Alucinaciones

Salida fluida y segura de sí misma que es falsa o no tiene respaldo — datos, cifras, citas o fuentes inventadas — presentada como si fuera cierta.

Última actualización: 9 de noviembre de 2026 · Versión en markdown

← Volver al glosario

Cómo aplicarlo en prompts

Usá este concepto para reducir ambigüedad y mejorar consistencia. Si tu output necesita formato estricto, combiná esto con una guía de JSON y un template por modelo.

Guías relacionadas:Prompts para Perplexity: respuestas respaldadas por la web Ingeniería de contexto: cómo estructurar lo que le das a una IA para mejores resultados Cómo depurar un prompt que da resultados malos

Términos relacionados:Retrieval-augmented generation (RAG)Evaluación

JSON estricto Modelos Packs

Qué significa

Definición: un modelo de lenguaje genera texto plausible, no hechos verificados. Cuando le falta la información, igual puede producir una respuesta convincente que resulta ser incorrecta.
Por qué importa: la salida se lee bien, así que los errores son fáciles de pasar por alto. El riesgo es mayor en los detalles específicos — números, fechas, citas textuales, referencias, nombres de API.
Cómo reducirlas: dale el material de base en el prompt y pedile que responda solo con eso; permitile decir 'no sé' o 'no hay suficiente información'; pedile que marque lo que no tiene claro; para datos actuales usá una herramienta que busque y devuelva fuentes.
Error común: confiar en una fuente que produjo el modelo sin abrirla. El prompting baja la frecuencia de contenido inventado pero no la elimina — verificá todo lo que importe.

Ejemplo copy-paste

Respondé usando solo el contexto de abajo.
Si la respuesta no está en el contexto, respondé exactamente: "No hay suficiente información".
Para cada afirmación, citá la oración del contexto que la respalda.

Contexto:
"""[pegá]"""

Pregunta: [pregunta]

Se abre en el analizador con el prompt precargado.

Abrir en Promptea

Preguntas frecuentes

¿Un prompt puede eliminar las alucinaciones?

No. Fundamentar la respuesta en un texto provisto, permitir 'no sé' y exigir citas de respaldo bajan mucho la frecuencia, pero igual tenés que verificar los datos que importan.

¿Hay tareas más propensas?

Sí: preguntas sobre datos poco conocidos o recientes, pedidos de citas, cifras exactas y cadenas largas de razonamiento. Las tareas que transforman un texto que vos aportás (resumir, extraer, reescribir) son más seguras.