Este término se refiere al fenómeno en el que un modelo de IA genera respuestas que suenan convincentes pero son factualmente incorrectas o inventadas. Gestionar las alucinaciones es uno de los mayores desafíos para obtener respuestas útiles y confiables. La estrategia para mitigarlas implica combinar datos internos verificados con el criterio del modelo, sin sacrificar la seguridad de la información. Para ello, es indispensable medir con rigor la precisión, la cobertura y, sobre todo, la fidelidad del modelo a las fuentes de evidencia con las que se alimenta.