🧠 El problema de fondo

Los modelos de lenguaje no buscan la verdad. Buscan la coherencia. Generan la continuación más plausible de un texto, no la más precisa.

Ese matiz importa cuando publicas con tu nombre.

---

⚙️ El sistema en tres pasos

Este flujo de trabajo divide el proceso en tres roles distintos, cada uno con un prompt dedicado.

📋 Paso 1 — El recopilador de datos

El primer prompt convierte a la IA en analista de investigación, no en redactor. Su única tarea: encontrar afirmaciones y descomponerlas en claims atómicos — una sola afirmación verificable por línea, con su fuente.

No escribe. No sintetiza. Solo extrae.

🔍 Paso 2 — La auditoría de verificación

El segundo prompt toma esa lista y la somete a un motor de verificación independiente. Cada afirmación recibe dos puntuaciones:

• Truth Score (0.0–1.0): qué tan respaldada está por fuentes independientes
• Uncertainty Score (0.0–1.0): qué tan incierta o inverificable resulta

Las afirmaciones que no superan el umbral definido no pasan al siguiente paso. Sin excepciones.

✍️ Paso 3 — El creador de contenido

El tercer prompt escribe el artículo final usando únicamente los claims que superaron la auditoría. Tiene prohibido añadir datos nuevos.

Si los hechos verificados no alcanzan para un artículo completo, lo dice.

---

🎯 Por qué funciona

Separar los roles elimina el principal vector de error: pedirle a la IA que investigue, verifique y escriba al mismo tiempo. Cada prompt tiene un objetivo único. Cada output alimenta al siguiente.

La auto-verificación no garantiza precisión absoluta, pero sí reduce de forma significativa el riesgo de publicar algo fabricado.

---

💡 Cómo aplicarlo

Puedes usar este sistema con cualquier modelo: ChatGPT, Claude, Gemini. El flujo no depende del modelo, sino de la separación de responsabilidades.

Elige tu umbral de precisión antes de empezar (por ejemplo, Truth Score > 0.8) y aplícalo sin negociar.