iberestudios.

BazofIA: cuando la IA recomienda publicidad como si fuera consejo

Persona consultando información en un ordenador portátil; imagen editorial sobre recomendaciones digitales

Imagina que vas a gastarte casi 1.700 euros en un curso de inteligencia artificial. Antes de pagar, haces una pregunta razonable a un asistente: «¿Es buena esta escuela?». Recibes una respuesta fluida: programa práctico, testimonios satisfechos, universidad asociada, certificación y profesores con experiencia. Quizá incluso aparecen enlaces. Lo que no sabes es si la máquina ha contrastado esa información o se ha limitado a ordenar el material de quienes venden el curso.

En la web de Learning Heroes, IA Heroes Pro se anuncia con la expresión «certificado oficial» y un precio promocional visible de 1.697 euros. En el catálogo de Western Europe University, el mismo programa figura como «título propio» de 60 ECTS. No son expresiones intercambiables. El título propio puede tener valor formativo y profesional, pero quien busque un título universitario oficial necesita saber exactamente qué acreditación recibirá. La información comercial y la clasificación académica son dos piezas que una recomendación responsable debería poner una al lado de la otra.

La máquina que aprendió a recomendar

El negocio de aparecer en Google se ha extendido a las respuestas de los asistentes. Ya no basta con atraer a alguien hasta una página: ahora interesa que la IA pronuncie tu marca cuando le preguntan qué comprar, dónde estudiar o qué proveedor contratar. Se llama optimización para motores generativos, o GEO. Una investigación publicada en KDD en 2024 midió mejoras de visibilidad de hasta el 40 % en su banco de pruebas, dependiendo de los métodos y las consultas.

Mejorar una página para que un sistema encuentre datos útiles puede beneficiar al usuario. Otra cosa es fabricar apariencia de autoridad. Un folleto asegura que una escuela es excelente; un portal reproduce la afirmación; otra web la cita como reconocimiento; una tercera recopila esas menciones. Al leer varios resultados, el asistente puede encontrarse con una aparente corroboración que en realidad procede de una única campaña comercial. Tres páginas no son tres pruebas independientes.

Del mensaje comercial a la recomendación
  1. 1 · La escuela publica: «Programa excelente, certificado oficial, alumnos satisfechos».
    Origen: comunicación comercial.
  2. 2 · La web multiplica: blogs y recopilatorios repiten o enlazan esas afirmaciones.
    Riesgo: varias menciones pueden proceder de una sola fuente.
  3. 3 · La IA sintetiza: combina resultados, prioriza marcas conocidas y puede omitir discrepancias.
    Riesgo estudiado por SafeGEO y por las auditorías de sesgo de marca.
  4. 4 · El usuario recibe: «Es una escuela recomendable».
    Comprobación necesaria: título exacto, entidad expedidora, coste y resultados acreditados.

Infografía explicativa. Secuencia hipotética del riesgo; no describe una campaña atribuida a una empresa concreta. Fuente: SafeGEO (EMNLP 2026).

El experimento: hacer que un producto deficiente parezca recomendable

En octubre de 2026, Qianfeng Wen y seis investigadores publicaron en la conferencia EMNLP el trabajo SafeGEO. Construyeron 600 casos de recomendación y 22 variantes de manipulación de contenidos. En ciertas configuraciones consiguieron aumentar hasta 83,2 puntos porcentuales la presencia de productos deficientes en las recomendaciones del agente. Las defensas que probaron mitigaron parte del efecto sin eliminarlo completamente.

La parte decisiva del experimento es dónde intervino el atacante: en la información que consultaba el agente, no en sus parámetros internos. La respuesta podía salir redactada de forma impecable, con el tono educado de un asesor imparcial, después de haber incorporado material preparado para favorecer un producto. El estudio prueba una vulnerabilidad bajo condiciones experimentales; no atribuye esa conducta a Learning Heroes ni a ninguna empresa española.

La ventaja de quien ya ocupa todas las pantallas

El problema tampoco depende siempre de una manipulación deliberada. En un estudio difundido como preprint en noviembre de 2026, Monaco, Lenti y Pierri examinaron el sesgo a favor de las marcas conocidas en buscadores generativos. En su muestra, las dominantes aparecieron citadas entre 1,4 y 2,8 veces más que la marca media. En pruebas controladas, sustituir un nombre conocido por otro desconocido, conservando los atributos del producto, empeoraba su posición en las recomendaciones. El trabajo aún debe pasar revisión por pares.

Una escuela puede ser conocida porque invierte mucho en anuncios, porque tiene una comunidad grande o porque sus alumnos hablan de ella. La fama es un hecho; la calidad docente es otra pregunta. Un asistente que recomienda lo que más aparece puede favorecer a quien más presencia ha conseguido comprar o acumular, aunque no haya medido aprendizaje, satisfacción con una muestra representativa ni resultados profesionales.

Qué ve el lector y qué ha consultado realmente la IA

Los enlaces parecen resolver el problema hasta que se examina de dónde salen. Un artículo publicado en Data & Policy analizó cerca de 14.000 respuestas de búsqueda asistida procedentes de registros de 2025. Encontró diferencias entre las páginas consultadas y las que finalmente se citaban, con resultados desiguales según el sistema. Su investigación trata sobre atribución y transparencia de fuentes; no mide la calidad académica de las recomendaciones. Sirve para entender por qué una lista de enlaces no equivale a una auditoría de lo recomendado.

Learning Heroes: la diferencia que importa antes de pagar

El programa IA Heroes Pro ofrece clases, tutorías, proyectos y acceso a una comunidad, según la página comercial. Western Europe University publica su clasificación como título propio. El futuro estudiante puede valorar positivamente el contenido y aun así exigir precisión sobre la naturaleza del certificado. La expresión «certificado oficial» debería acompañarse de información inequívoca sobre quién lo expide y qué reconocimiento jurídico tiene.

Para afirmar que una escuela es buena harían falta otras pruebas: trabajos evaluados, docentes y dedicación real, condiciones de contratación, tasa de finalización y resultados de aprendizaje o empleo medidos con un método verificable. Un testimonio auténtico puede ser útil para conocer una experiencia individual. No sustituye al resultado del conjunto de una promoción.

Iberestudios ya investigó la publicidad de Learning Heroes. Este nuevo reportaje examina un problema distinto: cómo una IA puede convertir afirmaciones comerciales en recomendaciones. La investigación sobre modelos no acredita que Learning Heroes haya manipulado deliberadamente agentes de IA. Lo comprobado aquí es la discrepancia de terminología entre dos fuentes primarias sobre la acreditación de un programa.

El cliente agotado y la respuesta demasiado fácil

Hay una razón humana por la que esto importa. Cuando vuelves a casa después de una jornada larga, treinta correos pendientes y un atasco, un asistente que resume diez escuelas en tres nombres puede parecer una bendición. Los estudios sobre desplazamientos asocian congestión e imprevisibilidad con estrés, y la literatura sobre ruido ambiental describe consecuencias para el descanso y algunas funciones cognitivas. La Organización Mundial de la Salud ha documentado además los riesgos sanitarios de las jornadas laborales muy prolongadas. Revisión sobre desplazamientos · OMS: ruido · OMS/OIT: jornadas prolongadas.

Es razonable investigar si una persona cansada contrasta menos las recomendaciones, pero los estudios citados no prueban que los atascos o el ruido hagan creer a un chatbot concreto. La música de las tiendas aporta otra distinción interesante: Milliman mostró en 1982 que el tempo podía modificar el ritmo de compra y las ventas. Eso demuestra que el entorno influye en conductas de consumo, no que una frecuencia musical determinada anule la capacidad de pensar.

La cuestión práctica es más sencilla. Si una recomendación implica gastar dinero y meses de vida, merece más atención precisamente cuando tienes menos tiempo. Una IA debería ahorrar trabajo de búsqueda, no sustituir las comprobaciones importantes.

Cómo detectar una recomendación hecha con publicidad

Antes de matricularte, pide al asistente que separe las afirmaciones de la escuela de los documentos de la universidad o de la autoridad educativa. Que identifique el título exacto, la entidad expedidora y el precio total. Que compare alternativas con los mismos criterios y que explique qué datos faltan. Cuando una respuesta solo repite «excelente», «líder», «oficial» o «transformador» sin documentación independiente, aún no te ha ayudado a elegir.

La IA puede acercarnos fuentes que antes costaba encontrar. Su mejor versión no será la que recomiende con más seguridad, sino la que haga visible por qué recomienda algo, de dónde salen las pruebas y qué tendría que ocurrir para cambiar de opinión. Al vendedor le interesa que dejes de comparar. A ti te interesa exactamente lo contrario.

Fotografía destacada: Christin Hume / Unsplash. Imagen ilustrativa de una persona consultando información digital.

Read this report in English.

Documentos y estudios

Participa en la conversación

Para comentar necesitas acceder con tu cuenta. Después volverás a este artículo.

Acceder para comentar

Datos de solicitudes de formación

El responsable es Óscar Fuente Castrillejo, titular de Iberestudios. Guardamos los datos que envías para gestionar tu candidatura a la beta, tu reserva de plaza o el aviso que solicites. Cada formulario registra por separado tu aceptación. Puedes retirar tu solicitud y pedir acceso, rectificación o supresión escribiendo a ofuente@gmail.com.

Datos del titular y aviso legal
PRÓXIMAS FORMACIONES

Recibe avisos sobre el programa.

Déjanos tu correo y te avisaremos cuando puedas apuntarte.

Uso de tus datos
MÁSTER EN IA · BETA GRATUITA

Quiero ser beta tester

Consigue acceso anticipado al máster gratuito de IA. Prueba las clases, las actividades y el campus; cuéntanos qué funciona y qué tenemos que mejorar.

  1. Completa tu solicitud y acepta los compromisos de prueba.
  2. Revisaremos tu disponibilidad y te confirmaremos si puedes participar.
  3. Si participas, probarás las actividades que te indiquemos y anotarás los problemas que encuentres.
Compromisos del betatester

El feedback debe incluir problemas y mejoras concretas. No incluyas contraseñas, claves ni datos privados de otras personas.

Iberestudios guardará tu candidatura para coordinar la prueba. El envío no confirma admisión ni crea una cuenta en el campus. Conserva la referencia que aparecerá al enviar.

Uso de tus datos
MÁSTER EN IA · 1.ª EDICIÓN · 8 ENERO 2027

Reserva tu plaza en el máster gratuito de IA

Primera edición: 8 de enero de 2027. Si el grupo se completa, podrás apuntarte a la lista de espera.

Uso de tus datos