¿Qué es una alucinación de IA? La guía en claro (2026)

En corto. Una alucinación de IA es cuando un modelo de IA afirma con total seguridad algo falso o inventado de arriba abajo — una sentencia que no existe, una estadística bidón, una cita fabricada. Un estudio de la UER/BBC de 2025 encontró que el 45 % de las respuestas de IA sobre actualidad tenían al menos un problema serio. Pasa porque los modelos predicen texto — no verifican datos.

Última revisión: 6 de julio de 2026. Se revisa cada trimestre.

En febrero de 2026, el Tribunal Superior de Justicia de Canarias hizo algo que marcó un antes y un después en España: le impuso una multa de 420 euros a un abogado que había sustentado un recurso de apelación con 48 citas de jurisprudencia del Tribunal Supremo — más un informe del Consejo General del Poder Judicial — que sencillamente no existían. No eran aproximadas ni estaban mal citadas: eran inventadas. Un perito documental confirmó que ninguna de las 48 aparecía en las bases oficiales como el CENDOJ. El abogado había usado una herramienta de IA «generalista» (del tipo de ChatGPT) y copió el resultado sin verificarlo. El tribunal lo dejó por escrito: incorporar a ciegas texto generado por IA, sin comprobar los números de sentencia, las fechas ni su existencia en los repositorios oficiales, es «una quiebra del deber básico de supervisión humana». Este caso se está convirtiendo en el ejemplo español de manual sobre la alucinación de IA.

Una alucinación de IA es cuando un modelo de IA genera información falsa, inventada o imposible de verificar, y la presenta como si fuera verdad. En claro: la IA se pone a inventar, con una seguridad total. No es un bug raro ni es señal de que la herramienta esté rota — es un efecto secundario integrado en la forma en que los chatbots de hoy, como ChatGPT, Claude o Gemini, producen texto. Esta guía explica qué es una alucinación de IA, por qué pasa, cómo se ve en la práctica y — la parte que la mayoría de las explicaciones se salta — cómo te proteges de ella en tu oficio.

La alucinación de IA, definida bien

Una alucinación de IA es cuando un modelo grande de lenguaje produce una respuesta factualmente falsa o completamente inventada, pero con pinta de estar seguro y fluido. El término abarca las referencias fabricadas, las estadísticas inventadas, las citas bidón, las funciones de producto que no existen, las fechas falsas y los «datos» sobre personas o hechos que nunca ocurrieron. La salida suele ser gramaticalmente impecable, plausible, entregada con el mismo tono seguro que el modelo usa cuando tiene razón — y eso es justo lo que vuelve peligrosa a la alucinación de IA.

La palabra viene prestada de la psicología, donde una alucinación es percibir algo que no está ahí. Para la IA, el término confabulación suele encajar mejor: rellenar un hueco con un invento fluido en lugar de admitir «no lo sé». El corazón del problema es la brecha entre la seguridad del modelo y su exactitud. Una persona que duda suele parecer que duda. Un modelo que alucina se ve exactamente igual de seguro que un modelo que tiene razón.

Ayuda separar las dos formas en que se manifiesta una alucinación de IA:

• Alucinación factual — la salida contradice el mundo real. «La Torre Eiffel se terminó en 1887.» (Fue en 1889.)
• Alucinación de fidelidad (en la jerga, faithfulness) — la salida contradice la fuente que tú le diste. Pegas un contrato, pides la cláusula de terminación, y el modelo te resume una cláusula que no aparece en tu documento.

Por qué importa la alucinación de IA en 2026

La alucinación de IA importa porque cientos de millones de personas ya usan la IA para trabajo de verdad — investigación jurídica, preguntas médicas, análisis financiero, textos de marketing — y la tasa de error sigue lejos de cero. El estudio más amplio sobre el tema viene de Europa: la Unión Europea de Radiodifusión (UER, o EBU en inglés) y la BBC hicieron que periodistas profesionales examinaran en 2025 más de 3.000 respuestas de ChatGPT, Copilot, Gemini y Perplexity, en 18 países y varios idiomas. Resultado: el 45 % de las respuestas tenía al menos un problema serio, un 31 % problemas graves de fuentes y un 20 % errores de exactitud importantes, alucinaciones incluidas. Gemini quedó de último, con problemas en el 76 % de las respuestas. El mensaje del estudio es directo: los asistentes de IA todavía «no son una forma fiable de informarse».

En los campos de alto riesgo, los números son peores y las consecuencias muy reales: sanciones, procesos, confianza perdida.

Los datos duros, por campo:

• Investigación jurídica: un estudio del Stanford RegLab / HAI («Assessing the Reliability of Leading AI Legal Research Tools», con herramientas probadas en 2024) midió tasas de alucinación alarmantes, incluso en productos comerciales vendidos como fiables: 17 % en Lexis+ AI, 33 % en Westlaw AI-Assisted Research, 43 % en GPT-4. Y esos errores incluyen tanto inventos puros como casos reales mal resumidos o fuentes que no vienen al caso.
• Actualidad y fuentes: el estudio UER/BBC y su 45 % — un resultado constante de un idioma y un país a otro, así que no es solo un problema del inglés.
• Médico: las agregaciones sectoriales sitúan la tasa de alucinación en salud alrededor del 10 al 20 % — un rango que ningún profesional sanitario puede ignorar.
• Conocimiento general: en los benchmarks de conocimiento, los mejores modelos aciertan más que antes, pero cuando dudan, adivinan en lugar de admitirlo — justo la trampa en la que cayeron varios abogados hispanohablantes en 2025 y 2026.

La lección no es «la IA no sirve». La lección es que una alucinación de IA es un modo de fallo conocido y medible, alrededor del cual se puede anticipar — y los profesionales que anticipan se llevan el beneficio sin las catástrofes.

Cómo ocurre de verdad una alucinación de IA

Una alucinación de IA ocurre porque un modelo de lenguaje no va a buscar un dato — predice texto. Cuando le haces una pregunta, el modelo no abre una base de datos para encontrar la respuesta. Genera una respuesta pedazo por pedazo (token por token), eligiendo cada vez la palabra siguiente más probable estadísticamente según todo lo anterior. Es un autocompletado espectacularmente bueno. Cuando la respuesta real está en sus patrones de entrenamiento, esa predicción cae en un dato correcto. Cuando no está, la misma mecánica produce un invento fluido y seguro — porque, por debajo, no hay ninguna verificación aparte del tipo «¿de verdad sé esto?».

Aquí va el paso a paso en claro. Le pides una fuente para una afirmación de nicho. El modelo ha visto millones de referencias reales, así que conoce su forma — autor, año, revista, números de página. Genera un texto que encaja en esa forma. El resultado se lee como una referencia perfecta, pero no existe ningún documento detrás. El modelo nunca «decidió mentir». Hizo exactamente lo que hace siempre: producir texto que parece probable.

La causa de fondo no es solo la arquitectura — son los incentivos. En un artículo de 2025 titulado «Why Language Models Hallucinate», investigadores de OpenAI sostienen que las alucinaciones son errores estadísticos naturales, producidos por la forma en que se entrena y — este es el punto clave — se evalúa a los modelos. La mayoría de los benchmarks de IA puntúan como un examen tipo test: puntos por una respuesta correcta, cero por una casilla en blanco. Bajo ese baremo, adivinar siempre le gana a admitir la incertidumbre — así que a los modelos, en la práctica, se los entrena para responder siempre, aunque la respuesta honesta fuera «no lo sé». Mientras los benchmarks premien el farol, los modelos serán premiados por farolear.

Por eso también una alucinación de IA sube en situaciones predecibles: las preguntas sobre temas oscuros o muy recientes (datos de entrenamiento escasos), las peticiones de números, fechas o referencias precisas (alta precisión, fácil de fabricar), y las conversaciones que desbordan la ventana de contexto del modelo, de modo que los datos anteriores se caen y se reinventan.

Ejemplos reales de alucinaciones de IA

Los ejemplos reales vuelven concreto lo abstracto: una sentencia fabricada, una política de empresa inventada, un estudio que no existe. Los casos más instructivos no son los graciosos — son los que costaron dinero y reputación. Y el mundo hispanohablante ha servido una tanda notable entre 2025 y 2026.

El caso de Canarias es el que todo profesional debería conocer. El abogado claramente tomó el texto de la IA sin verificarlo, y de 48 citas, ninguna existía. El tribunal eligió la pedagogía antes que el castigo severo — por ahora. Porque la lógica es clara, y los comentaristas jurídicos (Noticias Jurídicas, El Derecho, el propio CGPJ) la repiten: usar IA no es una circunstancia atenuante, es una responsabilidad de verificación reforzada. El abogado sigue siendo jurídicamente el autor de lo que presenta, haya IA o no. En Colombia, la Corte Suprema fue aún más lejos: en el Auto AC739 de 2026 no solo advirtió, sino que multó a un abogado con 15 salarios mínimos por «temeridad procesal», después de que él admitiera que confió ciegamente en un modelo que «alucinó» jurisprudencia — y que la Corte describió como afirmaciones «objetivamente falsas, con plausibilidad formal y tono categórico», consistentes con el fenómeno conocido como alucinaciones de la IA generativa. En Estados Unidos, donde el caso Mata v. Avianca (2023) abrió el baile con seis sentencias inventadas por ChatGPT, los abogados directamente fueron sancionados. Damien Charlotin — investigador en HEC París — mantiene, de hecho, una base de datos pública que recoge, en todo el mundo, los casos en que las referencias fabricadas por IA dieron problemas. Ya lleva más de mil, con varios casos nuevos añadidos cada día.

Y la comunidad no se hace ilusiones. En X, entre los profesionales del derecho hispanohablantes, el tono va del fastidio a la advertencia. El sentimiento general es de preocupación seria pero no de rechazo a la tecnología: predomina la idea de que la IA es una herramienta útil que exige diligencia extrema. Un abogado lo resumía sin adornos: quien alguna vez le pidió a ChatGPT que «le encontrara jurisprudencia» sabe que salen tantos inventos como decisiones reales. Otros insisten en lo mismo — usar herramientas jurídicas especializadas en vez de un chatbot genérico, verificar siempre en repositorios oficiales (CENDOJ, vLex) y documentar el uso de IA. La frase que más se repite: «La IA ayuda, pero no sustituye». (Tómalo por lo que es: sentimiento social, no un dato.)

Qué significa una alucinación de IA para tu oficio

Esta es la parte que más importa, porque una alucinación de IA no es un problema genérico — se manifiesta distinto en cada oficio, y la defensa cambia cada vez. Un resumen de IA (el AI Overview de Google) puede decirte qué es una alucinación; no puede construirte el hábito de verificación preciso que necesita un profesional sanitario, un contador o una persona de marketing. Aquí van seis oficios, la forma exacta en que la alucinación golpea a cada uno y el gesto concreto que protege. En todos, el mismo principio: la IA redacta, una persona verifica — pero qué verificas depende del oficio.

Qué cambia para los abogados

Para un abogado, una alucinación de IA es un riesgo deontológico, no un capricho de productividad. Cada referencia fabricada se ve igualita a una real, y las decisiones de España y Colombia de 2025 y 2026 lo dijeron claro: «fue la IA» no es una excusa — quien firma responde de cada referencia de su escrito. La defensa es un paso de verificación no negociable: cada sentencia, cada norma, cada cita que una IA saque a relucir se busca y se lee en una fuente primaria (el CENDOJ, la relatoría oficial, vLex) antes de acercarse a un expediente. Usa la IA para formular argumentos y resumir documentos que tú mismo aportas; nunca como fuente del derecho.

El límite honesto: la IA puede acelerar muchísimo la investigación y los primeros borradores, pero no puede ser la autoridad final sobre lo que dice el derecho. Eso todavía exige un jurista que lea las decisiones reales.

El siguiente paso: el curso IA para Abogados muestra flujos de trabajo a prueba de sanciones, y nuestro artículo IA para abogados: usar ChatGPT sin acabar sancionado detalla la trampa de las citas falsas con casos hispanohablantes.

Qué cambia para los médicos y el personal de salud

Para un médico, un enfermero o un auxiliar, una alucinación de IA es una cuestión de seguridad del paciente, y punto. Un modelo que inventa una interacción farmacológica, una dosis o una contraindicación puede hacer daño directo — y las agregaciones sectoriales sitúan ese riesgo alrededor del 10 al 20 % de los casos en salud. La defensa es un perímetro estricto: la IA sirve para redactar y estructurar — notas, materiales de información al paciente en lenguaje claro, síntesis de material que tú aportas — y nunca para los datos clínicos, las dosis o las interacciones, que siempre vienen de una fuente clínica validada. Una respuesta segura salida de un chatbot no es una fuente clínica.

El límite honesto: la IA ahorra tiempo real en documentación y comunicación, pero ninguna decisión clínica debería apoyarse en una salida sin verificar. El protocolo y las fuentes primarias ganan siempre. Y desde el 2 de agosto de 2026, las obligaciones de transparencia del Reglamento de IA aplican de todos modos — una interacción con una IA debe señalarse como tal.

El siguiente paso: el curso IA para Enfermería y Personal Clínico enseña flujos de trabajo seguros, sin datos de pacientes, que mantienen a la IA en su carril.

Qué cambia para los contadores y asesores financieros

Para un contador, una alucinación de IA amenaza aquello sobre lo que descansa toda la profesión: números que se puedan defender. Un modelo afirma con seguridad un umbral fiscal equivocado, inventa una norma o «cuadra» cifras que en realidad no dan — y lo hace en un lenguaje fluido y profesional. La defensa es el anclaje en la fuente: pega las cifras reales, la norma real, el criterio real, y dile al modelo que se ciña a eso, nunca a su conocimiento general. Después, rastrea cada número que devuelva hasta tu documento original antes de que toque un entregable de cliente.

El límite honesto: la IA es excelente para redactar comentarios, explicar conceptos y detectar patrones en datos que tú aportas — pero no es un sistema de referencia y no puede responder por la exactitud de un monto. Tu conciliación tiene que seguir cuadrando a la antigua.

El siguiente paso: el curso IA para Contadores y Finanzas construye un flujo de trabajo con verificación integrada, para que no dejes que una IA invente una respuesta fiscal.

Qué cambia para el marketing y los equipos de contenido

Para un perfil de marketing, una alucinación de IA es un riesgo para la credibilidad de la marca y para la conformidad de las afirmaciones. Un modelo se inventa encantado una estadística para tu titular, le atribuye una cita a una experta que nunca la dijo, o genera una afirmación de «clínicamente probado» que no puedes respaldar — y publicar eso es, en el mejor caso, una rectificación, y en el peor, una queja ante consumo o un requerimiento legal. La defensa es una pasada de verificación de afirmaciones: cada estadística, cita, estudio y superlativo de un texto redactado por IA se contrasta con una fuente real antes de publicar — y lo que no puedas probar, lo cortas.

El límite honesto: la IA es una máquina estupenda para el primer borrador y las ideas, pero no es un verificador de datos y no conoce tus reglas de conformidad. Una persona sigue siendo responsable de cada afirmación publicada.

El siguiente paso: el curso IA para Marketing Digital y Redes Sociales y los Fundamentos de IA muestran prompts que anclan la salida en tu material real en lugar de dejarla inventar.

Qué cambia para los independientes y las pymes

Para un independiente o una empresa pequeña, una alucinación de IA es una responsabilidad que no siempre se tiene en la cabeza — sobre todo si hay un chatbot en tu sitio web. La lógica que sentaron los tribunales (y, en el extranjero, casos como Moffatt v. Air Canada en 2024) es clara: una empresa responde de lo que su IA le dice a los clientes, incluso cuando el bot se inventa una política de la nada. La defensa es doble: ancla toda IA de cara al cliente en tus políticas y preguntas frecuentes reales (no en su conocimiento general), y verifica tú mismo todo lo que una IA te diga sobre contratos, normas o alcance legal antes de actuar sobre ello.

El límite honesto: la IA puede encargarse de buena parte de tu trastienda y de tu atención al cliente, pero no puede interpretar un contrato o una ley por ti. Para todo lo que tenga peso jurídico, una persona — muchas veces un profesional — todavía tiene que confirmar.

El siguiente paso: el curso IA para PyMEs: Primeros Pasos le da a cualquier independiente el modelo mental para usar la IA sin meterse en líos, y Pensamiento Crítico con IA entrena justo el reflejo de no creerse una salida de IA sin más.

Qué cambia para los docentes

Para un docente, una alucinación de IA es a la vez un problema de credibilidad y un problema pedagógico. Un modelo se inventa un «hecho» histórico, cita un libro que no existe, o se equivoca en un ejemplo con números — y si eso sale sin verificar en una ficha, 30 estudiantes aprenden una tontería. La defensa: la IA sirve para estructurar, diferenciar y formular, y cada hecho, cada fecha y cada fuente de un material producido por IA se contrasta antes de entrar al aula. De paso, hasta puedes hacer de la alucinación un tema en sí — enseñarles a los estudiantes a cuestionar las salidas de IA es alfabetización mediática en estado puro.

El límite honesto: la IA te quita un peso real de la preparación y los materiales, pero de la exactitud del contenido respondes siempre tú.

El siguiente paso: empieza por los Fundamentos de IA para el modelo mental, y luego Ingeniería de Prompts para prompts que anclan la salida en material real en lugar de dejarla bordar.

Ideas equivocadas sobre las alucinaciones de IA

Una alucinación de IA suele entenderse mal, y son justo los malentendidos los que meten a la gente en problemas. Las tres creencias de abajo suenan razonables pero son falsas — y cada corrección se apoya en el comportamiento real de los modelos. Enderezarlas es la diferencia entre usar la IA con confianza y usarla a ciegas.

«Los modelos nuevos, más inteligentes, ya no alucinan.»

A medias cierto — y la mitad falsa es la peligrosa. Las tasas bajaron, sin duda. Pero «más inteligente» hasta puede empeorar una cosa: los modelos más capaces muchas veces alucinan con más seguridad y fluidez, lo que vuelve el error más difícil de detectar. Un modelo mejor es un mejor farolero, no un modelo más honesto. Así que no cuentes con que la próxima actualización arregle el problema.

«Si escribo un mejor prompt, dejará de alucinar.»

Falso en gran medida. Un buen prompt ayuda — decirle al modelo que puede responder «no lo sé», restringirlo a los documentos aportados, pedir citas exactas — y es justo lo que recomienda Anthropic. Pero Anthropic escribe con la misma claridad, en su propia documentación, que estas técnicas «no las eliminan por completo». Ningún prompt convierte un predictor de texto en un verificador de datos. El prompt baja la tasa; no elimina la verificación.

«Alucinar significa que la IA está rota o que miente.»

Falso por partida doble. El modelo hace exactamente aquello para lo que fue diseñado — predecir texto probable — y no tiene ninguna intención, así que no puede mentir. Como lo formulan los investigadores de OpenAI en 2025: la alucinación es una propiedad estadística del sistema, no una avería. Y eso hasta es una buena noticia: un modo de fallo predecible y medible es un modo de fallo alrededor del cual se pueden construir defensas — y de eso se trata todo, de tratar a la IA como un redactor competente en lugar de como un oráculo.

Conceptos relacionados

Una alucinación de IA no vive aislada — está conectada con toda una familia de ideas con las que cualquier usuario de IA termina topándose. Algunas explican por qué ocurre la alucinación, otras describen situaciones que la empeoran, y otras son las defensas estructurales que bajan la tasa. Como esta es la primera página de nuestro glosario de IA en español, por ahora te enlazamos los artículos pertinentes — el resto de las entradas del glosario irán llegando poco a poco.

• Respuestas consistentes de la IA — por qué la misma pregunta recibe una respuesta distinta cada vez, y qué pinta la ventana de contexto en todo esto
• ¿Qué es un agente de IA? — cuando la IA no solo responde sino que actúa, y por qué eso multiplica lo que hay que verificar
• ChatGPT vs Claude vs Gemini — qué modelo alucina cuándo, en una comparación honesta
• Ingeniería de Prompts — el curso que te enseña prompts que anclan las salidas en fuentes reales

La última palabra

Una alucinación de IA no es un bug que el próximo modelo va a corregir — es el precio de usar una herramienta que predice texto en lugar de ir a buscar los datos. Los profesionales que ganan con la IA en 2026 no son los que encontraron un modelo sin alucinaciones; son los que tratan cada salida de IA como el borrador seguro de sí mismo de un pasante brillante que, a veces, inventa. Usa la IA para redactar, estructurar, acelerar. Verifica tú mismo cada dato, cada cifra, cada cita y cada referencia. Ese solo hábito separa a quien acaba sancionado de quien avanza. O, como se vio en Canarias: mejor diez minutos de verificación que una multa del tribunal.

Para seguir leyendo

Si quieres profundizar en las alucinaciones de IA — y aprender a protegerte de ellas en tu oficio concreto — los cursos y artículos de abajo son los siguientes pasos evidentes.

Cursos sobre la fiabilidad de la IA y tu oficio

• Fundamentos de IA — el modelo mental para usar la IA sin peligro desde el primer día
• Ingeniería de Prompts — prompts que anclan la salida en tu material real
• IA para Abogados — un uso de la IA a prueba de sanciones, de punta a punta
• IA para Contadores y Finanzas — un flujo de trabajo que rastrea cada número
• IA para Enfermería y Personal Clínico — documentación segura, sin datos de pacientes
• IA para Marketing Digital y Redes Sociales — respaldar las afirmaciones en lugar de dejarlas inventar
• IA para PyMEs: Primeros Pasos — las bases para usar la IA sin peligro en tu negocio
• Pensamiento Crítico con IA — entrenar el reflejo de no creerse las salidas sin más

Artículos de blog pertinentes

• IA para abogados: usar ChatGPT sin acabar sancionado — la trampa de las citas falsas, en detalle
• Respuestas consistentes de la IA — por qué la misma pregunta da respuestas distintas
• ¿Qué es un agente de IA? — cuando la IA pasa de responder a actuar

Skills pertinentes (plantillas de prompts)

• Navegador de Pensamiento Crítico — cuestionar una afirmación de forma estructurada en lugar de creértela
• Asistente de Investigación — investigar con verificación de fuentes

Preguntas frecuentes

¿Qué es una alucinación de IA, explicado fácil? Una alucinación de IA es cuando un modelo de IA se inventa algo y lo presenta como un hecho. Puede fabricar un estudio, citar una sentencia que nunca existió o sacar una estadística de la nada. El modelo no miente a propósito y no está roto. Genera texto prediciendo las palabras más probables: así que cuando no sabe la respuesta, muchas veces produce una suposición fluida y segura de sí misma en lugar de admitir el hueco.

¿Por qué alucina la IA? Las alucinaciones de IA vienen de cómo funcionan los modelos de lenguaje y de cómo se los evalúa. Un modelo no busca un dato en una base de datos: predice el texto palabra por palabra a partir de patrones. El artículo de OpenAI «Why Language Models Hallucinate» (2025) sostiene que la causa de fondo es un entrenamiento y una evaluación que premian adivinar en lugar de admitir la incertidumbre — como un examen tipo test que puntúa mejor una respuesta al azar que una casilla en blanco. Los modelos aprenden así a responder siempre, aunque tengan que inventar.

¿Se pueden evitar las alucinaciones de IA? Se pueden reducir mucho las alucinaciones de IA, pero no eliminarlas del todo. Anclar un modelo en documentos reales (el retrieval) baja bastante la tasa, y darle permiso explícito para decir «no lo sé» ayuda mucho. Pero la documentación de Anthropic lo dice con todas las letras: estas técnicas «no las eliminan por completo». Mientras tanto, cualquier salida de IA que importe necesita una persona que verifique los datos.

¿Cómo evito que ChatGPT alucine? No puedes pararlo del todo, pero sí limitarlo mucho. Dile a ChatGPT que responda «no lo sé» cuando no esté seguro. Pega el documento fuente y pídele que se ciña a eso, no a su conocimiento general. Haz que cite el fragmento exacto que respalda cada afirmación. Y nunca confíes en una cita, una estadística o una sentencia que produzca sin verificar tú mismo la fuente original — ese último paso no es negociable para nada que importe.

¿Por qué la IA se inventa fuentes y referencias? La IA se inventa fuentes porque una referencia no es más que un patrón de texto — un autor, un año, un título, un número — y el modelo es buenísimo generando patrones plausibles. Ha visto millones de referencias reales, así que puede producir una que parece perfectamente auténtica sin ningún documento real detrás. Por eso mismo el Tribunal Superior de Justicia de Canarias multó en febrero de 2026 a un abogado cuyo recurso contenía 48 citas de jurisprudencia totalmente inventadas.

Fuentes

1. Consejo General del Poder Judicial (CGPJ), «El TSJ de Canarias multa a un abogado por citar hasta 48 sentencias falsas sugeridas por IA», consultado el 06/07/2026. https://www.poderjudicial.es/cgpj/es/Poder-Judicial/Noticias-Judiciales/El-TSJ-de-Canarias-multa-a-un-abogado-por-citar-hasta-48-sentencias-falsas-sugeridas-por-IA
2. El Derecho (Lefebvre), «El TSJC impone una multa de 420 euros a un abogado que utilizó 48 citas de jurisprudencia falsas basadas en IA», consultado el 06/07/2026. https://elderecho.com/el-tsjc-impone-una-multa-de-420-euros-a-un-abogado-que-utilizo-48-citas-de-jurisprudencia-falsas-basadas-en-ia
3. Infobae, «Histórico fallo de la Corte Suprema sobre el uso de la IA en Colombia: por primera vez anuló una decisión judicial apoyada en citas falsas» (STC17832-2025), consultado el 06/07/2026. https://www.infobae.com/colombia/2025/11/12/historico-fallo-de-la-corte-suprema-sobre-el-uso-de-la-ia-en-colombia-por-primera-vez-anulo-una-decision-judicial-apoyada-en-citas-falsas/
4. Corte Suprema de Justicia de Colombia, «Sala Civil, Agraria y Rural sanciona a abogado por temeridad procesal al citar textos legales y referencias jurisprudenciales apócrifas generadas por la IA» (Auto AC739), consultado el 06/07/2026. https://cortesuprema.gov.co/sala-civil-agraria-y-rural-sanciona-a-abogado-por-temeridad-procesal-al-citar-textos-legales-y-referencias-jurisprudenciales-apocrifas-generadas-por-la-ia/
5. Agencia Española de Protección de Datos (AEPD), «Adecuación al RGPD de tratamientos que incorporan Inteligencia Artificial. Una introducción», consultado el 06/07/2026. https://www.aepd.es/guias/adecuacion-rgpd-ia.pdf
6. European Broadcasting Union (UER/EBU), «Largest study of its kind shows AI assistants misrepresent news content 45% of the time», consultado el 06/07/2026. https://www.ebu.ch/news/2025/10/ai-s-systemic-distortion-of-news-is-consistent-across-languages-and-territories-international-study-by-public-service-broadcaste
7. Stanford HAI / RegLab, «AI on Trial: Legal Models Hallucinate in 1 out of 6 (or More) Benchmarking Queries», consultado el 06/07/2026. https://hai.stanford.edu/news/ai-trial-legal-models-hallucinate-1-out-6-or-more-benchmarking-queries
8. EU Artificial Intelligence Act, «Artículo 50: Obligaciones de transparencia para proveedores y responsables del despliegue de determinados sistemas de IA», consultado el 06/07/2026. https://artificialintelligenceact.eu/es/article/50/
9. OpenAI, «Why Language Models Hallucinate», consultado el 06/07/2026. https://openai.com/index/why-language-models-hallucinate/
10. Anthropic, «Reduce hallucinations» (documentación de Claude), consultado el 06/07/2026. https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations
11. Damien Charlotin, «AI Hallucination Cases Database», consultado el 06/07/2026. https://www.damiencharlotin.com/hallucinations/
12. Wikipedia, «Alucinación (inteligencia artificial)», consultado el 06/07/2026. https://es.wikipedia.org/wiki/Alucinaci%C3%B3n_(inteligencia_artificial)