No culpes a la IA por el problema de credibilidad de las RRPP

Un artículo reciente de Unite.ai examinó cómo la IA ha transformado la investigación de RRPP – haciéndola más rápida para recopilar datos, detectar tendencias y producir hallazgos listos para los medios, pero también más difícil de garantizar la precisión y la confianza. Esa observación captura una tensión real en la industria, y merece una mirada más profunda. El problema no es la IA en sí; es cómo fácilmente la velocidad puede superar al juicio.

La IA ha hecho que las RRPP sean más rápidas. Pero como sabemos al conducir, más rápido no siempre es la forma más inteligente de avanzar.

La tecnología ha condensado lo que solía ser un proceso cuidadoso y paso a paso – diseñar encuestas, limpiar datos, validar fuentes – en algo que puede ocurrir casi instantáneamente. Esa compresión ahorra tiempo, pero también elimina las pausas naturales que nos daban espacio para verificar y cuestionar lo que encontramos. Sin esas pausas, la precisión se vuelve más fácil de pasar por alto. El verdadero riesgo no es que la IA rompa las RRPP. Es que nosotros mismos lo hagamos al confundir la aceleración con el progreso.

La brecha de credibilidad en las RRPP no es culpa de la IA – al menos no directamente. La brecha proviene de lo rápido que la IA nos permite movernos. Cada vez que publicamos sin verificación o tratamos “más rápido” como sinónimo de “mejor”, erosionamos la confianza que hace que nuestro trabajo tenga sentido. La credibilidad es lo que da peso a nuestro trabajo como profesionales de las RRPP – cuando la ganamos. Preservar la credibilidad significa ralentizar lo suficiente para cuestionar lo que publicamos y hacer que la verificación sea parte del proceso, no un después.

Ralentiza para acelerar

La IA ha hecho que sea fácil moverse de una idea a un conjunto de datos en tiempo récord. Lo que antes tomaba días ahora toma horas — y esa aceleración se ha convertido silenciosamente en un reflejo de la industria. Pero la velocidad nos da volumen, no validez. Los periodistas no se preocupan por lo rápido que entregamos los datos; se preocupan por si son sólidos. He visto herramientas de IA producir resúmenes impresionantes en decenas de artículos, pero también he visto que inventan estadísticas que suenan plausibles pero no tienen fuente real.

Los estudios refuerzan la necesidad de precaución. Un estudio de JMIR encontró que los grandes modelos de lenguaje “alucinaban” – producían información falsa o no verificada – en aproximadamente el 40 por ciento de las salidas de GPT-3.5 y el 29 por ciento de las salidas de GPT-4, incluso en tareas basadas en hechos. De manera similar, una auditoría de NewsGuard mostró que los sistemas de IA difundían afirmaciones falsas o engañosas en aproximadamente un tercio de las respuestas relacionadas con las noticias. Ambos hallazgos destacan una verdad simple: la velocidad amplifica el riesgo cuando la verificación no mantiene el ritmo.

Eso es por qué tomar un tiempo extra para verificar no es un retraso; es una inversión en credibilidad. Un día dedicado a confirmar datos, refinar el contexto o someter a prueba la narrativa a menudo revela insights que de otra manera pasaríamos por alto. Puede significar la diferencia entre un titular que se desvanece y una historia que genera una conversación real. Ralentizar no se trata de resistir la tecnología. Se trata de mantener el juicio humano que convierte la información en algo en lo que las audiencias pueden confiar.

Mantén a los humanos en el bucle

La IA es excelente para producir resultados. Pero no es tan buena para saber si esos resultados tienen sentido. Ese es el problema central. Los modelos pueden generar respuestas a encuestas, resumir miles de artículos y incluso sintetizar insights que parecen sólidos en papel. Pero los modelos de IA no entienden el contexto, la intención o la consecuencia. Un ser humano sí.

Esa disparidad está bien documentada en la ética y la discusión sobre la confiabilidad de la IA. El fenómeno de la “alucinación” a menudo se atribuye a cómo los LLM aprenden patrones de los datos de entrenamiento en lugar de principios básicos, lo que significa que pueden afirmar cosas con confianza pero sin base real. En el dominio de las RRPP, el riesgo es especialmente agudo: las salidas de la interfaz pueden reflejar sesgos o enmarcar reclamos de manera que favorezcan las narrativas en lugar de los hechos.

Es fácil ver cómo un solo “hecho” errante puede descontrolarse. Imagina un punto de datos generado por IA que se incorpora a una presentación; un porcentaje que suena bien y apoya la historia. Al cliente le encanta. Un reportero lo cita. Luego alguien verifica la fuente y se da cuenta de que nunca fue real. De repente, lo que se pretendía que posicionara a una marca como pensativa se convierte en una tormenta de credibilidad.

Así que “mantener a los humanos en el bucle” no puede ser solo una línea en una diapositiva de PowerPoint – tiene que ser cómo se realiza el trabajo. Los editores, analistas y expertos en el dominio necesitan estar allí para hacer las preguntas incómodas que hacen que el producto final sea confiable. Pueden detectar sesgos, señalarizar un marco débil y asegurarse de que lo que publicamos refleje la realidad. En otras palabras: la IA puede moverse rápido, pero todavía necesita un conductor que sepa cuándo aplicar los frenos. Sin ese juicio, no estamos mejorando el proceso; solo estamos automatizando los errores.

Entrenar para el juicio

A medida que la IA redefine el trabajo, la forma en que nos entrenamos tiene que cambiar con ella. La mayoría de los profesionales de las comunicaciones hoy en día ya han pasado el punto de aprender a escribir mejores instrucciones. La habilidad que todos necesitamos ahora es el juicio – saber cuándo confiar en la salida, cuándo cuestionarla y cuándo descartarla por completo.

Cuando entreno a jóvenes profesionales de las RRPP, enfatizo que la IA puede escribir diez versiones de un lanzamiento en segundos. Su trabajo no es elegir la más llamativa; es encontrar la versión que realmente suene como su cliente, y luego hacerla más fuerte. Eso puede significar ajustar el argumento, basarlo en datos reales o agregar la voz y el tono que la hagan creíble. Un modelo de IA puede redactar una copia, pero nuestro juicio la convierte en comunicación que vale la pena leer.

Este cambio ya está sucediendo. Algunas agencias están pasando de la “ingeniería de instrucciones” a la “edición de credibilidad”, construyendo hábitos alrededor de verificar reclamos, validar fuentes y alinear la mensajería con la voz de la marca. Los ejercicios ahora incluyen preguntar: ¿Diría esto a un reportero? ¿Pondría mi nombre en ello?

Esas preguntas simples construyen los reflejos que protegen tanto a los clientes como a las reputaciones. Y ese es el objetivo real de la IA en las RRPP. No es una copia más rápida, sino un juicio más agudo. Entrenar para el juicio eleva el estándar de pensamiento y fortalece la confianza que hace que la velocidad sea sostenible.

Medir la confianza, no el tiempo de respuesta

Los profesionales de las RRPP suelen medir el rendimiento a través de métricas como la velocidad de entrega, el volumen de cobertura y el costo por colocación. Pero en una industria impulsada por la IA, esas métricas no cuentan toda la historia. La salida es fácil de cuantificar; la credibilidad no. Y sin embargo, eso es lo que los clientes y los periodistas están valorando más que nunca.

La diferencia entre cantidad y credibilidad se muestra en los datos. En un estudio de medición, el análisis de sentimiento humano alcanzó 85 por ciento de precisión, en comparación con el 59 por ciento de los métodos basados en la IA – una brecha que cuantifica el papel de la revisión crítica. No es que los humanos trabajen más rápido, sino que interpretan el contexto, y eso es el mismo instinto que los clientes confían cuando evalúan la credibilidad. Si podemos medir esa diferencia en precisión, también podemos medir el valor de la supervisión humana en sí.

El nuevo ROI debería medir lo que realmente sustenta las relaciones: la confiabilidad, las tasas de verificación y cuánto tiempo cualquier cobertura ganada continúa generando compromiso. Cada vez más, los clientes no preguntan: “¿Podemos publicar esto hoy?” sino “¿Podemos sostener esto?” La velocidad importa, pero la precisión y la confianza son lo que duran.

La IA nos da la oportunidad de hacer ambas cosas: movernos más rápido y pensar más profundamente. El valor real no está en lo rápido que la IA produce contenido, sino en cómo nos ayuda a tomar decisiones más inteligentes y defensibles. El trabajo que dura no será el más rápido; será el que la gente confía. Los equipos que construyen esa confianza en cómo miden el éxito poseerán el futuro.

Una ventaja de credibilidad

La crisis de credibilidad en las RRPP no es inevitable. Es un problema de gestión, no tecnológico, y la solución está al alcance: ralentizar para verificar, mantener a los humanos en el bucle, entrenar para el juicio y medir la confianza, no solo la velocidad. La IA está cambiando lo rápido que trabajamos, pero también puede recordarnos por qué hacemos el trabajo – para informar con precisión y integridad. La verdadera oportunidad ahora es cultural: hacer que la credibilidad sea la métrica que más importa.

La IA está dentro de nuestro alcance: ralentiza para verificar, mantén a los humanos en el bucle, entrena para el juicio y mide la confianza, no solo la velocidad. La IA está cambiando lo rápido que trabajamos, pero también puede recordarnos por qué hacemos el trabajo – para informar con precisión y integridad. La verdadera oportunidad ahora es cultural: hacer que la credibilidad sea la métrica que más importa.