Riesgos de compra con ChatGPT: un estudio señala sitios minoristas falsos
Los riesgos de compra con ChatGPT surgieron en un estudio de Podqi que detectó enlaces minoristas riesgosos en respuestas de ChatGPT, Gemini y Perplexity. De 6.795 respuestas, el 9% incluía un sitio web que la empresa clasificó como riesgoso. Esa categoría abarcaba sitios sospechosos de suplantación o falsificación y dominios inactivos.
El proveedor de protección de marcas recopiló respuestas mediante Gauge, una empresa de búsqueda con IA, utilizando cinco preguntas de compra sobre 151 marcas. Su estudio sobre compras con IA examinó servicios de consumo sin sesión iniciada durante dos rondas de septiembre de 2026. Los investigadores revisaron 4.437 dominios y clasificaron 718 como riesgosos: 351 sitios presuntamente falsos y 367 inactivos.
Los hallazgos exponen una tensión específica: encontrar un destino de compra plausible y verificar quién lo opera son tareas distintas. Un asistente puede responder con fluidez a una pregunta sobre un producto mientras deja sin resolver la identidad del vendedor. Para compradores, marcas y desarrolladores de chatbots, esa brecha importa precisamente cuando la investigación se convierte en una decisión de compra.
Lo que realmente midió el estudio sobre los riesgos de compra con ChatGPT
Podqi informó enlaces riesgosos en el 15% de las respuestas de Perplexity, el 8% de las de ChatGPT y el 4% de las de Gemini. Entre las respuestas que contenían sitios riesgosos, el 57% los recomendaba, el 34% los mencionaba sin comentarios y el 9% advertía a los usuarios. Esos porcentajes describen el subconjunto riesgoso, no todas las respuestas de compra.
El hallazgo se refiere a destinos y recomendaciones, no a una tasa medida de fraude de compra consumado.
Esa distinción separa varias preguntas que, de otro modo, los lectores podrían confundir. ¿Una respuesta contenía un destino inadecuado? ¿Su redacción alentaba una visita? ¿Alguien siguió el enlace, introdujo información de pago o perdió dinero?
Las cifras principales del estudio abordan las etapas iniciales. No deberían convertirse en una afirmación de que la misma proporción de compradores sufrió fraude. Exposición, persuasión, compra y pérdida son resultados distintos.
Una dirección inactiva también plantea un problema inmediato diferente al de una tienda operativa de suplantación. Ambas perjudican una respuesta de compra, pero requieren descripciones diferentes. Llamar estafa activa a cada destino señalado exageraría la evidencia.
A la inversa, describir el problema como simples enlaces rotos pasaría por alto los hallazgos de presunta suplantación. La interpretación útil conserva ambas categorías. Un sistema de recomendaciones necesita destinos funcionales y evidencia creíble sobre quién los controla.
El contexto de muestreo también importa para las comparaciones. Estos resultados describen las experiencias de consumo, indicaciones, marcas y período de recopilación evaluados. No establecen una clasificación permanente de seguridad en todas las configuraciones o funciones de compra.
Por ejemplo, una respuesta de un chatbot general y una integración específica con comerciantes deben evaluarse por separado. Una prueba de una experiencia no puede certificar ni condenar automáticamente a otra. Ese límite importa cuando los lectores comparan nombres de productos conocidos con implementaciones desconocidas.
Por tanto, el estudio ofrece un punto de partida concreto para el escrutinio, no una tarjeta de puntuación universal. Dirige la atención a la transición entre responder una pregunta de compra y respaldar a un vendedor. Esa transición merece una evaluación por derecho propio.
Una lectura útil pregunta qué evidencia justificaría la recomendación en ese momento. ¿El sistema sabe que la dirección pertenece a la marca? ¿Ha verificado una relación de autorización? ¿O simplemente ha encontrado lenguaje que coincide con la solicitud?
Estas son preguntas analíticas planteadas por los hallazgos, no mecanismos que el estudio establezca de forma concluyente. La diferencia importa. Observar un resultado cuestionable no revela todos los pasos internos que lo produjeron.
La consecuencia práctica es una conclusión más acotada y defendible: los compradores no deberían considerar una recomendación minorista conversacional como una verificación completa del vendedor.
Una respuesta de compra tiene más peso que un resumen de producto
La investigación de productos y la selección de vendedores implican tipos de juicio distintos. Un asistente puede ayudar a alguien a comparar materiales, tallas o categorías de productos sin decidir dónde debería gastar su dinero.
Cuando proporciona un destino de compra, la tarea cambia. La respuesta conecta una preferencia de producto con una empresa que recibirá pagos e información personal. La exactitud ahora incluye la identidad del vendedor.
Una descripción relevante de un producto no establece una relación comercial legítima.
Pensemos en un comprador ilustrativo que busca una chaqueta de una marca concreta. Un asistente puede identificar correctamente las características de la chaqueta y, al mismo tiempo, proporcionar una tienda no relacionada. La información del producto y el destino de compra necesitan comprobaciones separadas.
La misma distinción se aplica cuando una respuesta califica una tienda como “oficial” o “autorizada”. Esas palabras expresan una relación, no una semejanza. Un logotipo conocido o una fotografía de producto coincidente no pueden establecer esa relación por sí solos.
La presentación conversacional vuelve la distinción especialmente importante. Una respuesta directa puede parecer un juicio concluido, incluso cuando la evidencia subyacente sigue incompleta. El usuario recibe una recomendación en la voz del asistente.
Eso presiona a los desarrolladores de chatbots para aclarar qué promete su redacción. “Esta página menciona el producto” es una afirmación limitada. “Compra aquí” invita a actuar y exige un respaldo más sólido.
Las marcas afrontan otro problema: una mención correcta de su nombre aún puede acompañar un destino incorrecto. Por tanto, la visibilidad por sí sola no puede describir la calidad de una respuesta de compra. Adónde envía la respuesta a alguien importa tanto como si aparece la marca.
Para un minorista, una recomendación no autorizada plantea preguntas sobre la confusión del cliente y la responsabilidad. Un comprador podría asociar una mala experiencia con la marca cuyo nombre apareció en toda la respuesta. Es un riesgo comercial plausible, no una pérdida medida por este estudio.
Las implicaciones también alcanzan las compras en el trabajo. Un empleado que investiga equipos o mercancía puede llevar un enlace de vendedor no verificado a una conversación de compras. Después, un resumen pulido podría circular por separado de la conversación original.
En esa situación, el registro importante incluye la fuente y su estado de verificación. Una lista corta que indica de dónde procede una recomendación sigue siendo más fácil de cuestionar. Una lista básica de tiendas sugeridas oculta el juicio sin resolver.
Para los equipos que mantienen una base de conocimiento consultable, las fuentes de compra aprobadas deben figurar junto a la investigación pertinente. Un enlace conservado aún necesita revisión; guardarlo no certifica quién lo opera.
Por tanto, la presión comercial es específica. Los asistentes que ayudan a identificar productos también necesitan límites en torno al respaldo de vendedores. Las marcas deben inspeccionar los destinos vinculados a sus nombres. Los compradores necesitan una distinción visible entre descubrimiento y aprobación.
Las citas establecen una fuente, mientras que la identidad del vendedor necesita evidencia independiente
Una cita puede ayudar a los lectores a examinar de dónde obtuvo información una respuesta. No establece automáticamente que una empresa citada merezca su dinero.
Esa diferencia se aclara al separar las afirmaciones dentro de una respuesta de compra. Una página puede respaldar una especificación de producto, mostrar un anuncio de un artículo o describir una política de devoluciones. Ninguna prueba de forma independiente la autorización del fabricante.
La evidencia de que existe una página es más débil que la evidencia de que su operador es el vendedor al que el comprador pretendía llegar.
Esta es la inversión central de la historia. Las funciones que hacen que las respuestas parezcan examinables pueden coexistir con una confianza comercial sin resolver. Un enlace añade algo que los lectores pueden revisar, pero la revisión aún tiene que realizarse.
El riesgo es especialmente evidente en una solicitud ilustrativa de compra internacional. Un usuario podría esperar razonablemente que una marca opere tiendas separadas por país. Una dirección con apariencia regional puede encajar con esa expectativa sin establecer la propiedad.
La pregunta pasa entonces a ser relacional: ¿cómo se conecta esta dirección con la marca conocida? Un enlace desde un sitio consolidado de la marca respaldaría una afirmación distinta de la que respaldan palabras coincidentes en una dirección.
Por eso pedir a un chatbot que repita que una tienda es legítima proporciona una tranquilidad limitada. Una segunda afirmación solo resulta útil si introduce mejor evidencia. La confianza y la verificación no deberían volverse intercambiables.
El mismo principio se aplica a las advertencias. Un recordatorio general sobre las estafas online deja sin resolver la recomendación específica. Una advertencia vinculada a un destino concreto indica al comprador qué acción debe reconsiderar.
El diseño de las respuestas debería preservar esa especificidad. Si el sistema no puede verificar una tienda, el lenguaje de su recomendación debería reflejar la incertidumbre. De lo contrario, la carga se traslada silenciosamente a quien pidió ayuda para elegir.
Las orientaciones de protección al consumidor ya distinguen la presentación de la legitimidad. La guía de compras online del Canadian Centre for Cyber Security aconseja no basarse únicamente en la apariencia de un sitio web o en iconos de candado.
Ese consejo importa aquí porque la confianza puede acumularse a través de varias señales débiles. Un asistente suena seguro, la tienda parece cuidada y la conexión parece segura. Juntos, esos detalles pueden parecer más sólidos que la evidencia subyacente sobre la identidad.
Para los desarrolladores, el desafío analítico consiste en evaluar la afirmación que la interfaz realmente comunica. Un sistema que recupera una dirección relevante ha completado un paso de descubrimiento. Aún necesita una base para describir esa dirección como un lugar adecuado para comprar.
Esto no significa que todas las recomendaciones requieran un tratamiento idéntico. Los minoristas establecidos, las tiendas independientes, los marketplaces y las tiendas operadas por marcas tienen relaciones diferentes. El sistema debería describir la relación que puede fundamentar.
Una respuesta cautelosa puede seguir siendo útil. Puede identificar un vendedor potencial e indicar qué queda sin verificar. Ese enfoque conserva el valor de la investigación sin presentar la incertidumbre como un respaldo concluido.
La comparación de chatbots es útil, pero no resuelve la seguridad de las compras con IA
Las diferencias entre ChatGPT, Gemini y Perplexity merecen atención. Muestran que los servicios evaluados no produjeron resultados intercambiables. También plantean preguntas sobre lo que realmente capta cada comparación.
Un asistente podría mostrar menos destinos cuestionables porque elige fuentes diferentes, proporciona menos tiendas o gestiona la incertidumbre de otra manera. Las tasas de resultados por sí solas no pueden distinguir por completo esas explicaciones.
Una menor tasa de exposición observada respalda un hallazgo más acotado que la afirmación general de que un chatbot es seguro.
El comportamiento de advertencia añade otra dimensión. Evitar un destino e identificar un problema después de mencionarlo son capacidades diferentes. Una evaluación útil debería mostrar ambas, junto con la utilidad de la respuesta resultante.
De lo contrario, un asistente podría parecer cauteloso simplemente al rechazar preguntas de compra. Eso reduciría la exposición al tiempo que ofrecería poca ayuda. Un producto de compras necesita equilibrar el descubrimiento útil con recomendaciones justificadas.
La fuente comercial de la investigación también merece escrutinio. Podqi vende servicios de protección de marca, lo que le da un interés empresarial en el problema que describe. Ese interés no invalida las observaciones.
Sí hace importante una clasificación transparente. Los revisores independientes necesitarían pruebas suficientes para comprender los casos controvertidos. Un supuesto vendedor de falsificaciones, un revendedor no relacionado y un sitio web no disponible no deberían convertirse en etiquetas indistinguibles.
Los revisores también deberían preguntarse cómo se trató la incertidumbre. Algunas relaciones comerciales son más fáciles de verificar que otras. Una metodología debe dejar espacio para los casos sin resolver en lugar de forzar cada dirección a un veredicto concluyente.
Existe otra frontera entre identificar un problema y demostrar un remedio propuesto. Un proveedor puede documentar recomendaciones cuestionables sin establecer que su propio servicio corrige todas las causas subyacentes.
El mismo criterio se aplica a los proveedores de chatbots. Una afirmación sobre mejoras de seguridad requeriría pruebas vinculadas a destinos de compra. Las afirmaciones generales sobre la calidad de las respuestas dejarían esta cuestión concreta sin resolver.
Este artículo no ha reproducido el experimento de forma independiente. Por tanto, el estudio debe seguir atribuyéndose a sus autores, y sus clasificaciones deben seguir siendo las de los investigadores. Sus hallazgos son una razón para investigar, no una autorización para exagerar la certeza.
La comparación también necesita estar vinculada a un momento determinado. Un resultado observado pertenece a un periodo concreto de recopilación. El comportamiento posterior del producto requiere nuevas pruebas, no suposiciones basadas en el nombre de una empresa conocida.
Para los compradores que preguntan por la seguridad de las compras con IA, la respuesta más útil es, por tanto, condicional. El estudio identifica motivos de cautela en los servicios analizados. No establece que todas las recomendaciones fallen ni que todas las direcciones señaladas causen daño.
Una respuesta significativa haría más fácil identificar una identidad de vendedor incierta. También facilitaría la reproducción y corrección de resultados controvertidos. Estos cambios abordarían la brecha concreta de confianza expuesta aquí.
Las salvaguardas de compra existentes siguen aplicándose en el traspaso desde la IA
El estudio plantea una nueva cuestión de interfaz en torno a un problema consolidado de los consumidores. Un asistente puede presentar a un vendedor, pero el comprador sigue necesitando una base para confiar en ese negocio.
El consejo de la Federal Trade Commission sobre la verificación de vendedores recomienda investigar negocios desconocidos y consultar reseñas de varias fuentes. También advierte que las reseñas y valoraciones pueden inducir a error.
Una recomendación de un chatbot debería iniciar la comprobación de un vendedor, en lugar de servir como su prueba definitiva.
Este principio no exige considerar fraudulenta a toda tienda desconocida. Los pequeños comercios y negocios independientes pueden ser legítimos. La cuestión relevante es si las pruebas disponibles respaldan la compra concreta.
Una distinción útil separa la incertidumbre de la acusación. «No puedo verificar a este vendedor» comunica una limitación. «Este vendedor es fraudulento» alega una conducta indebida y requiere pruebas más sólidas.
Los asistentes deberían preservar esa distinción al responder preguntas de seguimiento. Un sistema que pasa de una recomendación entusiasta a una acusación sin respaldo no ha resuelto el problema de la verificación. Ha cambiado la dirección de su confianza.
Para los compradores, el traspaso de la conversación al sitio web merece atención deliberada. La dirección de destino debe corresponder al vendedor que se está evaluando. Las pruebas sobre un negocio no deben trasladarse a otro con un nombre similar.
La guía del FBI para las compras navideñas también hace hincapié en comprobar a los vendedores desconocidos antes de comprar. Sus advertencias cubren problemas como pagar por productos que nunca llegan.
Estas salvaguardas consolidadas siguen siendo pertinentes independientemente de cómo se descubrió el destino. Una recomendación de un chatbot no modifica las obligaciones del vendedor ni acredita su trayectoria. El canal de descubrimiento y el comerciante son partes separadas de la transacción.
Para las organizaciones, la cuestión consiste menos en prohibir asistentes que en asignar claramente las responsabilidades. La investigación de productos puede utilizar herramientas conversacionales, mientras que la aprobación de vendedores sigue un proceso de compra establecido.
La persona que revisa una compra debería poder ver si la tienda ya está aprobada. Si no es conocida, el registro debería indicar qué se comprobó. Eso crea una decisión responsable en lugar de una suposición heredada.
También hay una oportunidad de diseño de producto. Un asistente podría distinguir las relaciones verificadas con comerciantes de las sugerencias web ordinarias. La redacción tendría que explicar la base real de esa distinción.
Una etiqueta por sí sola no bastaría. «Verificado» necesita un alcance definido: propiedad verificada, autorización verificada u otra cosa. Sin esa explicación, la etiqueta corre el riesgo de añadir otra impresión de certeza.
La cuestión normativa sigue la misma lógica. La responsabilidad se vuelve más difícil de evaluar cuando una interfaz mezcla investigación, recomendación y promoción comercial. Unos límites claros ayudarían a los usuarios a entender qué afirmaciones se les pide que confíen.
Por tanto, los riesgos de las compras con ChatGPT abarcan más que si un enlace se abre. Afectan a las pruebas y al lenguaje que rodean una sugerencia de compra. El traspaso final debería hacer visible la confianza no resuelta antes de que el usuario actúe.
Qué observar a continuación: verificación, pruebas repetidas y resultados reales
Los próximos avances útiles serán cambios observables en las respuestas de compra y en la calidad de las pruebas. Un lenguaje más seguro no resolvería el problema. Sí lo harían recomendaciones mejor fundamentadas.
El progreso implica mejorar el destino, el respaldo y las pruebas disponibles para examinar ambos.
En primer lugar, observe cambios de producto que distingan el descubrimiento de comerciantes de las relaciones verificadas. Los cambios relevantes incluirían etiquetas de vendedor más claras, advertencias específicas y explicaciones de lo que realmente se ha comprobado.
La señal más sólida vincularía una recomendación con pruebas examinables sobre el negocio. Una advertencia genérica debajo de una recomendación de tienda por lo demás segura ofrecería un respaldo más débil.
Esta distinción también debería aparecer en el comportamiento de corrección. Si un usuario informa de un destino inadecuado, la respuesta debería abordar específicamente esa dirección. Repetir consejos generales de compra dejaría sin resolver la recomendación original.
En segundo lugar, observe pruebas repetidas independientes con clasificaciones transparentes. Una evaluación reproducible debería separar destinos no disponibles, suplantación sospechada, falsificación sospechada y casos inciertos.
También debería preservar el contexto necesario para interpretar las comparaciones. La experiencia analizada, el periodo de recopilación y la redacción de la recomendación importan. Sin esos detalles, una clasificación corre el riesgo de parecer más universal de lo que permiten las pruebas.
Una réplica útil comprobaría si las mejoras se mantienen más allá de un conjunto conocido de preguntas. Debería examinar si un sistema sigue siendo útil mientras actúa con mayor cautela respecto a la identidad del vendedor.
Ese es un criterio más exigente que eliminar todos los resultados desconocidos. Recompensa la asistencia justificada en lugar del silencio. También ofrece a los desarrolladores un objetivo más claro de mejora.
En tercer lugar, observe pruebas que vinculen las recomendaciones con resultados reales para los compradores. Los clics, los intentos de compra, las quejas y las pérdidas confirmadas responden a preguntas distintas. Deben mantenerse como medidas separadas.
Las pruebas de resultados ayudarían a establecer las consecuencias prácticas de una recomendación cuestionable. También podrían revelar dónde importan más las intervenciones. Una advertencia antes de visitar una tienda y una advertencia después de introducir los datos de pago tienen propósitos distintos.
Por el contrario, las pruebas limitadas de daños consumados restringirían las afirmaciones sobre prevalencia. Eso no haría aceptables las recomendaciones incorrectas. Haría más precisa la descripción de sus consecuencias.
La respuesta de las marcas importará junto con los cambios en los chatbots. Una información clara y accesible sobre tiendas oficiales y relaciones autorizadas daría a los esfuerzos de verificación algo concreto que examinar.
Aun así, publicar esa información y lograr que los asistentes la utilicen correctamente son hitos separados. El sector necesita pruebas de la conexión entre ambos. Anunciar una fuente de información fiable no demuestra un uso coherente.
Para los lectores, la conclusión inmediata es un límite en torno a la confianza. Los riesgos de las compras con ChatGPT no eliminan el valor de la investigación de productos con IA. Muestran por qué un vendedor sugerido merece su propia evaluación.
Antes de su próxima compra asistida por IA, examine el traspaso entre la recomendación y la transacción. ¿La respuesta establece quién opera el destino o simplemente presenta una tienda plausible? Si las pruebas se detienen en la relevancia, mantenga abierta la decisión de compra. Compare la dirección con información de una fuente de marca fiable, examine información independiente sobre el vendedor y conserve la base de su decisión. Para compras laborales, incorpore esas pruebas al proceso de aprobación en lugar de reenviar un enlace sin más. La pregunta que vale la pena plantear es específica: ¿qué respalda confiar en este negocio para esta transacción? Considere una respuesta segura como una afirmación que debe examinarse y, después, decida si las pruebas justifican la recomendación.



