Qué hacer cuando ChatGPT dice algo falso de tu cliente: protocolo para agencias
El email llega un lunes: «Acabo de preguntarle a ChatGPT por mi clínica y dice que cerramos los viernes por la tarde. Llevamos dos años abriendo los viernes. ¿Podéis arreglarlo YA?».
Primera mala noticia: no hay botón de «corregir a ChatGPT». No existe un formulario de reclamación a OpenAI para datos de empresa, ni un teléfono al que llamar, ni un plazo garantizado. Quien le venda eso a tu cliente, le está vendiendo humo.
Segunda noticia, la buena: el error casi nunca nace en la IA. Nace en las fuentes de las que bebe — y las fuentes sí se corrigen. Ese es el trabajo, y tiene método. Este es el protocolo completo, en el orden en que conviene ejecutarlo.
Paso 1: documentar con captura antes de nada
Antes de avisar a nadie, antes de tocar nada: captura de pantalla con fecha. La pregunta exacta, la respuesta completa, el dato falso señalado. Y repite la consulta dos o tres veces, mejor en sesiones distintas: las respuestas de la IA varían, y necesitas saber si el error es sistemático (sale casi siempre) o esporádico (salió una vez).
La distinción importa muchísimo. Un error sistemático tiene casi seguro una fuente concreta detrás y merece el protocolo entero. Un error esporádico puede ser una alucinación puntual del modelo —se inventó el dato esa vez— y quizá no vuelva a aparecer; se anota, se vigila y no se moviliza al cliente.
Comprueba también las otras IAs: Gemini, Perplexity, Claude. Si el mismo dato falso aparece en varias, hay una fuente contaminada que todas están leyendo — y Perplexity, que enlaza sus fuentes, muchas veces te dice cuál es directamente.
Paso 2: identificar la fuente probable del error
La IA no se inventa que la clínica cierra los viernes (normalmente): lo leyó en algún sitio. Los sospechosos habituales, por orden de frecuencia:
La propia web del cliente. Más veces de las que admitirá. Una página de «horarios» antigua sin actualizar, una landing de 2021 que nadie recuerda, un PDF indexado con tarifas viejas. Busca en Google site:webdelcliente.com + el dato falso.
La ficha de Google (Google Business Profile). Fuente primaria de horarios, dirección y teléfono para casi todos los modelos. Horario mal puesto, categoría equivocada, o ediciones sugeridas por usuarios que se aprobaron solas sin que nadie lo viera.
Directorios viejos. Páginas Amarillas, directorios sectoriales, portales locales, aquel perfil que alguien creó en 2017 y abandonó. Tienen autoridad a ojos de los modelos y nadie los ha tocado en años. Búscalos: el nombre del cliente entre comillas + el dato falso en Google.
Notas de prensa y artículos antiguos. «La empresa, con sede en Sevilla...» cuando se mudaron a Málaga hace tres años. No se pueden borrar, pero se pueden contrarrestar con señales más recientes.
Reseñas y foros. Una queja antigua en Google o un hilo de foro pueden colarse como descripción del negocio («es caro», «tarda semanas en entregar»).
Documenta cada fuente encontrada: URL, dato erróneo, quién puede modificarla. Esa tabla es tu plan de trabajo y, de regalo, un entregable estupendo para el cliente.
Paso 3: corregir las fuentes, por orden de impacto
- Web del cliente: corrige el dato, actualiza los datos estructurados (schema de organización/negocio local con horarios, dirección, teléfono) y asegúrate de que la información correcta esté en páginas indexables, no solo en una imagen o un PDF.
- Ficha de Google: corrígela, verifica que no haya ediciones de usuarios pendientes y deja la ficha activa (publicaciones recientes, fotos): las fichas vivas pesan más.
- Directorios: reclama la propiedad de los perfiles importantes y corrígelos; pide la eliminación de los que estén muertos. No hace falta perseguir los cincuenta — prioriza los que salen en la primera página de Google al buscar al cliente, que son los que la IA lee.
- Contenido fresco que afirme lo correcto: una página o entrada actualizada que diga explícitamente el dato verdadero («horario actualizado 2026: abrimos viernes de 9 a 20 h»). Los modelos tienden a favorecer la información más reciente y consistente; dales una fuente nueva, clara y fechada que contradiga a la vieja.
Paso 4: monitorizar hasta que el cambio se refleje
Aquí viene la parte que exige gestionar expectativas: corregir la fuente hoy no cambia la respuesta de ChatGPT mañana. Los modelos recogen los cambios cuando los recogen — semanas habitualmente, a veces más, y de forma desigual entre IAs (las que buscan en la web en tiempo real, como Perplexity, suelen reflejarlo antes que las que dependen más de su memoria de entrenamiento).
Por eso el seguimiento no puede ser «pregunto un día a ver»: hay que lanzar las consultas afectadas de forma periódica, en las 4 IAs, y registrar cuándo desaparece el dato falso de cada una. Es la diferencia entre decirle al cliente «ya debería estar» y enseñarle «en Perplexity se corrigió el día 12, en ChatGPT seguimos vigilando». Hacer esto a mano para un caso es asumible; hacerlo para toda la cartera es el problema de las capturas manuales de siempre. En Surfeo para agencias este seguimiento es automático: los prompts de cada cliente se lanzan cada semana en las 4 IAs y el histórico te muestra el momento exacto en que la respuesta cambió — la prueba de que tu trabajo funcionó, con fecha.
Paso 5: gestionar al cliente mientras tanto
El cliente quiere el arreglo «YA», y «YA» no existe. El guion para la primera conversación:
Dato clave
«Lo hemos verificado y documentado. No se puede corregir a ChatGPT directamente —no existe ese botón, te lo digo honestamente—, pero sí sabemos de dónde saca el error: [la fuente]. Ya estamos corrigiéndola. Los modelos tardan semanas en recoger los cambios, así que vamos a vigilar la respuesta cada semana y te avisamos en cuanto cambie.»
Tres cosas hacen que esta conversación salga bien. Primera: demuestras diagnóstico, no excusas — sabes de dónde viene el error. Segunda: pones plazo a lo que controlas (la corrección de fuentes, esta semana) y horquilla honesta a lo que no (el reflejo en la IA, semanas). Tercera: conviertes la espera en servicio visible, con un mini-informe semanal de dos líneas: «fuentes corregidas: 4 de 5; ChatGPT aún muestra el dato antiguo; Perplexity ya lo da bien».
Y una reflexión para la siguiente reunión comercial: este incidente es la mejor demostración posible de por qué la monitorización continua importa. El dato falso llevaba quién sabe cuánto tiempo ahí fuera, respondiéndose a cada persona que preguntaba, y nadie lo sabía. Con el 37,9 % de la población española usando ya IA generativa (INE, último trimestre de 2025), eso son muchas respuestas equivocadas. Detectarlo en la medición semanal, antes que el cuñado del cliente, es exactamente el servicio que estás vendiendo — y encaja de lleno en lo que sí puedes comprometer en una propuesta.
Preguntas frecuentes
¿Puedo reclamar directamente a OpenAI, Google o Perplexity?
Para datos de empresa, en la práctica no hay vía eficaz: no existe un proceso de corrección de información empresarial como tal. Existen formularios de feedback genéricos (el pulgar abajo en la respuesta) que no está de más usar, pero sin esperar nada de ellos. La vía real son las fuentes. Caso aparte son contenidos que afecten a datos personales o difamación, donde sí hay vías legales y de privacidad — pero eso ya es territorio de abogados, no de agencias.
¿Cuánto tarda en corregirse la respuesta una vez arregladas las fuentes?
Sin garantías: típicamente entre dos semanas y un par de meses, antes en las IAs que consultan la web en directo y más tarde en las que dependen de su entrenamiento. Por eso se monitoriza semanalmente en vez de prometer una fecha.
¿Y si el dato falso viene de una fuente que no puedo modificar, como un artículo de prensa?
No puedes borrarla, pero puedes enterrarla: genera señales más recientes, consistentes y con más autoridad que digan lo correcto — web actualizada, datos estructurados, ficha de Google viva, menciones nuevas. Los modelos ponderan frescura y consistencia: si nueve fuentes recientes dicen X y una antigua dice Y, X acaba ganando.
¿Debo contárselo al cliente si detecto yo el error antes que él?
Sí, siempre, y con la captura. Detectarlo tú primero es de las pocas veces en que dar una mala noticia te hace quedar bien: «nuestra monitorización ha detectado esto; ya estamos en ello». Es el servicio funcionando delante de sus ojos. Ocultarlo y que lo descubra su cuñado es el escenario que te cuesta la renovación.
¿Sabes qué están diciendo hoy las IAs de tus clientes? Haz el test de visibilidad gratis con la web de cualquiera de ellos: mejor descubrir el dato falso tú esta semana que tu cliente el lunes que viene.
