Cómo verificar hechos con IA: comprueba afirmaciones, fuentes y sitios web

Cuando pasamos por este proceso una afirmación real y que todavía circula, «Escocia genera más del 100% de su electricidad a partir de energías renovables», todas las fuentes que ofreció un asistente de IA resultaron ser correctas: un comunicado oficial del gobierno, una asociación sectorial, Wikipedia. Aun así, la afirmación seguía siendo engañosa. Esa brecha es exactamente la razón por la que la verificación de hechos con IA funciona mejor cuando el modelo ayuda a investigar la evidencia en lugar de sustituirla, y esto aplica en ambos sentidos: ya sea que la IA te esté ayudando a verificar una afirmación o que haya producido ella misma la afirmación, la evidencia tiene que provenir de fuentes externas al modelo.

A continuación encontrarás un flujo de trabajo repetible para verificar afirmaciones, fuentes, sitios web y respuestas generadas por IA, desarrollado paso a paso sobre esa misma afirmación, junto con los prompts que corresponden a cada etapa.

¿Qué es la verificación de hechos con IA?

La verificación de hechos con IA es el uso de inteligencia artificial para ayudar a identificar afirmaciones fácticas, encontrar evidencia relevante, comparar fuentes y señalar inconsistencias durante el proceso de verificación. La IA puede acelerar la investigación, pero el juicio final debe basarse en las fuentes subyacentes y no solo en la respuesta del modelo.

Quienes buscan esto suelen referirse a una de dos cosas. Verificar hechos con IA es usar un modelo para comprobar una estadística, investigar un sitio web o reunir evidencia. Verificar la IA misma es comprobar algo que produjo un chatbot: una cita, la referencia a un estudio, un dato generado.

Ambas cosas se reducen a la misma tarea: llegar a la fuente real y leer lo que dice.

Los límites de la IA como verificadora de hechos

Sí, puede ayudar, aunque no como un detector de la verdad autónomo.

Los modelos de lenguaje pueden generar respuestas fluidas que no son necesariamente fácticas, sobre todo cuando la información falta, es reciente o muy específica. Los modos de fallo se detallan más adelante; en resumen, un modelo puede producir una respuesta segura de sí misma, una cita real y una conclusión equivocada en el mismo párrafo.

La práctica profesional refleja esto. Full Fact, que viene incorporando aprendizaje automático a la verificación de hechos desde 2016, diseña sus herramientas para encontrar afirmaciones que merezca la pena comprobar, no para decidir si una afirmación es verdadera o falsa, y afirma con claridad que no trata a la IA como una solución milagrosa ni espera que los expertos humanos dejen de ser necesarios. La investigación sobre verificación automatizada coincide, ya que muchas afirmaciones son parcialmente correctas, o correctas pero engañosas sin contexto, y se resisten a etiquetas binarias.

Una idea que conviene llevar al resto de esta guía: una respuesta con fuentes citadas no es automáticamente una respuesta verificada.

Cómo verificar hechos con IA: un flujo de trabajo de 7 pasos

Más abajo se recopilan prompts listos para copiar para estos pasos.

1. Convierte la afirmación en algo verificable

La verificación empieza por saber exactamente qué se está comprobando. «Este artículo es engañoso» no se puede verificar. «El artículo dice que los trabajadores remotos de EE. UU. son un 35% más productivos que los de oficina» sí. Si un párrafo contiene varias afirmaciones, sepáralas.

Sea cual sea el prompt que uses, dile al modelo que todavía no verifique nada. Pedir un veredicto en esta etapa invita a que se emita uno antes de que exista evidencia alguna.

2. Pregunta qué evidencia verificaría la afirmación

Este paso separa un flujo de trabajo real de simplemente escribir «¿esto es verdad?». Antes de buscar, define cómo sería una buena respuesta. ¿Qué fuente original debería existir? ¿Qué datos lo resolverían? ¿Qué organizaciones tienen las cifras autorizadas, y qué fechas, poblaciones o zonas geográficas cambian el significado?

Para una estadística de empleo, eso te lleva a la Bureau of Labor Statistics y a la encuesta subyacente, en lugar de a diez blogs que citan la cifra.

3. Encuentra la fuente original

Si la afirmación se basa en un estudio, una estadística, una encuesta, un informe, una cita, una ley, un expediente o un conjunto de datos gubernamental, ve a la fuente original. La IA puede ayudar a localizarla; tú tienes que abrirla.

Revisa el título, el autor, la fecha, la metodología, la muestra y el texto exacto del pasaje o la tabla relevante. Un resumen de IA describe la evidencia. El documento es la evidencia.

4. Comprueba si la fuente realmente respalda la afirmación

Una cita puede existir, ser genuinamente reputable y aun así no respaldar la afirmación específica que se le atribuye. Un artículo que informa de una mejora del 40% podría estar informando de eso para un solo subgrupo, como una correlación, sobre datos autoinformados, o sobre una métrica completamente distinta.

Pídele al modelo que señale la evidencia exacta y nombre en qué exagera la afirmación. Después abre ese pasaje y léelo tú mismo.

5. Encuentra evidencia independiente

Una sola fuente es un punto de partida. Busca otro estudio, datos gubernamentales, otra organización acreditada, cobertura independiente o una base de datos especializada.

Dos enlaces no son necesariamente dos fuentes independientes. El artículo A cita al artículo B, que cita un comunicado de prensa, que describe el propio estudio de una empresa: una sola cadena de evidencia con cuatro disfraces distintos. Cuando le pidas a un modelo corroboración, dile que excluya páginas que se remonten al mismo origen, porque no lo va a deducir por su cuenta.

6. Comprueba quién está detrás del sitio web

Para un sitio desconocido, investiga al editor, la organización, la experiencia del autor, la propiedad, la financiación cuando sea relevante, y cualquier historial de correcciones. Una técnica útil aquí es la lectura lateral: salir del sitio web original y comprobar qué dicen sobre él fuentes independientes.

7. Redacta un veredicto acorde a la evidencia

La mayoría de las afirmaciones reales no se resuelven en VERDADERO o FALSO. Una escala que se ajusta a la evidencia real va de respaldada a mayormente respaldada, parcialmente respaldada, engañosa y no respaldada, hasta contradicha o poco clara.

Registra la afirmación, el veredicto, la evidencia primaria, la evidencia independiente, el contexto relevante y lo que sigue siendo incierto. Limita al modelo a las fuentes que realmente comprobaste, y dile que no rellene huecos con suposiciones.

Un ejemplo real de verificación de hechos con IA

Aquí está el flujo de trabajo aplicado de principio a fin sobre una afirmación que circula ampliamente en la cobertura de temas energéticos.

Afirmación: Escocia genera más del 100% de su electricidad a partir de fuentes renovables.

Paso 1: lo que la IA devolvió primero

Con la búsqueda web activada, un asistente de IA confirmó la afirmación y citó tres fuentes: un comunicado de prensa del gobierno escocés, la asociación sectorial Scottish Renewables y Wikipedia. Nada fue alucinado. La cita principal era una página oficial del gobierno.

Paso 2: lo que decían realmente las fuentes

Abrirlas cambió la frase. El comunicado de enero de 2024 del gobierno escocés dice que las tecnologías renovables generaron el equivalente al 113% del consumo total de electricidad de Escocia en 2022, la cifra más alta registrada. Scottish Renewables reporta la misma cifra.

La palabra que sostiene todo es equivalente. La propia página de metodología del gobierno define la medida como toda la electricidad renovable generada dentro de Escocia dividida entre el consumo bruto de electricidad, que es la generación total menos las exportaciones netas. Escocia exporta una gran parte de lo que genera, lo que reduce el denominador. La cifra es una proporción entre dos totales nacionales, no la parte renovable de la electricidad que los escoceses realmente consumen.

Paso 3: evidencia independiente

Dos fuentes sin ningún interés en el enfoque del gobierno abordaron esto directamente. La UK Statistics Authority, a la que se le pidió revisar la afirmación, explicó que, al ser una medida bruta, no significa que toda la electricidad usada en Escocia proviniera de renovables, y que en el año hasta septiembre de 2022 la proporción renovable de la electricidad realmente consumida en Escocia fue del 63,1%. Full Fact llegó a la misma conclusión, señalando que Escocia produce más electricidad de la que consume, incluida una cantidad considerable procedente de combustibles fósiles y energía nuclear.

Paso 4: comprueba la fecha

La cifra del 113% es de 2022. Estadísticas gubernamentales más recientes muestran que, de los 51,8 TWh generados en Escocia en 2024, el 73,1% provino de fuentes renovables y el 91,5% de fuentes bajas en carbono, incluyendo la energía nuclear y el almacenamiento por bombeo.

Veredicto: parcialmente respaldada, engañosa tal como suele formularse

La cifra es real, oficial y está citada correctamente. Donde falla es en la redacción que la envuelve. «El equivalente al 113% del consumo bruto de electricidad» es preciso; «más del 100% de su electricidad» sugiere algo que la estadística no mide, y la proporción renovable de la electricidad realmente consumida en Escocia rondaba el 63% en el periodo que examinó la agencia de estadísticas.

La IA encontró las fuentes correctas en segundos y llevó al lector directamente más allá de la distinción clave. Leer la propia definición gubernamental de la métrica fue lo que resolvió la afirmación.

Cómo verificar fuentes y citas de IA

Cuando un asistente te da una cita, ejecuta cuatro comprobaciones en orden.

1. ¿Existe la fuente? Confirma que la URL funciona y que el título, los autores, la publicación y el DOI corresponden a algo real. Crossref, Google Scholar, Semantic Scholar y la propia página del editor son las rutas más rápidas, además de PubMed para trabajos biomédicos.

2. ¿Coinciden los metadatos? Los modelos con frecuencia atribuyen un artículo real al año, la revista o la lista de autores equivocados, o mezclan dos artículos en una sola referencia plausible.

3. ¿La fuente respalda esta afirmación específica? La más importante de las cuatro y la que más se suele saltar. Una cita que existe y una cita que respalda son cosas distintas.

4. ¿Es la fuente original? Si has llegado a algo que describe una investigación en lugar de reportarla directamente, sigue avanzando hasta llegar a la investigación misma.

Que un artículo esté indexado en una base de datos confirma que existe. No dice nada sobre la calidad de la investigación ni sobre si sus hallazgos se aplican a la afirmación que tienes delante.

Cómo verificar un sitio web con IA

Empieza por hacer que la propia página se declare.

Enumera las principales afirmaciones fácticas de esta página y la evidencia que la página aporta para cada una. Separa la evidencia del lenguaje de opinión o marketing.

Después ejecuta los pasos 3 a 6 sobre lo que cite, y contrasta al editor con fuentes distintas de su propia página «Acerca de».

Lo que vale la pena añadir aquí es cómo formulas la conclusión. Evita emitir un veredicto sobre todo el dominio, porque «¿es fiable este sitio?» es casi imposible de responder y rara vez es lo que necesitas. Pregunta en cambio si esta página específica es lo bastante fiable para la afirmación concreta que quieres usar. Una publicación sólida puede contener un artículo débil, y un sitio promocional puede citar con precisión un conjunto de datos real.

Cómo verificar ChatGPT u otras respuestas de IA

El mismo flujo de trabajo se aplica a la salida de un chatbot, con dos hábitos específicos para este caso.

No verifiques a un modelo preguntándole «¿estás seguro?». A menudo repetirá el mismo error con más convicción, y la autocorrección no es evidencia independiente. Y comprueba por separado cualquier cosa sensible al tiempo, porque los precios, las leyes, las funciones de software, la dirección de las empresas y las políticas cambian: un dato correcto en 2023 puede ser una respuesta incorrecta en 2026.

Prioriza las afirmaciones que tienen peso: números, fechas, citas, estudios, detalles legales y técnicos, y cualquier cosa que cambie mes a mes.

Prompts para la verificación de hechos con IA

Cinco prompts que cubren el flujo de trabajo anterior. Funcionan como una secuencia, y cada uno asume que abrirás lo que devuelva.

Extraer afirmaciones

Extrae todas las afirmaciones fácticas verificables de forma independiente en este texto. Ignora opiniones y predicciones. Coloca las afirmaciones en una tabla y explica qué evidencia sería necesaria para verificar cada una.

Encontrar evidencia primaria

Encuentra la fuente original o primaria de esta afirmación. Prioriza datos oficiales, el estudio de investigación subyacente, el informe original o el registro directo por encima de artículos que los citan.

Comprobar el respaldo de la fuente

¿Esta fuente respalda realmente la siguiente afirmación? Identifica la evidencia exacta, explica cualquier limitación importante y señala cualquier cosa que la afirmación exagere u omita.

Encontrar evidencia independiente

Encuentra fuentes independientes que confirmen, contradigan o añadan contexto a esta afirmación. Excluye páginas que se remonten todas a la misma fuente original.

Construir la tabla de evidencia

Crea una tabla de verificación con Afirmación, Evidencia a favor, Evidencia en contra, Fuente primaria, Contexto importante, Nivel de confianza y Qué falta por verificar. No emitas un juicio binario donde la evidencia sea incierta.

Errores comunes al verificar hechos con IA

1. Preguntar «¿esto es verdad?». Demasiado vago para producir evidencia, y empuja al modelo hacia un veredicto sin base alguna.

2. Confiar en citas que parecen legítimas. El formato, los DOI y los nombres de revistas son fáciles de generar.

3. Pedirle al mismo modelo que se verifique a sí mismo. Útil para detectar inconsistencias internas, inútil como confirmación independiente.

4. Tratar el acuerdo entre modelos como prueba. Si ChatGPT, Claude y Gemini dicen lo mismo, eso no son tres fuentes. Pueden estar basándose en material web similar o reproduciendo el mismo error extendido. El consenso entre modelos es una señal, y es la evidencia la que lo resuelve.

5. Contar la cobertura repetida como evidencia independiente. Comprueba de dónde sacó cada página la afirmación antes de contarla.

6. Ignorar las fechas. El ejemplo de Escocia gira en parte en torno a las estadísticas de qué año se están leyendo.

7. Aplanar evidencia matizada en Verdadero/Falso. Algunas afirmaciones son precisas en un marco y engañosas en otro, algo que una etiqueta binaria elimina.

Lo que los verificadores de hechos con IA pueden y no pueden hacer

Herramientas de verificación de hechos con IA frente a verificación asistida por IA

Hay dos formas de incorporar la IA a la verificación.

Un verificador de hechos con IA dedicado toma una afirmación, URL o documento y devuelve un análisis automatizado, a menudo con una puntuación de confianza. Rápido, sencillo, un primer filtro razonable. Su metodología suele ser opaca, un segundo modelo puede reproducir el mismo error que el primero, y una puntuación de confianza te dice lo segura que está un sistema sin decirte si la evidencia que hay detrás es buena.

Un flujo de trabajo manual asistido por IA usa la IA para encontrar, organizar y comparar mientras tú mismo abres la evidencia. Más lento, y transparente de una forma que el primer enfoque no lo es.

Para comprobaciones de bajo riesgo, un verificador de hechos con IA es un filtro útil. Para cualquier cosa que planees publicar, citar o sobre la que vayas a actuar, usa el segundo enfoque.

Herramientas útiles para verificar hechos con IA

Google Fact Check Explorer muestra verificaciones de hechos publicadas por otras organizaciones. Google no produce ni respalda esas verificaciones.

Cómo encaja Sigma Browser en un flujo de verificación de hechos con IA

Sigma no es un verificador de hechos, y ningún navegador puede decirte si un sitio web es verdadero. Lo que hace es mantener la página, la asistencia de IA y la investigación más amplia en un mismo lugar.

Empieza en la propia página. Chat with Page extraerá lo que hay que verificar si se lo pides directamente:

Enumera las afirmaciones fácticas de esta página que necesitarían verificación independiente. Para cada afirmación, muestra qué fuente aporta la página, si la hay.

A partir de ahí el trabajo se expande hacia afuera. Abre los documentos citados en lugar de leer su resumen, y usa Deep Research cuando una afirmación se haya cubierto en muchas fuentes en lugar de una sola. Comparar lo que devuelve —afirmación frente a evidencia, metodología, fecha y contradicciones— es donde se va la mayor parte del tiempo, y hay un recorrido detallado de eso en esta guía sobre cómo resumir y comparar varias páginas web.

Luego vuelve a la página original y decide: respaldada, exagerada, engañosa, no respaldada o todavía poco clara. Sigma reduce el copiar y pegar y el cambio de pestañas que implica llegar hasta ahí. El juicio final sigue siendo tuyo.

Cuando la IA no es suficiente

Algunas comprobaciones no deberían terminar con un modelo de propósito general. Las decisiones médicas, la interpretación legal, las decisiones financieras importantes y las preguntas técnicas especializadas necesitan fuentes actuales autorizadas y, cuando corresponda, la opinión de un profesional cualificado.

Las imágenes y el video son un problema aparte. Un detector de IA que informa «92% de probabilidad de ser sintético» es una estimación de probabilidad de un sistema con su propia tasa de error, y no es una prueba. La verificación de contenido multimedia suele depender de la búsqueda inversa de imágenes, los metadatos, la primera versión disponible que se subió, la geolocalización, las marcas de tiempo y las imágenes independientes. Detectar si un contenido fue generado por IA y comprobar si una afirmación es fácticamente correcta también son preguntas separadas con métodos separados.

Lista de verificación para comprobar hechos con IA

Antes de confiar en una verificación de hechos asistida por IA:

1. Aísla la afirmación exacta.
2. Abre todas las citas importantes.
3. Comprueba que la fuente respalda esa afirmación específica.
4. Rastrea estadísticas, estudios y citas hasta la fuente original.
5. Encuentra evidencia genuinamente independiente.
6. Comprueba fechas y contexto.
7. Separa la incertidumbre de la contradicción.
8. Basa la conclusión en la evidencia, no en la confianza del modelo.

¿Deberías usar IA para verificar hechos?

Sí, como asistente de investigación.

La IA acelera de forma notable la extracción de afirmaciones, el descubrimiento de fuentes, la lectura de documentos largos y la comparación de lo que dicen varias fuentes. En el ejemplo de Escocia, encontró la página gubernamental correcta en segundos. Lo que se le escapó fue que la palabra «equivalente» sostenía toda la afirmación, y eso fue lo que decidió el veredicto.

Si tus verificaciones suelen implicar saltar entre un artículo, sus fuentes, unos cuantos PDF y una docena de pestañas, Sigma te permite hacer más de eso dentro del mismo navegador en el que ya estás leyendo.