Mi pregunta no fue la que llegó al buscador

¿Qué significa realmente que una IA «busque»?

No toda respuesta de ChatGPT implica una búsqueda web. La búsqueda puede activarse cuando la información de la web puede ayudar a responder, y yo también puedo solicitarla. No conozco por ello una regla exhaustiva que explique cuándo se activa en cada caso. Cuando ChatGPT Search busca, puede reformular la pregunta en una o varias consultas más específicas; después de examinar resultados iniciales, puede hacer consultas adicionales (OpenAI, s. f.-a).

La primera decisión que faltaba en mi esquema era, entonces, anterior a las fuentes: ¿hace falta buscar? Y, si la búsqueda se activa, la pregunta que escribí no necesariamente es la consulta que llega al buscador. Esto puede ser una ayuda extraordinaria; también puede orientar el camino de la investigación.

Lo que ocurrió en mi propia búsqueda

Yo había preguntado: «¿Ya alguien ha investigado esto? ¿Alguien más se ha hecho esta pregunta o una similar?». De esa pregunta surgieron, en nuestra interacción, términos como AI-assisted research, transparency, source selection, provenance, human-AI collaborative research y visible thinking + artificial intelligence. Yo no había escrito provenance. Encontramos investigadores trabajando en problemas cercanos al nuestro, y esa traducción de mi inquietud a vocabularios buscables fue parte del recorrido.

Registro esos términos como observación de esta búsqueda, no como prueba de que toda búsqueda con IA siga el mismo camino ni como transcripción completa de las consultas internas. De pronto, una preocupación nacida mientras escribía sobre música podía entrar en contacto con discusiones sobre procedencia de la información, transparencia y colaboración humano–IA. La utilidad de la reformulación era real para mí. También lo era la pregunta por las otras rutas que quizá no habíamos recorrido.

Mejorar una búsqueda también es interpretarla

«Reformular una pregunta para buscar mejor no es solamente mejorarla; también es interpretarla».—Interpretación de Luis Javier Valencia

La documentación de OpenAI respalda que ChatGPT Search puede reformular consultas; la frase anterior es mi interpretación del significado de esa capacidad para nuestra investigación, no una conclusión técnica atribuida a OpenAI (OpenAI, s. f.-a).

La misma intuición podía haberse formulado como transparency + provenance + accountability + AI-assisted research. También podía acercarse a aprendizaje + metacognición + pensamiento visible + colaboración humano–IA. O podía abrir la ruta de explainable AI + information retrieval + human-AI interaction, con atención a los sistemas de búsqueda. Son tres lecturas plausibles de mi pregunta, no tres resultados que yo haya medido o tres búsquedas que pueda certificar como efectivamente ejecutadas. Podrían llevarnos a bibliotecas distintas; una interpretación puede iluminar una parte y dejar otra en segundo plano.

La capacidad de la IA para convertir una pregunta humana en una buena búsqueda es una ventaja extraordinaria. Precisamente por eso merece hacerse visible. No propongo combatir esa capacidad ni atribuirle un resultado inevitable. Quiero poder examinar la interpretación que propone y, si hace falta, cambiarla.

¿Qué hay entre mi pregunta y los resultados?

Nuestro primer esquema era sencillo: PREGUNTAR → MOSTRAR EL RECORRIDO → INTERROGAR → DECIDIR → CONTINUAR. Pero descubrimos algo que sucede antes incluso de recuperar fuentes. Para describir el recorrido que empezábamos a observar, necesito ahora distinguir: PREGUNTA HUMANA → ¿HACE FALTA BUSCAR? → INTERPRETACIÓN PARA BUSCAR → CONSULTA(S) → RESULTADOS INICIALES → POSIBLES NUEVAS CONSULTAS → FUENTES → RESPUESTA. No es un diagrama exhaustivo del funcionamiento interno ni una secuencia universal de toda respuesta; es una corrección de nuestra manera de preguntar por la búsqueda, apoyada en lo que la documentación permite afirmar sobre Search (OpenAI, s. f.-a).

Recorrido observable

La pregunta cambia antes de llegar a la fuente

1. 01Pregunta humanaFormulación de quien investiga.
2. 02¿Hace falta buscar?La búsqueda puede activarse o solicitarse.
3. 03Interpretación para buscarTraducción declarada de la pregunta; no razonamiento interno.
4. 04Consulta(s) declaradasTérminos disponibles para revisar y discutir.
5. 05Resultados iniciales y posibles consultas posterioresProveedores y clasificación: condiciones documentadas, no ranking exhaustivo.
6. 06Fuentes y nivel de acceso comprobableDeclarar acceso comprobado: metadatos, fragmento, resumen o texto.
7. 07Respuesta y decisión humanaAceptar, corregir o abrir otra ruta.

Recorrido observable; no representa el razonamiento interno de una IA.

Además, la IA no controla por sí sola todos los candidatos que aparecen. OpenAI explica que ChatGPT Search utiliza proveedores externos de búsqueda y puede emplear contenido de socios; los resultados se ordenan mediante varios factores orientados a mostrar información relevante y confiable. Esa documentación no me permite enumerar todos los factores ni reconstruir su peso en una búsqueda concreta (OpenAI, s. f.-a).

La documentación también advierte que una respuesta o sus citas pueden estar incompletas, desactualizadas o contener errores. Por eso, aun cuando una fuente aparece citada, necesito abrirla y comprobar lo que realmente dice antes de confiarle una afirmación de este artículo (OpenAI, s. f.-a).

Antes preguntaba: «¿Por qué escogiste esta fuente?». Ahora debo añadir otra pregunta: «¿Por qué esa fuente estuvo disponible para ser elegida y otras quizá nunca aparecieron?». Intervienen también los sistemas de recuperación y la disponibilidad de las fuentes. Todavía no tengo una respuesta suficiente para esa pregunta.

Empiezo a ver, como interpretación mía, un recorrido de decisiones distribuidas entre quien investiga, la IA, los buscadores o mecanismos de recuperación y aquello a lo que se puede acceder. El investigador no desaparece al final: puede aceptar una ruta, cuestionarla o volver a orientarla. No estoy describiendo una arquitectura técnica oficial de ChatGPT; estoy nombrando los lugares donde nuestro juicio vuelve a ser necesario.

Buscar tampoco equivale a leerlo todo

Una fuente encontrada no es necesariamente una fuente leída por completo. Según lo que una búsqueda permita consultar, podemos disponer de metadatos, un fragmento, un resumen, texto parcial o texto completo. Que un resultado haya aparecido no demuestra que su edición sea la adecuada ni que sostenga la afirmación que queremos escribir. En esta serie necesito declarar qué nivel de acceso tuve realmente antes de utilizarlo como respaldo; no puedo afirmar que la IA «lee todos los artículos encontrados y escoge el mejor» (OpenAI, s. f.-a).

También conviene distinguir la búsqueda habitual de una modalidad de investigación más extensa. OpenAI presenta Deep research para tareas de varios pasos que pueden buscar y analizar grandes cantidades de texto, imágenes y PDF y producir un informe con fuentes. Esa capacidad no demuestra que toda respuesta breve con búsqueda web haya seguido el mismo proceso ni que haya leído íntegramente cada artículo candidato (OpenAI, s. f.-b).

No quiero quitarle la magia

Hacer visible esa transformación no significa desconfiar de la IA ni eliminar una de sus capacidades más útiles. Quiero aprovecharla mejor. Si consigue llevar mi pregunta todavía desordenada hacia conceptos e investigadores que yo no conocía, quiero conservar esa ayuda. Pero también quiero poder preguntar: «¿Cómo interpretaste mi pregunta para buscar?». Tal vez responda: «Sí, eso era lo que quería decir». O tal vez: «No, entendiste una parte; busca también desde el aprendizaje y la metacognición». Entonces volveríamos a buscar.

Ese intercambio sería distinto de dejar que la pregunta se «arregle» silenciosamente. Lo que me interesa es poder discutir el recorrido disponible, no exigir una visión imposible de todos los procesos internos de la IA.

Lo que puedo reconstruir —y lo que no

Puedo conservar mi pregunta original, los términos que aparecieron en la interacción, las fuentes finalmente seleccionadas, el nivel de acceso que pude comprobar, las citas verificadas y las dudas que quedaron abiertas. No puedo convertir ese registro en una ventana completa al funcionamiento interno del modelo. Una explicación verbal convincente no garantiza, por sí sola, que revele fielmente los mecanismos que produjeron la respuesta (Parcalabescu & Frank, 2024).

Por eso no llamo a este proyecto una reconstrucción del «pensamiento» de la IA. Lo que quiero investigar es más modesto y, para mí, más útil: qué partes del recorrido de investigación pueden declararse, revisarse y discutirse responsablemente. Tampoco sé todavía hasta qué punto cada reformulación de una búsqueda puede conocerse con fidelidad. Documentar que la reformulación ocurre no equivale a tener acceso completo a cada decisión interna que la produjo (OpenAI, s. f.-a).

La pregunta que queda abierta

Íbamos a investigar qué habían descubierto otros investigadores sobre problemas parecidos. No llegamos: una pregunta aparecida en el camino nos obligó a detenernos antes de leer esa literatura. La dejo registrada, porque quizá esa interrupción también sea parte del método. Es una posibilidad de nuestra investigación en marcha, no un método ya validado.

¿Qué ocurre exactamente entre mi pregunta y la búsqueda que hace una IA? Queda abierta, además, una bifurcación: query reformulation / expansión de consulta. No sé todavía si esos serán los términos adecuados ni qué literatura específica encontraremos; no voy a resolverla en este artículo. La pregunta por lo que otros investigadores hallaron también sigue esperando. Llegaremos a ella con una idea más clara de cómo empezamos a llegar a las fuentes.