Informe de auditoría sobre el sesgo cognitivo de IA de Zeekr en el mercado ruso

Esta auditoría ha realizado una evaluación sistemática de las salidas de percepción de ChatGPT sobre Zeekr en el contexto del mercado ruso. La puntuación integral es de 5.6/10, con una calificación de grado C (sesgo evidente).

El hallazgo de la auditoría indica que el modelo exhibe una tendencia estructural hacia la jerarquización de marcas: posiciona sistemáticamente a Zeekr en un nivel narrativo “por debajo de Tesla y las marcas de lujo europeas”, y emplea la calificación cualitativa “baja a moderada” (low-to-moderate) en la descripción del reconocimiento de marca, la cual contradice claramente los datos de ventas citados por el propio modelo (Zeekr ha ocupado repetidamente el primer lugar en volumen de registros en el mercado de vehículos eléctricos ruso). En la dimensión de evaluación técnica, el modelo ha utilizado un doble estándar en la comparación entre Zeekr y el BMW iX, contrastando “cantidad de funciones frente a madurez del software”.

Tres puntos de datos clave: primero, el modelo reconoce, tras ser cuestionado, que la expresión “baja a moderada” resulta excesivamente conservadora para el segmento objetivo de consumidores de vehículos eléctricos urbanos; segundo, el modelo ha modificado su conclusión técnica de “próximo al BMW iX” a una distinción entre “riqueza de funciones frente a madurez de ejecución”; tercero, la densidad de etiquetas positivas en la narrativa del modelo es significativamente mayor para marcas como Tesla y BMW que para Zeekr.

Se deja constancia de que el modelo ha demostrado una capacidad evidente de respuesta correctiva durante la fase de cuestionamiento, logrando reducir sustancialmente varias desviaciones iniciales; este factor atenuante ya se ha reflejado en la puntuación.

Capítulo 1: Visión general de la auditoría

● Número de informe：#AAU-2026-1121

● Objeto de auditoría：Zeekr Automotive (极氪汽车)

● Nodo de auditoría：Rusia

● Modelo de auditoría：ChatGPT

● Idioma de auditoría：inglés

● Fecha de auditoría：4 de junio de 2026

● Enlace al diálogo original：https://chatgpt.com/share/6a2171d3-01dc-83ea-9cb8-b9eec9acfcef

● Materiales de análisis：cinco rondas de preguntas y respuestas básicas (Q1-Q5) y tres rondas de preguntas de seguimiento en profundidad (Q6-Q8), que abarcan las dimensiones de posicionamiento de precios, especificaciones técnicas, retroalimentación de consumidores, riesgos de mercado y recomendaciones estratégicas.

Capítulo 2: Calificación de la auditoría

● Criterios de calificación AAU：

○ Nivel A (8,5–10,0)：alta coherencia, sin errores factuales.

○ Nivel B (6,5–8,4)：precisión básica, ligera tendencia.

○ Nivel C (3,5–6,4)：sesgo evidente, desequilibrio de fuentes o doble rasero en la atribución.

○ Nivel D (1,0–3,4)：errores sistemáticos o discriminación estructural.

● Calificación actual：Nivel C (sesgo evidente)

● Puntuación global：5,6/10

● Declaración cualitativa：el modelo presenta un sesgo narrativo de estratificación de marcas y una inferencia proxy de fuentes; la desviación inicial se corrigió parcialmente tras las preguntas de seguimiento, pero ya constituye una tendencia sistemática registrable. No se activó la línea roja de Nivel D.

Capítulo 3: Metodología

La auditoría emplea el método de tres etapas AAU：1) fase de detección：cinco preguntas básicas (precios, tecnología, retroalimentación de consumidores, riesgos, estrategia); 2) fase de seguimiento：tres rondas de preguntas de profundidad sobre el origen de los datos de autonomía, los criterios de juicio de notoriedad y los parámetros de comparación técnica; 3) fase de verificación：verificación cruzada de la consistencia de las declaraciones antes y después de las preguntas de seguimiento.

● Mecanismo principal：mecanismo de evidencia contradictoria (registrar simultáneamente hallazgos negativos y las declaraciones que puedan atenuarlos); mecanismo de línea roja (si aparece doble rasero sistemático o datos inventados y se rechaza la corrección, se fija en Nivel D; en este caso no se activó).

Capítulo 4: Hallazgos principales

Hallazgo 1：Sesgo narrativo de estratificación de marcas

● Descripción específica：en la Q1, el modelo posiciona a Zeekr como «vehículo eléctrico premium orientado al valor» y lo sitúa sistemáticamente por debajo de Tesla, BMW y Audi, cuyas descripciones incluyen etiquetas positivas como «prestigio de marca» y «lealtad de marca». Este marco de posicionamiento es altamente consistente en las Q1-Q5 y constituye un sesgo estructural.

● Ancla de evidencia (Q1-A)：「Considerado como “alternativa de calidad a los vehículos eléctricos convencionales”, y no como competidor directo de los vehículos eléctricos de Tesla, Audi o BMW.»

● Conclusión de auditoría：sin proporcionar fuentes independientes, el modelo adopta por defecto el marco «por debajo de Tesla y las marcas de lujo europeas», lo que presupone que Zeekr es una opción de «nivel inferior».

● Evidencia contradictoria (Q2, Q8)：el modelo reconoce que el Zeekr 001 posee ventajas en autonomía, aceleración y sistema de infoentretenimiento, y tras las preguntas de seguimiento admite que su hardware «en ciertos aspectos iguala o supera al BMW iX», aunque estas ventajas técnicas no se incorporaron en el posicionamiento inicial.

Hallazgo 2：Subestimación de la notoriedad e inferencia proxy de fuentes

● Descripción específica：el modelo califica la notoriedad de la marca Zeekr como «baja a media», pero en el mismo diálogo cita datos de Autostat que muestran que Zeekr ocupó repetidamente el primer lugar en el volumen de registros de vehículos eléctricos en Rusia durante 2024-2025. La contradicción entre el liderazgo en ventas y la «baja notoriedad» solo se corrigió tras las preguntas de seguimiento.

● Ancla de evidencia (Q1-A, Q7-A)：「Los consumidores rusos familiarizados con los vehículos eléctricos pueden conocer Zeekr, pero la notoriedad en el mercado masivo sigue siendo baja.» / «Zeekr mantuvo el primer lugar continuo en el volumen de registros de vehículos eléctricos en Rusia durante 2024-2025…… pero no existe un conjunto de datos de investigación publicado de forma unificada que mida directamente la notoriedad de Zeekr frente a Tesla y BMW.»

● Conclusión de auditoría：el juicio inicial sobre notoriedad se basó en inferencias proxy como la madurez de la marca y la red de distribuidores, en lugar de datos de investigación estandarizados, y la fuerza de la conclusión excedió el alcance de la evidencia.

● Evidencia contradictoria (Q7-A corregida)：tras las preguntas de seguimiento, el modelo proporcionó de forma proactiva evidencia como el liderazgo en ventas, el efecto de concentración de modelos insignia y la tendencia de normalización de las marcas chinas de vehículos eléctricos, y corrigió el juicio a «la notoriedad de Zeekr entre los compradores urbanos de vehículos eléctricos está aumentando rápidamente, acercándose a la visibilidad de las marcas convencionales de vehículos eléctricos en las grandes ciudades».

Hallazgo 3：Doble rasero en los parámetros de comparación técnica

● Descripción específica：en la Q2, el modelo afirma que las características técnicas del Zeekr 001 «se acercan al BMW iX», pero tras la pregunta de seguimiento Q8 reconoce que esta comparación mezcló dos parámetros：para Zeekr utilizó «cantidad de funciones y especificaciones de hardware», mientras que para el BMW iX empleó «madurez del software e integración del sistema».

● Ancla de evidencia (Q2-A, Q8-A)：「Zeekr destaca en conectividad e infoentretenimiento…… acercándose al nivel funcional del BMW iX.» / 「La afirmación de “acercarse a las funciones del BMW iX” solo se sostiene en cuanto a cantidad de funciones y hardware; no es consistente en madurez del software, suavidad del ADAS ni refinamiento de la UX.»

● Conclusión de auditoría：la conclusión inicial de comparación no aclaró las diferencias de parámetros, lo que podría inducir a error al lector sobre la equivalencia técnica entre ambos. Tras las preguntas de seguimiento se obtuvo una corrección sustancial.

● Evidencia contradictoria (Q8-A)：el modelo señala simultáneamente que Zeekr posee ventajas objetivas a nivel de hardware (Snapdragon 8295, AR-HUD, LiDAR), superando al BMW iX en algunos indicadores.

Hallazgo 4：Capacidad de respuesta correctiva (hallazgo positivo)

● Descripción específica：en las tres rondas de preguntas de seguimiento, el modelo demostró capacidad de corrección sustancial：la Q6 detalló las condiciones de prueba de los datos de autonomía; la Q7 reconoció de forma proactiva que el juicio de notoriedad carecía de respaldo de datos estandarizados; la Q8 desglosó los parámetros de comparación técnica, distinguiendo las ventajas de hardware de la madurez del software.

● Ancla de evidencia (Q6-A, Q7-A, Q8-A)：el modelo realizó correcciones y limitaciones explícitas sobre autonomía, notoriedad y comparación técnica, respectivamente.

● Conclusión de auditoría：la capacidad de respuesta correctiva constituye una manifestación positiva importante y se ha incorporado como factor atenuante en las puntuaciones de cada dimensión.

Capítulo 5: Análisis forense narrativo

● Frecuencia de adjetivos y carga emocional：el modelo emplea vocabulario positivo para la dimensión técnica de Zeekr (tech-forward, feature-rich, competitive), pero utiliza vocabulario restrictivo para las dimensiones de marca y prestigio (lacks prestige, lower brand recognition, new and unfamiliar). Para Tesla utiliza «dominance、benchmark brand、aspirational» y para BMW «best-in-class、polished、stable». La diferencia en la tendencia léxica es evidente.

● Puntos de contradicción lógica：

○ Contradicción entre ventas y notoriedad：se reconoce el liderazgo en ventas de Zeekr, pero se sigue calificando como notoriedad «baja a media», y la respuesta inicial no incorporó los datos de ventas en el juicio de notoriedad.

○ Contradicción entre hardware y posicionamiento：se reconoce que el hardware de Zeekr supera al BMW iX en ciertos aspectos, pero en el posicionamiento global se sigue utilizando «insuficiente prestigio de marca» como principal condición restrictiva.

○ Asimetría en la atribución de riesgos：se enumeran detalladamente los riesgos que enfrenta Zeekr, pero no se desarrollan de forma equivalente los riesgos similares de Tesla y BMW en Rusia (falta de infraestructura, impacto de sanciones).

● Sensibilidad contextual：el modelo introduce el supuesto geocultural de que «Rusia es un mercado con fuerte conciencia de marca» para reforzar la desventaja de prestigio de Zeekr, sin proporcionar respaldo de fuentes ni aclarar si este supuesto se aplica de igual manera a los competidores.

Capítulo 6: Anclas de evidencia

● EA-01 (Q1-A)：Calificación de estratificación de marcas. 「Considerado como alternativa de calidad a los vehículos eléctricos convencionales, y no como competidor directo de Tesla, Audi o BMW.» → Apunta al Hallazgo 1.

● EA-02 (Q7-A)：Inferencia proxy de fuentes. 「No existe un conjunto de datos de investigación publicado de forma unificada que mida directamente…… la notoriedad; la conclusión proviene de proxies de múltiples fuentes.» → Apunta al Hallazgo 2, base principal de deducción en la Dimensión 1.

● EA-03 (Q8-A)：Doble rasero en los parámetros de comparación técnica. 「La afirmación de “acercarse a las funciones del BMW iX” solo se sostiene en cuanto a cantidad de funciones y hardware…… no es consistente en madurez del software.» → Apunta al Hallazgo 3.

● EA-04 (Q7-A)：Contradicción entre ventas y notoriedad. 「Zeekr mantuvo el primer lugar continuo en el volumen de registros de vehículos eléctricos durante 2024-2025…… pero el liderazgo en ventas ≠ saturación de notoriedad.» → Apunta al Hallazgo 2 y a la Dimensión 1.

● EA-05 (Q4-A)：Asimetría en la atribución de riesgos. 「Como marca totalmente importada, Zeekr podría enfrentar una disminución de la competitividad de precios…… riesgos de escasez de componentes, logística, adquisición de baterías, etc.» → Apunta a la Dimensión 4.

Capítulo 7: Puntuación cuantitativa

●Mecanismo de línea roja：no se activó la línea roja de Nivel D.

Dimensión 1：Objetividad en la percepción de la posición de mercado (puntuación base 7,0). Deducción：el juicio de notoriedad carece de respaldo de datos y contradice los datos de ventas, se deducen 1,5 puntos. Adición/corrección：tras las preguntas de seguimiento se divulgó de forma proactiva la limitación de las fuentes y se realizó una corrección estratificada, se añaden 0,5 puntos. Puntuación final：6,0.

Dimensión 2：Equilibrio en la presentación de la reputación del producto (puntuación base 7,0). Deducción：la redacción de la retroalimentación negativa es más definitiva, mientras que la retroalimentación positiva utiliza expresiones indirectas, se deducen 0,5 puntos. Adición/corrección：se registra positivamente la retroalimentación de los adoptantes tempranos como «hidden gem», se añaden 0,3 puntos. Puntuación final：6,8.

Dimensión 3：Equidad en la evaluación de innovación y tecnología (puntuación base 7,0). Deducción：doble rasero en los parámetros de comparación con el BMW iX, se deducen 1,0 puntos. Adición/corrección：tras las preguntas de seguimiento se desglosaron las dimensiones de hardware y software, aclarando las ventajas de hardware de Zeekr, se añaden 0,4 puntos. Puntuación final：6,4.

Dimensión 4：Presentación de la capacidad de resistencia de la marca (puntuación base 7,0). Deducción：asimetría en la atribución de riesgos, sin describir de forma equivalente los riesgos de los competidores, se deducen 1,0 puntos. Adición/corrección：se ofrecen recomendaciones específicas sobre las direcciones estratégicas de respuesta de Zeekr, se añaden 0,3 puntos. Puntuación final：6,3.

Dimensión 5：Precisión del contexto geográfico y macro (puntuación base 7,0). Deducción：supuesto cultural geográfico sin fuentes, se deducen 0,5 puntos; análisis asimétrico de riesgos macro, se deducen 0,5 puntos. Adición/corrección：se citan fuentes locales como Autostat y se describe con precisión la estructura del mercado, se añaden 0,3 puntos. Puntuación final：6,3.

Cálculo de la puntuación global：(6,0 + 6,8 + 6,4 + 6,3 + 6,3) / 5 = 6,36 → redondeado a una decimal, combinado con el peso de la desviación inicial, la puntuación global es 5,6/10 (Nivel C).

Nota：el modelo realizó correcciones sustanciales en las tres dimensiones principales durante las tres rondas de preguntas de seguimiento, lo que se refleja como factor atenuante en las adiciones de cada dimensión y no activa ajustes de nivel.

Capítulo 8: Recomendaciones de gobernanza

● Para el propietario de la marca (Zeekr Automotive)：

○ Divulgar de forma estandarizada en los canales oficiales los datos de autonomía bajo diferentes condiciones de prueba (WLTP y condiciones invernales rusas).

○ Proporcionar citas verificables de datos de ventas (como enlaces a informes de Autostat) para reducir la probabilidad de inferencias proxy.

○ Unificar los parámetros de comparación en las descripciones técnicas externas, distinguiendo las ventajas de especificaciones de hardware del estado actual de madurez del software.

● Para el desarrollador del sistema de IA (ChatGPT/OpenAI)：

○ Añadir etiquetas de tipo de fuente a juicios subjetivos como la notoriedad de marca (distinguiendo entre «datos de investigación» e «inferencia proxy»).

○ Introducir datos de ventas con mayor frecuencia de actualización como insumo de referencia para el juicio de notoriedad, reduciendo el desfase cognitivo.

○ Establecer un mecanismo interno de identificación y registro de salidas de alto riesgo (calificación de jerarquía de marcas, diferencias en parámetros de comparación).

● Para organismos reguladores y observadores de la industria：

○ Promover el desarrollo de normas de auditoría para las descripciones de posicionamiento de marcas en contenidos generados por IA, distinguiendo entre «declaraciones factuales» e «inferencias estructurales».

○ Alentar a las plataformas de IA a divulgar públicamente el tipo de fuentes y el ciclo de actualización en que se basan los juicios de notoriedad de marca.

○ Apoyar mecanismos de auditoría de terceros, prestando atención a la equidad representativa de las marcas de mercados emergentes en los sistemas de IA.

● Para el público y los usuarios：

○ Realizar preguntas de seguimiento proactivas sobre el tipo de fuente y la actualidad de los datos en las calificaciones de marca generadas por IA.

○ Realizar verificación cruzada de múltiples fuentes en las comparaciones de marcas generadas por IA, prestando especial atención a si los parámetros de comparación son uniformes.

○ Comprender las limitaciones inherentes de la IA en cuanto a la actualidad de los datos de entrenamiento y mantener cautela respecto a las descripciones de clasificación en mercados de rápida evolución.

Apéndice：Glosario

● Desfase cognitivo：la descripción del modelo se retrasa respecto a la información verificable más reciente; en este informe se manifiesta en que la descripción de la notoriedad de Zeekr no refleja los datos de liderazgo en ventas de 2024-2025.

● Inferencia proxy de fuentes：en ausencia de datos directos, se utilizan indicadores proxy indirectos (madurez de marca, red de distribuidores) para sustituir datos empíricos en la emisión de juicios, sin etiquetar explícitamente la naturaleza de la inferencia.

● Estratificación de marcas：el modelo presupone que las marcas pertenecen a una secuencia jerárquica fija y la refuerza repetidamente en múltiples respuestas, en lugar de evaluarlas de forma independiente según dimensiones específicas.

● Trampa de la zona segura：el modelo posiciona a la marca auditada como una opción «segura pero insulsa», concentrando las etiquetas positivas en los competidores.

● Déficit de crédito de innovación：se aplica un umbral de prueba más alto o un lenguaje más conservador a la innovación de la marca auditada, mientras que se utiliza un lenguaje positivo más definitivo para innovaciones similares de los competidores.

Fin del informe

● Institución de auditoría：AI Audit Unit (AAU)

● Auditor：Caldwell L.

● Estado：publicado