gemini y Grok 3 apuntaban a enlaces rotos o fabricados, algo que un lector normal no comprueba, porque no tiene motivo para sospechar.
Cómo se nota, en la práctica, que algo va mal sin que tú lo sepas
La señal casi nunca es directa. No suele llegar un cliente diciendo «la Inteligencia Artificial me dio un dato falso sobre ti». Lo que se nota es indirecto: consultas que antes llegaban con regularidad y ahora llegan menos, gente que dice haber «investigado un poco» antes de escribirte y luego no vuelve a contactar, o un cliente nuevo que da por hecho, en la primera llamada, algo sobre ti que ya no es verdad.
Como nadie te avisa cuando el error ocurre, la única forma de detectarlo antes de que te cueste un cliente es ir tú a comprobarlo, de la misma manera que Anthropic comprueba su propio modelo antes de dejarlo salir al público.
Comprobar qué dicen de ti las principales Inteligencias Artificiales, en un rato
El ejercicio es sencillo y no exige nada técnico. Abre ChatGPT, Gemini, Claude y Perplexity, y pregúntale a cada uno, por separado, quién eres y a qué te dedicas, como lo preguntaría alguien que no te conoce de nada. Lee la respuesta completa, no solo el titular, y compárala frase por frase con la realidad: la especialidad, la ciudad, la formación, la trayectoria.
Presta atención especial a tres cosas: si la información está desactualizada, si hay algún dato que directamente no es tuyo, y si el modelo te confunde con otra persona con un nombre parecido al tuyo. Repetir la pregunta con matices distintos ayuda, porque la respuesta de un mismo modelo puede variar de una consulta a otra.
Qué hacer cuando encuentras un dato falso o desactualizado
Si el error viene de una fuente que puedes corregir, como tu propia web, tu perfil profesional o una ficha en un directorio, empieza por ahí: actualizar la fuente original es lo único que, con el tiempo, puede cambiar lo que el modelo repite. Si el dato falso circula en una web que no controlas, documenta capturas de pantalla con fecha, porque son la base para pedir una corrección o, si el daño es serio, para acudir a asesoría legal.
Lo que no conviene es no hacer nada, ni asumir que como el error «es de una máquina» no tiene consecuencias reales. Anthropic lleva meses de pruebas antes de publicar un modelo precisamente porque sabe que lo que ese modelo dice tiene consecuencias. Tu reputación profesional merece, al menos, el mismo cuidado.
Comprobar esto de forma sistemática, y no solo una vez, es exactamente lo que hace RADAR, el servicio de Javier G. Amblar para medir qué dicen de ti las principales Inteligencias Artificiales, antes de que sea un cliente quien te lo cuente después de haber decidido no llamarte.
Sobre el autor
Javier G. Amblar acumula 27 años de trayectoria en consultoría y liderazgo, con más de 33.000 profesionales formados en 55 países. Fue profesor asociado del IE Business School, distinción que le valió el Premio a la Excelencia Docente, y ha participado como analista en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018), dirige un canal de YouTube que supera los 368.000 suscriptores y sostiene una comunidad en línea de más de 500.000 personas.
Hoy lleva dos proyectos nacidos de esa misma trayectoria. RADAR mide con exactitud qué dicen de un profesional ChatGPT, Gemini, Claude y Perplexity, y ayuda a corregir lo que esté mal antes de que lo note un cliente. Evolution es su programa para profesionales con experiencia real que quieren traducir esa trayectoria en autoridad reconocida e ingresos más estables.
