CollectivIQ quiere hacer la IA más fiable consultando a 14 modelos a la vez

Las alucinaciones de los modelos de lenguaje siguen siendo una de las principales barreras para que la inteligencia artificial gane la confianza del gran público. Cualquiera que haya recibido alguna vez de ChatGPT información expuesta con total seguridad, pero completamente inventada, conoce la sensación: la tecnología impresiona, pero creerla a pies juntillas es peligroso. La startup CollectivIQ ha decidido atacar el problema desde un ángulo inesperado: en lugar de mejorar un solo modelo, consulta a catorce a la vez.

La idea, de la que informó TechCrunch, es elegante en su sencillez. CollectivIQ agrega simultáneamente las respuestas de ChatGPT, Gemini, Claude, Grok y hasta otros diez modelos de lenguaje. El usuario escribe la consulta una sola vez y obtiene un panorama de respuestas en el que puede comparar formulaciones, identificar puntos de acuerdo y, lo que es más importante, detectar discrepancias. Si trece de los catorce modelos dicen una cosa y uno dice otra, la señal es contundente. Y si los modelos se reparten a partes iguales, también es información valiosa: significa que la pregunta es más complicada de lo que parece y que no conviene fiarse a ciegas de ninguna respuesta concreta.

Para entender por qué este enfoque puede funcionar, conviene recordar un fenómeno que la teoría de la decisión denomina «sabiduría de las multitudes». Ya en 1906, Francis Galton descubrió que la estimación promedio de un grupo numeroso de personas resultaba más precisa que la opinión de cualquier experto individual. En esencia, CollectivIQ traslada este principio al mundo de los grandes modelos de lenguaje.

Cada uno se ha entrenado con datos distintos, con énfasis y limitaciones diferentes. GPT-4o destaca en razonamiento; Claude, en precisión y en el seguimiento de instrucciones; Gemini, en multimodalidad y en el manejo de información actualizada; Grok, en el tono informal y el acceso a datos de redes sociales. Al reunir sus respuestas, las debilidades de un modelo quedan compensadas por los puntos fuertes de otro.

Desde el punto de vista técnico, un servicio así plantea varias cuestiones serias. La primera es el coste. Cada consulta a una API comercial se paga en tokens, y multiplicarla por catorce convierte unos céntimos en sumas apreciables.

Para un usuario corriente que pregunta por una receta de borsch, resulta excesivo. Pero para profesionales que necesitan la máxima precisión —abogados, médicos, analistas, periodistas— las cuentas pueden salir. La segunda cuestión es la velocidad.

Las consultas en paralelo a distintas API tienen tiempos de respuesta diferentes, así que el usuario tendrá que esperar al modelo más lento o recibir las respuestas de forma asíncrona, a medida que lleguen. La tercera es la interfaz. Mostrar catorce respuestas de modo que la persona no se ahogue en información y extraiga rápidamente lo esencial supone un reto de diseño considerable.

CollectivIQ no surge en el vacío. En el mercado ya existen metabuscadores de modelos de IA: Poe, de Quora, da acceso a varios modelos desde una sola interfaz, y servicios como TypingMind y OpenRouter permiten alternar entre proveedores. Pero ninguno apuesta específicamente por la comparación simultánea como herramienta de verificación. CollectivIQ presenta el enfoque multimodelo no como una comodidad, sino como un método para aumentar la fiabilidad, y ese es un relato radicalmente distinto. En lugar de «elige el mejor modelo», el mensaje es «no te fíes de ninguno, compáralos todos».

Hay además un contexto más profundo. La industria de la inteligencia artificial atraviesa una crisis de confianza. Los estudios muestran que los usuarios son cada vez más escépticos ante las respuestas de los chatbots, pero siguen utilizándolos, simplemente porque no hay alternativas. CollectivIQ ofrece una solución intermedia: no obliga a creer a ciegas ni exige renunciar a la IA, sino que proporciona una herramienta para el análisis crítico. En cierto sentido, supone volver al principio periodístico de contrastar fuentes, solo que aquí las fuentes son redes neuronales.

La gran pregunta es si este modelo puede escalar. Si los grandes proveedores empiezan a restringir el acceso a sus API para los agregadores o suben los precios, el negocio de CollectivIQ quedará amenazado. Además, a medida que los modelos se parecen cada vez más entre sí, al entrenarse con conjuntos de datos que se solapan, el valor de la comparación entre modelos podría disminuir. Pero mientras se mantenga la diversidad de enfoques, la idea de aplicar el crowdsourcing a la IA resulta a la vez ingeniosa y práctica. Quizá el futuro de una inteligencia artificial fiable no sea un único modelo perfecto, sino un coro de modelos imperfectos en el que cualquier nota desafinada se oye de inmediato.