Ingeniería con IA · Estrategia de Contenido · Confianza
Google desindexó los datos falsos. La IA siguió citándolos
Un sitio con 50.000 estadísticas fabricadas siguió siendo citado por IA mucho después de que Google lo enterrara. Ranking y recuperación no son el mismo filtro.
Alguien publicó un sitio web con 50.000 estadísticas fabricadas y vio a los asistentes de IA citarlo durante siete meses. El sitio sigue en línea. Según su propio aviso, cada página se generó con gpt-4.1-nano en menos de treinta minutos y por menos de diez dólares.
La lección que la mayoría sacó fue "la IA alucina, verifica tus fuentes". No fue eso lo que pasó, y el mecanismo real es peor. El modelo no alucinó. Recuperó una página real y la citó correctamente. Lo que falló es la capa que decidía qué páginas merecen ser citadas.
Qué está comprobado y qué no
Esta separación importa más de lo habitual aquí, porque el tema son números sin verificar.
Verificable, porque cualquiera lo comprueba: el sitio está activo, sirve cientos de miles de estadísticas inventadas y se describe abiertamente como un experimento. Lo comprobamos directamente el 20 de octubre de 2026.
Autodeclarado, y explícitamente no confirmado: las cifras de tráfico y citación — siete meses de citas en ChatGPT, 600.000 solicitudes de bots en treinta días, 72.000 de ellas de ChatGPT-User, apariciones posteriores en un artículo académico y en investigación de inversión de un gran grupo financiero. Todo eso viene del relato del propio autor. El único medio que lo cubrió dejó constancia de que sus mediciones "no han sido verificadas de forma independiente".
Así que trata la hazaña como ilustración, no como prueba. La prueba viene después, y está revisada por pares.
Ranking y recuperación son filtros distintos
Google hizo su trabajo. A los pocos meses del lanzamiento el sitio se desplomó en búsqueda — según el autor, prácticamente invisible durante casi toda su vida.
Y lo siguieron citando igual.
Esa es la parte que vale entender. Durante veinte años el ranking de búsqueda absorbió una presión adversarial enorme. Cada granja de spam, cada esquema de enlaces, cada página trampa fue un ataque — y las defensas que crecieron alrededor convirtieron al ranking en algo que nunca fue diseñado para ser: un filtro de confianza del que toda la web pasó a depender en silencio.
Un asistente de IA que responde una pregunta no consulta ese filtro. Despacha un agente que busca páginas en el momento de responder. La posición en búsqueda es una señal entre varias, y un dominio enterrado sigue siendo una URL accesible. Sacamos el consumo de contenido web del único sistema endurecido contra exactamente este ataque y lo pusimos en una capa sin protección equivalente — en unos dos años.
El aviso está en la puerta principal. Nadie entra por la puerta principal
Esto es lo que la cobertura no vio, y es el detalle que convierte una travesura en un problema estructural.
El aviso honesto de "esto es un experimento" está en la portada.
Las páginas que realmente se recuperan — las de estadísticas individuales — no llevan aviso alguno. Descargamos dos y buscamos en el código: cero apariciones.
Hay, con cierta ironía, una página que reporta la "tasa de alucinación de IA" de Brasil en 8,5%. Es inventada. También el 72% de adopción a su lado, y los USD 1.300 millones en I+D.
Ahora mira qué más llevan esas páginas.
Declaración de metodología. Fuentes institucionales con nombre — la UIT, el Banco Mundial, Statista. Fecha de revisión. Un equipo de investigación con biografía. Un FAQ estructurado que responde exactamente la pregunta que una persona escribiría.
Cada una de esas es una señal de confianza. Cada una está fabricada. La página lleva puesto el disfraz completo del rigor, y el disfraz no cuesta nada de coser.
La parte incómoda
Relee esa lista y compárala con cualquier guía de optimización de contenido para respuestas de IA. Es la misma lista.
Abre con la respuesta directa y citable. Agrega un FAQ. Cita fuentes con nombre. Publica números específicos en lugar de afirmaciones vagas. Declara una metodología. Muestra firma y fecha de revisión.
El consejo no es incorrecto — así se vuelve legible para una máquina un trabajo legítimo. Pero describe un formato, y un formato es barato de falsificar. Las señales que enseñamos a premiar a los sistemas de recuperación son hoy las señales que un atacante produce por diez dólares. El número específico es el peor: un modelo que fundamenta una respuesta prefiere "8,5%" a "una porción pequeña", porque la precisión parece procedencia. La precisión no es procedencia.
La escala es medible, y ya fue medida
Aquí la evidencia deja de ser anecdótica.
Un estudio de mayo de 2026 auditó 111 millones de referencias en 2,5 millones de artículos de arXiv, bioRxiv, SSRN y PubMed Central. Estimación conservadora: 146.932 citas alucinadas solo en 2025 — referencias a trabajos que no existen. Las fabricaciones se concentraron en los campos que adoptaron IA más rápido y entre autores en etapas tempranas de su carrera (Zhao et al.).
Eso es publicación académica, que tiene revisión por pares, reputación en juego y cultura de verificar referencias. Tu empresa no tiene nada de eso alrededor del deck que alguien está armando esta tarde.
Lo que te cuesta, en dos direcciones
Entrada — los números que tu equipo trae de vuelta. Si alguien investiga con un asistente de IA, parte de lo que regresa viene de páginas que nadie evaluó. La falla es silenciosa: una cifra plausible con un enlace real detrás. Nada parece mal. El número entra al deck del directorio, al modelo de precios, a la lámina de tamaño de mercado.
Salida — tu estrategia de contenido. Si "publica números específicos y te citan" funciona tan barato como esto sugiere, funciona para todos — incluida gente con motivos para tergiversar tu mercado. Ser citado dejó de ser indicador de ser creíble, para ti y para tu competencia.
Qué hacer
En el orden en que lo agregaríamos:
- Trata una cita como pista, no como veredicto. Es la corrección entera en una línea. Un enlace es una invitación a verificar, y siempre lo fue — la capa de recuperación conservó el enlace y eliminó a la persona que lo seguía. Vuelve a poner a esa persona en todo lo que sostiene una decisión.
- Exige la fuente primaria para cualquier número que entre en una decisión. No la página que afirma la cifra: la organización que la produjo. Si el rastro termina en un agregador, el número no tiene procedencia.
- Sabe cuáles de tus números son estructurales. No puedes verificar todo. Sí puedes listar el puñado de cifras sobre las que realmente se apoyan tu precio, tu roadmap o tu ronda, y exigirles otro estándar.
- En tus productos, separa recuperación de autoridad. Si entregas algo que navega, cita o hace RAG, ahora eres responsable de la capa de confianza que Google daba gratis. Mantén una lista de fuentes permitidas para afirmaciones que importan, guarda la procedencia junto a cada dato recuperado y muestra al usuario de dónde salió el número en vez de lavarlo en prosa limpia. El modelo aporta el texto. No obtiene autoridad sobre él — la misma frontera que defendimos para el código escrito por IA.
- Di lo que no pudiste verificar. Interna y públicamente. Un informe que marca sus afirmaciones sin verificar es más útil que uno que suena uniformemente seguro, y es la única forma honesta de escribir sobre algo así.
Nada de esto es novedoso. Es disciplina ordinaria de fuentes, que pasó una década sin practicarse porque un algoritmo de ranking absorbía el costo. Ese subsidio terminó, y la cuenta llega ahora dentro de tu empresa — en la investigación en la que tu equipo confía y en los sistemas que entregas. Es el tipo de trabajo de frontera, sin glamour, que terminamos haciendo cada vez que el software hecho con IA tiene que sobrevivir a producción.
Una cita nunca fue prueba. Era una pista a verificar.
Puntos clave
- Un sitio con 50.000 estadísticas fabricadas, generado por menos de diez dólares, siguió siendo citado por asistentes de IA mucho después de que Google lo enterrara en búsqueda.
- El modelo no alucinó — recuperó una página real y la citó correctamente. El ranking de búsqueda y la recuperación de IA son filtros distintos, y solo uno fue endurecido por veinte años de presión adversarial.
- El aviso honesto de "esto es un experimento" aparece solo en la portada. Las páginas de estadísticas, que son las que realmente se recuperan, llevan una metodología fabricada que cita a la UIT, el Banco Mundial y Statista, una firma de investigación falsa y una fecha de revisión.
- Las señales de confianza que recomiendan las guías de optimización para IA — FAQ, fuentes con nombre, números específicos, metodología declarada — describen un formato, y los formatos son baratos de falsificar.
- Escala medida: 146.932 citas alucinadas en artículos académicos en 2025, sobre una auditoría de 111 millones de referencias.
- La regla defendible es vieja: una cita es una pista a verificar, no una prueba.
Preguntas frecuentes
¿La IA inventó estas estadísticas?
No, y ese es el punto. Las cifras estaban publicadas en una página real y accesible. El asistente la recuperó y la reportó correctamente. La falla fue de selección de fuente, no de generación — lo que significa que entrenar al modelo para ser más factual no lo arregla.
¿Por qué salir de la búsqueda de Google no detuvo las citas?
Porque ranking y recuperación son sistemas separados. El asistente busca páginas al momento de responder en vez de atenerse a la posición en búsqueda, así que un dominio que no posiciona sigue siendo alcanzable. Copias en caché y en otros sitios extienden aún más el alcance.
¿Son confiables las cifras de tráfico y citación de este experimento?
Son autodeclaradas por quien lo hizo y no han sido verificadas de forma independiente — el medio que lo cubrió lo dijo explícitamente. Lo verificable es que el sitio existe, sirve estadísticas fabricadas y omite su aviso en las páginas internas. La evidencia medida de forma independiente del problema mayor es la auditoría de 2026 sobre 111 millones de referencias académicas.
¿Cuál es el hábito de mayor valor para adoptar primero?
Exigir fuente primaria para cualquier número que entre en una decisión — la organización que produjo la cifra, no la página que la repite. La mayoría de las estadísticas fabricadas falla esa prueba de inmediato, porque el rastro muere en un agregador sin estudio debajo.
¿Significa que hay que dejar de optimizar contenido para respuestas de IA?
No. Significa que ser citado no es evidencia de ser creíble, para nadie. Sigue haciendo legible para máquinas el trabajo legítimo, y deja de leer el conteo de citas como señal de calidad — tuya o de un competidor.
Fuentes: Peec AI — relato del autor · Runtime Wire · Zhao et al., arXiv (2026) · Discusión en Hacker News