¿Qué es una alucinación IA? Definición y trampa a evitar

La alucinación no es un fallo, es una propiedad estructural de los LLM. Cuatro mecanismos la producen. La generalización excesiva: el modelo extrapola una respuesta plausible a partir de patrones vistos en entrenamiento, incluso cuando el tema preciso no se cubrió. La interpolación entre fuentes contradictorias: el modelo fusiona informaciones divergentes en una afirmación lisa pero inexacta. La presión a responder: sin guardarraíl, el modelo prefiere generar una respuesta confiada antes que reconocer una ignorancia. El desfase temporal: los modelos entrenados antes de una fecha dada ignoran las evoluciones posteriores (knowledge cutoff). Tres factores reducen significativamente las alucinaciones: el uso de la recuperación en la inferencia (RAG o web search), la instrucción explícita al modelo de señalar las incertidumbres, y la validación humana sistemática sobre las salidas con riesgo. Ninguno elimina totalmente el fenómeno. Según los benchmarks 2025-2026, los mejores modelos siguen alucinando sobre el 5 al 15 % de las consultas factuales complejas.