Reparar una afirmación falsa de un asistente

El instinto es reportar la respuesta al proveedor del modelo y esperar. Eso rara vez funciona por sí solo, porque la mayoría de las afirmaciones falsas son reproducciones fieles de algo que sigue publicado: tu propia página de precios retirada, una reseña de una versión de hace dos años, un PDF antiguo, una nota de prensa que nadie quitó. Mientras la fuente siga en vivo la respuesta se regenera, y reportar un síntoma cuya causa sigue en tu propio dominio gasta el único canal que tienes.

El archivo de la habilidad

---
name: assistant-misstatement-repair
description: Úsalo cuando un asistente afirme repetidamente algo falso sobre tu producto, como una funcionalidad que nunca lanzaste, un plan retirado o un precio que cambió.
---

# Reparar una afirmación falsa de un asistente

El instinto es reportar la respuesta al proveedor del modelo y esperar. Eso rara vez funciona por sí solo, porque la mayoría de las afirmaciones falsas son reproducciones fieles de algo que sigue publicado: tu propia página de precios retirada, una reseña de una versión de hace dos años, un PDF antiguo, una nota de prensa que nadie quitó. Mientras la fuente siga en vivo la respuesta se regenera, y reportar un síntoma cuya causa sigue en tu propio dominio gasta el único canal que tienes.

## Qué necesitas antes

- El prompt exacto que produce la afirmación, con el asistente y la fecha, ya que las respuestas varían entre ejecuciones
- Las URLs que cite la respuesta, más el texto literal de la respuesta
- Un registro fechado de qué cambió realmente y cuándo: historial de precios, funcionalidades eliminadas, planes renombrados
- Acceso a tus propias páginas archivadas y sin enlazar, incluidos PDFs, changelogs y landings de campañas antiguas

## Método

1. Reproduce la afirmación tres veces en sesiones limpias antes de ponerte a trabajar. Una respuesta rara aislada no es un patrón y no justifica el esfuerzo que viene después.
2. Sigue las citas que da la respuesta, pero trata la fuente declarada como una pista y no como un hecho. Un modelo puede atribuir una afirmación a una página que no la contiene.
3. Busca esa redacción en tus propias propiedades antes de mirar hacia fuera. Las páginas de precios retiradas, los artículos de ayuda desfasados, los PDFs viejos y las notas de prensa son la causa más habitual y la única que puedes arreglar del todo.
4. Corrige la fuente en sí en lugar de publicar una refutación en otro sitio. Una página nueva que dice que la afirmación es falsa deja dos documentos contradictorios en el corpus, y el más antiguo suele tener más enlaces.
5. Elimina o redirige las páginas obsoletas en vez de dejarlas en vivo bajo un banner de corrección, porque ese banner es prosa que la extracción puede sencillamente no arrastrar.
6. Para las fuentes de terceros, pide la corrección adjuntando la evidencia, y asume que una web de reseñas quizá solo añada una anotación en lugar de reescribir.
7. Usa también el control de feedback del proveedor, pero después de arreglar la fuente, para que un nuevo rastreo encuentre una página que coincide con tu queja.
8. Vuelve a probar el mismo prompt cada mes y anota la fecha en que cambia la respuesta. El retardo de corrección va de semanas a meses, y sin un registro fechado nadie puede decir si funcionó el arreglo o si el modelo simplemente pasó a otra cosa.

## Qué produce esto

Un registro corto de corrección por cada afirmación falsa que recoge el prompt, la fuente rastreada, el arreglo aplicado, la fecha y los resultados de las repruebas mensuales hasta que cambia la respuesta.

## Dónde falla esto

- Reportar la respuesta al proveedor mientras la página que la causó sigue en vivo, con lo que la afirmación vuelve tras el siguiente rastreo
- Publicar una página de corrección y dejar indexada la página equivocada, lo que le da al corpus dos respuestas y ningún criterio para elegir
- Juzgar el arreglo con una sola reejecución, cuando las respuestas varían entre ejecuciones y un único resultado limpio no demuestra nada
- Dar por hecho que la fuente tiene que ser externa cuando lo más frecuente es que sea tu propio contenido retirado

---

De la biblioteca de habilidades de QuQi - https://www.quqi.io/es/skills/assistant-misstatement-repair

Qué necesitas antes

• El prompt exacto que produce la afirmación, con el asistente y la fecha, ya que las respuestas varían entre ejecuciones
• Las URLs que cite la respuesta, más el texto literal de la respuesta
• Un registro fechado de qué cambió realmente y cuándo: historial de precios, funcionalidades eliminadas, planes renombrados
• Acceso a tus propias páginas archivadas y sin enlazar, incluidos PDFs, changelogs y landings de campañas antiguas

Método

1. 01 Reproduce la afirmación tres veces en sesiones limpias antes de ponerte a trabajar. Una respuesta rara aislada no es un patrón y no justifica el esfuerzo que viene después.
2. 02 Sigue las citas que da la respuesta, pero trata la fuente declarada como una pista y no como un hecho. Un modelo puede atribuir una afirmación a una página que no la contiene.
3. 03 Busca esa redacción en tus propias propiedades antes de mirar hacia fuera. Las páginas de precios retiradas, los artículos de ayuda desfasados, los PDFs viejos y las notas de prensa son la causa más habitual y la única que puedes arreglar del todo.
4. 04 Corrige la fuente en sí en lugar de publicar una refutación en otro sitio. Una página nueva que dice que la afirmación es falsa deja dos documentos contradictorios en el corpus, y el más antiguo suele tener más enlaces.
5. 05 Elimina o redirige las páginas obsoletas en vez de dejarlas en vivo bajo un banner de corrección, porque ese banner es prosa que la extracción puede sencillamente no arrastrar.
6. 06 Para las fuentes de terceros, pide la corrección adjuntando la evidencia, y asume que una web de reseñas quizá solo añada una anotación en lugar de reescribir.
7. 07 Usa también el control de feedback del proveedor, pero después de arreglar la fuente, para que un nuevo rastreo encuentre una página que coincide con tu queja.
8. 08 Vuelve a probar el mismo prompt cada mes y anota la fecha en que cambia la respuesta. El retardo de corrección va de semanas a meses, y sin un registro fechado nadie puede decir si funcionó el arreglo o si el modelo simplemente pasó a otra cosa.

Qué produce esto

Un registro corto de corrección por cada afirmación falsa que recoge el prompt, la fuente rastreada, el arreglo aplicado, la fecha y los resultados de las repruebas mensuales hasta que cambia la respuesta.

Dónde falla esto

• Reportar la respuesta al proveedor mientras la página que la causó sigue en vivo, con lo que la afirmación vuelve tras el siguiente rastreo
• Publicar una página de corrección y dejar indexada la página equivocada, lo que le da al corpus dos respuestas y ningún criterio para elegir
• Juzgar el arreglo con una sola reejecución, cuando las respuestas varían entre ejecuciones y un único resultado limpio no demuestra nada
• Dar por hecho que la fuente tiene que ser externa cuando lo más frecuente es que sea tu propio contenido retirado

Usa esta skill en tu propia IA

El archivo es markdown simple, con el nombre y el disparador en su frontmatter. Cuando un asistente sabe cargar skills por su cuenta, es ese frontmatter lo que lee para decidir que esta le aplica.

Más en Búsqueda con IA (GEO)