Cuando uno pasa suficiente tiempo con la IA generativa, hay momentos en que el suelo parece desplazarse bajo los pies. Ya ni siquiera hace falta escribir palabras en una caja de búsqueda: basta con decir «búscalo» y vuelve una respuesta. A veces aparece, además, algo que se parece a una atribución de fuentes. Y así, de manera bastante natural, mucha gente da por hecho que la IA ha buscado, ha leído y ha entendido. Pero dentro de esa misma naturalidad hay un escalón que todavía se le escapa a la mayoría. El problema no es que la IA se equivoque. El problema es que, precisamente porque puede responder de forma verosímil, el usuario pierde con más facilidad la noción de qué acaba de ocurrir exactamente.
¿Puede buscar o no puede?
En algunas situaciones, ChatGPT sí realiza una búsqueda en la web y responde mostrando fuentes. En otras, explica que no tiene acceso a Internet. Desde el punto de vista del usuario, resulta difícil saber cuál de las dos cosas es cierta: ¿puede buscar o no puede? Lo especialmente problemático es que esta confusión no se reduce a una simple oscilación en la forma de expresarse. Está incrustada en la propia experiencia del producto.
En una conversación normal damos por hecho que la otra parte puede describir su propio estado. ¿Lo has visto o no? ¿Lo has leído o no? ¿Has consultado información externa o hablas únicamente con lo que ya sabías? Entre personas, esas distinciones forman parte de la base misma de la conversación. Con la IA generativa, esa base puede ceder en silencio. Lo que el sistema puede hacer y lo que puede describirse a sí mismo como haciendo no siempre coincide. Ahí aparece una nueva forma de opacidad.
Y esa es, en realidad, la parte inquietante. Antes incluso de preguntarse qué puede hacer, surge una cuestión más básica: ¿puede decir de manera fiable lo que acaba de hacer? Esa grieta es, de hecho, el problema más esencial.
No es una cuestión de inteligencia, sino de transparencia
Este desajuste no equivale exactamente a una simple falta de capacidad. Se parece más a que el funcionamiento de las herramientas y la autodescripción del modelo no habitan el mismo plano. La búsqueda puede activarse de verdad. Pero el propio modelo no siempre puede explicar ese hecho con consistencia. El usuario piensa de manera espontánea: si la IA lo ha dicho, será cierto. Sin embargo, en la práctica hay momentos en los que la visualización de fuentes en la interfaz, o la lista visible de enlaces, ofrece una guía más exacta de lo que realmente ha pasado que la propia explicación verbal de la IA.
Se trata menos de un problema de inteligencia que de un problema de diseño de la transparencia. La confusión no surge porque la IA no sea lo bastante lista. Si acaso, surge porque el sistema es capaz de explicarse con suficiente fluidez, naturalidad y persuasión como para que el usuario tienda a creerle. Pero el sujeto que explica no está necesariamente en plena posesión de su propio estado operativo en todo momento. Ese giro está cerca del núcleo de la experiencia de usuario en la era de la IA generativa.
«Buscar» no es lo mismo que «leer»
Hay además una cuestión mayor: las personas tienden con demasiada facilidad a tratar la búsqueda y la lectura como si fueran lo mismo. Aparece una fuente, se añade algo que parece una cita y muchos usuarios dan por supuesto que la IA ha leído la página. Pero en realidad hay varias etapas distintas. Puede que solo haya detectado la existencia de la página. Puede que solo haya visto un título o un fragmento contextual. Puede que solo haya recuperado una parte del texto. Puede, en algunos casos, haber consultado el material con suficiente amplitud. El problema es que, en la experiencia actual, esas diferencias son casi invisibles desde el lado del usuario.
Algo puede estar visible sin haber sido verdaderamente leído. Ahí empieza una confusión característica de la IA basada en búsqueda. Con un buscador tradicional, el usuario abría los enlaces por sí mismo, leía la página por sí mismo y gestionaba por sí mismo hasta dónde había verificado algo de verdad. Con la IA generativa, una parte de ese trabajo se delega en el sistema. Y cuando eso ocurre, lo que hace falta es una indicación clara de hasta dónde ha llegado realmente esa delegación. Eso es precisamente lo que sigue faltando.
Dan ganas de decirlo así: no se puede poner la misma cara para hablar de haber rozado una página y de haberla leído entera. Y, sin embargo, ante el usuario esa diferencia sigue siendo tenue.
No son las respuestas erróneas, sino los estados invisibles
Es demasiado fácil despachar todo esto como la típica historia de una IA que a veces se equivoca. El núcleo del problema no es la respuesta incorrecta en sí. Es la dificultad que tiene el usuario para distinguir qué clase de respuesta está recibiendo en cada momento. Una respuesta sin búsqueda. Una respuesta con búsqueda, pero solo apoyada en fragmentos. Una respuesta que ha tocado una página sin leerla completa. Una respuesta basada en una búsqueda y una consulta más amplias. En principio, esas diferencias deberían ser visibles de inmediato.
En cambio, la mayoría de los usuarios se ven obligados a inferirlas por el tono con el que habla el modelo. Y a veces el propio modelo no puede explicar de forma estable cuál es su estado. En ese punto aparece un bucle extraño: IA explicando IA. Si el sujeto que explica puede equivocarse, confiar solo en la salida en lenguaje natural para entender el comportamiento del sistema nunca estabilizará la experiencia de uso. Lo que hace falta no es solo una IA que se explique bien, sino un diseño de producto en el que el estado factual pueda confirmarse en la interfaz aunque la explicación verbal vacile.
Los usuarios corrientes son más proclives a malinterpretarlo
Un usuario con mucha alfabetización digital puede detectar que algo no encaja fijándose en la presencia o ausencia de citas, en la visualización de fuentes o en si los enlaces son reales. La mayoría no mirará tan de cerca. Pregunta algo a la IA, la respuesta suena natural y plausible, y la acepta. En lugar de volver a la caja de búsqueda, sigue conversando. Lo que ocurre entonces no es solo una circulación de información defectuosa. Lo que desaparece es el suelo visible de la propia persuasión: ¿sobre qué base exacta me están convenciendo ahora mismo?
Es un problema de información, sí, pero antes aún es un problema de orientación cognitiva. La IA generativa puede guiar al usuario de ese modo sin mala intención y con una suavidad extraordinaria. Cuando la comodidad empieza a apropiarse de la confianza por adelantado, lo que se vuelve necesario no es una competición de rendimiento bruto, sino un diseño de visibilidad del estado. ¿Qué hizo? ¿Qué no hizo? ¿Hasta dónde llegó? ¿Dónde se detuvo? Si esos límites siguen borrosos, el usuario no puede distinguir de manera fiable entre lo que la IA sabe de verdad y aquello que simplemente sabe decir bien.
Lo que hace falta no es más ingenio, sino más visibilidad de funcionamiento
La dirección de la mejora no es, en realidad, tan abstracta. ¿Se ejecutó la búsqueda o no? ¿Llegó el sistema al cuerpo de una página externa o no? ¿La referencia fue fragmentaria o equivalió a una lectura completa? ¿Las citas mostradas están vinculadas de verdad a fuentes reales? Ese tipo de información debería mostrarse del lado del producto, en la propia interfaz, y no quedar confiada a la explicación oral del modelo.
Lo que el usuario quiere saber no es la proposición general de que «ChatGPT puede buscar». Lo que quiere saber es en qué estado se generó este texto concreto que tiene ahora delante. En cuanto eso se vuelve visible, el sentido de la interacción cambia de manera importante. La IA deja de parecer magia y se convierte en una herramienta que realmente puede verificarse. Si eso sigue siendo opaco, la inteligencia no se transforma en confianza. Se convierte, más bien, en una manera refinada de envolver la opacidad en elegancia.
La IA generativa no elimina la búsqueda. Cambia lo que significa buscar. Si el diseño de visualización del producto no acompaña ese desplazamiento, los usuarios seguirán confundiendo lo visible con lo realmente leído. La verdadera cuestión no es qué sabe la IA. Es hasta qué punto puede hacer visible honestamente, ante el usuario, tanto lo que no sabe como hasta dónde ha logrado llegar de verdad.
Vista como una historia de vanguardia, esta no es solo una avería puntual. Si la IA generativa va a formar parte del instrumental social, esto pertenece a la propia arquitectura de la confianza. Cuanto más útil se vuelve una tecnología sin dejar ver su funcionamiento, mayor será después la carga de explicación que tendrá que soportar. Si eso es así, lo que hace falta ahora no son más respuestas. Lo que hace falta es ver con más claridad el estado de la respuesta.
