Bots en encuestas: cómo detectar y evitar respuestas fraudulentas y generadas por IA

Contenidos
Bots en encuestas: cómo detectar y evitar respuestas fraudulentas y generadas por IA

Los bots en encuestas son scripts y agentes de IA que llenan cuestionarios en línea, casi siempre para cobrar un incentivo. Junto con personas que contestan a toda prisa o varias veces, generan respuestas fraudulentas en encuestas que parecen datos reales. Ningún control los atrapa a todos, así que esta guía propone una lista por capas: de dónde viene el riesgo, qué preparar antes del campo, qué controles poner dentro de la encuesta y cómo depurar los datos con reglas escritas de antemano.

El enfoque es metodológico y sirve con cualquier herramienta de encuestas. El concepto y los principales tipos de fraude están en nuestra entrada del glosario sobre detección de fraude.

Puntos clave

  • Las respuestas falsas se juntan donde coinciden un enlace abierto, una recompensa que vale la pena y una muestra abierta, y quitar una de las tres achica el problema.
  • En un estudio de PNAS de 2025, un agente de IA pasó el 99.8% de las preguntas de atención estándar, así que pasarlas ya no prueba que respondió una persona.
  • Distribuye por canales cerrados con enlaces únicos, permite una respuesta por persona y deja los incentivos fuera de las publicaciones abiertas.
  • Define los criterios de exclusión antes del campo y combina varias señales, como tiempos muy bajos, respuestas en línea recta y respuestas abiertas duplicadas.

De dónde salen las respuestas fraudulentas en encuestas

Las respuestas falsas se juntan donde coinciden tres cosas: un enlace que cualquiera puede abrir, una recompensa que vale la pena cobrar y una muestra a la que cualquiera puede entrar. Si quitas una de las tres, el problema se achica.

Pew Research Center lo midió en su informe de 2020 Assessing the Risks to Online Polls From Bogus Respondents. Las fuentes en línea de inscripción voluntaria (opt-in) tenían entre 4% y 7% de encuestados falsos, según la fuente, mientras que dos paneles reclutados por correo postal a partir de direcciones tenían alrededor de 1%. Los casos falsos tendían a elegir respuestas positivas, lo que empujaba en una dirección cifras como la aprobación de un gobierno. Las defensas estándar ayudaron poco: 84% de los encuestados falsos pasó la pregunta de atención y 87% pasó el control de velocidad.

Las respuestas falsas en encuestas se juntan donde coinciden un enlace abierto, una recompensa que vale la pena y una muestra a la que cualquiera puede entrar. Pew Research Center encontró en 2020 entre 4% y 7% de encuestados falsos en fuentes en línea opt-in, frente a cerca de 1% en paneles reclutados por correo postal.

De dónde viene el riesgoPor qué atrae respuestas falsasPrimera defensa
Un enlace abierto publicado en redes sociales, foros o grupos de ofertasLos scripts y los cazadores de premios encuentran rápido los enlaces públicos, y una persona puede responder muchas vecesDistribuir por canales cerrados: tu base de clientes, un área de miembros, enlaces únicos
Un incentivo visible en una publicación abiertaUna tarjeta de regalo o un sorteo convierte la encuesta en blancoMencionar el premio solo a quienes invitas y pagarlo después de revisar la respuesta
Paneles opt-in y sitios de microtareasCualquiera se registra, y algunos miembros responden sobre todo por el pagoPreguntas filtro, controles de calidad acordados con el proveedor y un margen de depuración en el presupuesto
Un cuestionario largo o repetitivoLas personas reales se cansan y empiezan a correr o a marcar siempre lo mismoEncuesta más corta, menos matrices, un tema por página
Un enlace reenviado fuera del grupo objetivoGente fuera de tu población responde de buena fePregunta filtro con lógica de descarte y contraseña para grupos cerrados

El diseño de la muestra pesa tanto como cualquier control. Las muestras donde cualquiera se ofrece como voluntario, como el muestreo por conveniencia, son las más fáciles de infiltrar. Los diseños donde tú eliges a quién invitar, explicados en nuestra guía de muestreo probabilístico, dejan muchas menos puertas abiertas. Si todavía estás decidiendo dónde reclutar, revisa dónde encontrar encuestados.

Qué cambió con los agentes de IA

Los bots clásicos eran scripts que avanzaban al azar o daban la misma respuesta en todo. Eran baratos y relativamente fáciles de detectar. Los modelos de lenguaje cambiaron las dos cosas.

En 2025, Sean Westwood, de Dartmouth, publicó en PNAS "The potential existential threat of large language models to online survey research". Construyó un agente de IA que responde encuestas con un perfil demográfico coherente y recuerda sus respuestas anteriores. Pasó el 99,8% de las preguntas de atención estándar que se le pusieron. Según el resumen de Dartmouth, cada respuesta falsa costaba unos cinco centavos de dólar, y en siete grandes encuestas nacionales previas a la elección de 2024 en Estados Unidos, bastaban entre 10 y 52 respuestas así para invertir el resultado pronosticado.

La evidencia de campo es más matizada. El seguimiento de Pew de 2026, No Easy Fix for Bogus Respondents in Online Opt-In Polls, clasificó cerca de 1% de las respuestas abiertas como probablemente escritas por IA, y advirtió que respuestas de IA más sutiles podrían haber pasado sin detectarse. El mismo informe encontró que los controles de velocidad y de respuestas en línea recta no detectan a la mayoría de los encuestados falsos, y que las preguntas trampa también marcan a personas legítimas. Un preprint escrito en parte por investigadores de la empresa de paneles Prolific, reseñado por Retraction Watch en abril de 2026, encontró que menos de 1% de unas 4.800 respuestas de 12 empresas parecía no humana, y atribuyó la mayoría a bots tradicionales con scripts. La excepción fue Amazon Mechanical Turk, donde cerca de 16% de 400 respuestas se marcó como posiblemente escrita por un chatbot. Prolific financió ese trabajo y su herramienta de detección no está abierta a investigadores externos.

NORC, de la Universidad de Chicago, revisó la literatura en un informe de abril de 2026, Fraudulent respondents and bots in nonprobability surveys. Su conclusión es práctica: combinar varias defensas, documentar las reglas de exclusión antes del campo y preferir diseños que controlen quién entra a la encuesta. También advierte que un filtrado demasiado agresivo saca a personas reales, sobre todo a quienes tienen poca experiencia digital, una conexión a internet inestable o patrones de respuesta poco comunes.

Para quien investiga, esto significa dos cosas. Pasar una pregunta de atención ya no demuestra que respondió una persona. Y controlar el canal, junto con preguntas que solo tu población real puede contestar con detalle, hoy rinde más que cualquier pregunta trampa.

Lista por capas contra bots en encuestas

Cada capa frena algo que las otras dejan pasar. Usa la tabla para planear la encuesta y luego lee cómo configurar cada control.

Tres capas contra respuestas falsas: antes del campo (canales cerrados y enlaces únicos, una respuesta por persona, un CAPTCHA accesible, una pregunta filtro), en la encuesta (pocas preguntas de atención, pares de consistencia, una pregunta de contexto verificable, una opción imposible) y en los datos (tiempo frente a la mediana, línea recta en matrices, respuestas duplicadas, IP y marcas de tiempo). Los canales cerrados y las preguntas de contexto verificables son lo que más frena, porque en un estudio de PNAS de 2025 un agente de IA pasó el 99,8% de las preguntas de atención estándar.

CapaControlQué frenaDónde se queda corto
Antes del campoDistribución cerrada y enlaces únicosDesconocidos, enlaces compartidos, respuestas repetidas desde una invitaciónNo ayuda si tienes que reclutar en público
Antes del campoUna respuesta por persona por cookie, IP o parámetro del enlaceRepeticiones casualesLas cookies se borran; oficinas y redes móviles comparten IP
Antes del campoCAPTCHAScripts simplesServicios que resuelven CAPTCHA y agentes de IA capaces
Antes del campoContraseña para un grupo conocidoCualquiera fuera del grupoUna contraseña publicada no frena nada
Antes del campoSin incentivo visible en publicaciones abiertasCazadores de premios que encuentran la publicaciónPaneles y muestras invitadas igual necesitan pago
Antes del campoPregunta filtro con descartePersonas fuera de la población objetivoLos defraudadores aprenden qué respuesta califica
En la encuestaUna o dos preguntas de atenciónPersonas distraídas, clics al azarLos agentes de IA las pasan; algunas personas reales fallan
En la encuestaPares de consistenciaRespuestas descuidadas o inventadasUn agente de IA con memoria se mantiene coherente
En la encuestaPregunta abierta que exige contextoRespuestas genéricas o copiadasRequiere revisión manual; la IA redacta con fluidez
En la encuestaOpción imposible (un producto o evento que no existe)Quienes dicen que sí a todoConfunde a algunas personas honestas
DespuésTiempo de respuesta frente a la medianaQuienes responden demasiado rápidoUn agente de IA puede ir más lento a propósito
DespuésRespuestas en línea recta en matricesRespuestas de poco esfuerzoHay quien de verdad califica todo igual
DespuésRespuestas abiertas duplicadas o casi idénticasGranjas de copiar y pegar, una persona respondiendo muchas vecesRespuestas cortas como "bien" se repiten de forma natural
DespuésCombinaciones imposiblesPerfiles inventadosHay que diseñar preguntas que permitan el cruce
DespuésUbicación de la IP e IP repetidasTráfico de fuera de la zona, grupos que vienen de una sola fuenteVPN, viajes, redes compartidas
DespuésMarcas de tiempoRáfagas de respuestas justo después de que se filtró un enlaceTus propios envíos de correo también generan ráfagas reales

Antes del campo: controla quién puede entrar

Distribuye por canales cerrados. Un correo a tu base de clientes, un enlace dentro de tu producto o un área de miembros mantienen la encuesta lejos de los cazadores de premios. Los enlaces únicos van más allá: cada persona invitada recibe el suyo, y una segunda respuesta desde el mismo enlace es fácil de bloquear o detectar.

Limita a una respuesta por persona. La cookie frena repeticiones casuales en el mismo navegador. La IP frena repeticiones desde la misma conexión, aunque puede bloquear a colegas que comparten la red de una oficina. Un parámetro en el enlace, como un ID de tu lista de contactos, amarra cada respuesta a una persona conocida y es la opción más sólida. Nuestra entrada del glosario sobre respuestas duplicadas explica cómo distorsionan los resultados.

Agrega un CAPTCHA y conoce su límite. Filtra scripts simples y a la mayoría le toma unos segundos. Algunos CAPTCHA son difíciles para personas con discapacidad visual, motriz o cognitiva, así que comprueba que el que uses se pueda resolver con lector de pantalla y con teclado. La revisión de NORC señala que los bots ya usan servicios que resuelven CAPTCHA, así que tómalo como una capa más.

Usa contraseña para grupos conocidos. Personal de la empresa, alumnos de un curso o asistentes a un evento pueden recibirla junto con la invitación.

Deja los incentivos fuera de las publicaciones abiertas. Si vas a pagar, dilo en la invitación a las personas que elegiste y paga después de que la respuesta pase tus controles. Avisa esa regla desde el inicio para que sea justa, y di cómo pedir una segunda revisión si se retiene el pago de alguien.

Filtra primero. Pon las preguntas de calificación al principio y cierra la encuesta a quien no forma parte del objetivo con lógica de descarte (screen-out). No hagas obvia la respuesta que califica: pregunta "¿Cuáles de estas herramientas usaste el último mes?" con varias opciones, en lugar de "¿Usas software de gestión de proyectos?". La calculadora de tasa de incidencia te dice a cuántas personas invitar cuando sabes qué proporción califica.

Dentro de la encuesta: controles que siguen sirviendo

Preguntas de atención, con moderación. Una o dos instrucciones del tipo "En esta fila elige 'Algo de acuerdo'" todavía atrapan a personas distraídas y a clics al azar. Los agentes de IA las pasan, y Pew encontró que las preguntas trampa también marcan a algunas personas honestas. Toma un fallo como una señal entre varias, y escribe la instrucción con palabras claras que un lector de pantalla lea en voz alta, nunca solo con colores o posiciones.

Pares de consistencia. Pide el mismo dato dos veces de formas distintas: cuánto tiempo lleva alguien como cliente al principio y el año en que empezó al final; el tamaño del equipo en una pregunta y el rango de tamaño de la empresa en otra. Las contradicciones señalan respuestas descuidadas o inventadas. Un agente de IA con memoria suele mantenerse coherente, así que este control atrapa sobre todo a personas. Arma los pares con datos que de todos modos necesitas para el análisis, no con datos personales que pides solo para poner a prueba a la gente.

Una pregunta abierta que exige contexto. Pregunta algo que alguien de tu población real pueda contestar con detalle y que tú puedas verificar. "¿A qué sesión asististe el segundo día?" en un evento. "¿Qué fue lo último que nos compraste?" para clientes cuyos pedidos puedes cruzar. Una respuesta fluida y general, que serviría para cualquier empresa, es una alerta. Juzga lo que dice la respuesta, no cómo está escrita: respuestas cortas, faltas de ortografía, español como segunda lengua, traductores o dictado por voz son normales entre personas reales. Los detectores de texto de IA tampoco son un atajo: un estudio de Stanford publicado en 2023 en la revista Patterns encontró que siete detectores populares clasificaron como generados por IA más de la mitad de los ensayos en inglés escritos por personas no nativas. Por sí sola, una pregunta abierta ya no demuestra que respondió una persona; su fuerza está en contrastar la respuesta con datos que tú tienes.

Una opción imposible. Incluye una marca, función o evento que no existe entre las opciones reales. Pew usó, por ejemplo, una red social inventada. Un "sí" es una señal fuerte, pero Pew encontró que estas opciones también confunden a algunas personas honestas, así que redáctala para que no se pueda confundir con algo real y cuéntala junto con otras alertas.

Después de recolectar: señales en los datos

Exporta las respuestas y revisa estas señales. Si tu herramienta registra la hora de inicio y de fin, calcula el tiempo de cada respuesta y compáralo con la mediana. Fija el umbral antes de mirar los datos, por ejemplo un tercio de la mediana medida en una prueba piloto.

  • Respuestas en línea recta: la misma opción en toda una matriz de cinco o más afirmaciones, sobre todo si algunas están invertidas.
  • Respuestas abiertas duplicadas o casi idénticas: ordénalas alfabéticamente o por largo y busca repeticiones, frases compartidas y textos que parecen plantilla.
  • Combinaciones imposibles: alguien de 19 años con 25 años de experiencia laboral, un cliente que dice usar desde hace tres años una función que lanzaste el año pasado.
  • IP: muchas respuestas desde una misma IP en poco tiempo, o respuestas desde fuera de tu país objetivo cuando tu población se define por lugar. Usar una VPN no es una alerta por sí solo: mucha gente la usa en el trabajo o para cuidar su privacidad.
  • Marcas de tiempo: decenas de respuestas en pocos minutos que ninguno de tus envíos explica, por ejemplo justo después de que el enlace apareció en un foro público. La hora por sí sola dice poco: quienes trabajan de noche o viven en otra zona horaria también responden de madrugada.
  • Sí a todo: acuerdo con casi todas las preguntas de sí o no, el patrón que Pew llama aquiescencia (yea-saying).

Ninguna de estas señales prueba fraude por sí sola. Para combinarlas sirve una regla escrita.

La IP, los datos del dispositivo y los ID que viajan en el enlace pueden ser datos personales según leyes como la LFPDPPP en México, la LGPD en Brasil o el RGPD en Europa. Avisa en la invitación o en el aviso de privacidad que los recopilas para controles de calidad, úsalos solo para eso y quítalos de la base que analizas y compartes cuando termines la depuración. Revisa las reglas del país donde viven tus encuestados. Una encuesta que promete anonimato no puede ligar las respuestas a un ID o a una IP, así que elige una de las dos cosas antes del campo.

Escribe la regla de depuración antes del campo

Define los criterios de exclusión antes de ver los resultados, escríbelos y aplícalos a todas las respuestas. Así la depuración no se convierte en quedarte con las respuestas que te gustan. El informe de NORC recomienda lo mismo: documentar las reglas de antemano y aplicarlas con transparencia. Copia esta plantilla y completa tus valores.

Parte de la reglaPlantilla
Exclusiones directas: cualquiera elimina la respuestaSegunda respuesta desde el mismo enlace único o ID. Tiempo menor a [un tercio] de la mediana del piloto. Respuesta abierta con teclas al azar como "asdfgh", copiada de otra o ajena a la pregunta.
Alertas: [dos] o más eliminan la respuestaRespondió "sí" a la opción imposible. Falló la pregunta de atención. Línea recta en una matriz de [5 o más] filas. Contradicción en un par de consistencia. IP fuera de [países objetivo], cuando la población se define por lugar. Respuesta abierta genérica, sin detalles del contexto.
Casos dudososLos revisa [nombre] y anota el motivo de cada decisión.
InformeCuántas se eliminaron por categoría, la tasa de eliminación total y una comparación de los resultados clave con y sin las respuestas eliminadas.
CambiosCualquier cambio a la regla después de iniciar el campo se fecha y se explica en el informe.

La comparación de la fila de informe importa. Si quitar las respuestas marcadas casi no mueve tus resultados, la depuración te protegió del ruido. Si los mueve mucho, revisa a quién eliminaste antes de confiar en cualquiera de las dos versiones: si las eliminaciones se concentran en personas mayores, en quienes responden desde el celular o en quienes contestan en una segunda lengua, la regla está sacando a personas reales. En el informe de Pew de 2026, cruzar una muestra opt-in con padrones electorales eliminó sobre todo a personas válidas y aumentó un poco el error de las estimaciones.

Una regla de depuración escrita antes del campo: basta una exclusión directa (enlace o ID repetido, menos de un tercio del tiempo mediano, teclas al azar o texto copiado) para eliminar una respuesta, mientras que alertas como una opción imposible, una pregunta de atención fallida o la línea recta la eliminan solo si aparecen dos o más. Después revisa a quién eliminaste: si las eliminaciones se concentran en personas mayores, en quienes responden en una segunda lengua o en quienes usan lector de pantalla, la regla está sacando a personas reales.

Para medir el efecto, ingresa tus totales en la calculadora de depuración de datos de encuestas, que es gratuita: total de respuestas y luego las demasiado rápidas, los patrones repetidos, los duplicados y otras de baja calidad. Te devuelve cuántas respuestas válidas quedan y la tasa de eliminación, que indica si debes completar la muestra y cuánto margen planear para la siguiente ola.

Cómo proteger una encuesta en SurveyNinja

SurveyNinja cubre la capa "antes del campo" en todos los planes, incluido el gratuito: contraseña, CAPTCHA, una respuesta por persona por cookie, IP o parámetro del enlace, listas de IP y restricciones por dispositivo. Los enlaces únicos para cada persona invitada están disponibles desde el plan Estándar. La lógica, incluido el descarte, funciona en todos los planes, así que una pregunta filtro puede cerrar la encuesta a quien no forma parte del objetivo, y las cuotas cierran un grupo cuando se llena. Las variables ocultas en el enlace, desde el plan Básico, pueden llevar un ID de cliente o de miembro para cruzar después las respuestas abiertas con tus registros. Dilo en la invitación: una encuesta ligada a un ID no es anónima.

Exporta las respuestas a CSV, XLSX o SPSS en cualquier plan y aplica la regla de depuración en una hoja de cálculo o en tu paquete estadístico. Si vas a revisar IP, decide antes del campo si usarás el modo anónimo, como explica nuestra guía sobre encuestas realmente anónimas. Al final, registra los conteos en la calculadora de depuración para tu informe.

Preguntas frecuentes

¿Cómo saber si las respuestas de una encuesta son de bots?

Busca varias señales juntas: tiempos muy por debajo de la mediana, respuestas en línea recta en matrices, respuestas abiertas duplicadas o con cara de plantilla, combinaciones imposibles, muchas respuestas desde una misma IP y ráfagas repentinas de respuestas que ninguno de tus envíos explica. Una sola señal rara vez prueba algo, así que usa una regla escrita que las combine.

¿La IA puede pasar las preguntas de atención?

Sí. En un estudio publicado en PNAS en 2025, el agente de IA de Sean Westwood pasó el 99,8% de las preguntas de atención estándar y mantuvo un perfil coherente. Esas preguntas todavía atrapan a personas distraídas y a scripts simples, pero pasarlas ya no demuestra que respondió una persona.

¿Un CAPTCHA detiene a los bots en encuestas?

Frena scripts simples y a la mayoría le toma unos segundos, así que conviene activarlo, siempre que quien usa lector de pantalla o teclado también pueda resolverlo. No detiene a quien usa servicios que resuelven CAPTCHA ni a agentes de IA capaces. Combínalo con distribución cerrada, una respuesta por persona y controles en los datos.

¿Qué es un "speeder" en una encuesta?

Es quien termina mucho más rápido de lo que permite leer las preguntas. Fija el umbral antes del campo, por ejemplo un tercio de la mediana de una prueba piloto, y trata la velocidad como una señal más: hay lectores rápidos y cuidadosos, y un agente de IA puede ir más lento.

¿Cómo evitar respuestas duplicadas en una encuesta?

Envía enlaces únicos o pasa en el enlace un ID de tu lista de contactos, y permite una respuesta por persona por cookie, IP o parámetro del enlace. Después de recolectar, revisa IDs repetidos, IP repetidas y respuestas abiertas casi idénticas.

¿Qué porcentaje de respuestas en línea es fraudulento?

Depende del canal. Pew Research Center encontró en 2020 entre 4% y 7% de encuestados falsos en fuentes en línea opt-in, frente a cerca de 1% en paneles reclutados por correo postal. Los enlaces públicos con incentivos visibles pueden atraer muchos más, así que mide tu propia tasa de eliminación.

0