Estadísticas falsas engañaron a ChatGPT — y las cita en todas partes
Un investigador creó un sitio con 50.000 páginas de estadísticas completamente fabricadas. Siete meses después, ChatGPT las extraía constantemente, e instituciones reales las citaban como dato cierto. Las implicaciones para la fiabilidad de la IA son graves.
La estadística que no estaba ahí
Metehan Yesilyurt notó algo incómodo mientras observaba a personas interactuar con herramientas de IA. Cuando se enfrentaba a lagunas de conocimiento, ChatGPT no decía que no lo sabía. Sino que se ponía a buscar estadísticas —cualquier estadística— para llenar el vacío.
Así que armó una trampa.
Yesilyurt, que trabaja en el desarrollo de herramientas de búsqueda con IA, compró el dominio stateglobe.com y usó GPT-4.1 para generar 50.000 páginas de estadísticas fabricadas que cubrían SEO, marketing de contenidos, redes sociales y comercio electrónico en 200 países. Los números fueron inventados en un solo día. Nunca verificó ninguno.
El sitio prometía datos globales authoritative. No contenía ninguno.
Lo que pasó después
Al principio, todo parecía normal. El tráfico entraba, Google indexaba las páginas y el sitio parecía tener un rendimiento razonable. Entonces Google lanzó actualizaciones del algoritmo de búsqueda que destrozaron la visibilidad orgánica: el sitio cayó a unas pocas docenas de impresiones diarias procedentes de buscadores humanos.
Yesilyurt se alejó durante siete meses.
Cuando regresó, encontró algo que debería alarmar a cualquiera que confíe en la IA para obtener información fáctica. El tráfico de bots había explotado. Solo en la ventana de los últimos 30 días, stateglobe.com recibió más de 600.000 solicitudes de acceso. Aproximadamente 72.000 de esas provinieron directamente del agente propio de ChatGPT, etiquetado como “ChatGPT-User”, que extraía datos para responder preguntas de los usuarios.
El sitio había acumulado enlaces de más de 370 otros sitios web para cuando publicó sus hallazgos. Esos enlaces incluían páginas de Shopify y otras marcas consolidadas. Yesilyurt señaló que la cifra probablemente habría crecido aún más si el rendimiento de Google no se hubiera desplomado.
Usando una herramienta de seguimiento de visibilidad en búsquedas, encontró que stateglobe.com ocupaba el segundo lugar en visibilidad de datos entre todas las fuentes estadísticas, por delante de Mordor Intelligence y Similarweb, dos firmas de investigación de mercado muy conocidas.
Por qué importa esto
La advertencia convencional sobre las alucinaciones de la IA dice más o menos esto: la IA a veces inventa cosas. Eso es cierto, pero incompleto. Lo que el experimento de Yesilyurt demuestra es más inquietante: la IA está seleccionando activamente, recuperando y citando contenido fabricado como si fuera material fuente legítimo.
Este no es un caso de ChatGPT inventando números de la nada. Es un caso en el que un bot rastreó deliberadamente un sitio web lleno de datos falsos, lo trató como una fuente creíble y lo reprodujo en respuestas a los usuarios. Luego otros sitios web enlazaron a él. Luego instituciones reales lo citaron.
La cascada de citas es el mecanismo crítico aquí. Artículos académicos refrieron stateglobe.com. El grupo financiero más grande de Qatar utilizó sus datos en investigaciones de inversión. Una revista india de economía la publicó. Cada cita añade una capa de autoridad percibida, aunque los números originales nunca hayan sido verificados por nadie.
Yesilyurt construyó un segundo sitio con estadísticas reales y fundamentadas, y observó el mismo patrón: el tráfico de IA aumentó de forma idéntica. El mecanismo no discrimina entre verdad y fabricación. Discrimina entre accesibilidad y oscuridad.
Cómo la IA elige fuentes
La razón por la que esto funcionó radica en cómo operan realmente los agentes de búsqueda con IA. Yesilyurt explicó que ChatGPT no se limita a copiar los diez primeros resultados de Google al responder preguntas. Reescribe la consulta del usuario en subconsultas, extrae candidatos de fuentes de búsqueda y cachés, y luego reordena esos candidatos para construir una respuesta con fuentes citadas.
Esto significa que el camino desde una estadística fabricada hasta una respuesta citada en ChatGPT involucra múltiples capas de toma de decisiones autónomas. La IA no está siendo engañada por una sola página defectuosa: está siendo guiada sistemáticamente hacia fuentes de baja calidad a través de la propia arquitectura de su proceso de recuperación.
El posicionamiento en Google y la capacidad de ser encontrado por la IA no son lo mismo. Un sitio puede ser invisible para los buscadores humanos y altamente visible para los agentes de IA. Stateglobe.com lo demostró directamente.
La brecha de verificación
La conclusión de Yesilyurt es sencilla y poco apreciada. Los sistemas de IA operan bajo restricciones estrictas de tiempo y costo. No verifican la precisión numérica por diseño: es computacionalmente costoso y lento. La verificación de fuentes sigue siendo responsabilidad de investigadores y escritores humanos, no de la máquina.
Ese no es un defecto que pueda solucionarse con una actualización de software. Es una limitación estructural de cómo estos sistemas están diseñados para funcionar a escala.
El experimento también revela algo sobre la economía de la atención. Cincuenta mil páginas de texto generado por IA, publicadas en un solo día en un solo dominio, superaron a firmas establecidas de investigación de mercado en métricas de visibilidad para la IA. El volumen de contenido y la estructura del dominio importan más para los sistemas de recuperación de IA que la precisión fáctica: al menos por ahora.
Qué sigue
Stateglobe.com ahora lleva un descargo de responsabilidad indicando que los datos son ficticios. Pero el daño por las citas sin atribución ya ocurrió, y el sitio continúa recibiendo decenas de miles de solicitudes impulsadas por IA mensualmente. Otros investigadores han replicado partes de este enfoque: publicar datos fabricados para observar el comportamiento de la IA, lo que sugiere que esto no es una curiosidad aislada sino un patrón replicable.
La implicación más amplia se extiende mucho más allá de las estadísticas. Cualquier dominio donde puedan publicarse datos fabricados en sitios web accesibles: afirmaciones de salud, pronósticos económicos, hallazgos científicos, proyecciones empresariales — enfrenta la misma vulnerabilidad. Los agentes de IA recuperarán, citarán y amplificarán ese contenido sin verificación independiente.
Los periodistas, investigadores y analistas humanos que dependen de estas herramientas necesitan tratar los datos procedentes de la IA de la misma manera que tratarían un comentario anónimo en un foro: digno de investigar, no digno de confianza. La carga ha regresado al lado humano del flujo de trabajo — y ese cambio ya estaba ocurriendo, pero este experimento muestra exactamente con qué facilidad puede ser explotado.
Yesilyurt enfatizó que publicar contenido falso nunca fue el objetivo. El sitio se construyó como un experimento. Pero experimentos como este revelan debilidades estructurales que los actores malintencionados pueden explotar de forma mucho más deliberada que un investigador que prueba una hipótesis.