Hoy me topé con una publicación sobre la "Venezuelan Poodle Moth" — la "polilla caniche", que parece una criatura peluda y adorable salida de una película de animación.
Al principio parecía completamente fiable. Fotos, explicaciones, resultados en Google, menciones en diversos sitios, incluida Wikipedia.
Pero cuanto más ahondaba, más descubría que la mayor parte de la historia no se sustenta en nada en absoluto. Algunas de las fotos eran esculturas de lana de un artista japonés. Otras eran imágenes de especies completamente distintas. Y en la práctica, lo único que existe de verdad es una sola fotografía de una polilla no identificada tomada en Venezuela (la imagen de arriba a la izquierda). Ni siquiera existe un reconocimiento científico oficial de tal especie.
Lo interesante aquí no es la polilla, sino la manera en que la información se convierte en "verdad".
Hoy los motores de búsqueda ya no se basan únicamente en fuentes originales. También se alimentan de contenido creado por AI, de resúmenes automáticos, de copias entre sitios y de información que se recicla a sí misma una y otra vez.
Y eso significa que, incluso si intentas hacer un "rastreo inverso" y comprobar cuál es la fuente real, se vuelve muy difícil. Porque en cierto punto: la fuente original desaparece, la información se copia cientos de veces, los sistemas de AI resumen información errónea, y el contenido no verificado empieza a parecer más fiable que la propia realidad.
Y este es precisamente uno de los grandes desafíos en el mundo de las verificaciones de antecedentes.
No basta con saber buscar información. Hay que saber dudar de la información.
Hay que entender: ¿quién es la fuente? ¿Hay alguna verificación? ¿Se trata de información primaria o de una copia? ¿Hay algún interés de por medio? ¿Y todos simplemente se citan unos a otros?
En una era en la que la AI sabe generar cantidades enormes de contenido convincente, la capacidad de pensar de forma crítica se convierte en un activo profesional crítico.
Esta es exactamente la razón por la que las verificaciones de antecedentes profesionales no pueden basarse únicamente en una búsqueda rápida en Google ni en herramientas de AI.
Al final, siguen haciendo falta personas que sepan conectar contextos, identificar manipulaciones, entender qué falta en el cuadro — y, sobre todo, saber cuándo no creer de inmediato algo que parece fiable.