Los asistentes de IA suelen proporcionar estadísticas que parecen creíbles pero carecen de evidencia verificable, un fenómeno que Trakkr Research identifica como 'estadísticas zombis'. Estas son cifras que se repiten en diversas páginas web —como artículos de noticias, materiales de marketing y publicaciones en blogs— sin llegar a estar vinculadas a un estudio original. Por ejemplo, la afirmación de que el 44% de los vendedores se rinden tras un solo intento de seguimiento es una cifra común citada por múltiples modelos de IA. Sin embargo, rastrear este número específico revela un rastro que termina en el artículo de muestra de un escritor independiente y en la página de estadísticas de una empresa de ventas, ninguna de las cuales contiene un estudio real que respalde la cifra.
Para investigar esto, los investigadores analizaron 1,285 estadísticas proporcionadas por cinco asistentes de IA principales: ChatGPT, Perplexity, Gemini, Claude y Google AI Overviews. Siguieron cada rastro de citación hasta cinco páginas de profundidad para encontrar la fuente original. Los resultados mostraron que solo el 40% de estas estadísticas llegaron con éxito a un estudio que confirmaba el mismo número. Las cifras restantes terminaron en callejones sin salida, se descubrió que habían cambiado de contexto o valor en el camino, o eran completamente imposibles de rastrear. Notablemente, ChatGPT citó el menor número de cifras por respuesta (1.3) y tuvo la tasa de éxito de obtención de fuentes más alta (57%), mientras que otros modelos como Claude y Gemini citaron significativamente más estadísticas por respuesta pero tuvieron tasas de éxito de obtención de fuentes más bajas.
Esta imagen ilustra el concepto de estadísticas zombis descrito en el primer párrafo, donde los números se repiten en páginas web sin un enlace a un estudio primario.
La investigación destaca una correlación significativa entre el tipo de fuente y la probabilidad de encontrar un estudio primario. Cuando un asistente de IA citaba una página gubernamental o una empresa de investigación, el rastro llegaba a un estudio coincidente entre el 61% y el 62% de las veces. En contraste, cuando la primera citación era el blog de una empresa —que representaba el 54% de todas las primeras citaciones— la tasa de éxito caía al 37%. Incluso cuando finalmente se encontraba un estudio, el 17% de las estadísticas habían 'derivado' en su significado, con cambios en el año del estudio, la población específica consultada o la métrica que se estaba midiendo. Esto sugiere que los modelos de IA a menudo recuperan y repiten cifras de contenido de marketing secundario en lugar de investigación primaria, priorizando potencialmente la velocidad de una respuesta sobre la precisión de sus datos subyacentes.
Esta figura respalda los datos del segundo párrafo sobre las tasas de éxito de obtención de fuentes específicas y los recuentos de citación para ChatGPT, Claude y Gemini.
Una limitación significativa del estudio es que el 40% de los rastros se detuvieron en fuentes que estaban 'bloqueadas, desaparecidas o en silencio', lo que significa que el origen real de esas estadísticas sigue siendo desconocido. Además, la investigación indica que, si bien los modelos de IA rara vez 'inventan' números por completo —identificando a menudo correctamente la cifra en la página citada— con frecuencia fallan al distinguir entre un hallazgo de investigación primaria y un resumen secundario. Esto crea un riesgo en el que los usuarios reciben una respuesta segura y citada que es en realidad una cifra 'zombi', repetida por muchas fuentes pero sin anclaje en datos reales.