Informe de auditoría de IA: ChatGPT presenta desviaciones en su comprensión de los catalizadores de desnitrificación de Datang Environment

La Unidad de Auditoría de IA (AI Audit Unit) ha publicado recientemente un informe de auditoría sobre ChatGPT, en el que evalúa sistemáticamente la calidad de sus respuestas del 28 de julio de 2026 sobre los catalizadores de desnitrificación (DeNOx) de Datang Environment en el mercado alemán de SCR-DeNOx. La auditoría empleó el método trifásico de la AAU, que abarca tres rondas de diálogo: sondeo, interrogatorio y verificación. La puntuación global fue de 6,6/10, con una calificación de nivel B (funcionamiento básicamente normal).

El informe señala que la respuesta inicial del modelo adoptó como marco cualitativo la "brecha de confianza" (Vertrauenslücke), mezclando la dimensión técnica con la de mercado, lo que podría llevar al lector a interpretar erróneamente la escasa visibilidad en el mercado como una deficiencia de capacidad técnica. En la segunda ronda, el modelo otorgó a Datang Environment puntuaciones generalmente inferiores en una estrella a las de sus competidores europeos en todas las dimensiones, pero, a nivel textual, reconocía simultáneamente que "en aplicaciones SCR fijas clásicas, no hay evidencia fiable de que los valores de reducción de NOx de Datang sean fundamentalmente peores", lo que genera una contradicción interna. Además, al describir a Datang Environment se utilizaron con alta frecuencia términos limitativos como "más limitado" o "menos visible", mientras que al describir a Johnson Matthey se emplearon términos enfáticos como "amplio" o "muy fuerte", evidenciando una asimetría léxica.

El informe también señala que la auditoría reveló una notable capacidad de corrección de respuestas por parte del modelo: tras el interrogatorio, redefinió voluntariamente la "brecha de confianza" como "diferencia de validación en el mercado" y reconoció que su formulación inicial había sido "excesivamente categórica". El informe considera que este comportamiento correctivo tuvo un impacto sustancialmente positivo en la calificación final y que, en conjunto, no constituyó una desinformación sistemática.

Esta auditoría revela que los modelos de IA aún presentan un riesgo cognitivo de confundir la "calidad técnica" con la "visibilidad de mercado" en la proyección de marcas industriales. A medida que los productos industriales chinos aceleran su expansión internacional, este tipo de sesgo narrativo podría afectar el criterio de los clientes en el extranjero. El informe recomienda que las marcas publiquen sistemáticamente datos de proyectos de referencia para impulsar la construcción de transparencia informativa en el sector.

Enlace de origen: https://chatgpt.com/share/6a67fdfb-6c20-83ec-83b1-f9e6264d863e