Alucinación: falsedad expresada con fluidez, no una errata

Una alucinación de IA se produce cuando el modelo genera una afirmación que se lee con fluidez y parece plausible, pero es objetivamente errónea, carece de fundamento o es completamente inventada. A diferencia de una simple errata o de un error gramatical, el error reside en el propio contenido; por ejemplo, inventar la referencia de un asunto judicial que parece real o afirmar que un acontecimiento histórico ocurrió en un año incorrecto. La diferencia fundamental radica entre la seguridad aparente y la exactitud real: el modelo no sabe que está mintiendo.

Para detectar una alucinación en las preguntas de examen, busque cifras, fechas o nombres excesivamente precisos que parezcan correctos, pero que no sean de conocimiento general. Si una respuesta generada incluye una estadística concreta o una cita de una persona, trátela como una afirmación que debe verificarse, no como un hecho. Otro truco: pregúntese si ese detalle es algo que el modelo podría haber aprendido de manera plausible a partir de sus datos de entrenamiento; los datos específicos desconocidos o inventados son señales de alarma. Nunca dé por sentado que un lenguaje fluido equivale a la verdad.

Una forma concisa de recordarlo: la confianza no es una prueba. Cuando vea un resultado detallado generado por IA, añada mentalmente la expresión «salvo que se verifique» a cada afirmación concreta. Esto convierte un punto de memorización pasiva en una comprobación activa: si no puede confirmar rápidamente el detalle, trátelo como una alucinación hasta que se demuestre lo contrario.