--- title: "18 errores médicos en un solo artículo: el estreno de la IA en Men's Journal" description: "Men's Journal publicó su primer artículo de salud con IA y un jefe de medicina halló 18 errores médicos. El fallo no fue el modelo: fue el sello sin revisión." slug: "mens-journal-18-errores-medicos-ia" url: "https://catalizadora.ai/blog/mens-journal-18-errores-medicos-ia" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T08:03:57.447+00:00" updated_at: "2026-08-26T18:44:31.439101+00:00" read_minutes: "7" lang: "es" --- # 18 errores médicos en un solo artículo: el estreno de la IA en Men's Journal > Men's Journal publicó su primer artículo de salud con IA y un jefe de medicina halló 18 errores médicos. El fallo no fue el modelo: fue el sello sin revisión. ## La cronología **Día 0.** Men's Journal es una revista de salud, deporte y estilo de vida masculino que pertenece a Arena Group, el mismo grupo editorial que publica Sports Illustrated. A comienzos de 2023, como buena parte de la industria, el grupo empezó a incorporar generación de texto con inteligencia artificial a su producción editorial. La promesa era razonable y todos la escuchamos alguna vez: la máquina redacta, el equipo revisa, el lector recibe lo mismo de siempre, más rápido y más barato. **Día 1.** El estreno de esa línea de trabajo fue un artículo de salud sobre testosterona. La prensa especializada le pidió a un jefe de medicina de un hospital universitario que lo leyera. En ese único texto encontró 18 errores médicos: términos clínicos usados uno por otro, relaciones inventadas entre dieta y síntomas, afirmaciones que la evidencia no sostiene. Según el experto, lo peligroso era el tono: el artículo resultaba verosímil precisamente por estar «lo bastante cerca» de la evidencia real. Y al pie llevaba un sello que decía que había sido revisado y verificado por el equipo editorial. **Horas y días después.** Las correcciones llegaron recién cuando los periodistas preguntaron, y se hicieron en silencio: el texto cambió sin una nota visible que le avisara al lector que lo que había leído antes estaba mal. > Un sello de «revisado» sin un mecanismo de revisión detrás no es control de calidad: es un adorno que traslada el riesgo al lector. ## Qué pasó, en detalle El caso es incómodo por su aritmética. No hablamos de un texto largo, técnico y marginal: hablamos del **primer** artículo de salud publicado bajo el nuevo esquema, es decir, el que más atención debió recibir de todo el proceso. Dieciocho errores en una sola pieza no es un descuido puntual; es la evidencia de que el texto salió sin que nadie con formación clínica lo leyera de principio a fin. El tipo de error también importa. Un artículo con datos absurdos se detecta solo: cualquier editor lo frena. Los errores que describió el experto eran de otra naturaleza. Confundir dos términos médicos que suelen aparecer juntos en la literatura, o afirmar que cierto hábito alimenticio provoca cierto síntoma cuando los estudios apenas muestran que a veces coinciden, produce frases perfectamente construidas, con la cadencia del texto médico serio, que un lector general —y un editor general— acepta sin fricción. La única persona capaz de encontrarlos era exactamente la que no participó del proceso. El agravante es el sello. El artículo declaraba haber sido revisado y verificado por el equipo editorial, y esa etiqueta es lo que un lector usa para decidir cuánto confiar en un consejo sobre su salud. Cuando la etiqueta se imprime por diseño de plantilla y no por un hecho que efectivamente ocurrió, el sistema deja de tener un error de contenido y pasa a tener un problema de garantía: le está diciendo al lector que alguien respondió por ese texto cuando nadie respondió. La corrección silenciosa cierra el círculo. Sin nota de erratas ni historial visible, el lector que ya actuó sobre el consejo original no tiene forma de enterarse de que cambió, y quien llega después no sabe que hubo algo que corregir. [Cobertura en FUTURISM.COM](https://futurism.com/neoscope/magazine-mens-journal-errors-ai-health-article). ## Por qué pasó Un modelo de lenguaje no está entrenado para decir la verdad: está entrenado para producir el texto más probable dado todo lo que leyó antes. En dominios donde la forma y el fondo se separan poco —una descripción de producto, un resumen de reunión— esa probabilidad alcanza. En medicina, en derecho o en finanzas, la forma y el fondo se separan muchísimo: dos términos que aparecen mil veces juntos en la literatura son estadísticamente vecinos y clínicamente distintos, y una correlación mencionada al pasar en un estudio es, para el modelo, casi indistinguible de una causa. Por eso el error no aparece como disparate, sino como matiz. El modelo es un imitador extraordinario de la *forma* del texto experto, sin el aparato de verificación que existe detrás de ese texto cuando lo escribe un experto. Nada de esto es una sorpresa técnica, y ahí está el punto: era previsible. La organización cambió la velocidad de producción sin cambiar la cadena de verificación. Antes, un artículo de salud pasaba por manos que conocían el tema porque escribirlo exigía conocerlo; cuando escribirlo dejó de exigirlo, nadie agregó el paso que hasta entonces venía incluido de regalo. El sello siguió imprimiéndose igual, porque el sello nunca estuvo atado a un evento verificable, sino a la plantilla de publicación. ![Ficha del caso Men's Journal: 18 errores médicos en el primer artículo de salud generado con IA, 2023](/img/casos/mens-journal-18-errores-medicos-ia-datos.jpg) *18 errores médicos, un solo artículo, y un sello de «revisado y verificado» que se imprimía solo.* ## Dónde te puede pasar a ti Este no es un problema de revistas. Es un problema de cualquier empresa que empezó a producir texto con IA más rápido de lo que puede verificarlo. - **El bot de atención que contesta preguntas técnicas.** Si vendes medicamentos, suplementos, insumos agrícolas, seguros o equipos, tu bot va a recibir preguntas de uso, dosis, contraindicaciones y coberturas. Va a responder con la misma seguridad las que sabe y las que no. - **Las cotizaciones y condiciones comerciales.** Un modelo que redacta propuestas interpola precios, plazos de entrega y garantías con la misma naturalidad con que redacta el saludo. Un descuento inventado que suena razonable es un compromiso comercial que alguien va a reclamar. - **El contenido del blog firmado por un especialista.** Es el caso exacto de Men's Journal en versión empresa mediana: artículos generados en lote que salen con la firma o el aval de un profesional que nunca los leyó. - **Cobranza, recursos humanos y comunicaciones legales.** Cartas de mora, respuestas a reclamos y avisos laborales que citan obligaciones, plazos o normativa. Acá el error no es una errata: es una posición jurídica de la empresa, por escrito y con fecha. La pregunta incómoda para hoy: de todo lo que se publicó o se envió esta semana en nombre de tu empresa, ¿cuánto lo leyó una persona con la formación necesaria para detectar un error de fondo, y cómo lo comprobarías si te lo preguntaran ahora mismo? ## Cómo se evita **1. Clasifica el contenido por riesgo antes de automatizar nada.** Lista todo lo que tu empresa produce y separa lo que puede afectar la salud, el dinero, la seguridad o la situación legal de quien lo lee. Ese subconjunto tiene reglas distintas: no se publica sin firma experta, punto. El resto puede correr con revisión ligera. **2. Que el sello se gane, no se imprima.** La etiqueta de «revisado» tiene que depender de un registro real: nombre del revisor, fecha y hora. Si no existe esa fila en la base de datos, la plantilla no muestra el sello y la publicación no avanza. Es una condición de dos líneas de código y elimina de raíz la garantía falsa. **3. Pon a revisar a quien puede encontrar el error.** Un editor general no detecta 18 errores clínicos, por bueno que sea. Conseguí revisión de un especialista del dominio, aunque sea por muestreo, y cuenta hallazgos: si el primer revisor encuentra errores graves en la primera pieza, el problema no es esa pieza, es el lote entero. **4. Ancla las afirmaciones a fuentes, no a la memoria del modelo.** Toda afirmación factual —clínica, legal, de precio o de plazo— debe salir de un material aprobado por tu empresa y citar de dónde salió. Lo que no tenga fuente recuperable, no se dice. Esta sola regla convierte la mayoría de las invenciones en un silencio, que es un resultado infinitamente mejor. **5. Corregí en público y deja rastro.** Historial de versiones, nota de corrección visible y registro de qué cambió y cuándo. Corregir rápido es una virtud; corregir sin dejar rastro convierte un error honesto en un problema de confianza. ## Cómo lo hacemos en Catalizadora En **Cortex**, nuestro motor conversacional, las capacidades del bot se declaran de forma explícita: lo que no está declarado, no existe. Si alguien pregunta algo fuera de ese perímetro —una duda médica, una excepción contractual, un caso que huele a reclamo— el bot no improvisa: escala a un humano por señal, y lo dice sin rodeos. Un asistente que responde «esto lo revisa un especialista y te contactamos» nunca generó un titular de prensa. En **Atlas** queda el registro completo e ineditable de cada conversación y cada respuesta enviada. Se puede corregir un contenido, y se debe; lo que no se puede es borrar el rastro de lo que se dijo antes. Ese registro es lo que permite responder con precisión cuando alguien pregunta qué le dijimos a un cliente el mes pasado. Y el **método MAGIA** entrega fase por fase con evidencia: ninguna fase se marca como verificada sin el archivo, la captura o la corrida que lo demuestre. Es la misma disciplina que le faltó a ese sello editorial, aplicada a la construcción del sistema. La regla, en una línea: si nadie firma con nombre, no sale; y si sale, el rastro no se borra. --- *Este es uno de los casos documentados en nuestra hemeroteca de fallas de IA. Todos con su fuente enlazada, y todos con la misma conclusión: el problema casi nunca es el modelo.* ## Preguntas frecuentes ### ¿Qué pasó después con el artículo de Men's Journal? Las correcciones se hicieron recién cuando la prensa preguntó, y de forma silenciosa: el texto cambió sin una nota visible que le avisara al lector que lo publicado antes contenía errores. El caso quedó documentado por la cobertura de Futurism y se volvió una referencia sobre publicación de contenido de salud generado con IA sin revisión experta real. ### ¿Por qué un modelo de IA comete errores médicos si «leyó» toda la literatura? Porque un modelo de lenguaje produce el texto más probable, no el más verdadero. Dos términos clínicos que aparecen mil veces juntos en la literatura son vecinos estadísticos aunque sean cosas distintas, y una correlación mencionada en un estudio es casi indistinguible de una causa. Por eso el error sale como matiz verosímil y no como disparate detectable. ### ¿Entonces no se debe usar IA para contenido de salud o temas delicados? Sí se puede usar, pero con la cadena de verificación cambiada, no solo la velocidad de producción. La regla práctica es clasificar el contenido por riesgo: lo que afecta la salud, el dinero, la seguridad o la situación legal del lector no se publica sin firma de un especialista registrada con nombre y fecha. ### ¿Cómo sé si mi empresa está expuesta hoy? Revisa qué se publicó o se envió esta semana en nombre de la empresa y pregunta quién lo leyó antes de salir. Si la respuesta no es un nombre propio con la formación adecuada, y si no existe un registro que lo demuestre, el sello de calidad de tu operación es tan decorativo como el de este caso. --- Source: https://catalizadora.ai/blog/mens-journal-18-errores-medicos-ia Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)