Que la IA te Cite No Significa que Dijo la Verdad
Es muy común ver a alguien celebrar un pantallazo: “mira, Perplexity me citó, puso mi web como fuente.”
Casi nadie se detiene a leer qué dijo la IA basándose en esa cita. Se asume que, si hay una fuente, lo que se dice es verdad.
Esa misma suposición — “si cita, es verdad” — es exactamente la que un grupo de investigadores decidió poner a prueba. Y el resultado no es tranquilizador.
El experimento
Pranav Venkit, Philippe Laban, Yilun Zhou, Yixin Mao y Chien-Sheng Wu (equipo con pasado en Salesforce AI Research) diseñaron dos pruebas, publicadas en la ACM FAccT 2025 (una de las conferencias más respetadas sobre IA justa y responsable):
- Prueba con humanos: 24 personas — con alta formación académica (cerca del 62% cursando o con doctorado/posdoctorado, el resto especialistas de la industria) — usaron You.com, Bing Copilot y Perplexity durante 90 minutos cada una, comparando la experiencia con el Google tradicional.
- Prueba automatizada: 303 preguntas reales, evaluadas con 8 métricas distintas de precisión y fundamentación.
Venkit et al., “Search Engines in an AI Era”, ACM FAccT 2025 — el objetivo era simple: medir si las citas que estos motores muestran realmente sostienen lo que la IA afirma, o si son solo decoración que da apariencia de rigor.
El dato que más incomoda
Esto es la tasa de citas que realmente sustentan lo que fue dicho, por motor:
| Motor | % de citas que de verdad sustentan la afirmación |
|---|---|
| You.com | 68,3% |
| Bing Copilot | 65,8% |
| Perplexity | 49,0% |
Perplexity — el motor que buena parte del mercado trata como el más riguroso, el que “siempre muestra sus fuentes” — fue el peor de los tres. Prácticamente una moneda al aire.
Y no termina ahí: el 31,6% de las afirmaciones de Perplexity y el 30,8% de las de You.com no tenían ninguna fuente real detrás — casi 1 de cada 3. Bing Copilot quedó algo mejor en este punto específico (23,1%), pero sigue siendo casi 1 de cada 4 afirmaciones sin respaldo real, pese a que los tres motores usan la misma tecnología (RAG, retrieval-augmented generation) que se supone resuelve exactamente este problema.
Lo que más sorprende del estudio
Dos hallazgos que casi nadie menciona cuando habla de este paper:
- Bing Copilot muestra fuentes que ni siquiera usa: el 36,2% de los enlaces que aparecen listados nunca son citados de verdad en el texto de la respuesta. Están ahí solo para dar sensación de respaldo.
- Perplexity respondió de forma unilateral (mostrando solo un lado) en el 83,4% de las preguntas tipo debate — y lo hizo con 81,6% de confianza total, incluso cuando ese único lado estaba equivocado.
Y quizás el dato más revelador de los dos estudios combinados: las personas verifican muchísimo menos con la IA que con Google. En promedio abren solo 2 fuentes para confirmar una respuesta de IA, contra 12 cuando usan Google tradicional.
Uno de los participantes, al ser preguntado si sentía que la IA usaba las citas para dar legitimidad a lo que generaba, lo resumió así:
“Ves una cita, asumes que es una fuente válida… Solo veo que hay una fuente. Eso es todo. No lo verifico.”
Es exactamente la misma suposición del pantallazo: ver una cita y asumir que basta.
Qué hacer con esto, en la práctica
- No celebres una cita sin leer qué dice. Antes de usar una mención de IA como prueba social, confirma qué afirmación específica está haciendo sobre tu marca.
- Asume que el usuario no va a verificar. Si solo 2 de cada 12 chequeos que haría en Google los hace con IA, lo que la IA dice sobre tu negocio es, en la práctica, la última palabra para mucha gente.
- Trata a Perplexity con más cautela que la que su reputación sugiere. Es el motor en el que más confía el mercado — y el que, según este estudio, tiene más margen de error.
- Haz que los hechos correctos sobre tu marca sean fáciles de encontrar y difíciles de confundir (datos estructurados, información consistente en toda la web) — no porque garantice que la IA nunca se equivoque, sino porque reduce las chances de que lo haga.
Una limitación honesta
Es un estudio con una muestra de personas relativamente pequeña (24) y centrado en tres motores específicos — no cubre ChatGPT ni Gemini directamente. Pero la prueba automatizada (303 preguntas, 8 métricas) respalda la misma conclusión por un camino distinto, y el paper pasó revisión por pares en una conferencia seria. Es evidencia sólida, no el veredicto final sobre todos los motores de IA.
¿Sabes qué está diciendo la IA sobre tu marca ahora mismo?
En Tentacron IA hacemos ese diagnóstico — gratuito, en 48 horas, sin compromiso. Revisamos qué están afirmando ChatGPT, Perplexity y Gemini sobre tu negocio hoy, y si hay algo mal dicho, mal entendido, o simplemente ausente.
Solicitar diagnóstico gratuito → tentacronia.com
Fuente: Pranav Narayanan Venkit, Philippe Laban, Yilun Zhou, Yixin Mao & Chien-Sheng Wu, “Search Engines in an AI Era: A Qualitative Understanding to the False Promise of Factual and Verifiable Source-Cited Responses in LLM-based Search”, ACM Conference on Fairness, Accountability, and Transparency (FAccT ‘25), 2025.