ChatGPT recomendó candidatos en 79% de las consultas tras conocer las prioridades de los votantes

Una investigación de Yale observó cómo casi 2.500 usuarios consultaron a chatbots durante una campaña electoral: un tercio pidió ayuda para elegir candidato y las recomendaciones cambiaron según la información personal compartida.
***

• El 36% de los participantes pidió orientación para decidir por quién votar, mientras la mayoría consultó datos electorales básicos.
• Grok recomendó candidatos en 14% de las conversaciones sin conocer las preferencias del usuario; tras conocerlas, ChatGPT lo hizo en 79% y Claude en 40%.
• Investigadores advierten que errores, sesgos y recomendaciones opacas pueden complicar la búsqueda de información electoral confiable.

Los chatbots ya forman parte de la búsqueda cotidiana de información, y una investigación de Yale examinó qué ocurre cuando los votantes los usan para orientarse en una elección. Cerca de 2.500 adultos de 35 estados consultaron ChatGPT, Claude, Grok o Gemini durante unas semanas de octubre, antes de las elecciones de medio término celebradas el 3 de noviembre. El 36% pidió ayuda para decidir por quién votar, una práctica que pone a los sistemas de inteligencia artificial frente a preguntas más delicadas que una simple consulta de datos.

El estudio siguió las preguntas que las personas hicieron por iniciativa propia, en lugar de limitarse a probar los modelos con un cuestionario uniforme. Esa diferencia permite observar cómo se integran los asistentes de IA a una búsqueda política real, aunque no determina por sí sola si sus respuestas fueron precisas, neutrales o decisivas para el voto. Los investigadores plantean que el comportamiento de los chatbots depende tanto de sus sistemas como de la información y las prioridades que los usuarios comparten durante la conversación.

Qué consultaron los votantes y cómo respondieron los modelos

La mayoría de los participantes preguntó por información electoral básica, como quién figuraba en la papeleta. Ese tipo de consulta suele apoyarse en datos concretos sobre candidaturas y distritos, mientras que evaluar qué aspirante coincide con las prioridades de una persona exige interpretar posiciones políticas y decidir qué fuentes resultan confiables. Los adultos incluidos en el estudio ya utilizaban chatbots al menos semanalmente, por lo que la investigación observó a usuarios habituales, no a personas que se acercaban a estas herramientas por primera vez.

El 36% pidió orientación sobre a quién votar y, en muchos casos, describió sus prioridades para que el chatbot comparara esas preferencias con las posiciones de los candidatos. Un ejemplo citado por los investigadores fue la solicitud a ChatGPT de un balance de ventajas y desventajas de cada candidato en Virginia, una tarea que no tiene una única respuesta objetiva. Para hacer esa evaluación, importa de dónde proviene la información: una declaración publicada por el propio candidato no equivale a un fragmento de redes sociales en que un rival lo caracteriza.

Las respuestas variaron según el chatbot y el momento de la conversación. Cuando los usuarios preguntaban por quién votar sin haber ofrecido información sobre sí mismos, Grok recomendaba regularmente un candidato en el 14% de los chats; los investigadores no observaron que los otros modelos lo hicieran con una frecuencia comparable en ese escenario. La diferencia importa porque una recomendación no solicitada puede influir en el intercambio antes de que el sistema conozca los criterios que el votante considera relevantes.

Cuando las personas sí compartían sus puntos de vista, ChatGPT recomendaba un candidato en el 79% de los chats y Claude lo hacía en el 40%, mientras Grok y Gemini quedaban en posiciones intermedias, sin que el material disponible precise sus porcentajes. En términos generales, ChatGPT emitía recomendaciones con mayor frecuencia y aproximadamente el doble que Claude. Los investigadores también observaron conversaciones de varios turnos en las que el usuario respondía preguntas del chatbot, y esas respuestas contribuían a formar la recomendación final.

El alcance de las consultas y los riesgos de error

Los resultados se insertan en un panorama donde muchas personas recurren a chatbots para buscar información, aunque no todas los usan con fines electorales. Pew Research encontró que cerca de la mitad de los adultos estadounidenses usa chatbots de IA, una categoría amplia que puede abarcar temas ajenos a las elecciones. En otro dato, solo el 8% reportó haber usado estas herramientas para buscar información electoral en los comicios de ese año.

Entre las personas que sí acudieron a los chatbots por asuntos electorales, el 76% consultó las posturas de los candidatos sobre temas específicos y el 71% verificó información que había escuchado sobre candidatos o asuntos de campaña. Esos objetivos muestran que el uso no se limita a pedir una recomendación directa: también incluye comparar propuestas y comprobar afirmaciones. Aun así, ambas tareas dependen de que el sistema identifique fuentes adecuadas y distinga información verificada de contenido engañoso o incompleto.

El artículo de ZDNet advierte que los chatbots todavía no son resumidores plenamente confiables y que una respuesta convincente puede ocultar errores, información antigua o sesgos. Un estudio citado en esa cobertura encontró casos de datos desactualizados o inexactos que podían inducir a error sobre la logística del voto, por ejemplo al omitir un paso o informar mal sobre un plazo. El riesgo aumenta si el usuario acepta el resumen sin revisar las fuentes que el sistema ofrece para respaldarlo.

La verificación, sin embargo, no es automática: una mayoría abrumadora de usuarios no revisa las fuentes enlazadas en los resúmenes de IA de Google, según la referencia incluida en la cobertura. Esa observación no demuestra que los participantes de Yale actuaran del mismo modo, pero ilustra una dificultad más amplia: una respuesta resumida puede parecer suficiente incluso cuando la información electoral requiere contrastar fechas, requisitos y posiciones de campaña. En un proceso de voto, un error logístico puede tener consecuencias distintas de una comparación política discutible.

Desinformación, salvaguardas y límites de la investigación

El ciclo electoral estudiado estuvo marcado por deepfakes generados con IA y otras formas de desinformación, mientras las herramientas se volvían más sofisticadas desde las elecciones de 2024. Reportes de Politico y Semafor señalaron que OpenAI y Anthropic habían creado equipos de respuesta para vigilar posibles usos indebidos y la precisión de la información electoral. Ese tipo de vigilancia busca contener riesgos, pero no elimina la posibilidad de que los usuarios reciban respuestas equivocadas o material manipulado.

Un estudio de agosto del Brennan Center for Justice encontró que los chatbots resistían de manera notable ciertas falsedades relacionadas con campañas de desinformación electoral. Al mismo tiempo, el análisis concluyó que los modelos podían generar con facilidad imágenes electorales engañosas cuando se les pedía, y describió salvaguardas ineficaces, inconsistentes o ausentes en algunos casos. La investigación examinó chatbots como ChatGPT, Gemini, Grok, Claude, Perplexity y Meta AI, y señaló que la capacidad de rechazar algunas falsedades no garantiza que el sistema bloquee todos los usos engañosos.

El estudio de Yale no midió de manera concluyente la exactitud ni el sesgo de las recomendaciones que registró, por lo que sus cifras describen conductas de los modelos, no el efecto final sobre el voto. Tampoco establece si las sugerencias coincidieron con las necesidades de cada persona o si cambiaron sus decisiones. Los investigadores señalaron que el siguiente paso consiste precisamente en evaluar la precisión y la imparcialidad de las respuestas, además de determinar qué aprenden los sistemas sobre los usuarios en esas interacciones.

La investigación aporta una perspectiva distinta de las pruebas que formulan preguntas estandarizadas, porque deja que los participantes conversen con las herramientas de una manera más parecida a su uso habitual. Los autores describieron el trabajo como un pequeño avance hacia evaluaciones capaces de medir la influencia política de la IA a partir de las preguntas que la gente realmente hace. También indicaron que, fuera de los datos que los usuarios declaran, solo los laboratorios de IA tienen acceso a registros completos de las consultas realizadas en sus plataformas.

La dependencia del chatbot y lo que queda por medir

Otra dimensión del problema es la descarga cognitiva: delegar en una herramienta parte del esfuerzo de buscar, comparar e interpretar información. El entorno mediático político ya puede resultar denso para quien intenta mantenerse informado, y un chatbot añade una capa de síntesis construida con datos de entrenamiento, filtros y configuraciones que no siempre son transparentes. La comodidad de recibir una respuesta breve puede hacer que el usuario perciba como neutral un proceso que depende de decisiones tomadas por las empresas que desarrollan esos sistemas.

Un análisis de Anthropic sobre 250.000 conversaciones con Claude encontró que el 0,51% trataba específicamente sobre elecciones o votación. La empresa dijo que las personas solían formular preguntas que podían ayudarles a llegar a sus propias conclusiones, como consultar la posición de los candidatos sobre un tema, en lugar de pedir directamente una instrucción de voto. También informó que las solicitudes que incumplían sus políticas de integridad electoral aparecían en aproximadamente el 0,002% de las conversaciones examinadas.

Ese análisis y el estudio de Yale observan aspectos distintos: Anthropic revisó conversaciones registradas en Claude, mientras que los investigadores de Yale pidieron a usuarios de cuatro chatbots que interactuaran con ellos durante una campaña. Por eso, sus cifras no deben leerse como medidas directamente intercambiables del uso electoral ni como una contradicción. En conjunto, sí muestran que las preguntas sobre posiciones políticas pueden ser más comunes que las solicitudes explícitas de que una IA elija por el votante.

Los investigadores de Yale también advirtieron que las preguntas del chatbot pueden moldear lo que el usuario termina compartiendo y, por esa vía, la recomendación que recibe. En una conversación de varios turnos, el sistema no solo responde: puede orientar qué preferencias se ponen en primer plano y qué información se considera necesaria para llegar a una conclusión. Por eso, evaluar la influencia electoral de la IA exigirá estudiar tanto la calidad de las respuestas como la manera en que la propia interacción encamina la conversación.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín