Gobernanza y derecho

Gestión de crisis en la era de la IA generativa

23 de agosto de 2026 6 min de lectura
Kamel Malek Director de SetRecord.ai

Un plan de comunicación de crisis suele tener un capítulo para la prensa, otro para las redes sociales y, a veces, otro para los empleados. Casi ninguno tiene un capítulo para lo que ChatGPT, Gemini o Perplexity le dirán a la próxima persona que pregunte por el incidente, aunque en cuestión de días esa pueda ser la versión de los hechos que más gente lea realmente.

Un nuevo canal de crisis, se planifique o no

Durante cualquier episodio reputacional —una retirada de producto, la salida de un directivo, una demanda, un incidente de datos—, la historia se despliega en los canales habituales, pero también es absorbida, comprimida y repetida por los asistentes de IA en cuanto existe suficiente contenido en línea sobre ella. A diferencia de un ciclo de noticias, este canal no se desvanece en una semana. El resumen de un modelo sobre «qué ocurrió» puede persistir, en gran medida sin cambios, mientras las fuentes de las que se nutrió sigan sin corregirse, mucho después de que el propio ciclo de noticias haya pasado a otra cosa.

Esa persistencia es la diferencia esencial que los equipos de crisis deben interiorizar: la cobertura de prensa envejece; la respuesta estándar de un modelo a «qué pasó en [empresa]» no envejece de la misma manera, y puede seguir mostrando una versión temprana, incompleta o inexacta de los hechos a cada nueva persona que pregunte.

El mecanismo es sencillo una vez que se entiende. Los asistentes que responden sobre todo a partir de lo aprendido durante el entrenamiento tienden a congelar la versión de los hechos más difundida en el momento en que se recopilaron esos datos de entrenamiento, incluida la cobertura temprana e incompleta. Los asistentes que buscan activamente en la web en el momento de la consulta se comportan de otra manera: pueden mostrar la cobertura del mismo día, pero eso también significa que su respuesta sobre una crisis en curso puede cambiar de una hora a otra según lo que esté bien posicionado en ese instante, una inestabilidad de otro tipo que también hay que gestionar.

Imagine una empresa mediana que enfrenta la retirada de un producto. La primera oleada de cobertura —informes del incidente, una declaración inicial apresurada— se indexa en cuestión de horas. Dos semanas después, cuando una investigación concluye con una causa raíz más acotada y menos alarmante, esa actualización tiene que competir por espacio frente a un relato temprano que ya se ha comprimido en un resumen seguro de un solo párrafo en varios asistentes. Cerrar esa brecha depende sobre todo de cuándo se publica el relato corregido y de cuánta visibilidad se le da, no de si la corrección es cierta.

Cómo las respuestas de los modelos amplifican —o amortiguan— una crisis

Tres dinámicas convierten a los asistentes de IA en una fuerza distinta durante una crisis, no solo en otro canal de distribución:

  • La compresión — una situación matizada, con múltiples hechos, se reduce a un resumen corto y seguro de sí mismo. Los matices que aparecerían en un artículo completo a menudo no sobreviven a esa compresión.
  • El anclaje en las primeras fuentes — la primera oleada de cobertura, a veces especulativa o incompleta, es lo que está disponible cuando se consulta a los modelos pronto. Si su versión oficial, ya corregida, llega más tarde, tiene que competir con una respuesta que ya parece asentada.
  • El aplanamiento de la incertidumbre — el lenguaje cauteloso de una noticia temprana («presuntamente», «según fuentes sin confirmar») rara vez sobrevive en el resumen de un modelo, que tiende a afirmar las cosas de forma más tajante que la cobertura de la que en realidad partió.

Ninguna de estas dinámicas exige que el modelo sea hostil hacia usted. Es simplemente lo que producen, por defecto, la compresión y el anclaje en las primeras fuentes, a falta de una corrección posterior y deliberada que las contrarreste.

El punto ciego de la mayoría de los planes de crisis

La mayoría de los manuales de crisis se construyen en torno a la monitorización: menciones en medios, sentimiento en redes, resultados de búsqueda. Muy pocos extienden esa monitorización a los asistentes de IA, y menos aún tienen un responsable definido para «qué dicen los modelos de esto ahora mismo». Ese vacío hace que las organizaciones a menudo descubran la versión generada por IA de su crisis semanas después de los hechos, normalmente cuando un cliente, periodista o inversor se la menciona de vuelta, momento en el que la versión inexacta ya ha tenido tiempo de asentarse.

¿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

Parte de la razón es organizativa, no técnica. Comunicación se encarga de la vigilancia de prensa, legal se encarga de las obligaciones de divulgación regulatoria, y el mandato de ninguno de los dos equipos se extiende de forma natural a «qué dice un asistente de IA de esto ahora mismo». Sin una decisión explícita de asumir esa responsabilidad, el tema tiende a caer en el hueco entre dos funciones que cada una asume que es trabajo de la otra.

Antes de la crisis: mapear la exposición de referencia

El mejor momento para saber qué dicen los asistentes de IA de su organización es antes de una crisis, no durante ella. Una auditoría de referencia —las diez o quince preguntas que un periodista o cliente haría sobre su organización en un momento difícil— le da un punto de comparación. Cuando ocurre un evento real, sabrá de inmediato si el relato del modelo ha cambiado, y cuánto, en lugar de intentar establecer una referencia bajo presión.

Vale la pena ir un paso más allá e incorporar esto a los simulacros de crisis ya existentes. Al ejecutar un ejercicio de mesa para un incidente hipotético, añada una ronda en la que el equipo tenga que redactar la declaración que querría ver reflejada, con el tiempo, en los modelos, no solo el comunicado de prensa. Los equipos que nunca lo han hecho suelen sorprenderse de lo distinto que escriben para un público que lo comprime todo en dos frases.

Durante la crisis: qué vigilar en concreto

Una vez que el incidente está en marcha, añada los asistentes de IA a la misma cadencia de monitorización que la prensa y las redes sociales:

  • Consultar a diario, no semanalmente — las respuestas de los modelos sobre una noticia activa pueden cambiar tan rápido como la cobertura que las alimenta.
  • Seguir las mismas cinco señales que en la monitorización habitual —presencia, exactitud, sentimiento, diversidad de fuentes, volatilidad— pero con mayor frecuencia mientras dure el evento.
  • Señalar los errores factuales concretos, no solo el tono general; una corrección debe apuntar a una afirmación, no a un ambiente.
  • Publicar su versión oficial con rapidez y facilitar que sea fácil de encontrar y citar; una declaración clara y fechada da a las futuras respuestas de los modelos algo de referencia en lo que apoyarse.
  • Mantener una única declaración canónica — dirigir todos los canales, internos y externos, hacia el mismo relato factual y fechado; un conjunto fragmentado de mensajes internos que nunca se publica no le da al modelo ninguna base de referencia en la que apoyarse más adelante.

Esta es una carga corta pero intensa añadida al trabajo de un equipo de crisis ya exigido, y es precisamente por eso que la cuestión de la responsabilidad tratada más arriba debe resolverse antes de que empiece una crisis, no durante ella.

Después de la crisis: verificar la persistencia, no dar por hecha la resolución

El instinto, una vez resuelta la crisis en la prensa, es dejar de vigilar. Es precisamente el momento en que un resumen de IA inexacto tiende a fijarse, porque el volumen de consultas baja y ya nadie comprueba nada. Un cierre disciplinado implica volver a lanzar las mismas preguntas de referencia a los treinta, sesenta y noventa días del evento, para confirmar que el relato del modelo realmente se puso al día con los hechos, y corregir de nuevo si no lo hizo. Ese cierre del ciclo es lo que distingue una respuesta de crisis genuinamente resuelta de una que simplemente ha dejado de vigilarse.

Ayuda incluir esta verificación del relato de IA en la misma reunión de balance donde ya se revisa la cobertura de prensa y los tiempos de respuesta internos. Preguntar «¿el relato del modelo terminó coincidiendo con los hechos, y cuánto tardó en hacerlo?» convierte una preocupación puntual en una métrica que se puede mejorar de un incidente a otro.

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.