Metodología y evidencia

Con y sin búsqueda web: por qué el DNI interroga en ambas configuraciones

24 de octubre de 2026 6 min de lectura
Kamel Malek Director de SetRecord.ai

Cuando pregunta a un modelo con la búsqueda web activada, obtiene una respuesta. Cuando hace la misma pregunta con la búsqueda web desactivada, obtiene una respuesta diferente. No son dos versiones de lo mismo — son dos relatos fundamentalmente distintos, moldeados por mecanismos diferentes, portadores de riesgos diferentes. Deep Narrative Intelligence mide ambos, porque una imagen completa de su relato de IA requiere entender ambos.

Los dos modos de interrogación

Los asistentes de IA modernos ofrecen dos modos de funcionamiento. En modo sin búsqueda, el modelo responde puramente desde sus datos de entrenamiento — la representación estática integrada en sus pesos al momento del entrenamiento. En modo con búsqueda web, el modelo aumenta sus datos de entrenamiento con recuperación en tiempo real desde la web, incorporando artículos, páginas y fuentes actuales antes de generar su respuesta. La mayoría de los usuarios no elige conscientemente entre estos modos; el modelo puede usar uno u otro según la consulta, la plataforma o los ajustes del usuario. Pero desde la perspectiva del DNI, los dos modos producen relatos que pueden divergir significativamente, y ambos deben interrogarse.

Relato latente vs. recuperación en vivo

La respuesta sin búsqueda revela el relato latente: lo que el modelo cree basándose solo en sus datos de entrenamiento. Es el relato que persiste entre sesiones, que es consistente para cada usuario que hace la misma pregunta sin búsqueda, y que solo cambia cuando el modelo se reentrena. Es el relato profundo — el más resistente a la corrección, porque vive en los pesos, no en una fuente recuperable. La respuesta con búsqueda web revela el relato de recuperación en vivo: lo que el modelo ensambla a partir de fuentes web actuales al momento de la consulta. Este relato es más volátil — puede cambiar de un día a otro conforme cambia el contenido web — pero también es más corregible, porque responde a cambios en la capa fuente en tiempo real.

¿No sabe qué dice hoy la IA de usted?

Una auditoría SetRecord consulta los modelos de IA compatibles sobre su organización y mide la brecha con los hechos verificables — en cinco días hábiles.

Solicitar una auditoría

Lo que cada modo revela

Cada modo expone un riesgo distinto. El relato latente es el riesgo de una distorsión profunda y persistente — una falsedad o hecho obsoleto integrado en el modelo que no cambiará hasta el próximo ciclo de entrenamiento. Si el modelo cree que su CEO dimitió el año pasado (cuando no lo hizo), esa creencia aparecerá en cada respuesta sin búsqueda hasta que el modelo se reentrene, independientemente de lo que publique hoy. El relato de recuperación en vivo es el riesgo de una distorsión volátil y impulsada por fuentes — una falsedad que una fuente web reciente ha introducido y que el modelo amplifica porque confía en la fuente. Si un agregador de baja calidad publica una afirmación falsa sobre su empresa hoy, el modo con búsqueda web puede mostrarla mañana. Son dos riesgos distintos que requieren dos estrategias de corrección distintas: el relato latente requiere intervenciones a nivel de ciclo de entrenamiento, mientras que el relato de recuperación en vivo requiere intervenciones a nivel de fuente.

Por qué necesita ambos

Una organización que mide solo el relato sin búsqueda entiende su exposición profunda pero pierde las distorsiones en vivo que los usuarios con búsqueda web encuentran. Una organización que mide solo el relato con búsqueda web entiende su exposición de superficie actual pero pierde las distorsiones persistentes que sobrevivirán a cualquier fuente web individual. Necesita ambos porque sus partes interesadas usan ambos modos — algunos deliberadamente, la mayoría sin saberlo — y el relato que reciben depende del modo que el modelo utilizó. Un programa DNI que mide solo un modo está midiendo la mitad del cuadro. SetRecord ejecuta paneles de interrogación doble como práctica estándar, porque la brecha entre los dos modos es en sí misma una señal diagnóstica: donde los relatos latente y en vivo concuerdan, la distorsión es profunda y estable; donde divergen, la distorsión es reciente y potencialmente corregible mediante intervención a nivel de fuente.

Cómo el DNI estructura la interrogación doble

La interrogación doble es metodológicamente sencilla pero operativamente precisa. Cada consulta del panel de interrogación se ejecuta dos veces: una con búsqueda web activada, una sin ella. Ambas respuestas se registran, comparan y puntúan frente al registro verificable. La comparación produce tres resultados: la puntuación del relato latente (sin búsqueda), la puntuación de recuperación en vivo (con búsqueda web) y la métrica de divergencia (la brecha entre ambas). La métrica de divergencia es particularmente valiosa — identifica los temas donde el relato de los datos de entrenamiento y el relato de recuperación del modelo están en tensión, que es donde los esfuerzos de corrección tienen más probabilidad de producir movimiento. Una divergencia alta en un tema crítico es una señal de que la capa fuente y la capa de entrenamiento necesitan intervenciones distintas, y que la estrategia de corrección debe ser de doble vía para ser efectiva.

Vea lo que la IA dice de usted

Una auditoría SetRecord compara las respuestas de los modelos de IA compatibles con sus hechos verificables — en cinco días hábiles.