Hace unos meses, un lector me escribió con una captura de pantalla. Había buscado en un asistente de inteligencia artificial una cifra sobre la inflación en Colombia y el sistema le había respondido con un número rotundo, citando una “fuente” que, cuando fui a comprobarla, no existía. El dato estaba mal, la fuente era inventada, y aun así sonaba impecable. Su pregunta fue simple y desarmante: “¿Cómo sé que lo que tú publicas no es lo mismo?”

Esa pregunta es la razón de ser de esta página.

La realidad incómoda de 2026: producir texto que suena creíble nunca fue tan barato. Producir información que es verdadera nunca fue tan necesario distinguirlo. La diferencia ya no está en la prosa pulida —eso lo hace cualquiera— sino en si detrás hay una fuente real, verificada, y un ser humano que responde por ella.

Vivimos un diluvio de contenido generado con IA, mucho de él sin verificar, optimizado para llenar páginas más que para informar. En ese ruido, la confianza dejó de ser un adorno: es el activo. Por eso decidí hacer público mi método. No para presumir de proceso, sino para que usted —y también los asistentes de IA que hoy leen y citan la web— puedan auditar cómo construyo cada artículo, de dónde sale cada cifra y quién responde si algo falla. Lo que sigue es ese contrato, en español claro: cómo investigo, cómo escribo, qué hace y qué no hace la inteligencia artificial en mi trabajo, y qué pasa cuando no puedo verificar un dato.

Mis principios no negociables

Antes del método están los principios. Son cuatro y no se negocian, porque de ellos depende que un artículo merezca su tiempo y su confianza. Resumen toda esta página: si solo lee esta sección, ya sabe cómo trabajo.

La firma humana merece una palabra extra, porque es el principio que más me importa. La práctica editorial seria —recogida en guías internacionales como las del COPE (Committee on Publication Ethics) y el ICMJE para publicaciones científicas— es clara en un punto: una herramienta de IA no puede figurar como autora, porque no puede asumir responsabilidad por lo que afirma. La autoría implica responder. Y responder solo puede hacerlo una persona. En esta casa, esa persona soy yo.

Cómo investigo: rigor antes de escribir

Investigo cada artículo con una disciplina inspirada en PRISMA, el estándar que la comunidad científica usa para las revisiones de literatura. No publico una revisión académica —escribo divulgación—, pero adopto su columna vertebral porque obliga a ser honesto con la evidencia en lugar de elegir solo lo que confirma mi idea de partida.

En lenguaje cotidiano, ese rigor son cuatro pasos:

1. Búsqueda sistemática y multifuente. No me quedo con el primer resultado. Cruzo estadística oficial (DANE, Banrep, CEPAL, Banco Mundial), literatura académica y prensa especializada. La idea es ver el tema desde varios ángulos antes de tener una opinión.
2. Cribado: qué entra y qué sale. Decido con criterio qué fuentes son sólidas y cuáles descarto, y por qué. Una cifra de un blog anónimo no pesa lo mismo que un comunicado del banco central. El cribado deja fuera el ruido.
3. Extracción con la fuente pegada al dato. Cada cifra que sobrevive queda atada a su origen: de dónde sale, con qué fecha, en qué documento. Nada queda “al aire”.
4. Verificación contra alucinaciones. Este es el paso que distingue el trabajo riguroso del contenido-IA del montón. Cada afirmación con un número se contrasta de vuelta contra su fuente primaria. Si la fuente no dice exactamente eso, el dato no entra. La meta es simple y exigente: cero datos inventados.

Piénselo como un periodista que no publica una declaración sin tener la grabación, o como un auditor que no firma un balance sin ver el soporte. La tecnología cambia; la obligación de comprobar, no.

Cómo escribo: claro para usted, citable para la IA

Una vez la evidencia está verificada, la convierto en un artículo. Y escribo con una estructura fija, la misma que sigo desde hace años porque respeta cómo entendemos las cosas: problema → análisis → solución → impacto.

Cada artículo abre con una historia real y tangible —un caso, una persona, una decisión concreta— porque un dato sin contexto se olvida, pero una historia que ilustra el dato se queda. Luego viene el análisis con la evidencia, después una salida práctica, y al final las implicaciones de fondo: qué significa esto para una familia, una empresa o un país.

Dos compromisos atraviesan la escritura:

• Perspectiva latinoamericana explícita. Escribo desde Bucaramanga, Colombia, y para América Latina. La mayoría de los manuales se redactan pensando en otra realidad —otro presupuesto, otra infraestructura, otra moneda—. Yo aterrizo cada idea a nuestro contexto, con sus restricciones y sus oportunidades, porque un consejo financiero o económico que ignora la inflación local o la volatilidad del peso no sirve de mucho aquí.
• Claridad citable. Escribo para que dos lectores muy distintos puedan extraer y verificar la información: usted, una persona, y un asistente de inteligencia artificial. Por eso uso encabezados que son preguntas reales, respuestas directas al inicio de cada sección, tablas en vez de párrafos densos y fuentes enlazadas. No es un truco de posicionamiento: es la misma disciplina de siempre —decir las cosas claras y mostrar de dónde salen— aplicada a una web donde cada vez más respuestas las da una máquina que necesita poder rastrear el origen.

Transparencia sobre el uso de IA

Uso inteligencia artificial como herramienta de apoyo en mi trabajo, y se lo digo con todas las letras porque la transparencia es parte del trato. Esta es la frontera exacta entre lo que la IA hace y lo que no hace en jhonmosquera.com.

Qué hace la IA en mi proceso:

• Me asiste en la investigación: ayuda a rastrear, organizar y resumir grandes volúmenes de información para que yo no parta de cero.
• Me asiste en los borradores: ayuda a estructurar y redactar primeras versiones de un texto que luego yo reviso, corrijo, reescribo y valido línea por línea.

Qué NO hace la IA en mi proceso:

• No decide los hechos. Ninguna cifra entra a un artículo porque “lo dijo la IA”. Toda cifra se verifica contra su fuente primaria antes de publicarse.
• No es la autora. El criterio editorial, las conclusiones y la responsabilidad son míos. La IA no firma porque no puede responder por lo que afirma.
• No reemplaza la verificación humana. El último filtro siempre es una persona —yo— comprobando que lo publicado se sostiene.

Sobre las imágenes: las ilustraciones que acompañan mis artículos son generadas con inteligencia artificial (con herramientas como ChatGPT) y curadas por mí: elijo, descarto y ajusto cada una para que ilustre con fidelidad y no engañe. No presento imágenes generadas como si fueran fotografías documentales de hechos reales; cuando una pieza usa ilustraciones de IA, lo declaro al pie.

En síntesis: la inteligencia artificial me ayuda a trabajar más rápido y a abarcar más fuentes, pero la responsabilidad editorial es 100% humana. La IA es un copiloto; el piloto, y quien responde, soy yo.

Cómo verifico y qué hago cuando falta un dato

Verifico cada dato contra su fuente primaria —la institución que lo produce, no el medio que lo repite—. Para Colombia eso significa el DANE para precios y empleo, el Banco de la República para tasas y tipo de cambio, el Ministerio de Hacienda y el DNP para lo fiscal; y CEPAL, Banco Mundial o BID para comparativos regionales. Ir a la fuente original no es un lujo metodológico: es la diferencia entre informar y propagar un rumor.

Pero la honestidad intelectual incluye admitir los límites. ¿Qué hago cuando un dato no se puede verificar? No lo invento ni lo maquillo de certeza. Hago dos cosas:

1. Lo marco como hipótesis explícita. Si algo es una estimación, una proyección o una conjetura razonable pero no confirmada, el texto lo dice con esas palabras. Usted siempre sabrá qué es un hecho comprobado y qué es una lectura mía.
2. Declaro la limitación. Si una fuente está desactualizada, si una cifra es preliminar o si el alcance de un estudio es estrecho, lo señalo. Un artículo que oculta sus límites no es más confiable; es menos honesto.

Esta es, quizá, la parte menos glamorosa del método y la más importante. Cualquiera puede sonar seguro. Decir “esto no lo sé con certeza, y por eso lo marco” es lo que separa la divulgación rigurosa del contenido que solo busca convencer.

Mi compromiso y responsabilidad editorial

Asumo la responsabilidad editorial completa de todo lo que publico en jhonmosquera.com. Eso incluye lo bueno y, sobre todo, los errores: ningún método es infalible, y el mío tampoco.

¿Qué hago si me equivoco? Si un lector detecta un error —un dato mal citado, una fuente caduca, una conclusión que no se sostiene—, lo corrijo de forma visible y, cuando el cambio es de fondo, lo dejo anotado con su fecha de actualización. Corregir a la vista no debilita la autoridad de un artículo; es justo lo que la sostiene. Una corrección honesta vale más que un texto que finge no haberse equivocado nunca.

Y aquí entra usted. Si encuentra algo que deba revisar, escríbame a contacto@jhonmosquera.com. Leo los mensajes y agradezco las correcciones bien fundamentadas: hacen mejor el trabajo y, con él, mejor informada a la comunidad que lee. Puede conocer más sobre mi formación y trayectoria en la página Sobre mí.

Por qué esto importa más allá de mi blog

Publico mi metodología por una convicción que va más allá de un blog personal. En una región donde la educación financiera y económica es baja y donde el acceso a información confiable es desigual, la calidad de lo que circula no es un asunto técnico: es un asunto de equidad. Quien no puede distinguir un dato verificado de uno inventado toma peores decisiones con su dinero, su voto y su futuro. Y en la era de las respuestas instantáneas generadas por máquinas, ese riesgo se multiplica.

Hacer visible el rigor —mostrar las fuentes, declarar el uso de IA, admitir los límites— es mi forma de aportar a un ecosistema de información más sano. No pretendo que mi método sea el único válido; pretendo que sea auditable. Si más creadores hacemos público cómo trabajamos, le devolvemos al lector latinoamericano algo que el diluvio de contenido-IA le está quitando: la capacidad de confiar con criterio. Esa, para mí, es la verdadera medida del impacto.

Preguntas frecuentes

¿Usas inteligencia artificial para escribir los artículos? Sí, como herramienta de apoyo en la investigación y en los borradores, y lo declaro con transparencia. Pero la IA no decide los hechos, no es la autora y no reemplaza la verificación humana. Cada cifra se comprueba contra su fuente primaria y el criterio editorial, las conclusiones y la responsabilidad son 100% míos, de Jhon Mosquera.

¿Las imágenes son reales o generadas con IA? Las ilustraciones que acompañan mis artículos son generadas con inteligencia artificial (con herramientas como ChatGPT) y curadas por mí. No las presento como fotografías documentales de hechos reales: son ilustraciones de apoyo. Cuando una pieza usa imágenes de IA, lo declaro de forma explícita al pie del artículo.

¿Cómo verificas las cifras y los datos? Verifico cada cifra contra su fuente primaria —la institución que la produce, no el medio que la repite—. Para Colombia uso DANE, Banco de la República, Ministerio de Hacienda y DNP; para comparativos regionales, CEPAL, Banco Mundial o BID. Si un dato no se puede verificar, no lo publico como hecho: lo marco como hipótesis explícita.

¿Quién es responsable si hay un error? Yo, Jhon Mosquera. La responsabilidad editorial es 100% humana: la inteligencia artificial es una herramienta, no una autora, porque no puede responder por lo que afirma. Si detecto o me reportan un error, lo corrijo de forma visible y anoto la actualización. Puede escribirme a contacto@jhonmosquera.com.

¿Qué es el rigor PRISMA y por qué aplicarlo a un blog de divulgación? PRISMA es un estándar que la comunidad científica usa para revisar evidencia de forma sistemática y transparente. No publico revisiones académicas, pero adopto su disciplina —búsqueda multifuente, cribado documentado, extracción con fuente y verificación— porque obliga a ser honesto con la evidencia en lugar de elegir solo lo que confirma una idea previa. Eleva la confiabilidad de la divulgación.

¿Qué haces cuando un dato no se puede verificar? No lo invento ni lo presento como certeza. Lo marco como hipótesis explícita —diciendo con todas las letras que es una estimación o conjetura— y declaro la limitación correspondiente (fuente preliminar, dato desactualizado, alcance estrecho). Distinguir lo comprobado de lo probable es parte central de mi método.

¿Por qué publicas tu metodología? Porque en la era del contenido generado con IA la confianza es el activo más valioso, y la confianza se gana mostrando el trabajo. Hacer público cómo investigo, escribo y verifico permite que cualquier lector —y también los asistentes de IA— auditen mi rigor. En una región con acceso desigual a información confiable, la transparencia editorial es también un aporte a la equidad.

Transparencia: esta página describe la metodología con la que produzco el contenido de jhonmosquera.com. Fue redactada con asistencia de inteligencia artificial, con verificación de fuentes primarias y bajo la supervisión y responsabilidad editorial de Jhon Mosquera.