Cómo verificar la investigación de tu agente antes de usarla

Un agente de investigación entrega respuestas redactadas con citas: ya no son diez enlaces, sino un texto que afirma cosas con apariencia de verdad. El problema es que la calidad de esa respuesta depende de dónde buscó, y a veces cita una fuente fiable pero extrae de ella el dato incorrecto o fuera de contexto. El capítulo 11 de Agentes IA para Profesionales 2027 insiste en que la IA no sustituye el criterio sobre la fiabilidad, y este tutorial convierte esa insistencia en un procedimiento de comprobación con pasos concretos.

Lo que sigue funciona igual si la investigación se ha pedido a un motor de búsqueda con IA, a un chat con acceso a web o a un workflow programado. Usaremos un ejemplo hipotético de un estudio sectorial ficticio para ver cada paso aplicado. La finalidad es que ninguna afirmación llegue a un cliente o a una decisión sin pasar por el control descrito aquí.

El beneficio secundario del procedimiento es doble. Primero, la comprobación se acelera con la práctica: la clasificación de fuentes por niveles y el contraste de pasajes críticos se convierten en un hábito de minutos. Segundo, el sistema de instrucciones del método acumula lo aprendido, de modo que cada revisión deja el encargo de la siguiente investigación mejor formulado. Verificar no es un impuesto permanente sobre el uso de IA; es la parte del trabajo que distingue una respuesta de un dato.

1. Pide la investigación con condiciones de partida

La verificación se facilita o se complica en el momento de pedir, no después. Una investigación pedida con estructura reglamentada llega con citas por afirmación; una pedida «sobre el tema» llega como párrafo liso sin nada que agarrar. El método del libro aplica aquí sus instrucciones dentro del propio prompt.

Redacta el encargo con reglas explícitas

El libro propone un formato de encargo que incluye rol, tema, filtros de fuente, formato de salida y prohibición de inventar: «Actúa como mi analista. Busca información sobre [tema]. Fuentes: solo sitios gubernamentales y académicos. Formato: tabla con columnas fecha, fuente, hallazgo y nivel de confianza. Si no encuentras un dato, di «no encontrado». No inventes.» Cada instrucción tiene una función verificable: el filtro de fuentes define dónde debe mirar; el formato obliga a estructurar; la regla del dato deja los huecos visibles en lugar de tapados.

En nuestro ejemplo hipotético, un estudio sobre cómo usan los despachos de una ciudad las herramientas de IA, un encargo sin condiciones devolvería párrafos con nombres de proveedores y cifras sueltas. Con el encargo reglamentado, la tabla llega con cada cifra atada a su fuente y su fecha, y las celdas vacías aparecen como «no encontrado» en lugar de como aproximaciones.

Pide formato: la tabla que obliga a estructurar

El quinto punto del método del libro —pedir formato— es el que más valor aporta según su propio texto: la información estructurada es decididamente más útil que el párrafo libre. Una tabla comparativa con tres columnas da una decisión en segundos; un texto de doscientas palabras la retrasa. Además, la tabla es verificable por filas: cada fila puede comprobarse por separado, mientras que un párrafo mezcla datos y valoraciones.

En el flujo del libro, la plantilla maestra de investigación vive en la carpeta de instrucciones: reglas generales —fuentes preferidas, formato de salida, nivel de detalle— que se copian en cada búsqueda y solo se especializan con dos líneas del tema concreto. Ese archivo permite versionar y mejorar el encargo sin reescribirlo, y si mañana cambia la herramienta de investigación, el encargo sigue sirviendo.

Divide la pregunta si es demasiado amplia

El libro describe la búsqueda encadenada: en lugar de una pregunta compleja de una vez, dividir en dos o tres simples y usar las respuestas de las primeras para refinar la última. Primero «¿qué normativas existen en mi región?» y después «¿cómo afecta cada una a una pyme de menos de diez empleados?». La segunda búsqueda parte de contexto concreto y devuelve resultados más precisos.

Este paso también es de verificación: una pregunta amplia produce respuestas genéricas difíciles de contrastar porque no está claro qué afirma exactamente. La pregunta estrecha produce afirmaciones verificables. Si una respuesta llega superficial, el remedio del libro es reformular con más contexto, no pedirle al agente que «profundice» sin más.

2. Clasifica las fuentes que devuelve

Con la respuesta sobre la mesa, el primer filtro es la procedencia. El libro ordena las fuentes en tres niveles de fiabilidad y la clasificación es deliberadamente simple para poder aplicarse rápido.

Los tres niveles de fiabilidad

Fiabilidad alta: sitios gubernamentales, organismos oficiales, prensa de referencia y publicaciones académicas. Fiabilidad media: prensa especializada, blogs de empresas reconocidas y foros profesionales. Fiabilidad baja: blogs personales, sin autor identificado o sin fecha. La regla del libro es directa: si la respuesta importante llega apoyada en fuentes de nivel bajo, se busca más y se le pide al agente que restrinja la búsqueda a fuentes oficiales o académicas.

Ser consciente del nivel también gestiona las expectativas: si el agente no encuentra fuentes de calidad, puede ser señal de que el tema tiene poca literatura seria, y entonces conviene buscar manualmente en bases de datos especializadas. Que un tema esté poco documentado es un resultado también, y mejor saberlo pronto que llenar el hueco con texto plausible.

El equilibrio técnico: Google y el agente no compiten

El libro es explícito en que cada herramienta sirve al momento distinto del proceso de investigación. Google es excelente cuando se sabe exactamente qué se busca y basta el enlace; el agente de investigación es excelente cuando hace falta sintetizar varias fuentes. La regla general: si la respuesta está en un solo lugar que se conoce, buscador; si hay que juntar información de varios sitios, agente. No son sustitutos y saber cuándo usar cada uno es una habilidad profesional que se desarrolla con la práctica.

Esta distinción también ordena la verificación: los enlaces del buscador se leen directamente y el control está en la lectura propia; las respuestas del agente llegan sintetizadas y el control adicional consiste en confirmar que la síntesis respeta los pasajes originales. Dos momentos, dos tipos de control, un mismo principio: nada se afirma sin procedencia comprobada.

Nunca una sola fuente: el contraste cruzado

Entre las advertencias del capítulo hay una de especial peso para decisiones relevantes: no apoyar una afirmación importante en una única fuente. El contraste cruzado es la versión doméstica del control de calidad en investigación: cuando dos fuentes independientes de nivel alto coinciden, la confianza sube; cuando discrepan, la discrepancia es información y hay que resolverla antes de usar el dato. La coincidencia no prueba la verdad con certeza absoluta, pero descarta los errores de transcripción más comunes.

En el flujo de trabajo del tutorial, el contraste cruzado cabe en la misma tabla de verificación: si la afirmación crítica se sostiene al menos en dos fuentes de nivel alto que no dependan entre sí, la fila queda confirmada con margen. Si solo hay una, queda pendiente de segunda fuente. Es una regla binaria, rápida de aplicar, que evita depender del criterio del agente en la selección de fuentes.

Contrasta el pasaje original, no solo el titular de la fuente

Aquí está el error más sutil que el libro documenta: Perplexity —o cualquier agente— a veces cita una fuente correcta pero extrae el dato mal o lo saca de contexto. Por eso, cuando una cifra o una afirmación es crítica, no basta con ver que la fuente es fiable: hay que hacer clic y leer el pasaje concreto del que se extrajo el dato. Es un paso extra, pero solo se hace con las afirmaciones críticas, no con todo.

En el ejemplo hipotético del estudio sectorial, supongamos que la respuesta cita una asociación profesional y afirma que «la mayoría de los despachos ya usa estas herramientas». El pasaje original de la asociación podría decir que «la mayoría de los encuestados en una muestra de cierto tamaño» piensa implantarlas. Ambas frases se parecen; solo una se sostiene. Si el dato va a sustentar una decisión profesional, la verificación del pasaje no es opcional.

Aplica la regla de decision: si vas a actuar, verifica

El libro condensa la política de verificación en una regla práctica: si la información va a influir en una decisión profesional, se verifica siempre la fuente aunque parezca fiable; si solo sirve de contexto general, se puede confiar sin verificar. La verificación cuesta segundos y evita errores que costarían horas. La versión extendida, para afirmaciones críticas, añade el contraste del pasaje original descrito arriba.

Esta regla evita los dos extremos: el de quien no comprueba nada y el de quien verifica cada frase y vuelve a la pesquisa manual, con lo que el agente pierde su sentido. El criterio de decisión —actuar o no actuar sobre el dato— separa lo que merece control de lo que no.

Pro Search o búsqueda rápida: elegir el modo por la complejidad

Si la herramienta de investigación distingue modos, el libro aplica un criterio de selección por tipo de pregunta. La búsqueda rápida, con una pasada, sirve para preguntas concretas con respuesta directa y de una sola fuente: una fecha límite, un tipo de IVA. El modo de razonamiento iterativo —busca, lee, decide si necesita más, vuelve a buscar y sintetiza— sirve para preguntas complejas que exigen varias fuentes y análisis cruzado.

Para las tareas de verificación, el modo iterativo llega mejor de partida: una respuesta de una sola pasada suele concluir antes de haber contrastado fuentes alternativas, y las contradicciones entre fuentes —justo lo que hay que detectar— quedan sin explorar. Si el modo lento tarda demasiado y no termina, el remedio del libro es dividir la pregunta en dos más pequeñas, buscarlas por separado y combinar los resultados después.

Cuando la respuesta contradice lo que ya sabes

El libro prevé el caso: si tienes conocimiento del tema y la respuesta no encaja, ni se descarta ni se acepta, se van a las fuentes. Se comprueba qué dijeron exactamente, y se decide. A veces es el agente el que sintetizó mal información que estaba bien en el original; a veces es el conocimiento propio el que está desactualizado. La comprobación resuelve la duda en ambos sentidos, y el resultado convierte en nota para futuras búsquedas.

Este caso merece tratamiento aparte porque toca la cuestión de la confianza: las respuestas de los agentes llegan con una fluidez que invita a aceptarlas, y la discrepancia con el conocimiento propio suele resolverse por pereza en uno de los dos sentidos. El procedimiento del libro evita ambos atajos con la misma herramienta —el pasaje original— que se usa en las demás comprobaciones. La lectura del original también educa el criterio: con el tiempo, se identifica más rápido cuándo una síntesis se aleja de lo que la fuente realmente sostenía.

3. Construye un registro de verificación

La verificación puntual es necesaria pero se evapora; el registro la convierte en activo. Si la investigación alimenta trabajo recurrente —un seguimiento semanal, informes a clientes—, un registro simple ahorra rehacer comprobaciones y permite auditar qué quedó verificado y qué no.

Una tabla simple por investigación

Basta una tabla con pocas columnas, que se llena filas a filas mientras se revisa la respuesta:

Afirmación | Fuente citada | Nivel (alto/medio/bajo) | ¿Pasaje original comprobado? | Resultado
"La mayoría de despachos usa IA" | Asociación X | alto | sí | reformulada: eran encuestados
"Normativa Y cambia en 2027" | BOE/portal oficial | alto | sí | confirmada
"Coste medio de implantación Z" | blog sin firma | bajo | no | pendiente: buscar fuente oficial

El ejemplo anterior es ficticio y sirve solo para ilustrar el nivel de detalle útil. La columna del resultado admite cuatro estados: confirmada, reformulada —el pasaje original dice algo distinto—, pendiente si aún no hubo tiempo de comprobar, y descartada si la fuente no sostiene la afirmación. Nada de esto es sofisticado; su valor es que la próxima revisión empiece donde esta terminó.

El registro también protege ante la tercera parte: si un informe anterior citaba una fuente que luego resultó débil, la columna lo deja visible y el informe posterior puede corregirlo. En trabajo recurrente, los datos de periodos anteriores se reutilizan, y un registro ausente convierte esa reutilización en herencia silenciosa de comprobaciones no hechas. Una fila por afirmación es el coste, y se paga mientras se revisa, no después.

Instrucciones vivas y memoria de investigaciones

El método guarda lo aprendido en el sistema de carpetas. Si un filtro de fuentes resultó demasiado estrecho, se corrige la plantilla maestra una vez y la siguiente investigación hereda la mejora. Si un tipo de fuente resultó poco fiable para tu sector, anótalo en la memoria para no volver a citarlo. Las instrucciones del agente investigador son un documento que se ajusta, no una configuración congelada.

Esa portabilidad es deliberada: las instrucciones viven en tu carpeta, no dentro de la plataforma de búsqueda. El libro argumenta que así el sistema de investigación es resistente a cambios de herramienta, y que si aparece un competidor mejor, las instrucciones siguen sirviendo tal cual.

Cuándo el agente integra el control en el flujo

Para investigaciones recurrentes, el libro describe workflows integrados: un disparador semanal busca novedades del sector, la IA redacta un informe y te llega preparado. En cualquiera de esos flujos, el paso de verificación se mantiene: se reservan los minutos de revisión de fuentes con el mismo criterio del punto anterior —afirmaciones críticas al original, resto por nivel de fiabilidad—. La automatización entrega el borrador; la responsabilidad del dato sigue siendo de quien lo usa.

El libro recuerda además que la citación de una fuente no transfiere la fiabilidad de la fuente a la respuesta: la calidad depende de dónde buscó, y la IA no sustituye el criterio sobre la fiabilidad. Verificarlas es parte del trabajo, no un extra de perfeccionistas.

Un ejemplo recurrente: el dossier semanal

El libro ilustra el patrón con un caso hipotético de seguimiento regulatorio: cada lunes a primera hora, el workflow busca las novedades de la semana, la IA las resume y el resumen llega listo para leer. La persona ya no abre veinte boletines; abre el dossier y, si algo sorprende, hace clic en la fuente citada y verifica el pasaje. El filtrado del ruido lo hace el sistema; la confianza en cada dato la concede quién firma.

Aplicado a la investigación bajo demanda, el mismo mecanismo se dispara por evento: cuando el boletín oficial publica una norma del sector, la búsqueda arranca sola, la IA redacta la nota de impacto y llega con sus citas. La diferencia entre un boletín y una alerta inteligente, dice el libro, está en que la alerta solo aparece cuando ocurre algo, y cada aparición trae consigo el material de comprobación.

Errores frecuentes al verificar

Primero, tratar el agente como buscador de palabras clave: «IVA» funciona, pero una pregunta completa y con contexto devuelve respuestas mucho más verificables, porque cada afirmación llega más acotada. Segundo, no revisar las fuentes cuando la información es crítica, fiándose de que «citas fuentes» equivalga a «está bien». Tercero, aceptar respuestas de fuentes de nivel bajo sin pedir restricción a fuentes oficiales o académicas, lo que en la práctica del libro es la corrección más simple y eficaz.

Cuarto, confundir amplitud con riqueza: un encargo que pide «todo sobre el sector» devuelve párrafos generales difíciles de comprobar, mientras que el encargo estrecho —«qué herramientas usan los despachos de este tamaño, según qué fuentes»— devuelve afirmaciones que admiten control fila a fila. Quinto, no registrar lo verificado: sin la tabla de registro, la próxima investigación repite comprobaciones ya hechas y hereda dudas resueltas. Los cinco errores se corrigen con los pasos de este tutorial, y ninguno exige conocimientos técnicos.

4. Checklist de salida antes de usar la investigación

El cierre del procedimiento cabe en una lista. Antes de usar una investigación del agente, en cualquier formato:

• ¿Cada afirmación clave tiene una fuente citada con fecha?
• ¿Las fuentes críticas son de nivel alto —oficiales, académicas, prensa de referencia—?
• ¿El pasaje original de las afirmaciones críticas se leyó y coincide con la respuesta?
• ¿Los huecos aparecen como «no encontrado» o pendiente, no como texto rellenado?
• ¿El formato entregado permite comprobar fila a fila —tabla, columnas, niveles—?
• ¿Las instrucciones del encargo se actualizaron con lo aprendido en esta revisión?

Qué hacer con lo que falla y cómo cerrar el ciclo

Cada casilla marcada con una «no» es un pendiente concreto, no un motivo para desechar el trabajo: se busca la fuente correcta, se reformula la afirmación o se elimina del informe. Con el ciclo completo —encargo reglamentado, clasificación de fuentes, contraste de pasaje, registro—, la investigación del agente deja de ser una caja negra y se convierte en material auditable, que es lo que una decisión profesional exige.

Para ampliar el contexto editorial del método, hay disponible este recorrido de MargaPress sobre el sistema de trabajo con IA, y en MargaBooks una reseña de Tu Empleado Digital que repasa las ideas de fondo del enfoque. Ninguno de los dos recursos añade requisitos técnicos a este tutorial: la verificación descrita aquí se apoya en el capítulo 11 del libro y en tu propio criterio.

Agentes IA para Profesionales 2027

Crea y entrena tu empleado digital en 21 días. Enséñale cómo trabajas, automatiza tareas y multiplica tu productividad.

👉 Comprar en Amazon

Consulta la ficha del libro para conocer disponibilidad y condiciones actuales.