Cuando dos profesionales del mismo gremio comparten nombre, primer apellido o ambos, y ejercen a quince minutos de distancia el uno del otro, una Inteligencia Artificial puede mezclar sus reseñas, su trayectoria y hasta datos de contacto en una sola respuesta, sin que ninguno de los dos lo sepa hasta que alguien pregunta y lo cuenta.
La tarde en que decidió preguntarle a la máquina por ella misma
No fue una crisis ni una queja de un paciente lo que la puso en alerta. Fue curiosidad de una tarde tranquila, el tipo de pregunta que cualquier profesional se hace alguna vez: escribir su propio nombre y su ciudad en ChatGPT, solo para ver qué respondía la máquina si alguien la buscaba así.
La respuesta mezclaba dos currículos, dos direcciones y, lo que más le costó digerir, dos bloques de opiniones de pacientes. Una parte de esas opiniones, las peores, no eran suyas. Pertenecían a un profesional con su mismo nombre y su mismo apellido, que ejercía en una localidad cercana, dentro de la misma comunidad autónoma.
El problema no es la homonimia lejana, es el vecino de gremio
Compartir nombre con alguien en otro país, o incluso en otra provincia lejana, rara vez genera un conflicto real: los públicos no se cruzan, las búsquedas no coinciden, nadie duda entre uno y otro porque nadie los pone a competir por el mismo paciente. Ese no es este caso.
Aquí el otro profesional trabaja en el mismo gremio, atiende a un público con el mismo perfil y está a un trayecto corto en coche. Cuando alguien de esa zona pregunta a una Inteligencia Artificial por un especialista con ese nombre, ambos entran en el mismo cajón de resultados, y la máquina no tiene ningún motivo propio para separarlos con cuidado.
Cómo una Inteligencia Artificial construye una respuesta sobre una persona
Herramientas como ChatGPT, Gemini y Perplexity no consultan un registro oficial de identidad antes de responder. Cruzan páginas web, perfiles de directorios, fichas de mapas y reseñas dispersas por internet, y arman una respuesta a partir de coincidencias de texto: mismo nombre, apellido parecido, misma profesión, zona geográfica próxima.
Ese cruce funciona razonablemente bien cuando solo existe una persona con ese nombre en ese oficio. Cuando existen dos, y además cercanas, el sistema no tiene una señal clara para decidir cuál es cuál, y en muchos casos ni siquiera detecta que se trata de dos personas distintas.
Las reseñas que no eran suyas apareciendo bajo su nombre
Lo que más la inquietó no fue el error de dirección, fácil de explicar si alguien pregunta directamente. Fue ver reseñas negativas, quejas concretas sobre trato o puntualidad, atribuidas a su consulta cuando en realidad describían la experiencia de pacientes del otro profesional.
Nadie le avisó. No hay una notificación que diga «una Inteligencia Artificial está mezclando tu reputación con la de otra persona». El único modo de enterarse es preguntar, como hizo ella esa tarde, y muchos profesionales nunca llegan a hacerlo.
Un colega, no un enemigo, y aun así un problema real
Conviene decirlo con claridad: el otro profesional no ha hecho nada indebido. No hay mala fe, no hay competencia desleal, solo la coincidencia de un nombre común en un gremio con miles de personas ejerciendo en un mismo territorio. El problema no está en él, está en cómo una máquina resuelve la ambigüedad cuando nadie se la ha resuelto antes.
Esa distinción importa porque descarta la reacción más fácil, que sería un reclamo o un conflicto personal. Aquí no hay a quién culpar, hay una confusión técnica con consecuencias reales que solo se corrige si alguien la detecta y la separa con datos claros.
Por qué esto ocurre más en las profesiones de proximidad
Los oficios donde el cliente busca cerca de casa, un consultorio, un despacho, una consulta, un taller, concentran este riesgo más que otros. La combinación de nombres frecuentes en español y una alta densidad de profesionales del mismo gremio en una misma región hace que la probabilidad de un homónimo cercano sea mucho más alta de lo que la mayoría cree.
A eso se suma que estas profesiones dependen en buena parte de la confianza previa: alguien busca, pregunta, compara referencias, y decide antes incluso de haber hablado con el profesional. Si esa fase de búsqueda está contaminada por información de otra persona, la decisión ya nace torcida.
El coste de un paciente que decide no llamar
Nadie avisa cuando alguien descarta una cita por una reseña que no le correspondía. No hay una llamada de reclamo, no hay un correo explicando el motivo. Simplemente esa persona elige otra opción, y el profesional afectado nunca llega a saber que la perdió por un error ajeno a su trabajo real.
Ese es el patrón que más preocupa: la pérdida silenciosa. Se puede corregir una reseña mal atribuida si se detecta a tiempo, pero no se puede recuperar a alguien que ya decidió, en base a información incorrecta, no descolgar el teléfono.
Vigilar lo que dice una Inteligencia Artificial no es vanidad, es prevención
Durante años, revisar la propia reputación se asoció a un ejercicio de ego, algo que hacían las marcas grandes o las personas con demasiado tiempo libre. Ese marco ya no aplica cuando la fuente de la primera impresión de un posible cliente ya no es solo un buscador tradicional, sino una respuesta conversacional que puede estar mezclando identidades sin que nadie lo supervise.
En un artículo anterior sobre cómo la Inteligencia Artificial ya está vendiendo por ti o por tu competencia se explicaba que estos sistemas toman decisiones de recomendación sin pedir permiso a nadie. La confusión de identidad es una variante concreta de ese mismo fenómeno: la máquina decide, y decide con datos que no siempre son los correctos.
Cuando el error ya venía de antes
Este tipo de mezcla no es la única forma en que una Inteligencia Artificial distorsiona la ficha de un profesional. En un caso reciente sobre una reseña antigua que una Inteligencia Artificial sigue citando como si fuera de esta semana se veía el mismo patrón de fondo: información desactualizada o mal atribuida que la máquina trata como si fuera un hecho verificado y reciente. También ocurre con direcciones, como se contaba en el caso de quien se mudó de ciudad y una Inteligencia Artificial seguía mandando gente a la puerta vieja. La combinación de nombre, dirección y reseña equivocadas no es un incidente aislado, es la manera en que estos sistemas fallan cuando nadie corrige su fuente.
Lo que no depende de tener razón ni de ser la mejor en su oficio
Ella lleva años haciendo bien su trabajo, con pacientes que la recomiendan y un historial limpio. Nada de eso protege frente a este tipo de error, porque el fallo no está en su trabajo, está en cómo una máquina cruza texto sin verificar identidad. Ser buena en lo suyo no evita que la confundan con otra persona, solo la respuesta correcta a tiempo lo evita.
Esa es la parte más incómoda de aceptar para cualquier profesional serio: el mérito propio no es una defensa automática frente a un sistema que no distingue personas, distingue coincidencias de texto.
Lo que puede hacer un profesional frente a esto
Detectar esta confusión requiere revisar de forma sistemática qué dicen varias Inteligencias Artificiales, ChatGPT, Gemini, Perplexity, cuando alguien pregunta por el nombre propio, la profesión y la zona, algo que la mayoría de profesionales nunca ha hecho porque no sabía que hacía falta. No basta con mirarlo una vez: estos sistemas actualizan sus fuentes y pueden volver a mezclar los datos meses después de haberlos corregido.
RADAR, la herramienta de Javier G. Amblar y consultoria.uno, nació precisamente para esa tarea: revisar de forma periódica qué está diciendo la Inteligencia Artificial sobre un profesional concreto, detectar cuándo se ha colado información de un homónimo cercano y señalar el problema con claridad, sin necesidad de que el profesional entienda de tecnología para darse cuenta de que algo no cuadra.
Nadie debería enterarse de que una Inteligencia Artificial está mezclando su reputación con la de otro profesional por casualidad, un día cualquiera, preguntando por curiosidad. Con RADAR se puede saber antes, y corregirlo antes de que le cueste un paciente.
Sobre el autor
Javier G. Amblar es consultor estratégico senior con 27 años de experiencia en consultoría, comunicación y estrategia empresarial. Ha formado a más de 33.000 profesionales en 55 países, exprofesor asociado del IE Business School con Premio a la Excelencia Docente, colaborador experto en RTVE, Telemadrid, Onda Cero, EsRadio y otros medios nacionales, y autor del libro Liderazgo (Editatum, 2018). Dirige una comunidad online de más de 500.000 personas y un canal de YouTube con más de 368.000 suscriptores.
Desde consultoria.uno impulsa dos herramientas nacidas de la misma pregunta: qué está diciendo hoy la Inteligencia Artificial de un profesional, y qué puede hacer ese profesional con su propia experiencia para dejar de depender de una sola fuente de clientes. RADAR responde a la primera pregunta, revisando de forma periódica cómo aparece un nombre, una consulta o un despacho en las respuestas de ChatGPT, Gemini y Perplexity.
Evolution responde a la segunda: ayuda a quien ya tiene años de oficio a construir un sistema propio de generación de clientes que no dependa de un solo canal, una sola plataforma o una sola persona que un día puede desaparecer sin avisar.
Quien quiera saber qué dice hoy una Inteligencia Artificial sobre su nombre puede empezar por revisarlo con RADAR, y quien quiera dejar de depender de una sola vía de clientes puede conocer cómo funciona Evolution.
