Las alucinaciones de la IA — datos inventados que suenan plausibles — son el mayor riesgo de usar modelos generativos para contenido de catálogo. No son errores aleatorios: son respuestas estadísticamente probables que la IA genera cuando los datos reales no están en su contexto. La solución no es confiar menos en la IA — es darle los datos correctos para que no necesite inventar.
La causa raíz: datos de entrada insuficientes
La IA inventa información cuando el prompt no incluye esa información. Si pides "escribe una ficha para este teléfono" y solo le das el nombre y la marca, la IA completará las especificaciones que "debería tener" ese tipo de teléfono basándose en su entrenamiento. Algunas veces estará bien. Otras veces inventará una batería de 5000 mAh cuando el teléfono tiene 3800 mAh. La solución es proveer todos los datos técnicos reales en el prompt antes de pedir la generación.
El principio: especificaciones explícitas en el prompt
Para cada tipo de dato técnico que podría aparecer en la ficha, inclúyelo explícitamente en el prompt si lo tienes. Procesador, RAM, almacenamiento, batería, dimensiones, peso, materiales, certificaciones — todos deben estar en los datos de entrada, no dejados a la inferencia de la IA. El prompt no debería decir "escribe sobre las características de este laptop" sino "este laptop tiene las siguientes especificaciones exactas: [lista completa]. Genera el contenido basado únicamente en estos datos."
Agrega al final de cada prompt la instrucción: "Si no tienes datos específicos sobre algún atributo, no lo inventes. Omite esa información o indica que no está disponible." Esta instrucción reduce significativamente las alucinaciones.
Datos que nunca debes dejar a la inferencia de la IA
Hay categorías de información que deben venir siempre de los datos de producto, nunca de la inferencia de la IA: especificaciones numéricas (dimensiones, peso, capacidades, voltajes), compatibilidades con otros productos o sistemas, certificaciones y estándares que el producto cumple, materiales y composición porcentual, y contenido del paquete (qué incluye). Estos datos son verificables — y cuando están mal, generan devoluciones y reclamos.
Verificación post-generación: el paso que no se puede omitir
Incluso con datos completos en el prompt, la IA puede distorsionar información al transformarla en texto narrativo. "3.000 mAh" puede convertirse en "amplia capacidad de batería" (correcto pero impreciso) o en "batería de alta densidad de 3500 mAh" (incorrecto). La revisión técnica post-generación debe comparar los datos específicos mencionados en el texto contra la hoja técnica del proveedor. Un revisor técnico puede hacer esta verificación en 3-5 minutos por ficha — y esos minutos evitan errores costosos.
Estructura de prompt anti-alucinación
La estructura que minimiza las alucinaciones: "Genera el contenido de esta ficha de producto. Usa ÚNICAMENTE los datos que te proporciono a continuación. Si la información de alguna sección no está en estos datos, omite esa sección. No agregues especificaciones, compatibilidades, ni certificaciones que no estén explícitamente listadas. [Datos del producto: lista completa]". Esta instrucción explícita de restricción es más efectiva que confiar en que la IA se autolimite por defecto.
¿Quieres analizar tu tienda con IA?
Optimiza diagnostica tu ecommerce en 2 minutos — score, hallazgos y plan de acción concreto.
El trade-off entre velocidad y verificación
El objetivo de verificar todos los datos técnicos de cada ficha puede parecer que elimina la ventaja de velocidad de la IA. Pero la matemática es favorable: verificar los datos técnicos de una ficha toma 3-5 minutos. Resolver una devolución por especificación incorrecta puede tomar 2-3 horas de soporte más el costo del envío de retorno. Y una reseña negativa que menciona "las especificaciones están mal" tiene impacto en la conversión de nuevas visitas durante meses. La verificación es barata comparada con el costo de no hacerla.