- ChatGPT genera text per probabilitat, no per veritat, cosa que provoca al·lucinacions i errors fins i tot quan sona molt convincent.
- Les fallades més habituals inclouen dades inventades, pèrdua de context, problemes de to, biaixos i limitacions de coneixement recent.
- La manera de preguntar condiciona enormement la qualitat de la resposta; prompts ganduls, sense context ni exemples, multipliquen els errors.
- Verificació amb fonts fiables, revisió humana i adaptació de l'estil són claus per fer servir ChatGPT amb seguretat en entorns professionals.
Des que va irrompre a finals del 2022, ChatGPT s'ha convertit en l'eina de moda per escriure textos, resoldre dubtes o ajudar amb tasques tècniques, però el seu èxit massiu conviu amb una realitat incòmoda: no és infal·lible, comet errors i de vegades ho fa amb molta seguretat . Milions de persones ja l'utilitzen a Espanya, encara que les dades mostren que només una part petita l'usa diàriament, en bona mesura perquè no acaba de generar tota la confiança que es podria esperar.
Molts usuaris perceben que, encara que és molt útil, ChatGPT de vegades inventa dades, es contradiu, malinterpreta el context o respon com si sabés més del que realment sap . A això se sumen altres errors pràctics: saturació del servei, canvis d'opinió en poc temps, dificultats per comprendre el to irònic o problemes en raonar de manera matemàtica o especialitzada. Conèixer aquests límits és clau per aprofitar-la bé sense caure al parany de pensar que “si ho diu la IA, serà veritat”.
Per què ChatGPT s'equivoca encara que soni tan convincent
El primer que cal entendre és que ChatGPT no està dissenyat per “buscar la veritat”, sinó per predir paraules . És un model de llenguatge que, a partir de tot el que ha vist al seu entrenament, calcula quina combinació de termes és més probable que encaixi després de la teva pregunta. Això vol dir que dóna prioritat a la fluïdesa ia la coherència aparent, no a la comprovació rigorosa de fets. Si us interessa veure comparacions entre models similars, consulta les diferències entre Claude, ChatGPT i Gemini.
Aquesta forma de funcionar provoca les famoses “al·lucinacions” de la IA, és a dir, respostes inventades que semblen molt sòlides . Pot citar estudis que no existeixen, esmentar lleis que mai no es van aprovar o detallar casos històrics completament ficticis, amb un to tan segur que costa dubtar. Des de fora sona com una enciclopèdia, però per dins només està extrapolant patrons lingüístics.
Els experts que analitzen aquests models insisteixen que no hem de caure en l'antropomorfisme : ChatGPT no “sap”, no té creences ni intenció, només genera text. Per construcció, com que és un sistema generatiu, sempre hi haurà un marge d'error , per més que els seus creadors ajustin els models amb actualitzacions i entrenament per reforç.
En àmbits professionals —màrqueting, consultoria, salut, finances, anàlisi de dades— això té una conseqüència directa: si no hi ha supervisió humana i verificació amb fonts fiables, es corre el risc de prendre decisions sobre dades falses o interpretacions errònies . L'eina pot accelerar moltíssim el treball, però també amplificar errors si es fa servir sense filtres crítics; per entendre millor les perspectives i riscos de combinar la intel·ligència artificial convé formar-se en governança i controls.
Desconfiança, ús real i límits del coneixement de ChatGPT
En enquestes realitzades a Espanya, una part important d'usuaris admet que no es refia del tot de les respostes de ChatGPT . De fet, un percentatge notable esmenta la “manca de confiança en les respostes generades” com a motiu principal per no utilitzar l'eina amb més freqüència. I no és estrany: quan veus que l'encerta molt, però de tant en tant patina amb ganes, tendeixes a agafar-lo amb pinces.
Un dels punts que més sorprèn la gent és la limitació temporal del coneixement . Les versions clàssiques del model es van entrenar amb dades fins al voltant de 2021, la qual cosa implica que no coneix bé (o directament desconeix) esdeveniments recents, canvis legislatius, novetats tecnològiques o figures públiques emergents . Podeu “imaginar” una resposta a partir de patrons anteriors, però no esteu consultant en temps real què ha passat aquesta setmana.
Aquesta mancança es fa encara més evident en àmbits especialitzats : dret molt recent, medicina de frontera, nínxols tècnics molt concrets o detalls específics de la realitat d'un país. En aquests casos, ChatGPT ofereix respostes incompletes, superficials o directament incorrectes , encara que les emboliqui en una redacció impecable.
Per això, molts experts recomanen fer-lo servir com a generador d'esborranys o plantilles sobre les quals treballar , mai com a única font. La idea és clara: que t'estalviï temps estructurant, resumint o donant idees, però que siguis tu qui revisi, contrasti i ajusti el contingut amb base en coneixements propis i fonts externes contrastades.
Errors típics en la forma de respondre: dels fets a la redacció
Més enllà de les al·lucinacions i les mancances de coneixement recent, ChatGPT acumula una sèrie d'errors habituals en la manera com respon . Alguns són purament de contingut, altres afecten l'estil del text o la comprensió del context. Entendre'ls ajuda a detectar quan convé desconfiar o demanar-li que reformuli.
Un dels errors més esmentats per especialistes és que pot descriure mal fets verificables . És a dir, equivocar-se en xifres, dates, noms propis o relacions causals que es poden comprovar amb una simple cerca en una base de dades o en una font oficial. El problema es dispara quan se us demanen detalls molt concrets que no apareixen sovint en les dades d'entrenament.
També són freqüents les respostes incompletes, que es queden a mig camí del que li has demanat . Pot ometre apartats importants, no seguir el format exacte que vas demanar o saltar matisos que eren clau en la teva pregunta. De vegades això passa perquè el model prioritza el que interpreta com a més rellevant i deixa fora la resta.
Una altra font de problemes és que ChatGPT intenta respondre a gairebé tot, fins i tot quan no disposa de prou informació . En lloc de dir “no ho sé” amb claredat, acostuma a generar una resposta aproximada que sona treballada. Això és còmode per a lusuari impacient, però perillós quan el que es necessita és precisió i rigor.
A nivell lingüístic, en espanyol també s'aprecia que la qualitat baixa respecte a l'anglès . Apareixen més errors gramaticals, errors de concordança, problemes de puntuació o girs poc naturals. A més, es repeteixen certs “tics” típics de la IA –estructures com “No només… sinó que…”, “Des de… fins a…”, abús de paraules com “emocionant” o “aprenentatge”– que delaten de seguida que el text està generat per un model.
Problemes de context, to i comprensió del llenguatge natural
Un punt especialment delicat és la dificultat de ChatGPT per captar matisos de context, cultura o moment històric . Quan li planteges preguntes que requereixen situar-se en una realitat concreta –per exemple, una situació política local, una norma social específica o una referència cultural molt localitzada– tendeix a oferir respostes excessivament globals, ambigües o fora de lloc.
Això es nota, per exemple, en respostes que no encaixen amb el to que heu demanat . Encara que especifiquis que vols quelcom irònic, sarcàstic o molt col·loquial, el model sol mantenir-se en un registre neutre, educat i una mica genèric. I quan intenta reproduir sarcasme o ironia, ho pot fer de manera maldestre, malinterpretant la teva intenció i contestant una cosa totalment aliena al matís humorístic que pretenies.
En converses llargues apareix un altre tipus de fallada: la pèrdua de context . ChatGPT gestiona un nombre limitat de tokens (una mena de memòria activa). Quan la interacció s'allarga molt, part del que es va dir al principi es va quedant fora d'aquest “espai mental” i el model comença a oblidar detalls importants, contradir-se o repetir explicacions que ja t'havia donat.
Això es tradueix en contradiccions del tipus “abans em vas dir A i ara em dius B”, o en respostes que semblen desconnectades de la conversa prèvia . Una bona tècnica per minimitzar-lo és demanar-li que faci resums periòdics —en pocs punts— del que s'ha acordat fins ara i reutilitzar aquest resum com a context en noves preguntes.
A més, el model pot oferir respostes rígides o poc naturals quan el llenguatge de l'usuari és confús o mal redactat . Si el prompt barreja molts temes en una sola frase, no té signes de puntuació o té errors greus d'escriptura, augmenta la probabilitat que el chatbot interpreti malament la pregunta i et conteste alguna cosa que no encaixa del tot amb el que volies saber.
Errors d'estil: textos que fan olor de IA
Els qui treballen diàriament amb redacció digital han identificat una sèrie de patrons molt repetits en els textos generats per ChatGPT , fins al punt que s'han convertit en senyals clars de “això ho ha escrit una IA”. Tot i que es poden corregir fàcilment en una revisió, convé tenir-los localitzats perquè els teus continguts no sonin clonats; també hi ha eines com l' extensió per evitar contingut generat per ChatGPT i altres IAs que ajuden a detectar-los.
Un d‟aquests tics és l‟ ús sistemàtic d‟estructures com “No només… sinó que també…” . Són correctes, sí, però quan apareixen una vegada i una altra en un mateix text, el resultat es torna pesat i artificial. El mateix passa amb la combinació “Des de X fins a Y”, que la IA empra amb molta freqüència per enumerar rangs de temes, nivells o beneficis.
Un altre tret típic és l' abús de termes com “emocionant”, “aprenentatge”, “descobriment” o “experiència enriquidora” . Són paraules vàlides, però quan es repeteixen a gairebé tots els paràgrafs, el text acaba sonant genèric, exagerat i poc adaptat al públic real. És millor substituir-les per vocabulari més concret i descriptiu, ajustat a allò que es vol comunicar.
Als titulars, també es nota el segell de la IA quan cada paraula comença amb majúscula , cosa habitual en anglès però estrany en castellà. El que és natural en espanyol és posar majúscula només a la primera paraula i als noms propis. Corregir això ajuda molt que el contingut sembli escrit per una persona i no pas per un model multilingüe que es guia per convencions anglosaxones.
Finalment, la IA sol produir textos amb un to pla, neutre i poc personalitzat . Manquen de crosses pròpies, expressions col·loquials ben col·locades o petites picades d'ullet d'humor que sí introduiria un redactor humà. Ajustar l'estil a la veu de la teva marca oa la teva manera d'expressar-te —afegint-hi metàfores, xafardells suaus o referències properes— és fonamental perquè el contingut no sembli un simple “copiar i enganxar” del xat.
Errors freqüents en utilitzar ChatGPT per a anàlisi de dades i tasques tècniques
Quan s'utilitza ChatGPT com a assistent per a Excel, Power BI, SQL, Python o altres eines d'anàlisi de dades , les fallades no només depenen del model, sinó també de com interactua l'usuari amb ell. Molts analistes cauen en errors de plantejament que redueixen la qualitat de les solucions que reben.
Un dels més habituals és ser massa genèric o vague en formular la petició . Frases com “Fes-me una anàlisi”, “Escriu una consulta SQL” o “Ajuda'm amb Power BI” no aporten gairebé context, així que el model només pot tornar exemples bàsics, plantilles genèriques o suposicions que poques vegades encaixen amb el problema real.
Un altre error molt comú és no proporcionar dades d'exemple ni explicar l'estructura de les taules . Sense saber quines columnes tens, quin tipus de dades contenen o com es relacionen entre si, ChatGPT només pot suggerir codi aproximat. Quan intentes executar-lo al teu entorn, comencen els errors de noms de camp, tipus incompatibles o filtres mal plantejats.
També és freqüent no indicar el nivell de detall o complexitat que necessites . Si ets principiant i només vols una explicació pas a pas, el model et pot tornar una mica massa tècnic. I si ets expert i busques optimització avançada, es pot quedar en solucions superficials. Aclarir el teu nivell tècnic estalvia moltes anades i vingudes.
Finalment, molts usuaris tendeixen a demanar “tot de cop” en un únic comandament quilomètric : dashboards complets, informes mundials, KPIs, segmentacions, botons… El resultat sol ser una resposta interminable, difícil de seguir i complicada de traslladar a la pràctica. És molt més eficient dividir el problema en passos petits i treballar la solució per fases; si necessites guies pràctiques per integrar IA amb ofimàtica, consulta com fer servir la IA en Excel i Word.
Inconsistències, canvis de resposta i saturació del servei
Un altre comportament que desconcerta és que ChatGPT de vegades canvia de resposta davant la mateixa pregunta si li repeteixes una estona. El sentit general sol mantenir-se, però poden variar detalls, matisos o com argumentar. Això és degut a la pròpia naturalesa probabilística del model: no genera sempre el mateix text, sinó que explora diferents combinacions plausibles.
Per a usos informals això no sol ser greu, però en entorns on cal traçabilitat o consistència —per exemple, documentació tècnica, respostes d'atenció al client, informes interns— és important revisar, estandarditzar i, si cal, fixar plantilles estables basades en una revisió humana de les sortides de la IA.
A nivell de servei, la popularitat de l'eina també ha generat un problema recurrent: la saturació dels servidors . En moments punta, l'accés pot estar limitat, les respostes triguen més a arribar o fins i tot es produeixen errors puntuals que impedeixen continuar la conversa. Tot i que les versions més recents del sistema intenten gestionar millor la càrrega, l'experiència no sempre és perfecta.
A més, en alguns contextos s'han detectat errors ortogràfics, gramaticals i de puntuació , especialment quan el prompt és ambigu, està mal escrit o barreja diversos temes en una mateixa frase. El model fa allò que pot per “endevinar” el que vols dir, però el resultat pot ser un text estrany, amb errors de manera que exigeixen una revisió a fons.
Tot això reforça la idea que no convé dependre cegament d'una sola conversa amb la IA . Si la resposta no encaixa, el més assenyat és reformular la pregunta, demanar aclariments o sol·licitar una altra versió, en lloc d'assumir que la primera sortida és la definitiva i correcta.
Errors de percepció de l'usuari: el que esperem (malament) de ChatGPT
No tot són errors del model: una part important dels problemes prové de les expectatives equivocades dels qui l'usen . Es tendeix a projectar sobre la IA capacitats humanes que no té, cosa que porta a malentesos freqüents.
Un error molt típic és confondre precisió lingüística amb veritat . Com que el text està ben redactat, assumim que el contingut és correcte. Però ja hem vist que la prioritat del model és construir frases coherents, no garantir-ne l'exactitud factual. Aquesta il·lusió d'autoritat augmenta el risc d'empassar-se sense filtre dades inventades.
També és habitual menystenir l'impacte de com formulem la pregunta . Canviar unes poques paraules al prompt pot alterar completament l'enfocament de la resposta: quina informació destaca, quina omet, quines interpretacions proposa. Creure que “és igual com ho demani, la IA ja m'entén” és un altre dels grans autoenganys; per millorar resultats, una guia de prompts pot ser de gran ajuda.
Molts usuaris tendeixen a més a interpretar humanitat on només hi ha forma . Quan el model es disculpa, diu “entenc la teva preocupació” o utilitza expressions properes, sembla que empatitza i comprèn, però en realitat només replica patrons lingüístics. Aquesta falsa sensació de persona a l'altra banda ens pot portar a confiar massa.
Finalment, es dóna per fet que ChatGPT recordarà regles personals o detalls d'altres sessions , quan en realitat la seva memòria està limitada a la conversa actual (tret de funcions específiques de memòria persistent, que també són fites). Cada xat nou comença gairebé de zero, així que cal tornar-li a explicar el context, les normes d'estil o les restriccions que vulguis que respecti.
Biaixos, filtres i límits ètics en les respostes
Un altre aspecte poc visible per a molts usuaris és que ChatGPT no és neutral ni completament lliure en el que respon . Les seves sortides estan condicionades per les dades amb què es va entrenar -que ja contenen biaixos culturals, de gènere, geogràfics, ideològics- i pels filtres i regles que els seus creadors han afegit per reduir continguts problemàtics.
Això es tradueix en respostes que poden reproduir estereotips o biaixos humans , encara que s'intenti mitigar-lo, i també en missatges on el model es nega a respondre, reorienta la conversa o contesta de manera molt general quan detecta temes sensibles (salut, política, desinformació, seguretat, etc.). No és un oracle, sinó una eina delimitada per polítiques dús.
A més, en no distingir bé entre allò que és norma general i allò que és excepció, li costa d'entendre quan una imatge, una dada o un exemple són representatius de la realitat . Això s'ha vist amb errors visuals recurrents en models multimodals: rellotges que sempre marquen les 10.10 perquè és l'hora més freqüent en fotos publicitàries, o dificultats per representar correctament una persona escrivint amb la mà esquerra, perquè predominen imatges de destres.
Aquest tipus d'errors estructurals mostren que la IA hereta i amplifica la distribució del que veu a internet , en lloc de raonar des de zero sobre com hauria de ser el món. Per això no sempre distingeix bé entre una raresa i una regla, cosa que limita la seva capacitat de judici quan s'enfronta a casos poc freqüents.
En contextos corporatius, tot això té un impacte clar en reputació, compliment normatiu i gestió de riscos . Un simple contingut esbiaixat o una recomanació mal plantejada poden escalar ràpidament en xarxes socials, afectar la percepció de marca o fins i tot xocar amb regulacions de protecció de dades, igualtat o publicitat veraç.
Bones pràctiques per minimitzar els errors de ChatGPT
Davant d'aquest panorama, la solució no és deixar de fer servir l'eina, sinó aprendre a conviure amb les seves limitacions i reduir al màxim els seus errors . Hi ha diverses pautes pràctiques que ajuden molt al dia a dia, tant a nivell personal com en entorns professionals.
La primera és verificar la informació important amb altres fonts fiables , especialment si publicaràs, prendre decisions estratègiques o tractar temes sensibles. Contrastar dades amb documents oficials, estudis reconeguts o bases de dades especialitzades continua sent imprescindible; en entorns professionals, el testing automatitzat per a models dIA pot ajudar a detectar regressions i errors.
La segona consisteix a millorar la qualitat dels teus prompts . Ser concret, aportar context, definir objectius, indicar el nivell de profunditat i especificar el format de sortida (esquema, taula, llistat, to, extensió…) canvia radicalment la utilitat de la resposta. Com més clara sigui la teva instrucció, menys marge hi haurà perquè el model empleni buits inventant.
En tercer lloc, és clau desenvolupar un esperit crític i un cert coneixement del domini en què estàs treballant . Com més sàpigues tu del tema, més ràpid detectaràs incoherències, omissions o biaixos en allò que torna la IA. No es tracta que siguis expert en tot, però sí que no deleguis del tot el judici a la màquina.
Finalment, convé adaptar i humanitzar els textos generats abans d'usar-los tal com . Ajustar el to a la teva veu oa la de la teva marca, eliminar falques típiques de la IA, revisar ortografia i gramàtica, i reorganitzar l'estructura perquè flueixi millor marcarà la diferència entre un contingut “robòtic” i un que connecti de debò amb la teva audiència.
Dominar ChatGPT avui passa per entendre tant el que fa bé com el que fa malament , aprofitar la seva enorme capacitat per generar idees i estalviar temps, i alhora establir filtres, revisions i criteris clars per no caure en al·lucinacions, biaixos o errors de context. Usat amb cap, és un aliat potentíssim; usat sense control, es pot convertir en una font silenciosa de problemes i males decisions.
