Cómo revisar lo que te devuelve la IA: checklist de 7 pasos para validar textos, datos y código antes de usarlos

Resumen ejecutivo

• Revisar lo que produce la IA ya es una habilidad laboral: un estudio de IBM Institute for Business Value con Oxford Economics, difundido por la prensa mexicana, señala que 63% de los empleados en México siente que la IA está erosionando sus habilidades.

• Te proponemos un checklist de 7 pasos para validar textos, datos y código antes de usarlos: fuentes, números y fechas, contradicciones, casos borde, tono y datos sensibles, segunda herramienta y registro.

• Incluimos ejemplos aplicados a un informe, una tabla de datos y una función en Python.

• Con práctica, el checklist toma pocos minutos y evita errores que pueden costar caro en el trabajo.

Usar IA en el trabajo es cada vez más común; usarla bien, no tanto. Según cubrió El Economista, el estudio «Diseñar la organización pensante» de IBM IBV y Oxford Economics encontró que 63% de los empleados en México percibe que la IA erosiona sus habilidades y que 61% vio cambiar sus tareas en el último año. El mismo trabajo destaca el juicio, el pensamiento crítico y la supervisión de los resultados de la IA como competencias clave. A nivel global, DPL News reporta que 71% de los líderes de recursos humanos considera esencial saber supervisar, validar y corregir lo que produce la IA. La buena noticia es que esa habilidad se entrena. Este checklist te da un método concreto. Para el marco más amplio, leé por qué el pensamiento crítico es una habilidad irremplazable.

Por qué la IA se equivoca (aunque suene segura)

Los modelos de lenguaje generan texto probable, no texto verificado. Por eso pueden inventar datos, citas o funciones con total confianza, un fenómeno conocido como «alucinación». También pueden usar información desactualizada o malinterpretar tu pedido. Marcos de referencia como el AI Risk Management Framework del NIST y el Top 10 de riesgos de OWASP para aplicaciones con LLM incluyen la confiabilidad de las salidas y la dependencia excesiva entre los riesgos a gestionar. Traducido al día a día: la responsabilidad final por lo que entregás sigue siendo tuya.

El checklist de 7 pasos

1. Verificá las fuentes

Si la IA menciona un estudio, una ley o una estadística, buscá la fuente original. Si no aparece, o el link no lleva a lo que dice, descartá el dato. Pedile siempre: «indicá la fuente de cada dato y si no tenés una, decilo».

2. Revisá números y fechas

Los números son el error más frecuente. Recalculá porcentajes y totales, chequeá que las fechas tengan sentido y que las cifras estén en la unidad correcta (miles, millones, moneda).

3. Buscá contradicciones

Leé el resultado completo buscando afirmaciones que se contradigan entre sí o con lo que ya sabés del tema. Una contradicción interna es una señal clara de que algo está mal.

4. Probá los casos borde (en código)

Un código puede funcionar con el ejemplo típico y fallar con valores vacíos, negativos, muy grandes o con formato inesperado. Probalo con esos casos antes de usarlo.

5. Revisá el tono y los datos sensibles

Fijate que el texto tenga el tono adecuado para tu audiencia y que no incluya datos personales, confidenciales o de clientes que no deberían estar ahí. También revisá qué información le compartiste a la herramienta; esta guía sobre privacidad de datos en ChatGPT, Gemini y Claude te ayuda a cuidarla.

6. Contrastá con una segunda herramienta

Para resultados importantes, pedile a otra IA que revise el primero, o pedile a la misma que actúe como revisora crítica: «encontrá errores, supuestos dudosos y datos sin respaldo en este texto». No reemplaza tu revisión, pero suma una capa.

7. Dejá un registro

Anotá qué herramienta usaste, qué le pediste y qué corregiste. Te sirve para detectar patrones de error, para rendir cuentas si alguien pregunta y para mejorar tus prompts.

Ejemplo 1: un informe para tu equipo

Le pediste a la IA un resumen de tendencias del mercado. Aplicá el checklist: verificá que cada dato tenga fuente real (paso 1), recalculá los porcentajes (paso 2), revisá que las conclusiones no se contradigan (paso 3) y que no incluya información interna que no corresponde (paso 5). Si un dato no se puede verificar, sacalo o marcá que es una estimación.

Ejemplo 2: una tabla de datos

La IA limpió y resumió una planilla de ventas. Elegí al azar cinco filas y compará con el archivo original. Chequeá que los totales coincidan, que no se hayan perdido filas y que las categorías estén bien agrupadas. Un error en la tabla se arrastra a todas las decisiones que tomes con ella.

Ejemplo 3: una función en Python

Pediste una función que calcule el promedio de una lista de precios. Funciona con [100, 200, 300], pero ¿qué pasa con una lista vacía? Si la función divide por la cantidad de elementos, va a fallar con un error de división por cero. Agregá una validación para ese caso, probá con valores negativos o con texto y recién ahí usala. Pedirle a la IA «escribí también tests para los casos borde» es una gran práctica.

Cómo convertir el checklist en hábito

Al principio, aplicá los 7 pasos completos. Con el tiempo vas a saber cuáles importan más según la tarea: en textos, fuentes y tono; en datos, números y muestreo; en código, casos borde y tests. Si querés medir qué tan bien estás usando estas herramientas, mirá esta guía para saber si usás bien la IA en el trabajo.

Cursos recomendados de Coderhouse

Para entender cómo funcionan los modelos y por qué se equivocan, el curso de Introducción a la Inteligencia Artificial es el mejor punto de partida. Si trabajás con datos, el curso de Data Analytics te enseña a validarlos, y si querés llevar la IA a procesos con controles, mirá el curso de AI Automation.

Preguntas frecuentes

¿Cómo sé si la IA inventó un dato? Buscá la fuente original. Si no existe, no dice lo que la IA afirma o el link está roto, tratá el dato como inventado.

¿Tengo que revisar todo lo que hace la IA? Todo lo que vayas a usar en algo importante, sí. Para tareas de bajo impacto, como ideas o borradores, alcanza con una revisión rápida.

¿Pedirle a la IA que se autorrevise sirve? Ayuda a detectar algunos errores, pero no reemplaza tu revisión ni la verificación con fuentes externas.

¿Usar IA hace que pierda habilidades? Puede pasar si delegás sin pensar. Revisar, cuestionar y corregir lo que produce la IA es justamente una forma de mantener y desarrollar tu criterio.