Una comprobacion de 600 enlaces revelo que hasta el 94% de las fuentes de IA siguen accesibles

Un enlace roto bajo una respuesta generada por una IA puede parecer una prueba concluyente: la pagina no se abrio, por lo que el modelo debio de inventar la fuente. Sin embargo, esa logica resulta demasiado comoda y a menudo es incorrecta. El autor del estudio recopilo unas 600 direcciones de las respuestas de cinco servicios de busqueda con IA y volvio a comprobarlas aproximadamente un mes despues.

Segun el servicio, se abrieron entre el 88% y el 94% de los enlaces. Entre las direcciones inaccesibles no se encontro ninguna invencion confirmada: algunas paginas denegaron el acceso al script automatizado y varios contenidos parecian haber sido eliminados, a juzgar por los codigos de respuesta y la estructura de sus URL.

Esto no exculpa a las redes neuronales. Cambia el diagnostico. Los buscadores con IA afrontan al menos dos problemas distintos: el modelo puede crear una direccion verosimil de una pagina inexistente o puede citar un contenido real que desaparezca posteriormente. Para quien desarrolla un sistema de verificacion, son casos radicalmente diferentes.

Por que un error 404 no demuestra nada

Supongamos que una IA cita una reseña de un servicio alojada en example.com/blog/review. Un mes despues, el servidor devuelve 404. Hay dos explicaciones posibles: el contenido nunca existio o la redaccion lo elimino. El codigo de respuesta por si solo no permite distinguir entre ambas situaciones.

El codigo 410 aporta mas informacion: el propietario del sitio comunica expresamente que el recurso fue eliminado de forma permanente. Es un indicio solido de que la pagina existio anteriormente. Los codigos 401 y 403 suelen indicar una denegacion de acceso; 429, que se supero el limite de solicitudes; y 503, una indisponibilidad temporal del servicio. No se deben clasificar automaticamente todas estas respuestas como enlaces muertos: un navegador convencional puede abrir una pagina que el sitio se nego a mostrarle a un script.

Por eso, una comprobacion basica debe tener en cuenta las redirecciones, la direccion final y la clase de respuesta del servidor. En el experimento se utilizo una solicitud GET con tiempos de espera independientes para la conexion y la lectura, un User-Agent propio y un limite de diez redirecciones. Las direcciones con codigos 404 y 410 se clasificaron como eliminadas; las respuestas 401, 403, 429 y 503, como bloqueadas para el bot; y el resto de los casos dudosos se remitieron a una revision manual.

Un enlace activo tambien puede enganar

El estado 200 solo confirma que el servidor devolvio algo. No demuestra que la pagina contenga el articulo prometido ni que su texto respalde la conclusion de la IA. El sitio pudo haber redirigido una direccion antigua a la pagina principal, sustituido el contenido o conservado la URL con informacion diferente.

Por eso, una verificacion fiable de la fuente consta de tres pasos: abrir la direccion final, confirmar que el titulo y el contenido coinciden con la cita y, por ultimo, evaluar la fiabilidad de la propia fuente. Un comprobador automatico de enlaces solo cubre el primer paso. En un producto que muestra enlaces al usuario, resulta util guardar la fecha de la ultima comprobacion, la URL final, el codigo de respuesta y una huella del contenido de la pagina. Asi es posible distinguir un fallo temporal de la eliminacion o sustitucion de un articulo.

Que deben hacer los desarrolladores y los propietarios de sitios web

Los desarrolladores de buscadores con IA no deberian marcar un enlace como inventado tras una unica solicitud fallida. Se necesitan reintentos, un tratamiento especifico de las restricciones de acceso y una revision manual de las direcciones dudosas. Si es importante que la respuesta pueda auditarse, conviene conservar la fecha en que se consulto la fuente y un pequeno fragmento en el que se base la conclusion, respetando los derechos de autor.

Cuando los propietarios de sitios web eliminen un articulo, es preferible que configuren una redireccion permanente hacia un contenido actualizado sobre el mismo tema. Redirigir a la pagina principal mantiene formalmente la direccion “activa,” pero incumple la promesa hecha al lector. Si no existe un sustituto adecuado, resulta mas honesto devolver un codigo 410.

El estudio tiene una limitacion importante: se trata de una sola medicion, realizada aproximadamente un mes despues de recopilar los enlaces. Comprobo la disponibilidad de las paginas, pero no la exactitud de los resumenes ni la calidad de las fuentes. Por tanto, la conclusion es limitada: un enlace roto, por si solo, no demuestra una alucinacion. Hay que comprobar el historial de la URL, el contenido de la pagina y si esta respalda realmente las afirmaciones de la IA.