La trampa de creerlo todo (o de no verificar nada)

Cada vez que buscas un restaurante o le pides algo a ChatGPT, tomas una decisión basada en información que casi nadie ha verificado. Eso, en sí mismo, no es nuevo. Lo que sí ha cambiado es la escala: los influencers condicionan decisiones de compra a una velocidad que hace diez años habría parecido exagerada, y la inteligencia artificial generativa ha añadido una variable más difícil de rastrear —máquinas que producen contenido con la misma cadencia y el mismo tono convincente que cualquier humano.

Ana Valenzuela, profesora catedrática en el Departamento de Marketing de Esade, lleva años observando esta transformación desde la universidad, donde dirige un grupo de investigación sobre Marketing, Tecnología y Entornos Digitales. Su diagnóstico es directo: "La mayoría de lo que se comparte online no está basado en metodologías rigurosas. Es importante saber cómo se han recogido los datos antes de fiarse de cualquier conclusión." Y añade algo que no deja mucho margen al optimismo: "Nadie verifica si lo que se publica es factualmente cierto."

Fue Valenzuela quien organizó el IESE-Esade Marketing Research Camp 2026, precisamente, para poner en valor investigaciones que documentan, entre otras, esto con rigor. Dos investigadoras de Esade han estado trabajando en estudios que, desde ángulos distintos, llegan al mismo territorio que ella describe.

Cuando la IA hace que la verdad parezca cara

Rui Sun lleva tiempo estudiando una pregunta que, formulada así, suena casi filosófica: si tienes acceso gratuito a una IA que te da una respuesta en segundos, ¿cuánto estarías dispuesto a pagar por una fuente verificada que te diga lo mismo?

La respuesta que ha encontrado, a lo largo de siete estudios con perfiles muy distintos de participantes —desde personas sin formación especializada hasta estudiantes de MBA y profesionales del sector—, es desalentadora: muy poco. O directamente nada.

El mecanismo es más sutil de lo que parece. No es que la gente piense que la IA es más fiable que los datos contrastados. En realidad, los participantes en sus estudios sabían distinguir cuándo una estimación era más o menos precisa. El problema es que el acceso fácil a respuestas generadas por IA crea una sensación de suficiencia: ya tengo algo, ¿para qué pagar por algo mejor? Sun lo llama una paradoja: la inteligencia artificial democratiza el acceso a las predicciones, pero al hacerlo erosiona el incentivo para invertir en información de calidad. Las empresas y los profesionales que históricamente pagaban por datos rigurosos empiezan a conformarse con estimaciones rápidas que son más baratas pero menos fiables.

Las implicaciones van más allá de lo individual. Si nadie está dispuesto a pagar por información verificada, los mercados que producen esa información se debilitan. Y eso no beneficia a nadie, tampoco a quienes usan la IA como sustituto.

Las reseñas que cambian de opinión

Martina Pocchiari se ha dedicado a estudiar algo que las plataformas llevan años haciendo posible pero que casi nadie había analizado en profundidad: qué pasa cuando alguien vuelve a una reseña que escribió hace semanas o meses y la modifica.

Para hacerlo, ha analizado más de 16 millones de reseñas de 30 plataformas digitales distintas, y ha complementado esos datos con un experimento a gran escala en el que más de 700.000 usuarios recibieron, en momentos distintos, una notificación invitándoles a actualizar su valoración. Los resultados revelan algo que va a contracorriente de cómo solemos pensar en las reseñas online.

Lo primero es que la actualización es mucho más frecuente de lo que se asume. La gente vuelve a sus opiniones, añade contexto, corrige errores, espera a que una situación se resuelva antes de dar un veredicto definitivo. Lo segundo es más interesante: cuando alguien modifica una reseña, el lenguaje se vuelve más frío. Menos emocional. Más razonado, en teoría, pero también menos útil para quien busca orientación genuina. Pocchiari llama a este fenómeno “enfriamiento afectivo”: la rabia y el entusiasmo iniciales se amortiguan, y lo que queda es una opinión más neutra que no necesariamente refleja mejor la experiencia real.

Esto tiene consecuencias directas para la reputación de empresas y productos, y también para las plataformas, que pueden diseñar sus sistemas de notificaciones para provocar más o menos actualizaciones según les convenga. El diseño, en otras palabras, no es neutral.

El mismo problema, dos caras

Lo que conecta los trabajos de Sun y Pocchiari no es el tema, sino la pregunta de fondo: ¿en qué medida podemos fiarnos de la información que consumimos online, y quién tiene la responsabilidad de que sea fiable?

Valenzuela cree que esa responsabilidad recae, sobre todo, en las plataformas. “El objetivo debería ser que verificaran las fuentes como en el periodismo”, dice. Es una exigencia que hoy por hoy ninguna plataforma cumple de forma sistemática, y que la expansión de la inteligencia artificial hace más urgente, no menos.

Mientras tanto, los consumidores navegamos en un entorno donde la información es abundante, accesible y, con demasiada frecuencia, imposible de contrastar. Sabemos que no todo lo que leemos es cierto. Lo sabemos y seguimos leyendo.