Un thinktank propone etiquetas nutricionales obligatorias para noticias generadas por inteligencia artificial, comparándolas con las de los alimentos para revelar origen, fiabilidad y contenido sintético. Esta idea surge ante fallos graves en sistemas como los AI Overviews de Google, que han dado consejos médicos erróneos, como recomendar a pacientes de cáncer de páncreas evitar grasas, ignorando guías clínicas que priorizan dietas calóricas para combatir la caquexia. Investigaciones citadas por The Guardian destacan omisiones en análisis hepáticos, omitiendo edad, sexo y contexto, lo que podría generar falsos negativos fatales.

Contexto de los errores en IA generativa

Los AI Overviews de Google, lanzados para resumir búsquedas, han alucinado información crítica en salud. En el caso del cáncer pancreático, el modelo sugirió dietas bajas en grasas, contraviniendo recomendaciones oncológicas que enfatizan ingestas altas para mantener peso. Similarmente, en pruebas hepáticas, ignoró variables clave, induciendo diagnósticos erróneos. Google retiró estos resúmenes selectivamente, admitiendo falta de contexto, pero expertos como Vanessa Hebditch del British Liver Trust advierten que variaciones en consultas aún producen outputs engañosos. Estos incidentes subrayan limitaciones inherentes: los LLMs priorizan patrones estadísticos sobre hechos verificados.

La propuesta del thinktank busca mitigar esto con etiquetas visibles: disclosure de generación IA, porcentaje sintético, fuentes usadas y verificación humana. Se inspira en el etiquetado alimentario (Reglamento UE 1169/2011), extendiéndolo metafóricamente a información digital para empoderar usuarios en dominios sensibles como salud.

Implicaciones regulatorias y precedentes

Esta recomendación se alinea con debates globales sobre confianza digital, potencialmente influyendo en la UE donde regulaciones como la AI Act exigen transparencia en alto riesgo. Sin embargo, implementar etiquetas obligatorias podría crear precedentes onerosos: ¿quién verifica el ‘nivel de fiabilidad’? ¿Agencias estatales? Datos de mercado muestran que el 70% de outputs generativos contienen alucinaciones menores (estudio Anthropic 2024), haciendo el etiquetado un ejercicio fútil si no resuelve el problema raíz: verificación.

Comparado con nutrition facts, ignora que los lectores no son consumidores pasivos; muchos distinguen IA por estilo o fuente. Casos como Grok o Claude ya incluyen disclaimers voluntarios, reduciendo riesgos sin mandates.

Perspectiva crítica: ¿solución o más burocracia?

El thinktank propone etiquetas nutricionales como panacea, pero ignora trade-offs. Costes de compliance frenarían startups: etiquetar cada snippet requeriría auditorías humanas, elevando barreras de entrada en un mercado donde innovación depende de agilidad. Datos económicos: regulaciones similares en UE han aumentado costes operativos un 25% para pymes tech (Eurostat 2025). Además, usuarios educados prefieren herramientas como Perplexity, que citan fuentes, sobre resúmenes opacos.

En salud, el foco debería estar en no-indexar dominios críticos para IA, no en parches cosméticos. La ironía: mientras Google ajusta manualmente, competidores como xAI avanzan con RLHF mejorado, demostrando que mercado libre corrige fallos más rápido que burócratas.