Verificar datos antes de publicar: método para vídeos informativos

La verificación de datos (en inglés, fact-checking) es el trabajo de comprobar que cada afirmación de una pieza se apoya en una fuente fiable antes de publicarla. En un vídeo informativo es la diferencia entre un canal en el que la gente confía y uno que acumula correcciones en los comentarios. Si además el guion lo redacta un modelo de IA, verificar datos deja de ser opcional. Esta guía te propone un método en siete pasos, repasa los errores típicos de la IA y termina con una lista de comprobación para usar en cada pieza.

Por qué la IA obliga a verificar más, no menos

Los modelos de lenguaje escriben con seguridad incluso cuando se equivocan. El Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST) llama a este riesgo confabulación en su perfil de riesgos de la IA generativa: la producción de contenido erróneo o falso expresado con confianza, lo que solemos llamar «alucinación». Advierte de que el daño llega cuando alguien cree el contenido por lo seguro que suena, o por la lógica y las citas que lo acompañan.

En vídeo, un error pesa más que en texto. Se repite en la voz, en los subtítulos, en los rótulos y a veces en el título, y corregirlo una vez publicado es mucho más difícil que editar un párrafo.

Hay una razón más. En la Unión Europea, el artículo 50 del Reglamento de IA obliga a revelar el texto generado con IA que se publica para informar sobre asuntos de interés público, salvo que haya pasado por revisión humana o control editorial y alguien asuma la responsabilidad. La revisión que propone este método es también la que te permite responder por lo que publicas. Te lo contamos en cómo etiquetar contenido generado con IA.

El método en siete pasos

1. Descompón el guion en afirmaciones

Antes de comprobar nada, haz la lista de lo que hay que comprobar. Recorre el guion y apunta cada afirmación verificable: cifras, fechas, nombres, cargos, comparaciones, relaciones de causa y efecto y citas textuales. Una frase puede contener varias. «La empresa triplicó sus ventas tras abrir en México» lleva al menos tres: el dato de ventas, la apertura en México y la relación entre ambas.

2. Busca la fuente primaria

La fuente primaria es la que produce el dato, no la que lo repite. Para una estadística, el organismo que la publica, como el INE, Eurostat o el INEGI. Para una norma, el diario oficial, como el BOE o el DOF, o EUR-Lex para la Unión Europea. Para una empresa, su informe anual o su comunicado oficial. Para un estudio, el artículo original, no la nota de prensa. Las fuentes secundarias sirven para encontrar la primaria, no para sustituirla.

3. Guarda el extracto literal

Para cada afirmación, copia la frase exacta o la celda de la tabla que la respalda, con su enlace y la fecha de consulta. Si no encuentras un extracto que diga lo que dice tu guion, tienes tres opciones: reescribir la frase para que diga sólo lo que la fuente dice, buscar otra fuente o quitar la afirmación. Lo que no tiene extracto no se publica.

4. Pon fecha, unidad y contexto a cada cifra

Una cifra sin contexto engaña aunque sea cierta. Comprueba siempre:

• El periodo: de qué año o trimestre es el dato y si hay uno más reciente.
• La unidad y la escala: euros o dólares, valores nominales o reales, miles o millones.
• La base: porcentaje de qué total. Una subida de un 10 % no es lo mismo que una subida de 10 puntos porcentuales.
• El redondeo: «casi la mitad» no es lo mismo que «el 46 %» si el vídeo compara cifras.
• La traducción de las escalas: el billion inglés son mil millones; un billón en español es un millón de millones.

5. Desconfía de los absolutos y los superlativos

«El primero», «el único», «el mayor», «siempre», «nunca» o «todos» son las afirmaciones más difíciles de sostener, y un modelo de IA las escribe con facilidad aunque no tenga respaldo. Exige un respaldo explícito para cada una. Si no lo hay, matiza («uno de los mayores», «según tal fuente») o elimínala.

6. Atribuye opiniones, estimaciones y previsiones

Distingue lo que es un hecho de lo que es una estimación, una previsión o una opinión. Las previsiones no son datos: atribúyelas a quien las hace («según la previsión de tal organismo») y di de qué fecha son. Lo mismo con las citas textuales: deben ser exactas y llevar el nombre de quien las dijo.

7. Revisión humana y registro de fuentes

Una persona distinta de quien escribió el guion compara cada afirmación con su extracto. Las fuentes se publican en la descripción del vídeo. Y antes de publicar decides cómo corregirás un error si alguien lo encuentra. La red internacional de verificadores pide a sus miembros, entre sus principios, dar las fuentes con detalle suficiente para que cualquiera pueda repetir la comprobación y tener una política de correcciones abierta y honesta.

Errores típicos de la IA en guiones informativos

Conocer los fallos habituales te ayuda a buscarlos. Estos son algunos de los más frecuentes cuando pides a un modelo de IA un guion sobre un tema real:

Un detalle práctico: no pidas al mismo modelo que verifique lo que acaba de escribir sin darle las fuentes, porque puede limitarse a confirmar su propio texto. La verificación útil compara el guion con extractos de fuentes reales.

Lista de comprobación antes de publicar

• Cada cifra tiene fuente primaria, fecha y unidad.
• Cada afirmación tiene su extracto literal guardado con enlace y fecha de consulta.
• No queda ningún absoluto ni superlativo sin respaldo explícito.
• Nombres propios, cargos y fechas están comprobados.
• Las citas textuales son exactas y llevan el nombre de quien las dijo.
• Las estimaciones y previsiones se presentan como tales.
• El título y la miniatura no prometen más de lo que dice el vídeo.
• Los rótulos y los subtítulos dicen lo mismo que la narración.
• Las fuentes están en la descripción.
• Una persona distinta de quien escribió el guion lo ha revisado.
• Sabes cómo corregirás la pieza si alguien encuentra un error.

Cómo lo resuelve CLAQON

CLAQON lleva este método a la producción en serie. No garantiza que un vídeo no tenga errores: ningún control lo hace. Lo que garantiza es que cada guion pasa por las mismas comprobaciones antes de gastar en voz o en imágenes.

• Investigación antes del guion. Busca fuentes citables o usa las URL que tú aportes, que se descargan por una red saliente segura. El guion cita esas fuentes.
• Sólo extractos literales. El paso de verificación admite únicamente extractos que aparecen tal cual en la fuente, que tratan el tema y que tienen una longitud válida. Una afirmación rechazada no se puede citar.
• HARD QC determinista. Un control sin IA rechaza absolutos y superlativos sin respaldo, cifras que no están en la evidencia aprobada, afirmaciones sin fuente declarada y títulos sin respaldo, entre otras comprobaciones. El guion sólo avanza con 100 sobre 100.
• Reparación focalizada y revisión humana. Si el control falla, un nuevo intento corrige sólo lo señalado, conserva la narración y no inventa citas. Si tras los intentos sigue sin pasar, el guion queda pendiente de tu revisión antes de gastar en voz o en imágenes.
• Por qué no salió. Cuando una pieza se detiene, el diagnóstico la explica con una de sus 65 causas documentadas y te dice cómo arreglarla.

Este rigor tiene un coste que conviene conocer: el control ha llegado a bloquear publicaciones, y su puntuación de cobertura no es una predicción de calidad, de retención ni de ingresos. Lo explicamos en verificación de fuentes. Si tu canal es de historia o divulgación, mira también el caso de historia y divulgación.