El número que me desconcertó fue 0.78.
Apareció junto a un reclamo que acababa de generar con un modelo: algo simple sobre las tendencias de precios de GPU en la nube. El modelo sonaba seguro. Párrafo limpio. Sin ambigüedades. Pero cuando pasé la salida por la Red Mira, ese reclamo fue etiquetado con un puntaje de verificación de 0.78 en lugar del 0.95+ que normalmente espero para datos de mercado básicos.
Al principio asumí que era latencia o ruido de muestreo. La ronda de verificación tomó alrededor de 2.4 segundos, lo cual es aproximadamente normal. Pero el desglose mostró algo interesante: de 7 nodos verificadores, dos no estaban de acuerdo con la evidencia de apoyo que citó el modelo.
No fue un fallo catastrófico. Solo fricción.
Profundicé en el segmento señalado. El modelo hizo referencia a un informe que realmente enumeraba números del Q3 2023, mientras que la frase implicaba precios actuales en 2025. El reclamo no estaba completamente equivocado, pero tampoco era limpio. Ese pequeño cambio en el marco temporal fue suficiente para reducir el puntaje de consenso.
Lo que me sorprendió no fue el desacuerdo. Los modelos alucinan contexto todo el tiempo.
Lo que cambió para mí fue la visibilidad. Normalmente, ese tipo de discrepancia simplemente pasa desapercibida porque el párrafo suena coherente. Aquí surgió como una disputa medible entre validadores.
Una caída de confianza de 17 puntos por una pequeña discrepancia de fecha.
Ese es el tipo de cosa que nunca capturarías escaneando salidas manualmente, especialmente si estás revisando docenas de resúmenes generados por IA por hora.
Ahora estoy notando un patrón: cualquier cosa con estadísticas de mercado o cronogramas tiende a situarse en el rango de 0.75–0.88 a menos que las fuentes coincidan perfectamente.
Lo que me hace preguntarme cuántas respuestas "confiadas" de IA hemos estado enviando que fallarían silenciosamente la misma verificación si alguien realmente forzara los reclamos a través de la verificación...