Artículo · Verificabilidad de citas en IA
Verificabilidad: cuando la cita no respalda la frase
Que una respuesta de IA enlace tu página no significa que la frase cite lo que tu página sostiene. Dos estudios —evaluación humana de 2023 y observación de ChatGPT Web de 2026— permiten separar cobertura, corrección y recuperación antes de medir.
La cita no es el respaldo
Que una respuesta de IA enlace tu página deja sin responder dos preguntas distintas: si todas las frases de la respuesta están sostenidas por citas y si cada cita sostiene realmente la frase que acompaña. La primera pregunta es de cobertura y la segunda es de corrección, y un sistema puede fallar en una sin fallar en la otra.
En una evaluación humana de cuatro motores de búsqueda generativa, solo el 51,5 % de las frases tenía respaldo completo de sus citas y solo el 74,5 % de las citas respaldaba su frase asociada. Y en ChatGPT Web, ni siquiera los mejores proxies externos recuperan más de una cuarta parte de las URL citadas. La tesis práctica de este artículo es que auditar verificabilidad exige comprobar frase a frase, con observaciones repetidas, y separar mención, cita, respaldo y recuperación en indicadores distintos.
Por qué la fluidez no prueba nada
Los motores de búsqueda generativa responden directamente a la pregunta del usuario con citas en línea, y sus respuestas son fluidas y con apariencia informativa. Esa apariencia es la trampa: la fluidez describe cómo suena la frase, no si la página enlazada sostiene lo que la frase afirma, y el lector rara vez lo comprueba.
Por eso la verificabilidad se define con dos condiciones independientes. Un sistema verificable cita de forma exhaustiva, con alta exhaustividad de citas, y de forma precisa, con alta precisión de citas. La primera condición mira las frases y pregunta si todas están completamente respaldadas; la segunda mira las citas y pregunta si cada una respalda su frase asociada. Esta distinción procede de la definición operativa del estudio de Liu y colaboradores y organiza todo el análisis que sigue.
Cobertura, corrección y recuperación
Dos estudios con métodos distintos —evaluación humana de respuestas y observación del proceso de recuperación a cita— dibujan el mismo retrato: la cita es un hecho cotidiano y movedizo, y su presencia no equivale a respaldo.
La distinción entre cobertura y corrección importa porque cada cifra responde a una auditoría distinta. La cobertura interroga a cada frase y comprueba si está completamente sostenida; la corrección interroga a cada cita y comprueba si sostiene su frase asociada. Un sistema puede citar mucho y respaldar poco, o citar poco pero con precisión: sin separar ambas medidas, un único porcentaje de acierto mezcla dos fallos diferentes.
El hallazgo de los proxies delimita qué puede observar un editor desde fuera. Lo recuperado con más frecuencia se cita más, y las señales externas combinadas conservan capacidad predictiva dentro del conjunto de candidatos, pero la selección final de referencias ocurre dentro del sistema y varía entre configuraciones. Por eso el propio estudio advierte que las estrategias deben reevaluarse cuando cambian la configuración o el entorno de servicio: lo observado en una superficie no se traslada automáticamente a otra.
Cómo auditar frase a frase
Auditar el respaldo frase a frase significa abrir cada respuesta, tomar cada frase con cita y comprobar en la página enlazada si sostiene lo afirmado, anotando por separado la mención de la marca, el enlace visible, el respaldo real y las visitas. Una ausencia en una sola comprobación es no evaluable, no cero visibilidad, porque las citas rotan y la selección varía entre ejecuciones.
Tres decisiones separan una auditoría seria de un recuento de enlaces. Primero, mide cobertura y corrección por separado: cuenta qué proporción de frases está completamente respaldada y qué proporción de citas sostiene su frase, en lugar de mezclarlas en un único porcentaje. Segundo, repite las observaciones en condiciones equivalentes —misma consulta, misma configuración, fechas registradas— y no conviertas una captura en tendencia. Tercero, registra también la presencia a nivel de host y de entidad, no solo la URL exacta, porque la coincidencia externa es mejor en esos niveles y una reformulación puede mover la cita sin mover la fuente.
La conclusión que sí aguanta
La cita visible es solo la última etapa de una cadena —recuperación, selección y redacción— que el editor no controla y apenas puede observar desde fuera. Medir citas sin comprobar respaldo confunde el envoltorio con el contenido; medir una sola vez confunde una ejecución con el sistema.
Fuentes, límites y revisión
Autoría: Equipo Visibiliza.me. Revisado el 1 de noviembre de 2026.
Lo respaldado por las fuentes consultadas, ambas descargadas y verificadas con estado HTTP 200:
- Liu, Zhang y Liang, Evaluating Verifiability in Generative Search Engines — respalda la definición operativa de verificabilidad (exhaustividad y precisión de citas), el método de evaluación humana sobre cuatro motores y consultas diversas, y los resultados del 51,5 % de frases con respaldo completo y el 74,5 % de citas que respaldan su frase. Límites: sistemas comerciales de 2023, no tasas actuales de fiabilidad.
- Jiang y colaboradores, Understanding ChatGPT Citations — respalda el diseño observacional sobre cuatro configuraciones de ChatGPT Web, la evaluación de proxies externos y el resultado de que ni siquiera combinados recuperan más de una cuarta parte de las URL citadas, con mejor coincidencia a nivel de host y entidad. Límites: preprint de octubre de 2026, observacional y específico de las configuraciones estudiadas.
Preguntas frecuentes
¿Qué diferencia hay entre cobertura y corrección de citas?
La cobertura interroga a cada frase y pregunta si está completamente respaldada por citas; la corrección interroga a cada cita y pregunta si sostiene su frase asociada. Un sistema puede citar mucho y respaldar poco, o citar poco pero con precisión, por eso ambas medidas se auditan por separado.
¿El 51,5 % significa que la IA falla la mitad de las veces hoy?
No. Es el resultado de una auditoría humana de 2023 sobre cuatro sistemas de aquella época —Bing Chat, NeevaAI, Perplexity y YouChat—, no una tasa actual de fiabilidad. Sirve para entender la distinción entre cobertura y corrección, no para calificar los modelos presentes.
¿Por qué los proxies externos solo recuperan una cuarta parte de las URL citadas?
Porque la selección final de referencias ocurre dentro de ChatGPT Web, con reescritura de consultas y varias rondas de recuperación que varían entre configuraciones. Los proxies de Google y de la API de respuestas aproximan la recuperación externa, y coinciden mejor a nivel de host y entidad que de URL exacta, pero no reproducen la selección interna.
¿Qué significa auditar el respaldo frase a frase?
Significa abrir cada respuesta, tomar cada frase con cita y comprobar en la página enlazada si sostiene lo afirmado, anotando mención, enlace, respaldo y visitas como hechos distintos. Las observaciones se repiten en condiciones equivalentes y una sola ausencia se trata como no evaluable, no como cero visibilidad.
¿Basta con aparecer citado para considerar que una página rinde?
No. La cita visible no garantiza que la frase refleje la página enlazada ni que la cita se repita mañana. Solo una frecuencia sostenida de citas con respaldo comprobado, medida con observaciones repetidas, acredita rendimiento atribuible al trabajo editorial.