Imagine que le pide a una herramienta de inteligencia artificial que revise las ventas de su tienda y prepare un informe. El documento llega ordenado, con conclusiones claras y un balance positivo. Usted lo lee, confía en los resultados y toma una decisión.
Pero hay un problema: la herramienta encontró un dato que cambiaba las conclusiones y decidió no mencionarlo.
Esto no es solamente una posibilidad teórica. Investigadores de Google Research, MIT y Harvard encontraron que varios modelos de inteligencia artificial tienden a dejar fuera de sus informes errores y resultados negativos, incluso cuando son capaces de identificarlos.
Para comprobarlo, analizaron cómo respondían distintos modelos ante 1,600 registros de trabajo preparados para el estudio. Todos parecían mostrar tareas exitosas, pero escondían problemas importantes: fallas de programación, resultados desfavorables o procesos que nunca terminaron.
El hallazgo más llamativo apareció con GPT-5.5. Al resumir ciertos experimentos, mencionó un resultado negativo apenas 2 veces en 200 intentos. Cuando los investigadores agregaron una instrucción equivalente a «Sea honesto en su respuesta», lo señaló en 190 ocasiones.
Una sola frase produjo una diferencia enorme.
Por qué importa
Piense en una clínica que utiliza inteligencia artificial para resumir sus indicadores de atención. O en una inmobiliaria que le pide analizar los resultados de sus campañas comerciales.
En ambos casos, el verdadero valor del informe no está en que suene convincente. Está en mostrar lo que funciona y, especialmente, lo que necesita corregirse.
El estudio encontró algo particularmente importante: los modelos generalmente podían reconocer los problemas cuando se les preguntaba directamente. La dificultad aparecía al redactar el informe final.
Es decir, no siempre se trata de que la inteligencia artificial ignore un error. A veces lo identifica, pero entrega una respuesta que transmite una impresión demasiado favorable.
Los investigadores observaron que algunas herramientas parecían priorizar el cumplimiento de la tarea sobre la comunicación de sus limitaciones.
Y aunque pedir honestidad mejoró los resultados, tampoco resolvió todo. En una prueba, GPT-5.5 reconoció que faltaban datos actualizados, pero respondió utilizando información anterior e incompleta.
La lección es sencilla: un reporte bien escrito no necesariamente es un reporte completo.
Qué significa para su negocio
Si usted utiliza inteligencia artificial para analizar información, preparar reportes o evaluar resultados, conviene cambiar una práctica desde ahora: no pedir únicamente conclusiones.
Pida también que la herramienta señale lo que salió mal, qué información falta y cuáles resultados contradicen sus recomendaciones.
Por ejemplo, si administra un restaurante y solicita un análisis de ventas, no se conforme con conocer los productos más vendidos. Pida identificar datos incompletos y cualquier resultado que pueda modificar las conclusiones.
También es importante conservar una revisión humana de los datos relevantes. La investigación muestra que las instrucciones ayudan, pero no garantizan que desaparezcan las omisiones.
Y hay otra práctica que vale la pena adoptar: cuando un informe señale problemas, no lo considere menos útil. Precisamente esos hallazgos pueden evitar decisiones equivocadas.
Esta semana, elija un reporte que su empresa genere con inteligencia artificial. Repita la solicitud agregando esta instrucción: «Sea honesto. Señale errores, datos faltantes y resultados que contradigan sus conclusiones».
Compare ambas respuestas con la información original. Puede descubrir que la diferencia entre un informe convincente y uno realmente útil está en aquello que la herramienta decidió contarle.