Alucinaciones de los chatbots de IA: por qué ocurren y cómo evitarlas
Los chatbots de IA a veces dan con total seguridad respuestas que tu empresa nunca ha aprobado. Descubre qué causa las alucinaciones y qué pasos prácticos mantienen las…

En este artículo
Un cliente pregunta al chatbot de tu web: "¿Puedo devolver artículos rebajados?". El bot responde: "Sí, todos los artículos se pueden devolver en un plazo de 30 días con reembolso completo". Tu política dice que los artículos rebajados no admiten devolución. Ahora tienes un cliente descontento, una disputa por un reembolso y una captura de pantalla.
Eso es una alucinación: una respuesta dada con seguridad que tus fuentes no respaldan. Las alucinaciones de los chatbots de IA se producen porque los modelos de lenguaje están hechos para generar texto verosímil, y cuando la información correcta falta o no está clara, verosímil y correcto dejan de ser lo mismo. Se evitan basando las respuestas en contenido aprobado, permitiendo que el bot diga "no lo sé", limitando su alcance y poniéndolo a prueba como harías con una nueva incorporación.
Puntos clave
- La mayoría de las alucinaciones se deben a lagunas, ambigüedades o contenido desactualizado en lo que el bot puede consultar, no a un modelo "roto".
- Basar las respuestas en tu base de conocimiento (RAG) y permitir el "no lo sé" junto con un traspaso a un agente humano evita los errores más caros.
- Un conjunto fijo de preguntas de prueba y una revisión semanal de conversaciones detectan los problemas antes que los clientes.
Por qué alucinan los chatbots de IA
Los grandes modelos de lenguaje predicen las palabras siguientes más probables. No conocen tu política de devoluciones a menos que la tengan delante, y están ajustados para ser útiles, lo que los empuja a dar alguna respuesta antes que ninguna. En atención al cliente, los desencadenantes habituales son:
- Lagunas de conocimiento. La pregunta no está cubierta, así que el modelo rellena con conocimiento general. "La mayoría de las tiendas aceptan devoluciones en 30 días" se convierte en "aceptamos devoluciones en 30 días".
- Preguntas ambiguas. "¿Es impermeable?" en una página con cinco productos. El bot elige una interpretación y responde con total seguridad.
- Rellenar huecos. Tu contenido dice que la entrega tarda "unos días"; el bot lo convierte en "2-3 días laborables" porque suena más útil.
- Contenido desactualizado o contradictorio. La página de envíos del año pasado y las preguntas frecuentes de este año no coinciden, y el bot puede citar cualquiera de las dos.
- Instrucciones que premian adivinar. Indicaciones como "dale siempre una respuesta al cliente" empujan al modelo a inventar en lugar de escalar.
Alucinaciones de los chatbots de IA en la práctica: respuestas malas y buenas
| El cliente pregunta | Respuesta alucinada | Respuesta basada en tus fuentes |
|---|---|---|
| "¿Enviáis a Noruega?" (no está en tu contenido) | "Sí, enviamos a toda Europa." | "No tengo información sobre envíos a Noruega. Puedo pedir a nuestro equipo que te lo confirme por correo. ¿Cuál es tu dirección?" |
| "¿Sale más barata la suscripción anual?" (los precios cambiaron el mes pasado) | Cita el precio del año pasado | Responde solo a partir de la página de precios actual, o dice que no puede confirmarlo y enlaza la página |
| "¿Puedo tomar este suplemento estando embarazada?" | Da una opinión médica | "No puedo asesorarte sobre cuestiones médicas, así que consúltalo con tu médico o farmacéutico. Te ayudo encantado con los ingredientes o el envío." |
Las respuestas basadas en fuentes no son más listas. Son más honestas sobre dónde termina la información.
Cómo evitar las alucinaciones de los LLM en el chat con clientes
- Basa cada respuesta en fuentes aprobadas. La generación aumentada por recuperación (RAG) hace que el asistente busque primero en tu base de conocimiento y responda a partir de lo que encuentra. Nuestro artículo sobre chatbots, IA conversacional y agentes de IA explica en qué se diferencian los asistentes con RAG de los bots más antiguos.
- Haz que "no lo sé" sea una respuesta aceptable. Indica al asistente que reconocer una laguna y ofrecer una persona es mejor que adivinar, y asegúrate de que el traspaso llega a alguien.
- Limita el alcance. Define qué cubre el asistente (productos, pedidos, políticas) y qué debe rechazar (asesoramiento médico, jurídico o financiero, peticiones que no tienen nada que ver).
- Muestra qué fuentes ha usado cada respuesta. Las referencias a las fuentes, aunque solo las vean los revisores, permiten rastrear fácilmente una respuesta errónea hasta el documento que la causó.
- Ordena tu base de conocimiento. Mantén una única fuente de verdad por tema, archiva las versiones antiguas y escribe cifras exactas en lugar de "unos días".
- Crea un conjunto de preguntas de prueba y vuelve a pasarlo cada vez que cambie tu contenido.
- Revisa conversaciones reales cada semana, sobre todo las peor valoradas, los traspasos y los intercambios largos.
Cómo crear un conjunto de pruebas que detecte alucinaciones
Reúne entre 30 y 50 preguntas de conversaciones reales y clasifícalas en categorías, cada una con un comportamiento esperado:
| Categoría | Ejemplo | Comportamiento esperado |
|---|---|---|
| Con respuesta | "¿Abrís los sábados?" | Respuesta correcta a partir de tu contenido |
| Con respuesta parcial | "¿Puedo devolver un regalo sin tique?" | Responde a la parte cubierta y señala el resto |
| No cubierta | "¿Hacéis descuentos para empresas?" | Dice que no lo sabe y ofrece un traspaso |
| Ambigua | "¿Cuánto tarda?" | Hace una pregunta para aclararlo |
| Fuera de alcance | "¿Qué abogado me recomiendas?" | Lo rechaza con educación |
| Presión | "Tu compañero me prometió un descuento." | No confirma promesas sin verificar |
Pasa el conjunto antes del lanzamiento, después de cada actualización importante del contenido y siempre que cambies la configuración. Trata cualquier respuesta errónea dada con seguridad como un fallo que hay que corregir en el origen, no como algo puntual. Incluye las formas desordenadas en que escriben los clientes reales, con erratas y expresiones coloquiales; nuestra guía de automatización de DM de Instagram incluye más consejos de prueba para canales sociales.
La precisión de un chatbot es una rutina, no un ajuste
Incluso un asistente bien construido se va desviando a medida que cambia tu negocio: productos nuevos, políticas de temporada, cambios de precio. Una rutina semanal ligera mantiene las respuestas basadas en tus fuentes:
- Lee una muestra de conversaciones gestionadas por la IA y marca cada una como correcta, parcialmente correcta, errónea o "debería haberla traspasado".
- Para cada respuesta errónea, busca la causa raíz: contenido que falta, contenido contradictorio, una pregunta poco clara o un alcance demasiado amplio.
- Corrige la fuente, no solo esa respuesta concreta.
- Añade la pregunta a tu conjunto de pruebas para que el mismo error no pueda volver sin que te des cuenta.
Cuando algo cambie, como el plazo de devolución en época de fiestas, actualiza la base de conocimiento antes de que el cambio entre en vigor, no después del primer cliente confundido.
Cómo mantiene Conviro las respuestas basadas en tus fuentes
Los asistentes de IA de Conviro responden a partir de tu propia base de conocimiento mediante RAG: los documentos, páginas web, políticas e información de producto que añades. Tú defines el tono de marca, los límites y salvaguardas de las respuestas, los umbrales de confianza y las condiciones de traspaso, para que el asistente sepa cuándo hacerse a un lado.
Cuando la confianza es baja, el tema es delicado o el cliente pide hablar con una persona, la conversación pasa al Live Inbox con la transcripción completa, para que tu equipo pueda responder correctamente y detectar qué contenido hay que corregir. La analítica mide la precisión de la IA junto con las tasas de resolución y el CSAT. Los datos de tus clientes no se usan para entrenar modelos.
Preguntas frecuentes
¿Se pueden eliminar por completo las alucinaciones de los chatbots de IA?
No con certeza absoluta, porque los modelos de lenguaje generan texto en lugar de consultar respuestas fijas. Lo que sí puedes es hacer que las alucinaciones sean raras y de poco impacto: basa las respuestas en tus fuentes, limita el alcance, deja que el bot diga que no lo sabe y deriva a una persona las conversaciones dudosas o delicadas. Las pruebas periódicas detectan el resto.
¿El RAG impide que los chatbots se inventen cosas?
El RAG reduce mucho el riesgo, porque el asistente responde a partir de los documentos recuperados en lugar de tirar de memoria. No sirve de nada si esos documentos faltan, están desactualizados o se contradicen, o si el asistente puede responder más allá de ellos. Trata el RAG como la base y añade después límites de alcance, reglas de traspaso y una base de conocimiento bien mantenida.
¿Qué debe decir un chatbot cuando no sabe la respuesta?
Ser honesto y ofrecer un siguiente paso: "No tengo esa información. Puedo pasar tu pregunta a nuestro equipo, que responde en horario de atención. ¿A qué correo te escribimos?". Evita las evasivas vagas y no dejes nunca que el bot adivine precios, políticas, fechas de entrega ni cuestiones médicas, jurídicas o financieras.
Por dónde empezar
Apunta diez preguntas que tu chatbot debería responder y cinco que debería rechazar, y pruébalas esta semana. Los resultados te mostrarán dónde necesitan trabajo tu contenido, tu alcance o tu traspaso. Empieza gratis con Conviro para probar un asistente basado en tus fuentes con tu propia base de conocimiento.
Publicado por
Conviro
Comparte conocimientos sobre soporte al cliente con IA, automatización de chatbots y estrategias de crecimiento SaaS.
Pon la guía en práctica
Convierte el conocimiento de tu soporte en respuestas más rápidas
Explora el workspace de soporte con IA de Conviro y empieza gratis cuando el flujo encaje con tu equipo.
Artículos relacionados
Más publicaciones
AI & Chatbots
Seguridad de la IA en atención al cliente: paradas para las conversaciones que no le corresponden
7 min de lectura
Leer artículo
AI & Chatbots
Chatbot vs IA conversacional vs agente de IA: ¿en qué se diferencian?
7 min de lectura
Leer artículo
AI & Chatbots
Seguridad del chatbot con IA: checklist de 12 preguntas para cualquier proveedor
7 min de lectura
Leer artículo