167 respuestas contadas como menciones dijeron algo falso sobre la marca
Una tasa de menciones le hace una sola pregunta a cada respuesta: ¿se mencionó a la marca? No pregunta qué dijo la respuesta una vez que llegó ahí. Queríamos saber con qué frecuencia esas dos cosas no coinciden.
La muestra: respuestas de espacios de trabajo de Proofsource entre el 4 y el 16 de octubre de 2026, en ChatGPT, Perplexity, Claude y Google AI Overviews. Para cada respuesta que mencionaba una marca monitoreada, un verificador comparó cada afirmación sobre la marca con datos que la marca había confirmado o que habíamos leído en su propio sitio. 2,137 respuestas, de 80 marcas en 63 espacios de trabajo, tenían al menos una afirmación que se podía contrastar con un dato registrado.
167 de ellas, el 7.8%, tenían al menos una afirmación que contradecía los datos de la propia marca (intervalo del 95% de 6.8% a 9.0%). Afirmación por afirmación, 200 de 4,761 afirmaciones verificables eran falsas, el 4.2%. Repartido por marcas, 36 de las 80 tuvieron al menos una respuesta errónea en menos de dos semanas.
Cada una de esas 167 respuestas contó para la tasa de menciones. En el panel se veían exactamente igual que las respuestas que acertaban en todo.
La mayoría de las afirmaciones falsas eran cifras: conteos, precios y qué es el producto
Clasificamos las 200 afirmaciones falsas según su tema, con una regla de texto simple, así que toma la división como aproximada.
- Conteos y otras cifras, 92: integraciones, sedes, clientes atendidos, una tasa de colocación con un punto de diferencia.
- Qué es o qué hace el producto, 50: una herramienta de presupuestos descrita como software de gestión de proyectos, una empresa de seguridad descrita como un proyecto de blockchain.
- Precios y planes, 48: un precio inicial citado por debajo del real, créditos por plan mal indicados.
- Fechas, 10 según la regla, aunque solo 6 eran de verdad años de fundación, la mayoría con un año de diferencia.
Claude se equivocó en un dato en el 12% de las respuestas, Perplexity en el 5%
Por motor, la proporción de respuestas revisadas con al menos una afirmación falsa fue de 12.3% en Claude (58 de 470), 8.7% en Google AI Overviews (45 de 516), 6.0% en ChatGPT (37 de 612) y 5.0% en Perplexity (27 de 539).
No lo leas como una tabla de posiciones. Cada motor respondió una mezcla distinta de preguntas en nuestra muestra, y un estudio externo con otro método los ordenó de otra forma (más sobre eso abajo). Lo que se cumple en los cuatro es que ninguno salió limpio.
Las respuestas que citaban el sitio de la marca se equivocaron la mitad de las veces
En preguntas que mencionaban a la marca, como “qué hace esta empresa” o “cuánto cuesta”, la respuesta citó el sitio de la propia marca 1,353 veces. El 7.1% de esas se equivocó en un dato (96). Cuando el sitio de la marca no estaba entre las citas, se equivocó el 15.3% (47 de 307, intervalo de 11.7% a 19.8%).
En las preguntas de compra que no mencionaban a la marca no hubo una diferencia clara: 4.8% frente a 5.7%, con conteos mucho más chicos. Esto es una correlación, no una prueba. Pero apunta a la corrección más barata que existe: cuando un motor te describe, acierta más seguido si te está leyendo a ti.
176 datos falsos, 162 de ellos vistos una sola vez
Si agrupas las afirmaciones falsas por marca, dato y valor, las 200 se reducen a 176 datos falsos distintos. 162 aparecieron en una sola respuesta. Solo 14 se repitieron, y solo 8 aparecieron en más de un motor.
Eso cambia cómo actuar. Un precio equivocado que un motor dijo una vez es una tirada que tal vez nunca vuelvas a ver. Uno que sigue volviendo, o que aparece en dos motores, viene de algún lado, y ese lado suele ser una página. También encontramos 65 datos falsos sobre 17 marcas en páginas que citaron los motores: páginas de terceros que ya traían el error.
Qué abrir detrás de tu propia tasa de menciones
Una herramienta que solo muestra la tasa no te puede decir nada de esto. Pide las respuestas.
- Lee el texto completo de la respuesta en cada pregunta en la que te mencionaron, empezando por las que más te mencionan.
- Contrasta cada afirmación sobre ti con tus páginas de precios, de producto y de “quiénes somos”. Los precios, los conteos y las fechas de fundación son lo primero que se desactualiza.
- Revisa que la respuesta hable de ti. Una empresa con un nombre parecido puede contarse como tu mención.
- Abre las páginas citadas. Si tu propio sitio no está entre ellas, el motor te describe a partir de la página de otro.
- Cuenta las repeticiones antes de actuar. Corrige primero la afirmación que se repite entre días o motores, y encuentra la página de donde sale.
Cómo lo maneja Proofsource
Proofsource guarda el texto completo y las páginas citadas de cada respuesta. Para cada respuesta que menciona tu marca, contrasta las afirmaciones sobre ti con los datos que confirmaste y los que leyó en tu propio sitio, y solo mantiene un veredicto de error cuando el fragmento de la afirmación y el valor correcto aparecen palabra por palabra. Si el mismo valor erróneo vuelve a aparecer, suma al conteo de una sola alerta en lugar de crear otra, y las respuestas sobre otra empresa con un nombre parecido se marcan en lugar de contarse como tuyas.
Dónde podríamos estar equivocados
El verificador es un modelo de lenguaje que lee contra los datos registrados. Leímos a mano 25 de las 200 afirmaciones falsas: 21 eran contradicciones claras y 4 eran débiles (un detalle faltante leído como error, un rango, una lista de datos que se contradecía a sí misma y una afirmación sobre otro producto). Además, solo juzga afirmaciones que coinciden con un dato guardado. Otras 5,330 afirmaciones no tenían un dato correspondiente y no se juzgaron, así que esto no detecta errores sobre nada que la marca nunca haya puesto por escrito.
Los datos de la propia marca también pueden estar desactualizados, lo que convertiría una respuesta correcta en un falso “error”. Las 80 marcas son en su mayoría empresas pequeñas que se registraron en Proofsource, no una muestra aleatoria, y doce días es un periodo corto, lo que también limita cuántas veces pudo repetirse un dato falso.
Una comparación externa: Searchable pidió a empleados de 1,704 marcas que calificaran 32,556 datos que los motores de IA afirmaban sobre ellas, y marcaron el 9.2% como falsos, con los precios como la peor categoría, con 13.5%. Sus evaluadores podían marcar cualquier cosa que supieran falsa, incluidos detalles desactualizados, lo que es más amplio que nuestra verificación contra datos registrados y probablemente explica por qué su tasa es más alta. También encontraron que Perplexity era el menos preciso de los tres motores que compararon, lo contrario de nuestro orden.
