Alicia Batlle Zapata, responsable de comunicación de Linde Médica & Linde Gas
Históricamente, la conversación sobre vacunas ha tenido un enemigo fácilmente reconocible: la desinformación. Bulos sobre efectos adversos, teorías sobre supuestos intereses ocultos, mensajes que exageran riesgos infrecuentes o equiparan la evidencia científica con opiniones sin respaldo. El movimiento antivacunas ha aprendido a vivir y crecer precisamente en esos espacios de duda, desconfianza y sobreabundancia informativa.
La llegada de la inteligencia artificial generativa introduce ahora un actor nuevo en ese ecosistema. Millones de personas pueden formular a un chatbot una pregunta sobre vacunas y recibir, en segundos, una respuesta clara, ordenada y formulada con una seguridad que recuerda a la de una voz experta. Ante ese escenario, me he preguntado: ¿basta con que la IA no desinforme para considerar que informa bien?
Ante ese escenario, me he preguntado: ¿basta con que la IA no desinforme para considerar que informa bien?
Esta pregunta está en el origen de un estudio exploratorio que he presentado en el XIII Congreso de la Asociación Española de Vacunología, en Vigo. Analicé 30 respuestas generadas por cinco sistemas de uso general (ChatGPT, Copilot, Claude, Gemini y Perplexity) ante seis dudas habituales sobre vacunación: balance riesgo-beneficio, supuesta sobrecarga del sistema inmunitario infantil, enfermedades autoinmunes, vacunación antigripal, vacuna frente al virus del papiloma humano y discrepancias entre profesionales sanitarios y redes sociales.
Los primeros resultados son tranquilizadores. No se identificó falsa equivalencia clara entre el consenso científico y las posiciones antivacunales en ninguna de las 30 respuestas. Además, en 29 de ellas la proporcionalidad otorgada al consenso científico fue alta.
Es un dato importante. Significa que, en esta muestra, el principal problema no fue encontrar chatbots colocando una afirmación antivacunas al mismo nivel que la evidencia científica. Pero el análisis mostró otra vulnerabilidad, más difícil de detectar precisamente porque las respuestas sonaban bien.
La desinformación antivacunas no se alimenta únicamente de datos falsos, también prospera cuando se erosionan las referencias compartidas de autoridad
Trece de las 30 respuestas no incluían fuentes, organismos o referencias relevantes. Ocho incorporaban únicamente menciones genéricas y solo nueve aportaban referencias, datos u organismos concretos. Algo similar ocurría cuando se analizaba hacia dónde dirigía la IA al usuario: 17 respuestas no remitían explícitamente a fuentes expertas o profesionales sanitarios; siete lo hacían de manera genérica y solo seis ofrecían una derivación específica.
El problema va más allá de si una respuesta contiene un dato falso. También importa qué posibilidades tiene la persona que la recibe de reconstruir de dónde procede la afirmación, contrastarla y comprender con qué grado de certeza debería aceptarla.
Aquí aparece lo que en el estudio denominamos riesgo de «falsa inteligibilidad»: respuestas claras, plausibles y mayoritariamente alineadas con la evidencia, pero acompañadas de una autoridad discursiva elevada y una trazabilidad insuficiente. La persona entiende perfectamente la frase; lo que quizá no puede valorar es por qué debe confiar en ella.
Se trata de evitar que la capacidad del chatbot para explicar con claridad termine convirtiéndose, por sí sola, en una apariencia de autoridad suficiente
Ese matiz resulta relevante cuando hablamos de vacunas. La desinformación antivacunas no se alimenta únicamente de datos falsos, también prospera cuando se erosionan las referencias compartidas de autoridad, cuando una institución sanitaria parece tener el mismo peso que un vídeo viral o cuando el ciudadano recibe mensajes contradictorios sin herramientas para jerarquizarlos. En ese contexto, una IA que responde con enorme fluidez pero no hace visibles sus fuentes puede resolver la duda inmediata y, al mismo tiempo, dejar intacto el problema de fondo: cómo se construye la confianza.
Por eso deberíamos ampliar el modo en que evaluamos la calidad de la información sanitaria generada por inteligencia artificial. La exactitud factual es imprescindible, pero no suficiente. También deberían contar la visibilidad y calidad de las fuentes, la proporcionalidad entre la seguridad del lenguaje y la solidez de la evidencia, la expresión explícita de la incertidumbre cuando existe y la capacidad de orientar hacia organismos sanitarios, documentación fiable o profesionales cuando la pregunta requiere una valoración individual.
Una de las preguntas que tendremos que aprender a hacer a la inteligencia artificial será «¿por qué debería confiar en lo que afirmas?»
No se trata de exigir a un chatbot que sustituya al médico; precisamente lo contrario. Se trata de evitar que su capacidad para explicar con claridad termine convirtiéndose, por sí sola, en una apariencia de autoridad suficiente.
La buena noticia del estudio es que las respuestas analizadas respetaron ampliamente el consenso científico y no reprodujeron una falsa equivalencia clara con posiciones antivacunales. La advertencia es que eso no debería cerrar el debate, sino abrir uno más reflexivo y exigente.
En la época actual, marcada por los bulos, la polarización y la desconfianza, informar bien sobre salud pasa por promover que quien lee o escucha pueda reconocer de dónde viene esa verdad, cuáles son sus límites y dónde puede comprobarla. Una de las preguntas que tendremos que aprender a hacer a la inteligencia artificial será «¿por qué debería confiar en lo que afirmas?».
