Molts chatbots ara poden cercar a la web, però tot i així, poden proporcionar informació obsoleta o inexacta per diverses raons. Aquests models es basen en dades d'entrenament amb una data límit de coneixement fixa, és a dir, que només "coneixen" la informació disponible fins a aquell moment. Quan les eines de cerca en temps real no s'activen (ja sigui a causa de restriccions de cost computacional, errors tècnics o problemes de classificació de consultes), el chatbot recorre a aquesta base de coneixement estàtica, que pot ja no reflectir els fets actuals.
Fins i tot quan la funcionalitat de cerca funciona com es pretén, si els resultats de la cerca contenen afirmacions contradictòries, informació errònia o fonts de baixa qualitat, el chatbot pot adoptar i reproduir inadvertidament aquests errors a les seves respostes.
Els models lleugers, optimitzats per a la velocitat i l'eficiència en lloc de la precisió exhaustiva, són més propensos a al·lucinacions i errors factuals que els seus homòlegs de mida completa. Aquests sistemes també poden tenir problemes amb consultes complexes o matisades que requereixen raonament multimodal o impliquen informació de nínxol que no està ben indexada o no es pot descobrir fàcilment mitjançant cerques web estàndard.