Plataforma · Fact Checking
Comprueba que la IA dice la verdad sobre ti
Extraemos las afirmaciones verificables y las contrastamos con lo que declara tu web oficial.
Las marcas que medimos cada día
Las métricas
No solo te citan: afirman hechos sobre ti
Extraemos de las respuestas las afirmaciones verificables, las contrastamos con tus fuentes oficiales y te decimos qué modelo se equivoca, en qué tipo de afirmación y de dónde nace el error.
-
La tasa de error es una métrica de riesgo
Sobre cientos de respuestas analizadas en cada periodo, un 6 % de errores factuales significa que una de cada dieciséis lleva un dato que tu propia web desmiente.
599 respuestas analizadas últimos 30 días6,3% errores- Verificadas 93,7%
- Falsas 6,3%
-
Qué modelo se equivoca, y en qué
Los errores no se reparten por igual: se concentran en un asistente y en un tipo de afirmación. Es el dato que te dice dónde actuar primero.
Errores por modelo y tipo de afirmación afirmaciones falsas · por tipo- Empresa
- Producto
- Servicio
- Modelo A 16
- Modelo B 8
- Modelo C 8
- Modelo D 4
- AI Overview 1
-
Cada error es una fila, con prompt y modelo
El tipo de afirmación es la clave de la prioridad: una característica de producto que no existe pesa en la elección; un dato de empresa desfasado pesa en la credibilidad.
Errores factuales en detalle prompt · tipo · modelo- «qué producto para el uso X» · producto Modelo A 1 error
- «existe la versión Y» · producto Modelo C 1 error
- «quién fabrica Z» · empresa Modelo B 1 error
-
El veredicto llega con la fuente autorizada
Cada error incluye la afirmación del modelo, la contradicción y las URL oficiales que la desmienten: sin la fuente es una opinión; con la fuente es un documento que puedes llevar a revisión.
Error · fuente de verdad extracto del veredicto- Atributo de producto inexistente web oficial Errónea
- Precio de tarifa desfasado página de precios Obsoleta
- Cobertura declarada parcial página de red Imprecisa
-
La prioridad es difusión ponderada por impacto en la decisión
Un error que repiten varios asistentes en una afirmación que pesa en la elección va antes que una imprecisión aislada. En los sectores regulados, el dato observado se mantiene separado de la recomendación.
Afirmación × asistente errores detectadosProducto Precio Cobertura Política Modelo A 62 30 18 10 Modelo B 12 44 8 0 Modelo C 24 16 34 6 Modelo D 8 12 10 0 -
La mejora se puede demostrar
Los errores nuevos generan una alerta y los resueltos quedan en el histórico: el efecto de una corrección se lee sobre el mismo prompt set, modelo a modelo.
Tasa de error factual últimos 12 meses24% da 86%- Oct
- Ene
- Abr
- Sep
Un dato erróneo dicho por un asistente pesa como una declaración oficial: nadie en la empresa lo ha escrito, todo el mundo lo lee.
Preguntas frecuentes
Tomadas literalmente de los prompts monitorizados. Schema FAQPage.
¿De dónde sale la fuente de verdad?
De las URL oficiales que indicas en la configuración inicial, más los documentos que quieras subir. Cada veredicto indica las fuentes en las que se basa.
¿Se puede usar en el sector farmacéutico?
Sí, y es el caso de uso más solicitado, con un flujo de revisión específico y trazabilidad de las comprobaciones.
¿Puedo notificar una corrección al modelo?
No existe un canal directo fiable. Se actúa sobre las fuentes que cita el modelo.
¿Con qué frecuencia se ejecuta?
Con la misma cadencia que la monitorización: las nuevas discrepancias generan una alerta y las resueltas quedan en el histórico.
Pruébalo con tus datos
Activa tú mismo la prueba gratuita de 7 días, con tarjeta y sin llamada: ve tus datos reales antes de elegir un plan.
