Índice de riesgo de alucinaciones

Índice de Riesgo de Alucinación (HRI) es un modelo interno de puntuación que estima lo fácil que es para los sistemas de IA citar mal, atribuir incorrectamente o inventar detalles a partir de tu contenido. Para los equipos de SEO, el valor es práctico: te ayuda a identificar las URL que tienen más probabilidades de salir “alteradas” en ChatGPT, Perplexity y en experiencias de búsqueda generadas por IA de Google, antes de que el daño se refleje en tickets de soporte o en conversiones asistidas perdidas.

Aviso importante. El HRI no es una métrica estándar de Google, Ahrefs, Semrush, Moz o Surfer SEO. Lo defines tú. Eso significa que la puntuación puede ser útil para priorizar, pero el número solo es tan bueno como los prompts, el muestreo y el proceso de QA (control de calidad) que hay detrás.

Qué suele medir el HRI

La mayoría de los equipos puntúan el HRI en una escala de 0 a 100. Cuanto más bajo, mejor. Un modelo razonable suele combinar varias señales:

• Consistencia del contenido: números, fechas o afirmaciones en conflicto entre plantillas, posts de blog, documentación y páginas de producto.
• Claridad de la fuente: si los datos de primera parte, las citas y los autores identificados son fáciles para que las máquinas los interpreten.
• Calidad de los datos estructurados: un esquema válido ayuda, especialmente para productos, organizaciones, autores y FAQs, aunque el esquema por sí solo no evita las alucinaciones.
• Ambigüedad de entidades: marcas con nombres genéricos, acrónimos que se solapan o competidores similares tienden a recibir atribuciones incorrectas con más frecuencia.
• Errores observados de la IA: pruebas repetidas en ChatGPT, Perplexity, Gemini y AI Overviews para el mismo conjunto de consultas.

Si buscas un punto de referencia, muchos equipos consideran por debajo de 30 como riesgo bajo, 30-70 como riesgo moderado y 70+ como riesgo alto. Estos umbrales son operativos, no una verdad universal.

Cómo lo usan realmente los equipos de SEO

Usa el HRI como una capa de triaje, no como un KPI de vanidad. Extrae URL candidatas desde Google Search Console en función de las impresiones de consultas que ya activan AI Overviews, y luego rastéalas en Screaming Frog para detectar títulos inconsistentes, bloques de contenido desactualizados, esquemas faltantes y patrones de hechos duplicados. Contrasta la autoridad y las brechas de citas con Ahrefs o Semrush. Si una página tiene muchas impresiones, poco respaldo de dominios de referencia y afirmaciones contradictorias en el sitio, es un candidato para limpiar.

La corrección del HRI “bien hecha” es poco glamorosa. Ajusta tablas de hechos. Estandariza el lenguaje de precios. Añade fuentes con nombre. Reduce la divergencia de versiones entre el blog, la documentación y las páginas de aterrizaje. En entornos regulados, esto importa más que el copy ingenioso.

John Mueller, de Google, confirmó en 2025 que los datos estructurados ayudan a los motores de búsqueda a entender el contenido, pero no garantizan cómo los sistemas de IA resumirán o citarán ese contenido.

Dónde se rompe la métrica

Esta es la parte que la gente se salta. Las salidas de la IA son inestables. El mismo prompt puede producir respuestas distintas según la ubicación, el estado de la cuenta, la versión del modelo y el momento de recuperación. Por eso, un puntaje de HRI puede parecer preciso mientras oculta entradas ruidosas. Además, no toda alucinación la provoca tu página. A veces, el modelo está usando fuentes de terceros desactualizadas, publicaciones en foros o una mala síntesis propia.

En resumen: el HRI es útil si lo tratas como un modelo interno de riesgo repetible, vinculado a páginas reales, prompts reales e impacto real para el negocio. No es una métrica universal de SEO. Es un sistema de QA para la era de las citas generadas por IA.