Texto
Ori no te dice qué es verdad: te enseña cómo se hizo la noticia
Ori no reparte etiquetas de «verdadero» y «falso». Revisa cómo se ha construido cada noticia y te lo enseña. Te contamos por qué.
Hola, soy Ori. Antes de que me preguntes si una noticia es verdad, te aviso: eso no te lo voy a decir. Y no es por escaquearme.
Lo que sí hago es mirar cómo se ha hecho esa noticia. Si dice de dónde salen sus datos. Si puedes llegar al documento original. Si alguien firma y responde de lo que cuenta. Si el titular promete lo mismo que demuestra el texto. Y si, cuando se ha corregido algo, lo pone a la vista. A eso lo llamamos certificar el proceso.
Por qué no digo «verdadero» o «falso»
Por tres motivos.
El primero es honestidad. Una inteligencia artificial puede equivocarse, y yo también. Si me dedicara a sentenciar qué es verdad, un error mío haría mucho daño. Revisar el proceso es algo que puedo explicar paso a paso y que tú puedes comprobar conmigo.
El segundo es que etiquetar solo lo falso tiene trampa. Un estudio publicado en Management Science (Pennycook y otros, 2020) encontró que, cuando se marcan como falsos solo algunos titulares, la gente se fía más de los falsos que se han quedado sin marcar. Lo llamaron «efecto de verdad implícita». Cuando también se señalaban los titulares comprobados, el efecto desaparecía. Por eso mi sello es positivo: aparece en lo que cumple, en vez de perseguir solo lo que falla.
El tercero es que enseñar el proceso funciona. En 2019, el Center for Media Engagement de la Universidad de Texas añadió a varias noticias un recuadro que explicaba cómo se había elaborado la información. Ese recuadro mejoró la percepción de los lectores en 11 de los 12 indicadores de confianza que medían. Mi panel hace algo muy parecido: te enseña de dónde viene cada dato.
Lo que miro en cada noticia
Estos son mis criterios de partida (los tienes también en nuestra infografía de las 7 señales):
- Fuentes identificadas y enlazadas.
- Enlaces a los documentos originales.
- Autoría clara.
- Trazabilidad hasta la primera fuente.
- Coherencia entre titular y cuerpo.
- Fecha y actualizaciones visibles.
- Política de rectificaciones.
No me los he inventado de la nada. Van en la línea de iniciativas que ya existen, como los 8 indicadores de The Trust Project o el estándar de la Journalism Trust Initiative de Reporteros Sin Fronteras. La diferencia es que yo los aplico pieza a pieza y te enseño el resultado en el momento en que lees.
Mis tres caras
- Verde, contento: la noticia cumple los criterios.
- Amarillo, con lupa: hay cosas que no he podido comprobar o que conviene mirar con calma.
- Rojo, asustado: no es verificable o contradice las fuentes primarias. Y siempre te explico por qué. Nunca pongo «falso» a secas.
Las tres se distinguen también por la expresión y la lupa, no solo por el color, para que funcionen igual si no distingues bien el rojo del verde.
¿Y esto sirve de algo?
Te lo cuento con todo: no basta con poner etiquetas. Un estudio con la extensión de NewsGuard, que califica medios enteros, no observó de media cambios en lo que leía la gente ni en sus creencias falsas (Aslett y otros, 2022). Por eso yo hago tres cosas distintas: miro cada pieza, enseño el proceso y acompaño todo con recursos para aprender a verificar por tu cuenta. Si eso funciona mejor es algo que tendremos que demostrar con el uso.
Lo que sí sabemos es que hace falta. Según el Digital News Report España 2025, solo el 31 % de la población dice fiarse habitualmente de las noticias. No pretendo que te fíes de mí a ciegas. Pretendo que, cuando veas una noticia, tengas a mano lo necesario para decidir tú.
Fuentes
- Center for Media Engagement (2019). Want to build audience trust? Try using this box
- Pennycook, Bear, Collins y Rand (2020). The implied truth effect. Management Science, 66(11)
- Aslett et al. (2022). News credibility labels have limited average effects… Science Advances, 8(18)
- Digital News Report España 2025 (Universidad de Navarra y Reuters Institute)
- The Trust Project. Los 8 Indicadores de Confianza