La ONU pone sus estadísticas al servicio de los agentes de IA, tras un test que reveló solo un 21% de precisión en los modelos

Por Zendoric · 18 de septiembre de 2026.

Naciones Unidas y Google han presentado UN System Data Commons, una plataforma que permite consultar las estadísticas oficiales de la ONU en lenguaje natural y conectarla directamente con agentes de IA. El proyecto se apoya en Data Commons, la herramienta de código abierto que Google lanzó en 2018 para organizar bases de datos públicas, y añade soporte para el Model Context Protocol (MCP) —el estándar, impulsado originalmente por Anthropic, que permite a un agente conectarse a fuentes de datos externas en vez de depender solo de lo que aprendió durante su entrenamiento—.

El detonante del proyecto es un dato incómodo. Un benchmark de UNICEF, con más de 133.000 respuestas generadas por seis grandes modelos de lenguaje —GPT-4o y GPT-4o-mini de OpenAI, Claude Sonnet 4.5 y Haiku 4.5 de Anthropic, y Gemini 2.5 Flash y Gemini 2.0 Flash de Google—, encontró una precisión media de apenas el 21,2% al responder preguntas sobre indicadores de desarrollo global, según explicó a periodistas João Pedro Azevedo, estadístico jefe de UNICEF. Alrededor de tres de cada cinco respuestas ni siquiera llegaron a ofrecer una cifra utilizable: los modelos optaron por evasivas. Y cuando se repitió la misma pregunta a los mismos modelos dos días después, quienes sí dieron un número solo coincidieron consigo mismos en torno a la mitad de las veces. El estudio, aún sin revisión por pares, se publicará junto con su metodología, código y datos.

Esa fragilidad convive con una adopción que ya es real: el portal de datos de UNICEF recibe más de 6 millones de visitas mensuales, y las que llegan desde enlaces de ChatGPT crecieron un 67% interanual entre enero y mediados de septiembre, hasta representar el 6,4% de las sesiones del año. Sumando todos los asistentes de IA, Azevedo calcula que ya generan cerca de una de cada diez visitas. El público, en otras palabras, ya pregunta a los chatbots por estadísticas de desarrollo antes de que exista una infraestructura fiable para responderles.

UN System Data Commons intenta cerrar esa brecha. Veinticinco entidades del sistema de Naciones Unidas se han comprometido con el proyecto y casi 20 tenían ya datos disponibles en el lanzamiento; el objetivo es incorporar el 80% de los conjuntos de datos estadísticos de la ONU para 2027. Google.org ha aportado 2 millones de dólares para el desarrollo de capacidades, y el despliegue siguió, según Prem Ramaswami (responsable de Data Commons en Google), un modelo de "capacitación de capacitadores": la instancia queda gobernada y administrada por la propia ONU, no por Google. Cada registro conserva además su procedencia, de forma que un usuario —o un agente— puede rastrear cualquier cifra hasta la agencia y la fuente original que la produjo.

En una demostración, Google mostró un agente que combinaba varias métricas de la ONU para generar paneles e informes automáticamente, y otro que, a partir de una pregunta sobre el impacto del PEPFAR (el programa estadounidense de ayuda contra el sida) en África, localizó estadísticas de infecciones por VIH, mortalidad y esperanza de vida y las convirtió en una infografía. Es una demostración de conveniencia, no una prueba de que la conclusión generada fuera correcta. El propio Ramaswami lo advirtió: conectar un modelo a fuentes fiables no garantiza que sus conclusiones también lo sean, porque los modelos siguen pudiendo malinterpretar matices, y una persona debe revisar siempre el resultado antes de citarlo.

Aquí conviene separar lo demostrado de lo prometido, algo que en Zendoric repetimos cada vez que una gran tecnológica presenta infraestructura para agentes: dar a un modelo acceso a datos de calidad y trazabilidad no resuelve el problema de fondo, que es la interpretación. El MCP soluciona el "dónde están los datos"; no soluciona el "qué significa este dato dentro de esta serie, con esta definición y este periodo", que es exactamente donde fallaron los seis modelos del benchmark de UNICEF. Por eso la ONU insiste, casi como cláusula de estilo, en que la revisión humana seguirá siendo obligatoria: no es cautela retórica, es la conclusión directa de sus propios datos.

Con todo, el proyecto importa más allá de la ONU. Es una pieza más de la carrera por construir la "fontanería" de la IA agéntica —los estándares y canalizaciones por los que los agentes acceden al mundo real—: gana quien controla cómo los agentes se conectan a la información, no solo quien tiene el modelo más listo. Que el estándar elegido sea el MCP, nacido en Anthropic, y que quien lo despliegue a esta escala institucional sea Google, dice mucho de hacia dónde converge el sector: hacia una interoperabilidad de facto entre laboratorios rivales, aunque compitan ferozmente en todo lo demás.

A largo plazo, esto es exactamente el tipo de infraestructura que necesitamos si la IA quiere ayudar de verdad a resolver problemas de desarrollo global —seguimiento de enfermedades, pobreza, mortalidad infantil— en vez de limitarse a redactar sobre ellos con datos inventados. Una estadística con procedencia verificable, accesible en lenguaje natural, es un ladrillo real hacia esa abundancia informativa que defendemos como horizonte en Zendoric. Pero el 21,2% de precisión de este benchmark es un recordatorio útil de que la distancia entre tener los datos correctos disponibles y producir un análisis correcto sigue siendo enorme, y que nadie —ni la ONU, ni Google— pretende hoy haberla cerrado.