El estudio subraya la necesidad de contar con inteligencia de contenidos fiable para crear experiencias de búsqueda, descubrimiento y recomendación de confianza basadas en la IA generativa
NUEVA YORK — 10 de junio de 2026 — Gracenote, la unidad de negocio de inteligencia de contenidos de Nielsen, ha publicado hoy su último informe, titulado «Agujeros en la trama de la IA: por qué los modelos de lenguaje grande (LLM) sin base real no pueden resolver el descubrimiento de contenidos». La investigación examina la precisión con la que un modelo de lenguaje grande (LLM) líder respondió a preguntas sobre películas y series de televisión populares, abarcando 2600 títulos en 13 países. Al comparar las respuestas basadas únicamente en datos de entrenamiento con aquellas fundamentadas en la inteligencia de contenidos de Gracenote, el estudio reveló que el LLM sin base real distorsionó todos los metadatos medidos de 506 títulos, es decir, casi uno de cada cinco.
El informe se publica en un momento en que los servicios de streaming y otros proveedores de entretenimiento están empezando a recurrir a los modelos de lenguaje grande (LLM) para ayudar a los espectadores a orientarse entre una oferta abrumadora y catálogos fragmentados. Los datos analizados —desde sinopsis y reparto hasta género, año de estreno y duración— son los mismos que utiliza el público para decidir qué ver y que emplean los servicios para describir, organizar y recomendar contenidos. Los resultados ponen de manifiesto que la eficacia del descubrimiento de contenidos basado en la inteligencia artificial depende directamente de la calidad de los datos en los que se basa la experiencia.
«A los usuarios no les importa de dónde proviene una respuesta errónea. Si es incorrecta, culpan al servicio», afirmó Tyler Bell, vicepresidente sénior de producto de Gracenote. «Por eso es importante basarse en datos contrastados. Para las empresas que están desarrollando la próxima generación de plataformas de descubrimiento de contenidos de entretenimiento, la IA generativa solo cumplirá su promesa cuando se base en inteligencia de contenidos verificada que sustituya las conjeturas plausibles por datos precisos, lo que reducirá las fricciones, profundizará la implicación y reforzará la fidelidad».
Otros datos destacados son:
- Títulos similares llevaron al modelo de lenguaje grande (LLM) a un contenido erróneo. Por ejemplo, el modelo sin entrenamiento devolvió el título y el año correctos de la película de suspense de 2025 «Heel», pero extrajo la descripción, el reparto y el género de «Heels», una serie dramática de Starz que se emitió entre 2021 y 2023. En otro caso, confundió el thriller de terror de 2024 «Trucker» con una película de 2008 del mismo nombre.
- Los contenidos recientes han puesto de manifiesto importantes lagunas. El modelo, al carecer de datos de referencia, no pudo proporcionar información sobre varios títulos nuevos, entre ellos «GOAT», una película de 2026 que recaudó casi 200 millones de dólares en todo el mundo antes de llegar a Netflix.
- Ni siquiera la información sobre el reparto principal resultó fiable. En el caso de las 100 películas más taquilleras de Estados Unidos, solo el 53 % de las respuestas del modelo de lenguaje grande (LLM) sin entrenamiento sobre los actores principales coincidían con los datos reales.
Como deja claro el informe, en 2026 ningún modelo de lenguaje grande (LLM) estará libre de alucinaciones, lo que supone un riesgo especial para los sistemas de IA que deben ofrecer respuestas precisas y actualizadas sobre entretenimiento a gran escala. Para las empresas que desarrollan experiencias de búsqueda, descubrimiento y recomendación basadas en IA, la fiabilidad ayuda a convertir la capacidad del modelo en confianza por parte del espectador. La inteligencia de contenido de referencia de Gracenote proporciona esa base de dos maneras: a través de la concesión directa de licencias de datos o de su servidor Video MCP, que se conecta al grafo de conocimiento global de entretenimiento de la empresa. Con este acceso, los LLM pueden ir más allá de las alucinaciones que suenan plausibles y ofrecer respuestas más fiables que reducen la fricción del espectador, profundizan el compromiso y refuerzan la fidelidad.
Gracenote dará a conocer las conclusiones del informe en el StreamTV Show, que se celebrará el 18 de junio en Denver, donde Nandita Arora, directora sénior de producto de Gracenote, participará en la mesa redonda«Reimaginar el descubrimiento de contenidos». En la sesión se analizará cómo la inteligencia artificial, la personalización, la búsqueda unificada y los nuevos enfoques de la experiencia del usuario están transformando la forma en que los servicios de streaming conectan a los espectadores con los contenidos.
El informe completo, titulado «Plot Holes in AI: Why Ungrounded LLMs Can’t Fix Content Discovery» (Lagunas en la IA: por qué los modelos de lenguaje grandes sin contexto no pueden resolver el descubrimiento de contenidos), está disponible para su descarga aquí.
Metodología
Gracenote analizó 2.600 títulos populares de cine y televisión en 13 países: Australia, Brasil, Canadá, Francia, Alemania, Japón, México, Países Bajos, Corea del Sur, España, Suecia, Reino Unido y Estados Unidos. El estudio comparó las respuestas de un modelo de lenguaje grande (LLM) sin contextualización —al que se le indicó que respondiera basándose únicamente en los datos de entrenamiento— con las respuestas contextualizadas a partir de los datos de vídeo globales de Gracenote a través de un servidor MCP. Las respuestas se evaluaron en función de atributos objetivos, como el título, la descripción, los actores, los géneros, el año de estreno y la duración, cuando procedía. Dado que estos atributos pueden verificarse de forma independiente, los resultados ofrecen una visión cuantificada de cómo el entrenamiento afecta a la precisión y la fiabilidad de las respuestas generadas por IA en el ámbito del entretenimiento.
Acerca de Gracenote
Gracenote es la unidad de negocio de inteligencia de contenidos de Nielsen. Estandarizamos la forma en que el ecosistema global de medios y entretenimiento indexa los contenidos y los metadatos asociados, lo que permite que estos circulen entre creadores, distribuidores, plataformas y anunciantes. Al ofrecer una profundidad sin igual en más de 50 millones de títulos y más de 80 000 canales y catálogos, impulsamos las experiencias modernas de búsqueda, descubrimiento y navegación que conectan a las personas con la televisión, las películas, la música y los deportes que les apasionan, en más de 70 idiomas y en más de 80 países. Para obtener más información, visita Gracenote.com o síguenos en LinkedIn.
Contacto para la prensa
Mark Yamada
mark.yamada@nielsen.com
