Una fecha equivocada en una convocatoria, una declaración que nadie pronunció o una cifra provincial presentada como autonómica pueden convertir un texto convincente en información engañosa. Los contenidos generados por inteligencia artificial requieren una revisión que vaya más allá de la ortografía: también deben comprobarse sus fuentes, sus números y su contexto. En noticias sobre Andalucía, trámites municipales o información de servicio, esos detalles pueden cambiar por completo el sentido de una publicación.

Separar la revisión del lenguaje de la comprobación de hechos

La primera lectura debe distinguir entre problemas de expresión y afirmaciones que necesitan pruebas. La web de Getsolved presenta funciones de corrección y verificación que permiten señalar pasajes para su revisión durante la edición. Esas indicaciones pueden servir como punto de partida, pero la confirmación de una fecha, una declaración o una estadística exige consultar la fuente correspondiente.

Ambas tareas se complementan, aunque responden a preguntas distintas. La revisión lingüística examina si una frase resulta comprensible; la comprobación factual determina si aquello que afirma está respaldado. Una oración impecable puede contener un dato inventado, mientras que una frase torpe puede describir correctamente un hecho. Por eso, mejorar la redacción no equivale a validar el contenido. El origen del texto tampoco resuelve la cuestión. Un detector de patrones de IA no debe tratarse como un certificado de veracidad: atribuir una posible procedencia a un escrito y demostrar sus afirmaciones son operaciones diferentes. El criterio editorial debe centrarse en las pruebas disponibles, tanto para borradores automatizados como para textos escritos por personas.

Qué errores conviene buscar primero

Los problemas no se limitan a invenciones completas. También aparecen cuando una respuesta mezcla información correcta con detalles desactualizados o atribuye una afirmación a una fuente que no la sostiene. Un estudio internacional coordinado por la Unión Europea de Radiodifusión y liderado por la BBC, publicado en octubre de 2025, evaluó más de 3.000 respuestas sobre noticias. Participaron 22 organizaciones de medios públicos de 18 países y se trabajó en 14 idiomas. El 45 % de las respuestas presentó al menos un problema significativo y el 20 % contenía problemas importantes de exactitud. Son resultados de aquella evaluación, no una tasa universal aplicable a cualquier texto generado por IA.

El informe de la UER también examinó la atribución de fuentes y la distinción entre hechos y opiniones. Esa separación resulta útil para organizar una revisión: no basta con comprobar nombres y cantidades si el texto transforma una interpretación en un hecho demostrado.

Rastrear las afirmaciones hasta su origen

La comprobación empieza por dividir los párrafos en afirmaciones concretas. Una sola frase puede mencionar una institución, atribuirle una decisión y añadir una fecha de aplicación. Cada elemento necesita respaldo; encontrar una noticia sobre esa institución no confirma automáticamente el resto.

Un enlace existente puede no demostrar nada

La persona encargada de revisar debe abrir la referencia y localizar el pasaje que supuestamente sostiene la afirmación. Un enlace puede conducir a una portada, a un documento distinto o a una noticia que solo aborda el asunto de forma general. La presencia de una dirección web aporta una pista, pero no constituye por sí sola una prueba. También importa la independencia de las fuentes. Tres páginas que reproducen la misma nota de prensa ofrecen una única versión repetida. Para contrastar una afirmación controvertida conviene buscar el documento original y, cuando proceda, otra fuente con información propia.

Las citas requieren coincidencia y contexto

Las comillas atribuyen palabras concretas a una persona. Si una frase no aparece en la entrevista o grabación citada, el responsable editorial debe retirarla como cita textual. Convertirla en una paráfrasis solo resulta adecuado cuando el material original respalda claramente esa interpretación. La falta de resultados en un buscador tampoco demuestra que una declaración sea falsa. Puede indicar que la fuente no está indexada o que falta información. Mientras no aparezca evidencia suficiente, corresponde clasificarla como no verificada.

Revisar cifras, fechas y territorio

Los números necesitan algo más que una apariencia precisa. Cada cifra debe conservar su unidad, su periodo, su ámbito geográfico y la definición de aquello que mide. Un promedio nacional no describe necesariamente la situación de Cádiz, Sevilla o un municipio concreto. En un ejemplo hipotético, una subida del 10 % al 15 % representa cinco puntos porcentuales, aunque el aumento relativo sea del 50 %. Ambas expresiones describen la misma variación desde perspectivas distintas. Confundirlas puede exagerar o minimizar el cambio.

Una revisión numérica debe comprobar:

La base de comparación: respecto a qué cantidad se calcula el porcentaje.

El periodo: si se comparan meses, trimestres o años completos.

La unidad: personas, hogares, euros, solicitudes o expedientes.

El territorio: municipio, provincia, comunidad autónoma o conjunto de España.

El estado del dato: provisional, definitivo, estimado o revisado.

La cronología merece una lectura separada. Una noticia antigua puede describir correctamente lo ocurrido entonces y resultar engañosa al presentarse como actual. El redactor debe distinguir la fecha de publicación de la fecha del hecho y comprobar si existen actualizaciones posteriores.

Evitar que el resumen cambie el significado

Un texto puede conservar los números y aun así deformar la información. Sucede, por ejemplo, cuando elimina las condiciones de una ayuda, convierte una previsión en un resultado o presenta una asociación estadística como una relación causal. En un supuesto sobre subvenciones municipales, omitir los requisitos de acceso podría hacer creer que toda la población tiene derecho a solicitarlas. La revisión debe comparar el resumen con las bases originales y comprobar si mantiene los límites que afectan a su interpretación. También conviene examinar expresiones absolutas: «siempre», «todos», «garantiza» o «demuestra». Su presencia exige revisar si la evidencia permite una afirmación tan amplia. Cuando una investigación señala una posibilidad o una relación limitada, el texto debe conservar ese grado de incertidumbre.

Decidir qué puede publicarse

Una tabla interna con la afirmación, su fuente y el resultado de la comprobación permite mantener un registro claro. Las categorías pueden ser sencillas: confirmada, contradicha o pendiente. Esta última evita que la ausencia de pruebas se convierta, por comodidad, en una aprobación. Los datos contradichos deben corregirse o eliminarse. Las afirmaciones pendientes que sostienen el titular o la conclusión requieren detener la publicación hasta resolverlas. Después de cualquier cambio, resulta necesario revisar también los subtítulos, las tablas y los destacados: una cifra corregida en el cuerpo puede seguir equivocada en otra parte.

La fiabilidad depende de las pruebas

Detectar datos falsos en textos generados por IA exige revisar lo que afirman, no solo cómo suenan. Las fuentes localizables, las cifras bien contextualizadas y una distinción clara entre hechos e interpretaciones permiten decidir qué información merece publicarse. Cuando falta respaldo, reconocer la incertidumbre protege mejor la calidad del texto que una frase rotunda.