Precisión

El ATR™ es la métrica de riesgo reputacional del framework FAIV™. A diferencia de las métricas de visibilidad que miden presencia, el ATR™ mide calidad de la información: qué tan fiable es lo que la IA dice sobre ti cuando alguien pregunta.

Se construye a partir de un proceso de verificación sistemática: se recogen las afirmaciones que los modelos hacen sobre la marca (año de fundación, número de empleados, servicios, ubicaciones, clientes, premios, certificaciones) y se contrastan con los datos verificables de la empresa. Cada afirmación se clasifica como correcta, parcialmente incorrecta, incorrecta o inventada.

Un ATR™ bajo no es solo un problema de imagen — es un problema de negocio. Un potencial cliente que le pregunta a la IA por tu empresa y recibe información errónea puede descartarte antes de contactarte, o contactarte con expectativas incorrectas que generan fricción en el proceso de venta.

Donde el ATR™ evalúa la fiabilidad global de la información, el FAI™ la cuantifica con precisión. Sobre un conjunto definido de afirmaciones verificables (número variable según el sector y el tamaño de la empresa, típicamente 40-80 puntos de verificación), el FAI™ mide exactamente qué porcentaje de lo que la IA afirma sobre tu marca es correcto.

La metodología distingue tres tipos de error: error factual (dato incorrecto pero existente en alguna fuente), alucinación pura (dato inventado sin fuente identificable) y error de atribución (dato correcto de otra empresa atribuido a la tuya). Cada tipo tiene implicaciones distintas para la estrategia de corrección.

El FAI™ es una métrica en fase Research, lo que significa que la metodología de corpus y verificación está en refinamiento. Los primeros estudios piloto muestran que incluso marcas con alta visibilidad IA tienen FAI™ entre 60-75%, con errores concentrados en datos numéricos (empleados, facturación, número de clientes) y en atributos de la oferta.

A diferencia del FAI™ que mide todos los tipos de inexactitud, el AHR™ se enfoca exclusivamente en alucinaciones puras: afirmaciones que los modelos de IA generan sobre tu marca y que no tienen ningún origen identificable en ninguna fuente real. No son errores de interpretación ni de atribución — son datos inventados.

Las alucinaciones son especialmente prevalentes en marcas medianas que tienen suficiente presencia como para que la IA intente describir pero insuficiente contenido estructurado como para que los modelos puedan ser precisos. El modelo 'rellena los huecos' con datos plausibles pero falsos.

El AHR™ es una métrica Research porque la distinción rigurosa entre alucinación pura y error factual requiere una metodología de verificación exhaustiva que está en refinamiento. Los casos más graves de AHR™ alto implican riesgos legales si la IA afirma hechos que podrían constituir información material falsa sobre la empresa.