ESCÁNDALO EN EE. UU.: UN "EXPERTO" UTILIZÓ CHATGPT PARA GENERAR UN INFORME A FAVOR DE LA EMPRESA
Un escándalo judicial sacudió el proceso legal contra la corporación 3M por la explosión mortíferal de 2020 en Houston, tras revelarse que uno de sus peritos expertos utilizó inteligencia artificial para elaborar la totalidad de su informe de defensa. La parte demandante sospechó del uso de IA durante la fase de presentación de pruebas y obtuvo una orden judicial para acceder a los registros del ingeniero Josh Autenrieth.
Las 350 páginas de transcripciones entregadas mostraron que Autenrieth introdujo indicaciones explícitas a ChatGPT para redactar un informe que eximiera al 100 % a 3M de responsabilidad en la tragedia. Asimismo, se descubrió que el perito subió documentos confidenciales y fotos del sensor de gas objeto del caso para solicitar que la IA interpretara las evidencias.
El caso sienta un precedente legal crucial al demostrar que el historial de conversaciones y los prompts de herramientas de IA pueden ser citados como prueba durante la fase de descubrimiento procesal, exponiendo faltas éticas y vulnerabilidades operativas en el ámbito jurídico.
CUANDO LOS PROMPTS LLEGAN AL TRIBUNAL: EL CASO 3M–WATSON GRINDING Y EL NUEVO RIESGO FORENSE DE LA INTELIGENCIA ARTIFICIAL
Un perito utilizó ChatGPT para desarrollar gran parte de su informe y pidió al sistema que mostrara que 3M tenía «0 %» de responsabilidad. Sus conversaciones terminaron convirtiéndose en material de discovery.
Análisis técnico, pericial, jurídico y de gobernanza de IA — Actualización agosto de 2026
By DrRamonReyesMD | EMS Solutions International
RESUMEN EJECUTIVO
La historia que circula en redes sociales es sustancialmente cierta, pero requiere varias correcciones para evitar convertir un caso jurídicamente extraordinario en una afirmación sensacionalista.
En el litigio derivado de la explosión de Watson Grinding & Manufacturing, ocurrida en Houston el 24 de enero de 2020 y que provocó tres muertes y daños en centenares de propiedades, el ingeniero Josh Autenrieth, de KnightHawk Engineering y contratado como experto por 3M, utilizó ChatGPT extensamente durante la elaboración de su trabajo pericial.
La documentación posteriormente obtenida por los abogados de los demandantes reveló prompts extraordinariamente problemáticos. Entre ellos figuraba la petición de crear un informe pericial que defendiera el estándar de actuación de 3M y mostrara que la compañía era «0% at fault» por la explosión.
Pero hay que introducir inmediatamente una precisión:
El problema jurídico y científico no es que un perito utilice inteligencia artificial. El problema aparece cuando la IA sustituye el razonamiento independiente del experto, cuando se condiciona previamente la conclusión, cuando no existe una metodología pericial verificable o cuando información sensible se introduce en sistemas externos sin una gobernanza adecuada.
El caso constituye una advertencia de primer orden para abogados, médicos peritos, ingenieros, investigadores de accidentes, consultores, aseguradoras y cualquier profesional que produzca evidencia técnica destinada potencialmente a un tribunal.
1. PRIMERO: ¿QUÉ OCURRIÓ REALMENTE EN HOUSTON?
La explosión de Watson Grinding no es una historia inventada para hablar de inteligencia artificial.
La U.S. Chemical Safety and Hazard Investigation Board (CSB) realizó una investigación oficial.
El accidente ocurrió aproximadamente a las 4:30 de la madrugada del 24 de enero de 2020 en las instalaciones de Watson Grinding & Manufacturing en Houston, Texas.
Una liberación accidental de propileno, gas extremadamente inflamable utilizado en procesos de recubrimiento térmico, se acumuló dentro del edificio hasta alcanzar una concentración explosiva.
La explosión:
- causó la muerte de dos trabajadores;
- un residente cercano falleció posteriormente por las lesiones;
- lesionó a otras personas;
- y produjo daños extensos en viviendas y negocios próximos.
La investigación del CSB determinó que una manguera de soldadura degradada y deficientemente engarzada se desconectó de su conexión y liberó propileno.
El escenario se agravó porque la válvula manual del tanque no había sido cerrada y el sistema automatizado destinado a la detección de gas, activación de alarma, puesta en marcha de ventilación y cierre del suministro se encontraba inoperativo.
El informe oficial completo puede consultarse aquí:
Y la investigación institucional:
2. ¿DÓNDE ENTRA 3M?
Las víctimas iniciaron litigios relacionados con la explosión y una de las cuestiones debatidas fue el mantenimiento/servicio del sistema de detección de gases.
Es importante diferenciar dos cosas.
El CSB investigó las causas de seguridad industrial del accidente. El litigio civil, en cambio, debía determinar responsabilidades jurídicas entre las diferentes partes.
En agosto de 2026, un jurado del condado de Harris otorgó aproximadamente 61,5 millones de dólares a 24 demandantes y atribuyó un 30 % de responsabilidad a 3M y un 70 % a Watson Grinding.
3M ha rechazado las conclusiones adversas y manifestó su intención de recurrir el veredicto. Además, existen otros litigios relacionados con el accidente.
Por tanto, jurídicamente debe evitarse escribir simplemente que «3M causó la explosión».
Eso no es lo que estableció el CSB, y tampoco refleja correctamente la complejidad del litigio.
3. EL PERITO Y CHATGPT
Aquí comienza la parte verdaderamente excepcional.
3M contrató al ingeniero Josh Autenrieth, de KnightHawk Engineering, para realizar trabajo pericial relacionado con el caso.
Según documentos judiciales y materiales de discovery examinados inicialmente por 404 Media, Autenrieth utilizó ChatGPT de manera extensa durante la preparación del informe.
El abogado de los demandantes Will Moye detectó entre miles de páginas producidas durante discovery un documento de aproximadamente cinco páginas denominado:
“Citation Overlay”
El documento levantó sospechas sobre utilización de IA.
A partir de ahí se solicitaron las conversaciones utilizadas durante el proceso de elaboración del informe.
El resultado fue extraordinario:
aproximadamente 350 páginas de conversaciones con ChatGPT.
Algunas informaciones posteriores hablan de 365 páginas dependiendo del conjunto documental contabilizado. Por tanto, es más preciso hablar de aproximadamente 350–365 páginas que presentar 350 como una cifra absoluta.
4. EL PROMPT QUE CONVIERTE EL CASO EN UNA LECCIÓN DE METODOLOGÍA FORENSE
Uno de los elementos más problemáticos fue la orientación dada al modelo.
Entre los prompts documentados se encontraba la petición de desarrollar un informe que defendiera el estándar de actuación de 3M y:
“show how 3M is 0% at fault”
Es decir: mostrar cómo 3M tenía un 0 % de responsabilidad por la explosión.
Aquí encontramos el núcleo científico del problema.
Un perito independiente debería partir aproximadamente de:
EVIDENCIA → METODOLOGÍA → ANÁLISIS → HIPÓTESIS → CONTRASTE → CONCLUSIÓN
Pero un prompt que prescribe de antemano el resultado puede invertir el proceso:
CONCLUSIÓN DESEADA → SELECCIÓN/ORGANIZACIÓN DE ARGUMENTOS → JUSTIFICACIÓN
Y eso constituye un riesgo clásico de confirmation bias, ahora amplificado por IA generativa.
5. EL PROBLEMA NO ES CHATGPT: ES LA INVERSIÓN DEL MÉTODO PERICIAL
Este matiz es fundamental.
Utilizar inteligencia artificial para:
- organizar documentación;
- identificar temas;
- generar índices;
- comparar versiones;
- mejorar redacción;
- localizar inconsistencias que después serán verificadas;
- estructurar interrogantes;
- preparar una cronología preliminar;
no convierte automáticamente un informe en inválido.
De hecho, la IA puede aumentar extraordinariamente la productividad del profesional.
El problema aparece cuando se le pregunta esencialmente:
«Esta es la conclusión que necesito. Construye el razonamiento para demostrarla».
Eso no es investigación independiente.
Es razonamiento dirigido hacia una conclusión preseleccionada.
Y en peritaje científico, médico o ingenieril representa una vulnerabilidad metodológica considerable.
6. LA PARADOJA: LA PROPIA IA IDENTIFICÓ EL PROBLEMA
Existe un detalle particularmente revelador.
Según la documentación publicada, Autenrieth utilizó posteriormente ChatGPT para evaluar críticamente su propio informe desde la perspectiva del abogado contrario.
El sistema identificó precisamente que presentar a 3M como “0% responsible” constituía un punto vulnerable porque podía permitir caracterizar al experto como defensor de una parte en lugar de analista independiente.
Es una demostración extraordinaria de algo importante:
La misma IA puede utilizarse para producir confirmation bias o para combatirlo. La diferencia reside en la metodología del usuario.
Un procedimiento profesional mucho más sólido sería utilizarla también como red team:
«Busca evidencia que contradiga mi hipótesis».
«¿Qué explicación alternativa es compatible con estos datos?»
«Identifica mis supuestos no demostrados».
«Separa hechos documentados, inferencias y opiniones».
«¿Qué conclusión cambiaría si esta evidencia fuese incorrecta?»
Ese uso es epistemológicamente mucho más robusto.
7. ¿CHATGPT ES EL AUTOR DEL INFORME?
Aquí debemos corregir otra simplificación de la publicación viral.
Decir que “ChatGPT hizo la totalidad del informe” es demasiado categórico.
La información disponible indica un uso muy extenso de ChatGPT. Diversas reconstrucciones del testimonio hablan de aproximadamente 85–90 % del contenido, mientras que la investigación original de 404 Media habla prudentemente de «significant portions».
Por rigor periodístico, la formulación adecuada es:
El perito utilizó ChatGPT extensamente para desarrollar partes sustanciales —según testimonios, potencialmente la gran mayoría— de su informe.
No necesitamos exagerar el caso.
Los hechos documentados ya son suficientemente relevantes.
8. EL ESTÁNDAR DEL EXPERTO: RULE 702
Aunque el litigio concreto se desarrolló en un tribunal estatal de Texas, la Federal Rule of Evidence 702 proporciona un marco extraordinariamente útil para comprender qué se espera metodológicamente del testimonio experto en Estados Unidos.
La regla exige esencialmente que:
- el conocimiento especializado ayude al juzgador;
- el testimonio se apoye en suficientes hechos o datos;
- sea producto de principios y métodos fiables;
- y esos principios y métodos hayan sido aplicados de manera fiable a los hechos.
La regla contiene una idea particularmente importante para la era de la IA:
no basta con pedirle al tribunal que acepte la palabra del experto sobre la fiabilidad de su conclusión.
Debe poder reconstruirse el proceso intelectual y metodológico.
9. LA IA CREA UNA NUEVA PREGUNTA FORENSE: ¿QUIÉN REALIZÓ REALMENTE EL RAZONAMIENTO?
Antes de la IA generativa, durante una declaración o interrogatorio podía preguntarse:
«¿Qué documentos revisó?»
«¿Qué cálculos realizó?»
«¿Qué metodología utilizó?»
«¿Qué literatura científica consultó?»
«¿Cómo descartó las hipótesis alternativas?»
Ahora aparece una nueva capa:
¿Qué parte del razonamiento realizó usted y qué parte delegó al modelo?
Y después:
¿Qué modelo?
¿Qué versión?
¿Qué prompts?
¿Qué documentos cargó?
¿Qué respuestas recibió?
¿Qué respuestas descartó?
¿Verificó las referencias?
¿Introdujo la conclusión deseada dentro del prompt?
¿Conservó el historial?
¿Utilizó información confidencial?
¿Puede reproducirse el proceso?
Ésta es probablemente una de las consecuencias más importantes del caso Watson Grinding.
10. LOS PROMPTS PUEDEN CONVERTIRSE EN EVIDENCIA
La gran enseñanza práctica es que el prompt no debe conceptualizarse necesariamente como una conversación informal y efímera.
En determinados litigios puede convertirse en información potencialmente relevante para discovery, dependiendo de jurisdicción, control, posesión, relevancia, privilegio, proporcionalidad y órdenes judiciales aplicables.
El caso Watson Grinding demuestra que conversaciones de IA relacionadas con la elaboración de una opinión pericial pueden terminar siendo producidas y utilizadas durante el litigio.
Pero debemos evitar afirmar que:
«Todos los chats con ChatGPT son automáticamente descubribles».
Eso sería jurídicamente incorrecto.
La discoverability depende del caso concreto.
La conclusión correcta es mucho más importante:
Nunca debe asumirse que un prompt profesional relacionado con un litigio será necesariamente privado, privilegiado o inaccesible para la contraparte.
11. ¿Y EL PRIVILEGIO ATTORNEY–CLIENT?
Aquí aparece otra cuestión delicada.
No todo lo que un abogado, cliente o experto introduce en una herramienta tecnológica queda automáticamente protegido por secreto profesional.
El tratamiento depende de quién creó la comunicación, su finalidad, la relación entre las partes, las condiciones de confidencialidad, el papel del experto y las reglas procesales aplicables.
Por ello, introducir material sensible en un sistema externo sin comprender:
- política de retención;
- tratamiento de datos;
- permisos;
- controles empresariales;
- configuración de privacidad;
- localización de datos;
- posibilidad de compartir conversaciones;
- y obligaciones contractuales,
constituye un riesgo jurídico y de ciberseguridad.
12. CONFIDENCIALIDAD: EL SEGUNDO GRAN PROBLEMA
Según la investigación periodística, el experto introdujo documentación del caso y fotografías del sistema de detección de gases en ChatGPT para obtener ayuda en su interpretación.
Esto abre una pregunta independiente de la calidad científica:
¿estaba autorizado ese tratamiento de la información?
No puede afirmarse sin conocer contratos, configuraciones y órdenes del tribunal que existiera necesariamente una violación de confidencialidad.
Pero el riesgo es evidente.
La American Bar Association ha advertido específicamente que antes de introducir información relacionada con un cliente en herramientas generativas deben evaluarse los riesgos de divulgación o acceso por terceros.
Su Formal Opinion 512 establece obligaciones relacionadas con competencia tecnológica, confidencialidad, comunicación, supervisión, veracidad ante el tribunal y facturación.
13. EL PARALELISMO CON MEDICINA FORENSE ES DIRECTO
Este caso debería estudiarse también en medicina.
Imaginemos un médico perito escribiendo:
«Construye un informe que demuestre que el hospital tuvo 0 % de responsabilidad en esta muerte».
O:
«Demuestra que este traumatismo no produjo la discapacidad».
O:
«Construye argumentos para excluir completamente negligencia médica».
El defecto metodológico sería exactamente el mismo.
La pregunta correcta sería:
«Analiza independientemente esta documentación clínica utilizando estos criterios previamente establecidos. Separa hechos, incertidumbres e inferencias; identifica evidencia favorable y desfavorable para cada hipótesis; contrasta explicaciones alternativas y determina qué conclusiones permite sostener la evidencia».
La diferencia entre ambas instrucciones es enorme.
La primera ordena una conclusión.
La segunda ordena un método.
14. IA GENERATIVA Y PERITAJE: MODELO DE BUENA PRÁCTICA 2026
La utilización responsable de IA por un experto debería seguir, como mínimo, este principio:
IA = herramienta auxiliar.
Experto = responsable intelectual de la opinión.
Una arquitectura robusta sería:
DOCUMENTOS ORIGINALES
↓
Preservación + cadena documental
↓
Análisis profesional independiente inicial
↓
Hipótesis preliminares
↓
IA como herramienta auxiliar
↓
Red-team / búsqueda activa de contradicciones
↓
Verificación contra fuentes primarias
↓
Análisis independiente final
↓
Informe firmado por el experto
↓
Capacidad de defender personalmente cada conclusión
La última condición es fundamental.
Si el perito no puede explicar y defender una frase sin preguntarle nuevamente a la IA, esa frase probablemente no debería estar en su informe.
15. LA TRAZABILIDAD SERÁ PARTE DEL NUEVO ESTÁNDAR PROFESIONAL
En investigaciones críticas recomiendo mantener un AI Audit Trail separado y controlado.
Debería documentarse, según corresponda:
- herramienta utilizada;
- versión/modelo;
- fecha;
- finalidad;
- prompts relevantes;
- archivos introducidos;
- outputs utilizados;
- verificaciones realizadas;
- fuentes primarias;
- modificaciones humanas;
- limitaciones conocidas;
- responsable de la validación.
No significa necesariamente que todo ese material deba entregarse voluntariamente.
Significa que la organización debe saber qué hizo.
16. EL ERROR DE PEDIR A LA IA QUE «DEMUESTRE» UNA CONCLUSIÓN
Los modelos generativos responden fuertemente al contexto y a las instrucciones proporcionadas.
Comparemos:
Prompt metodológicamente peligroso
«Demuestra que X no tuvo responsabilidad».
con:
Prompt metodológicamente superior
«Evalúa independientemente si la evidencia permite atribuir responsabilidad a X. Identifica evidencia a favor y en contra. No asumas la conclusión. Señala datos faltantes, incertidumbre y explicaciones alternativas.»
Y todavía mejor:
Red Team
«Asume provisionalmente que mi conclusión es incorrecta. Construye el argumento técnico más sólido contra ella utilizando exclusivamente evidencia verificable.»
Para trabajos científicos y médico-legales, esta última fase debería convertirse en rutina.
17. EL COSTE DEL INFORME AGRAVA LA PERCEPCIÓN DEL CASO
Según la documentación citada por las investigaciones posteriores, KnightHawk habría recibido aproximadamente 90.000 dólares por el análisis y Autenrieth tenía una tarifa indicada de alrededor de 475 dólares por hora.
La cantidad no demuestra por sí misma ninguna irregularidad.
Pero introduce otra cuestión:
¿Cómo debe facturarse el trabajo profesional realizado con IA?
La ABA ha señalado respecto de abogados que las herramientas generativas no justifican facturar ficticiamente horas que no fueron realmente trabajadas y que las tarifas deben seguir siendo razonables.
El mismo principio económico probablemente adquirirá creciente importancia para consultores y expertos.
18. LO QUE EL CASO NO DEMUESTRA
Conviene eliminar cinco conclusiones incorrectas que probablemente circularán a partir de este episodio.
No demuestra que utilizar ChatGPT como perito sea ilegal.
No demuestra que cualquier informe asistido por IA sea inadmisible.
No demuestra que todos los prompts sean automáticamente descubribles.
No demuestra que cualquier información cargada en una IA se haga automáticamente pública.
Y tampoco significa que:
«ChatGPT perdió el juicio».
La responsabilidad intelectual y profesional continúa correspondiendo a las personas que utilizan la herramienta.
19. LO QUE SÍ DEMUESTRA
Watson Grinding ilustra algo mucho más trascendente:
La IA puede dejar una especie de registro arqueológico del razonamiento profesional.
Un borrador tradicional permitía observar modificaciones.
Pero una conversación extensa con una IA puede revelar:
qué sabía el experto,
qué desconocía,
qué preguntó,
qué documentos proporcionó,
qué conclusión buscaba,
qué alternativas consideró
y cuándo tomó determinadas decisiones.
Ese registro puede resultar devastador si contradice la imagen de independencia metodológica presentada posteriormente ante el tribunal.
20. DEL «PROMPT ENGINEERING» AL «FORENSIC PROMPT AUDITING»
Está emergiendo, por tanto, una nueva disciplina.
No solamente:
Prompt Engineering
sino:
Prompt Forensics / AI Audit / Forensic Prompt Analysis
En litigios futuros podemos esperar que abogados especializados soliciten, cuando procesalmente proceda:
- historial de prompts;
- archivos cargados;
- conversaciones compartidas;
- versiones del modelo;
- outputs;
- metadata;
- instrucciones personalizadas;
- registros corporativos;
- borradores;
- historial de modificaciones;
- y procedimientos de validación humana.
La pregunta dejará de ser:
«¿Utilizó inteligencia artificial?»
y pasará a ser:
«Explique exactamente cómo la utilizó y demuestre que su opinión sigue siendo intelectualmente suya».
21. UNA LECCIÓN PARA MÉDICOS, INGENIEROS Y PROFESIONALES DE EMERGENCIAS
Para quienes trabajamos con información clínica, investigación de accidentes, EMS, medicina táctica, seguridad, gestión de riesgos o medicina legal, el mensaje es particularmente importante.
Nunca debería cargarse indiscriminadamente en una IA pública:
- historia clínica identificable;
- fotografías identificables de pacientes;
- información operativa sensible;
- documentación clasificada;
- expedientes judiciales restringidos;
- secretos industriales;
- datos personales;
- credenciales;
- información protegida por contrato;
- evidencia sometida a restricciones procesales.
Antes debe existir una evaluación de confidencialidad, minimización, anonimización, autorización y seguridad de la plataforma.
22. LA REGLA DE ORO
Podemos condensar toda la enseñanza del caso en una frase:
No utilices inteligencia artificial para fabricar el camino hacia la conclusión que deseas. Utilízala para someter a estrés la conclusión a la que has llegado mediante un método defendible.
La IA es extraordinariamente potente para buscar contradicciones.
Utilizada al revés, puede convertirse en una sofisticada máquina de confirmation bias.
CONCLUSIÓN
El caso Watson Grinding–3M puede convertirse en uno de los episodios paradigmáticos de la transición entre el peritaje tradicional y el peritaje aumentado por inteligencia artificial.
La explosión fue real. Tres personas murieron. El CSB determinó que una manguera degradada y deficientemente engarzada liberó propileno y que coexistieron importantes fallos de seguridad, incluido un sistema automatizado de detección/alarma/ventilación/cierre que no funcionaba.
También está sólidamente documentado que un experto contratado por 3M utilizó extensamente ChatGPT y que entre sus instrucciones figuró la extraordinariamente comprometida petición de mostrar que 3M tenía «0 %» de responsabilidad. Sus conversaciones terminaron siendo producidas durante discovery.
Y finalmente, en agosto de 2026, un jurado llegó a una conclusión muy diferente: aproximadamente 61,5 millones de dólares de indemnización y atribución del 30 % de responsabilidad a 3M en ese juicio. 3M discrepa del veredicto y anunció intención de recurrir.
Pero la enseñanza verdaderamente duradera no es que «un perito fue descubierto utilizando ChatGPT».
Es ésta:
La inteligencia artificial puede asistir al experto. No puede sustituir su independencia, su metodología, su deber de confidencialidad ni su responsabilidad profesional.
Y existe una segunda consecuencia que cualquier profesional debería asumir desde hoy:
Si escribes un prompt relacionado con un asunto litigioso, compórtate como si algún día tuvieras que explicarlo, bajo juramento, delante de un tribunal.
FUENTES PRIMARIAS Y PROFESIONALES
© 2026 DrRamonReyesMD — EMS Solutions International
Análisis jurídico-técnico y educativo. No constituye asesoramiento jurídico individual.
