Alucinaciones de la IA: por qué ChatGPT se inventa cosas y cómo pillarlas

En septiembre de 2024, un abogado presentó una querella ante el Tribunal Superior de Justicia de Navarra citando un artículo del Código Penal. El artículo existía, sí. En el Código Penal de Colombia. Según explicó él mismo, venía de un mal uso de ChatGPT.

El tribunal le perdonó la multa porque pidió disculpas en el acto y el asunto era nuevo, pero dejó escrito que usar estas herramientas sin cuidado puede ser mala fe procesal. En julio de 2026 otro abogado, en Canarias, no tuvo tanta suerte: 840 € de multa por un recurso con al menos 25 sentencias que no existían.

Eso es una alucinación: la IA se inventa algo y te lo cuenta con la misma seguridad con la que te diría la hora. Le pasa a ChatGPT, a Gemini, a Claude y a todos los demás. Y es lo que más desconfianza genera en cuanto alguien se lleva el primer susto.

La buena noticia es que tiene explicación y que se puede prever cuándo va a pasar. Pillarlo cuesta un par de minutos. Vamos por partes.

Qué es una alucinación de la IA

Una alucinación es una respuesta que suena correcta y es falsa: datos que no existen, contados como si fueran ciertos. Las más habituales tienen esta pinta:

• Cifras inventadas. Un porcentaje o una fecha que encaja perfectamente en la frase y no sale de ninguna parte.
• Referencias que no existen. Libros, estudios, artículos de prensa o sentencias con autor y año, todo inventado.
• Leyes y normas mal citadas. El artículo existe, pero no dice eso. O directamente el artículo no existe.
• Enlaces rotos. URLs con buena pinta que llevan a una página que nunca ha estado ahí.

Lo que las hace peligrosas es el tono. Una persona que no sabe algo suele dudar; la IA no. Escribe igual de bien lo que sabe que lo que se inventa.

Por qué ChatGPT se inventa cosas

Porque ChatGPT no consulta una base de datos. Lo que hace es escribir, palabra a palabra, el texto que mejor encaja con lo que le has preguntado, a partir de todo lo que leyó durante su entrenamiento. La mayoría de las veces, lo que mejor encaja coincide con lo verdadero. Cuando no lo sabe, el mecanismo sigue funcionando igual y produce algo que suena a respuesta.

La propia OpenAI lo explicó en septiembre de 2025 en un análisis que en su versión en español se titula "Por qué los modelos de lenguaje se inventan cosas". Su conclusión es que la forma de entrenar y evaluar estos modelos "premia más la elaboración de una conjetura que el reconocimiento de que algo se desconoce". Es como un examen tipo test que no resta por fallar: si no sabes la respuesta, marcar una al azar sale más a cuenta que dejarla en blanco.

Por eso no tiene sentido decir que ChatGPT "miente". Mentir exige saber que algo es falso, y el modelo no distingue lo que sabe de lo que rellena. Me parece más útil pensarlo así: es un redactor rapidísimo sin acceso a la verdad, salvo que tú se la pongas delante.

Cuándo alucina más

Las alucinaciones no se reparten al azar. Hay tareas en las que casi no aparecen y otras en las que son casi seguras:

Dos patrones que conviene tener en la cabeza. El primero: cuanto más concreto es el dato, más fácil es que se lo invente. "Explícame qué es una hipoteca variable" sale bien; "dame el euríbor de marzo de 2019" es otra historia. El segundo: si tu pregunta ya trae un dato falso ("¿por qué la ley de 2022 prohíbe...?"), lo normal es que te siga la corriente en lugar de corregirte.

Las conversaciones muy largas también juegan en contra. Pasado cierto punto, el modelo suele perder detalles del principio y los rellena. Si llevas cuarenta mensajes, abrir un chat nuevo con un resumen suele funcionar mejor que insistir.

¿Se puede confiar en la IA?

Depende de para qué, y esa es la respuesta honesta. Para trabajar sobre un texto que tú le das (resumirlo, reescribirlo, traducirlo, sacarle los puntos clave) es muy fiable, porque la información correcta está delante. Para que te dé datos del mundo de memoria, bastante menos.

Hay datos que lo ilustran bien. En 2025, 22 radiotelevisiones públicas europeas, entre ellas RTVE, analizaron más de 3.000 respuestas de ChatGPT, Copilot, Gemini y Perplexity sobre noticias de actualidad. El 45% tenía al menos un problema importante, y una de cada cinco traía datos inexactos o desfasados.

Mi regla práctica: la IA es estupenda como primer borrador y pésima como última palabra. Úsala para escribir más rápido y no para saber más. Si necesitas un dato, que te diga dónde buscarlo, y lo compruebas tú.

Cómo comprobar lo que te dice

No hace falta desconfiar de todo. Hace falta un pequeño ritual para lo que importa, que en la práctica son cinco preguntas:

1. Abre las fuentes

Cuando ChatGPT busca en internet, te enseña de dónde ha sacado cada cosa. Ábrelas. A veces el enlace existe pero no dice lo que la respuesta asegura, y eso solo lo ves si entras.

2. Busca las cifras en el origen

Cualquier número que vaya a acabar en un informe o en un correo a un cliente se busca en la fuente original, ya sea el INE o el estudio de verdad. Si no lo encuentras, no existe.

3. Dale tú el documento

Es el truco que más alucinaciones quita de golpe. En vez de preguntarle qué dice un contrato o una norma, pégale el texto o súbele el PDF y pídele que te cite la frase exacta en la que se basa. Herramientas como Gemini Notebook, el antiguo NotebookLM, están pensadas justo para esto: responden a partir de los documentos que cargas y citan el fragmento del que sale cada cosa.

4. Pregúntalo otra vez

Abre una conversación nueva y haz la misma pregunta. Si es un dato que el modelo conoce bien, la respuesta se repite. Si cada vez te da una cifra distinta, ya sabes que se la está inventando.

5. Lo que va con tu nombre, lo revisas tú

Esta no tiene atajo. Si el texto lo firmas tú o sale con el logo de tu empresa, lo lees entero antes de enviarlo. Es justo lo que falló en el caso de Deloitte en 2025: entregó al gobierno australiano un informe de unos 440.000 dólares australianos con referencias que no existían y una cita inventada atribuida a un juez, y acabó devolviendo parte del dinero.

Prompts que reducen las alucinaciones

Ningún prompt elimina las alucinaciones, y desconfía de quien te venda uno que lo haga. Lo que sí hay son formas de pedir que las hacen menos probables:

• Dale permiso para no saber. Añade "si no lo sabes o no estás seguro, dímelo en lugar de inventarlo". Parece una tontería y cambia bastante las respuestas.
• Pide que separe hechos de suposiciones. "Marca lo que es un dato comprobable y lo que es una estimación tuya."
• Trabaja sobre tu material. "Responde solo con la información de este documento" y que cite el fragmento.
• Pídele las dudas. "¿Qué partes de esta respuesta son las más probables de estar mal?" Muchas veces lo sabe señalar.

Ojo con esto: ninguno de estos prompts sustituye la comprobación del apartado anterior. Ayudan a que haya menos errores, y aun así habrá alguno. Si quieres trabajarlo con método, el curso de Prompt Engineering empieza justo por aquí: por qué se inventa cosas y cómo pedirle las cosas para que acierte más.

Cuando te da la razón en todo

Hay una prima hermana de la alucinación que pasa más desapercibida: la complacencia. Le planteas una idea y te dice que es estupenda. Le insistes en un dato equivocado y acaba dándotelo por bueno. Los modelos tienden a darte la razón porque, en su entrenamiento, las respuestas que gustan a la gente puntúan mejor.

En abril de 2025 se vio a lo grande. OpenAI tuvo que retirar una actualización de ChatGPT porque se había vuelto demasiado aduladora, y reconoció que se habían fijado demasiado en la reacción inmediata de los usuarios. Lo han corregido en parte, pero la tendencia sigue ahí.

La forma de combatirla es pedir justo lo contrario: "dime tres razones por las que esta idea podría salir mal" o "hazme de abogado del diablo". Y si te da la razón a la primera en algo importante, sospecha.

¿Han mejorado los modelos?

Sí, bastante. Cuando OpenAI presentó GPT-5 en agosto de 2025, aseguró que sus respuestas con búsqueda web tenían alrededor de un 45% menos de probabilidades de contener un error que las de GPT-4o. Unos meses antes, sus propios modelos de razonamiento se inventaban datos en un tercio o más de las preguntas sobre personas de una de sus pruebas internas.

El avance es real, pero no llega a cero. Incluso en la tarea más fácil, resumir un documento que se le da, los modelos del ranking de Vectara añaden datos que no están en el texto en entre un 2% y un 24% de los resúmenes, según el modelo.

Ahora, que se equivoquen menos tiene un efecto curioso: como fallan menos, nos fiamos más, y el error que queda se cuela con más facilidad. Me da la sensación de que el riesgo no baja tanto como la tasa de error. Baja el número de sustos, y sube lo que cuesta cada uno.

La IA no sabe que no sabe

Esa es la idea con la que me quedaría. ChatGPT no tiene forma de avisarte de cuándo está rellenando, así que el aviso lo tienes que poner tú: sabiendo en qué tareas se equivoca más y comprobando lo que importa.

Si quieres aprender a usarla con ese criterio desde el principio, lo enseño en el curso de IA desde cero. Y si lo que necesitas es que tu equipo deje de copiar y pegar respuestas sin revisar, lo trabajamos en la formación para empresas.