Qué es
Antes de usar lo que produce la IA, pida a una persona concreta que lo revise y se haga responsable de ello. Haga de esto un paso fijo para dos tipos de resultado.
- Todo lo que llega a un cliente o sale de la empresa: correos, presupuestos, informes, asesoramiento, respuestas de chatbots, textos publicados.
- Todo lo que tiene peso legal o económico: contratos, escritos ante tribunales y reguladores, decisiones de contratación y despido, decisiones de crédito, cuentas.
Revisar significa comparar el resultado con algo real: el documento fuente, la base de datos, la política, los hechos del caso. Leerlo para ver si el tono es correcto no es revisar.
La revisión también puede convertirse en una condición de su seguro. En Estados Unidos, la prensa del sector informa de que el texto habitual de las pólizas de responsabilidad civil ya puede excluir las pérdidas causadas por la IA generativa. Vea conozca las reglas que se aplican.
Qué muestra la evidencia
Los casos documentados que aparecen abajo, en “Casos de empresas”, son la base de este consejo. En cada uno, lo que produjo la IA salió sin que nadie lo comparara con una fuente.
Los casos no son rarezas. A 16 de octubre de 2026, la base de datos de un investigador recoge 2199 resoluciones judiciales con material inventado por la IA: 1266 con personas sin abogado, 871 con abogados y 32 con jueces.
- Fuentes inventadas llegaron a los tribunales. Un despacho de Nueva York presentó seis resoluciones judiciales que no existían. Un despacho inglés de diez personas presentó 18. Un gran despacho de Estados Unidos presentó ocho, sacadas de su propia herramienta interna de IA. Otro presentó cinco. En todos los casos, buscar las fuentes habría detectado el error.
- Una segunda firma no sirvió de nada. En el caso del gran despacho de Estados Unidos, otros dos abogados firmaron el documento sin leerlo. El tribunal también los multó.
- Un informe erróneo llegó a un tribunal y a un cliente. Un informe de protección de menores redactado con ChatGPT describía como un punto fuerte un riesgo grave para un menor. Un informe de consultoría tuvo que volver a publicarse dos veces.
- La respuesta de un chatbot obligó a la empresa. Un tribunal ordenó a Air Canada pagar a un cliente que se fio de la respuesta equivocada de su chatbot.
- El personal trató una alerta como un hecho. En Rite Aid, los empleados acusaron a clientes porque un sistema de reconocimiento facial los señalaba. El sistema se equivocaba a menudo.
- Donde el reparto estaba pensado, funcionó. Una empresa de selección de personal dejó que la IA hiciera las entrevistas y mantuvo cada decisión de contratación en manos de un seleccionador humano. Las ofertas de empleo y la permanencia del personal aumentaron en un estudio en el que los candidatos se asignaron al azar a un entrevistador de IA o a uno humano.
Los estudios explican los límites:
- En algunas tareas, la IA se equivoca con total seguridad. En un experimento con 758 consultores, las personas que usaban IA tuvieron 19 puntos porcentuales menos de probabilidad de llegar a la respuesta correcta en una tarea que la IA hacía mal.
- Que intervenga una persona no es ninguna garantía. En un estudio que combinó 106 experimentos, una persona que trabajaba con IA lo hizo de media peor que la mejor de las dos por separado. Un revisor que solo echa un vistazo aporta poco. La revisión tiene que ser una comparación real con una fuente, hecha por alguien que conozca el tema.
- Quien revisa puede estar perdiendo la habilidad que la revisión exige. En una encuesta a 319 trabajadores del conocimiento, quienes tenían más confianza en la IA declararon pensar menos críticamente sobre lo que produce. Las respuestas son autodeclaradas, y los autores trabajan para Microsoft, que vende herramientas de IA. En un estudio en cuatro centros de endoscopia de Polonia, los médicos encontraron menos lesiones sin la IA tres meses después de que se introdujera.
- La revisión puede dirigirse a donde está el riesgo. En un ensayo de cribado de cáncer de mama en Suecia con 105.934 mujeres, la IA decidió qué mamografías leía un radiólogo y cuáles leían dos. Se detectaron más cánceres, 6,4 frente a 5,0 por cada 1000 mujeres, y el trabajo de lectura de los radiólogos bajó un 44,2 %. Una persona no revisó cada imagen de la misma manera.
Cómo hacerlo
- Haga una lista de lo que sale. Anote cada tipo de resultado en el que se usa IA, y cuáles llegan a un cliente o tienen peso legal.
- Nombre a quien revisa cada uno. Una persona, por nombre o por puesto. Quien revisa debe conocer el tema lo bastante bien como para detectar un error.
- Diga con qué hay que comparar. Para hechos y cifras: el documento fuente. Para citas y referencias: busque cada una en una base de datos real. Para las respuestas de un chatbot: la política o la lista de precios vigente.
- Ponga la revisión dentro del proceso. Añada una línea al formulario de aprobación, a la lista de comprobación de los escritos o al proceso de publicación. Uno de los despachos de abogados anteriores adoptó una revisión antes de cada escrito al tribunal: confirmar que cada cita existe, es exacta y es pertinente.
- Haga que la firma signifique algo. Quien firma ha leído el documento. Un tribunal dijo que este deber no se puede delegar en otra persona.
- Revise también el material que llega de fuera. En el caso inglés, la búsqueda hecha con IA venía del cliente. Aplique la misma revisión a los borradores de clientes, proveedores y autónomos, y a los consejos de la IA que usted mismo sigue. En el ensayo de Kenia, los propietarios siguieron solos las sugerencias de un asesor de IA, y a los más débiles les fue peor. Vea compruebe los consejos de la IA antes de actuar.
- En los chatbots, revise una muestra. Esto incluye la IA de su plataforma de publicidad. El regulador de la publicidad del Reino Unido hace responsable al anunciante de los anuncios montados por herramientas automáticas. Nadie puede leer cada respuesta antes de que se envíe. Lea una muestra cada semana, pruebe el chatbot después de cada cambio de política o de precios, y dé a los clientes una forma de hablar con una persona.
- Dirija el esfuerzo de revisión a donde está el riesgo. Revise con más atención los resultados de alto riesgo, como hizo el ensayo de cribado. No reparta la misma revisión ligera sobre todo.
- Reserve el tiempo. Vea presupueste el trabajo que crea la IA.
Qué medir
- La proporción del trabajo hecho con IA que sale de la empresa con una revisión registrada.
- Los errores detectados en la revisión, por mes. Guarde ejemplos para la formación.
- Los errores encontrados después de que el trabajo saliera, y quién los encontró.
- En los chatbots: la proporción de respuestas de la muestra que coinciden con la política vigente.
Dónde falla
- La revisión se convierte en un sello de goma. La gente aprueba sin leer. Es un efecto de la herramienta tanto como de la disciplina: la revisión se debilita a medida que crece la confianza en la herramienta. Revise una muestra de las aprobaciones y ponga a prueba a quienes revisan con casos que contengan errores colocados a propósito.
- Quien revisa no sabe distinguir. Una persona sin experiencia que revisa un trabajo fuera de lo que conoce dejará pasar un error bien redactado. En la sentencia inglesa, una abogada en prácticas dijo que nadie revisaba ninguno de sus escritos, y el centro jurídico que le encargó el asunto dijo que nunca había comprobado las citas de sus abogados. Cada parte confiaba en la otra.
- Una IA que revisa a otra IA. En el propio experimento de Anthropic, una IA llevaba una pequeña tienda en una oficina y una segunda IA hacía de su responsable. La responsable compartía los puntos ciegos de la IA de la tienda y aprobaba peticiones indulgentes de los clientes unas ocho veces más a menudo de lo que las rechazaba. Obligar a la IA de la tienda a comprobar precios y plazos de entrega ayudó. Una revisión solo funciona si falla de forma distinta a lo que revisa.
- Revisarlo todo. Si cada nota interna necesita aprobación, la ganancia de la IA desaparece y la gente esquiva la regla. Reserve el paso para lo que sale y lo que tiene peso.
- Fiarse más de la herramienta propia. Los ocho casos inventados de arriba salieron de un sistema que el despacho había desarrollado.
- Orientaciones sin un paso. El tribunal inglés dijo que publicar orientaciones “on its own is insufficient” [“por sí solo es insuficiente”].
Según el tamaño de la empresa
- Micro y pequeña: el propietario o un compañero veterano lee todo lo que llega a un cliente. Un tribunal aplicó el mismo deber a un despacho de diez personas.
- Mediana: una persona concreta que revisa cada tipo de resultado, y una línea en la lista de comprobación de aprobación.
- Mediana-grande y gran empresa: la revisión está integrada en los sistemas de documentos y de publicación, y se revisa una muestra de las aprobaciones. Para los chatbots y las decisiones automatizadas, un equipo se encarga de las pruebas y el seguimiento.
Casos de empresas
Empresas que lo hicieron
- Ashurst Los participantes informaron de contenido inventado frecuente en todas las herramientas. El despacho concluyó que el trabajo de la IA debe ser “thoroughly and properly reviewed by appropriate experts” [“revisado a fondo y como es debido por expertos adecuados”].
- EIST El propietario sigue revisando y ajustando los presupuestos antes de aprobarlos.
- Garfield.Law Unos solicitors regulados con nombre siguen siendo responsables del trabajo del despacho, y el despacho tiene un sistema de seguimiento, con una supervisión más estrecha de las reclamaciones en la fase de lanzamiento.
- Gilberts Chartered Accountants Lo que produce la IA se trata como un primer borrador y recibe “the same scrutiny as you would to a junior team member’s work” [“el mismo examen que daría al trabajo de un miembro júnior del equipo”].
- Herges Stahl- und Blechbau Con cada predicción, la herramienta muestra los diez trabajos anteriores más parecidos y sus tiempos medidos, para que el personal pueda juzgar la estimación y cambiarla.
- Hitachi Energy El modelo solo señaló de dónde venían las pérdidas. Los ingenieros de proceso de la planta aportaron las posibles medidas, comprobaron que se podían llevar a cabo y averiguaron las causas físicas.
- Milkforbubs El equipo ha estado “closely monitoring its responses and swiftly correcting any inaccuracies” [“vigilando de cerca sus respuestas y corrigiendo rápidamente cualquier inexactitud”].
- PSG Global Solutions La IA solo hacía la entrevista. En palabras del artículo, “all hiring decisions are made by human recruiters” [“todas las decisiones de contratación las toman reclutadores humanos”].
- Rue La La La herramienta se vigiló de cerca antes de que funcionara sola. Aun así, solo recomienda precios a los responsables de compras del minorista, dentro de los límites que fijó el minorista.
- SAM El asesor aprueba las cartas importantes, y puede corregir cómo ha clasificado la IA un documento o cambiar un recordatorio.
- Siemens Un operario tomaba la decisión final sobre cada placa. Los operarios que veían el razonamiento de la IA corrigieron el 96,9 % de sus predicciones erróneas.
Qué pasó sin ella
- Air Canada El tribunal concluyó que la aerolínea “did not take reasonable care to ensure its chatbot was accurate” [“no tuvo un cuidado razonable para asegurarse de que su chatbot fuera exacto”].
- Deloitte (Australia) Citas erróneas y un resumen erróneo de una sentencia llegaron al cliente en el informe final.
- Department of Families, Fairness and Housing (Victoria) El informe llegó a un tribunal con un error grave. Describía una muñeca que se había usado con fines sexuales como un juguete “age-appropriate” [“adecuado para su edad”].
- DoNotPay La empresa no había contratado ni tenía a su servicio a ningún abogado que revisara la calidad y la exactitud de sus funciones legales.
- Levidow, Levidow & Oberman P.C. Nadie buscó las seis resoluciones antes de presentarlas. El tribunal dijo que los abogados conservan “a gatekeeping role” [“una función de control”] sobre lo que presentan.
- Morgan & Morgan Dos abogados firmaron el escrito sin leerlo. El tribunal dijo que los indicios de los casos falsos eran “noticeable on the Motions’ face” [“visibles a simple vista en las propias mociones”].
- Primus Solicitors El abogado se fio de la investigación de su cliente y no la comprobó. El tribunal lo calificó de “a lamentable failure” [“un fallo lamentable”] en el cumplimiento de un requisito básico.
- Rite Aid Los empleados seguían, registraban y acusaban a clientes basándose en una alerta. La cadena no llevaba la cuenta de las coincidencias falsas ni de lo que hacía el personal con ellas.
Empresas que acabaron adoptándola
Fuentes
- Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon and Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. Qué hizo y qué encontró este estudio
- Hernström, Josefsson, Sartor, Schmidt, Larsson, Hofvind, Andersson, Rosso, Hagberg and Lång (2025). Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallel-group, non-inferiority, single-blinded, screening accuracy study. The Lancet Digital Health, 7(3), e175–e183. Qué hizo y qué encontró este estudio
- Vaccaro, Almaatouq and Malone (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303. Limita o contradice esta práctica. Qué hizo y qué encontró este estudio
- Lee, Sarkar, Tankelevitch, Drosos, Rintel, Banks and Wilson (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121. Limita o contradice esta práctica. Qué hizo y qué encontró este estudio
- Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Limita o contradice esta práctica. Qué hizo y qué encontró este estudio
- R (Ayinde) v London Borough of Haringey and Al-Haroun v Qatar National Bank [2025] EWHC 1383 (Admin). High Court of England and Wales, 6 June 2025. judiciary.uk
- European Union. AI Act, Regulation (EU) 2024/1689, Article 26 (obligations of deployers of high-risk AI systems). Text on the European Commission’s AI Act Service Desk. ai-act-service-desk.ec.europa.eu
- Charlotin, D. AI Hallucination Cases database (counts as of 16 October 2026). damiencharlotin.com
- Anthropic with Andon Labs (18 December 2025). Project Vend: Phase Two. A vendor's own experiment. anthropic.com
- Advertising Standards Authority (11 June 2026). AI and Deepfakes: Four Things Advertisers Need to Know Before They Hit 'Run'. asa.org.uk
- Insurance Business (16 September 2026). ISO's generative AI exclusion is already on thousands of CGL policies. Trade press. insurancebusinessmag.com
Prácticas relacionadas
- Presupueste el trabajo que crea la IA La IA elimina un trabajo y añade otro: revisar lo que produce, llevar registros, atender las excepciones y cuidar de las herramientas. Cuente ese trabajo y asígnele un responsable antes de contar el ahorro. Hacer primero · Esfuerzo: bajo (días, una persona)
- Para cada tipo de tarea, compruebe si una persona con IA supera a cualquiera de las dos por separado No dé por hecho que añadir una persona a la IA, o la IA a una persona, da el mejor resultado. Compruébelo para cada tipo de tarea antes de dar por cerrado el proceso. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
- Compruebe los consejos de la IA sobre dinero, impuestos y derecho antes de actuar Cuando use una herramienta de IA como asesor, compruebe sus consejos sobre dinero, impuestos y derecho con una fuente fiable o con un profesional antes de actuar. En una empresa pequeña, nadie más detectará una respuesta equivocada. Hacer después · Esfuerzo: bajo (días, una persona)
- Escriba una política de uso de la IA de una página que el personal lea de verdad Ponga en una página las reglas para la IA: qué herramientas se permiten, qué no se debe escribir nunca en ellas, quién revisa el resultado y a quién preguntar. Después lleve la regla más importante al propio trabajo, porque una página sola se ignora. Hacer primero · Esfuerzo: bajo (días, una persona)
- Cuando la IA se equivoca, corrija rápido y de forma abierta Decida ahora qué pasa cuando sale un error de la IA: a quién se avisa, quién retira o corrige el trabajo y quién comprueba hasta dónde llega el problema. En los casos documentados, las empresas que lo reconocieron rápido salieron mucho mejor paradas que las que defendieron el error. Hacer después · Esfuerzo: bajo (días, una persona)