ChatGPT, Gemini y Grok dieron consejos médicos problemáticos en la mitad de sus respuestas
Una nueva auditoría de chatbots de IA populares arrojó un resultado preocupante: cerca de la mitad de las respuestas a preguntas médicas fue problemática. Los investigadores evaluaron ChatGPT, Gemini, Grok, Meta AI y DeepSeek en cáncer, vacunas, nutrición y células madre. La zona más peligrosa fueron las consultas abiertas, en las que el modelo suena seguro pero puede recomendar a un usuario común decisiones dudosas o incluso dañinas. *Meta ha sido declarada organización extremista y está prohibida en Rusia.
Procesado por IA desde Bloomberg Tech; editado por Hamidun News
Una nueva auditoría de BMJ Open deja un hecho incómodo: los chatbots de IA populares ya forman parte de la vida diaria, pero en cuestiones de salud todavía no se puede confiar en ellos como fuente independiente de recomendaciones. Los investigadores concluyeron que aproximadamente la mitad de las respuestas a consultas médicas fue problemática, desde información incompleta hasta consejos que, sin consultar a un médico, pueden llevar a una persona a una decisión ineficaz o potencialmente peligrosa.
El equipo evaluó cinco servicios públicos —ChatGPT, Gemini, Meta AI, Grok y DeepSeek— en cinco temas donde abundan los mitos y la desinformación: cáncer, vacunas, células madre, nutrición y rendimiento deportivo. En febrero de 2025 se hicieron 50 preguntas a cada bot y se analizaron 250 respuestas en total. Algunas consultas eran cerradas, con una única respuesta correcta dentro del consenso científico. Otras eran abiertas, y el sistema debía desarrollar una explicación o enumerar opciones de actuación por sí mismo.
Los resultados fueron duros. La mitad de las respuestas se calificó como problemática: el 30% moderadamente y otro 20% gravemente. Es decir, no se trata solo de pequeños fallos de redacción. También hay consejos que pueden desviar al usuario hacia un tratamiento ineficaz o causarle daño si los sigue sin médico. Los modelos lo hicieron especialmente mal con las preguntas abiertas: cuando debían elaborar una recomendación en lugar de elegir entre opciones dadas, la proporción de respuestas más riesgosas aumentó de forma notable.
También hubo diferencias entre servicios, aunque en promedio todos mostraron vulnerabilidades. Según el estudio, Grok fue el que más veces dio las respuestas más problemáticas: 29 de sus 50 respuestas, es decir, el 58%, cayeron en la categoría más grave. Gemini, por el contrario, tuvo la menor proporción de respuestas muy problemáticas y la mayor cantidad de respuestas sin problemas evidentes. Por temas, los chatbots respondieron mejor sobre vacunas y cáncer, y peor sobre células madre, rendimiento deportivo y nutrición, justo donde el debate público abunda en promesas discutibles, prácticas alternativas y consejos pseudocientíficos.
Otro problema no es solo el contenido, sino la forma. Los autores señalan que las respuestas casi siempre estaban redactadas en tono seguro y rara vez incluían salvedades o advertencias. De 250 consultas, los chatbots se negaron a responder solo dos veces, y ambas negativas fueron de Meta AI. La calidad de las referencias fue débil: la completitud media de la bibliografía rondó el 40%, y ningún servicio entregó una lista de fuentes totalmente precisa, en parte por citas inventadas o distorsionadas. Además, los textos resultaban complejos para el público general y, por nivel de lectura, se acercaban más a un graduado universitario que a alguien que solo quiere entender rápido un síntoma o una prescripción.
Los autores subrayan que esto no es una condena al uso de la IA en medicina ni una prueba de que los chatbots sean totalmente inútiles. El estudio tiene limitaciones: abarcó solo cinco modelos, los evaluó en un momento concreto y usó deliberadamente parte de las consultas como prueba de estrés para exponer vulnerabilidades. Por eso, el 50% de respuestas problemáticas no debe trasladarse de forma mecánica a cualquier conversación cotidiana con una IA.
Pero la conclusión más importante es otra: si el tema es polémico, emocional o ya está saturado de mitos médicos, el modelo produce con facilidad un texto convincente sin suficiente respaldo científico. Según Gallup, al 15 de abril de 2026 el 25% de los estadounidenses ya había usado herramientas de IA para obtener información o consejos médicos, así que no es un hábito de nicho, sino un comportamiento masivo.
La lectura práctica del estudio es bastante simple. Un chatbot puede servir como guía rápida: explicar un término, ayudar a preparar preguntas para el médico o sugerir qué más conviene aclarar. Pero no debe sustituir el diagnóstico, el razonamiento clínico ni la elección del tratamiento. Para las empresas de IA, es una señal para reforzar las salvaguardas, la verificación de referencias y las advertencias a los usuarios. Para los usuarios, un recordatorio de que el tono seguro de un modelo no equivale a fiabilidad. Cuanto mayor es el coste del error, menos margen tiene la máquina para improvisar.
*Meta ha sido declarada organización extremista y está prohibida en Rusia.
- 19 nov 2026Un abogado enseñó a un agente de IA a hacer correcciones puntuales en Word con Track Changes
- 19 nov 2026RSAC 2026, meses después: los asistentes de IA inventaron el 19,7% de los paquetes que recomendaron
- 19 nov 2026Los agentes de Codex realizaron 1700 investigaciones sobre la lentitud de ChatGPT y encontraron la causa en 600
- 19 nov 2026Anthropic sale a bolsa y recauda $81,3 mil millones: supera el récord de $75 mil millones de SpaceX
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.