Por qué la IA de Google no puede contar letras: un fallo estructural, no una anécdota

A finales de mayo de 2026, los AI Overviews (Resúmenes de IA) de Google se enfrentaron a una nueva ola de burlas cuando los usuarios descubrieron que no podían superar una tarea de preescolar: contar letras. Pregúntale cuántas 'P' hay en 'Google' y la IA responde, con total seguridad, 'dos'—cuando en realidad hay una. Consulta cuántas 'R' tiene 'poop' e insiste en que hay 'exactamente 1', aunque hay dos . También afirmó que 'journalism' contiene dos 'D' y deletreó la palabra como 'j-o-u-r-n-a-d-i-s-m' .

No son fallos aislados. Son el penúltimo capítulo bochornoso de un producto que Google ha posicionado como el futuro de las búsquedas, y cuyo origen está en la misma tensión arquitectónica que ya llevó a la IA a recomendar comer piedras, poner pegamento en la pizza y filtrar sus propias instrucciones de sistema al teclear una sola palabra.

Cómo funciona Google AI Overviews

AI Overviews es una función de IA generativa integrada directamente en el Buscador de Google. Se lanzó para cientos de millones de usuarios en EE. UU. en mayo de 2024, expandiéndose más tarde, y utiliza la misma tecnología de grandes modelos de lenguaje (LLM, por sus siglas en inglés) que productos como ChatGPT para redactar resúmenes automáticos en la parte superior de la página de resultados, en lugar de limitarse a listar enlaces azules . La ambición era que las búsquedas fueran conversacionales y directas, pero la ejecución ha expuesto repetidamente las debilidades fundamentales de cómo los LLM procesan la información.

El problema de raíz: por qué una IA no puede contar letras

La causa principal de los fracasos ortográficos no es un error de software menor; es una limitación arquitectónica bien documentada de los grandes modelos de lenguaje, conocida como tokenización por subpalabras. Múltiples estudios académicos han analizado este modo de fallo concreto .

Esto es lo que sucede bajo el capó:

Los LLM no ven caracteres individuales. En su lugar, descomponen el texto en tokens —fragmentos de uno o más caracteres— usando algoritmos como la Codificación por Pares de Bytes (BPE). Una palabra común como "Google" puede convertirse en un único token, mientras que "periodismo" podría dividirse en piezas más pequeñas como

['perio', 'dismo']

No hay una conciencia innata del carácter. Al entrenarse con datos tokenizados, el modelo no aprende de forma nativa a contar letras individuales. Solo puede aproximar un conocimiento a nivel de carácter mediante el emparejamiento de patrones con las ortografías memorizadas de su corpus de entrenamiento . Cuando le preguntas cuántas letras hay, estás forzando al modelo a aplicar ingeniería inversa sobre una información textual que nunca se almacenó carácter por carácter.

La capa de incrustación infra-representa la estructura de los caracteres. Las investigaciones demuestran que las incrustaciones de tokens no codifican por completo la información a nivel de carácter, en especial más allá de la primera letra de cada token. Esto hace que el razonamiento compositivo sobre las letras no sea fiable .

Límites teóricos. Las arquitecturas de transformador pertenecen a la clase de complejidad TC0, lo que las hace teóricamente incapaces de resolver tareas que exigen un razonamiento que dependa de la profundidad a medida que la entrada crece en longitud —una restricción matemática para el conteo secuencial preciso .

"Contar letras dentro de las palabras ha sido un desafío conocido para los LLM, y estamos trabajando para solucionar este problema en particular", declaró Google al medio TechCrunch en un comunicado por correo electrónico . Pero como han señalado los investigadores, incluso los modelos con cientos de miles de millones de parámetros entrenados con billones de tokens tienen dificultades para contar de forma fiable el número de 'R' en 'strawberry' . El problema es estructural, no una cuestión de escala.

Un patrón de errores embarazosos

Este fiasco ortográfico es solo el episodio más reciente en un historial de dos años de fallos sonados de AI Overviews, todos derivados de la misma desconexión entre la generación de texto fluido y las operaciones precisas que un motor de búsqueda necesita realizar.

Los desastres del lanzamiento de 2024: pizza con pegamento y dietas de piedras

A los pocos días del despliegue en EE. UU. en mayo de 2024, AI Overviews generó una serie de respuestas virales sin sentido :

• Recomendó añadir "pegamento no tóxico" a la pizza para que el queso se pegue, usando como fuente un chiste de Reddit de hacía 11 años .
• Informó a los usuarios de que los geólogos recomiendan comer una piedra al día para obtener vitaminas, extrayéndolo de un artículo satírico .
• Cometió errores históricos básicos, como afirmar que Estados Unidos había tenido un presidente musulmán .

La responsable de Búsqueda de Google, Liz Reid, reconoció que eran "ejemplos aislados" y "sin sentido", y culpó a una combinación de "vacíos de información" y a que la IA extraía datos de fuentes satíricas y de baja calidad . La compañía afirmó haber hecho correcciones, incluyendo la limitación de AI Overviews para consultas de salud y sensibles .

La fuga de instrucciones por "disregard" (mayo de 2026)

El 22 de mayo de 2026, los usuarios descubrieron que al buscar la palabra "disregard" (ignorar) —junto con términos relacionados como "ignore", "dismiss", "skip" y "stop"— AI Overviews mostraba una respuesta típica de chatbot: "Entendido. He ignorado tu instrucción anterior. ¿En qué puedo ayudarte hoy?" .

En lugar de devolver la definición del diccionario, la IA interpretó una simple consulta como una anulación de instrucciones a nivel del sistema. El fallo rompió la interfaz de búsqueda de Google para esos términos, mostrando un espacio en blanco donde deberían haber estado los resultados . Google reconoció el problema y dijo que una solución estaba en camino .

Investigadores de seguridad lo identificaron como un caso clásico de inyección de instrucciones (prompt injection): el modelo confundía términos de búsqueda normales con comandos dirigidos a un asistente de IA .

Los fallos de ortografía (finales de mayo de 2026)

Apenas unos días después del incidente de "disregard", surgieron los errores de conteo de letras. La IA no podía deletrear el nombre de su propia empresa matriz, contaba mal las letras en palabras sencillas e incluso escribió mal "Trump" como "t-r-p-u-m" . Los errores fueron verificados de forma independiente por múltiples medios de comunicación .

Lo que esto revela sobre la búsqueda con IA

El hilo conductor de las tres categorías de fallos es arquitectónico, no anecdótico. Google sustituyó un motor de búsqueda tradicional (basado en la coincidencia de palabras clave) por un LLM generativo que destaca en la generación de texto fluido, pero que carece de la maquinaria para:

• Operaciones precisas a nivel de carácter (los fallos de ortografía).
• Evaluar la fiabilidad de las fuentes (las respuestas de la pizza con pegamento y la dieta de piedras).
• Reforzar los límites de las instrucciones (la fuga de la instrucción "disregard").

El modelo produce respuestas erróneas con total seguridad porque nunca fue construido —a un nivel fundamental— para manejar las tareas que ahora se le pide que realice en un entorno de búsqueda en vivo. Cada fracaso viral expone la brecha entre aquello para lo que los LLM son buenos (predecir texto que suena plausible) y lo que un motor de búsqueda fiable requiere (precisión factual, exactitud en los caracteres y resistencia a la inyección de instrucciones).

Hasta que estas limitaciones arquitectónicas se aborden a un nivel más profundo que el de poner parches a tipos de consulta individuales, AI Overviews probablemente seguirá generando titulares por las razones equivocadas.