Dos votantes pueden hacer la misma pregunta sobre las elecciones de mitad de mandato al mismo chatbot y quedarse con imágenes distintas de la contienda, aunque todos los datos que reciban sean correctos. Ese es el primer hallazgo del LLM Election Observatory del MIT, un panel público que sigue lo que los chatbots de IA más usados cuentan a la gente sobre las elecciones de 2026 en Estados Unidos. Importa porque las respuestas de un chatbot, a diferencia de los muros de las redes sociales, quedan dentro de cada conversación, así que nadie desde fuera puede ver en qué se diferencian.
El proyecto lo dirigen Chara Podimata, de MIT Sloan, y los politólogos Adam Berinsky y Charles Stewart III. Cada pocos días, el equipo plantea a varios chatbots un conjunto fijo de preguntas sobre las contiendas de la Cámara y el Senado, la certificación electoral, los temas polémicos, las predicciones de resultados y la cobertura informativa, y varía los datos del usuario que acompañan a cada pregunta: ubicación, afiliación partidista y otros rasgos de identidad. El objetivo es un registro continuo de lo que los votantes habrían visto en cada momento de la campaña, algo imposible de reconstruir una vez que los modelos se actualizan. El equipo prevé poner el conjunto de datos a disposición de otros investigadores.
En una entrevista con MIT News, Podimata describió los primeros patrones solo a grandes rasgos. Según la identidad de usuario que presenta el equipo, las respuestas cambian en presentación, tono y fuentes que cita el modelo, a veces con los mismos hechos de fondo. Su estudio de 2024 sobre las elecciones presidenciales ya había encontrado que las respuestas variaban a lo largo de la campaña y con la redacción de la pregunta, y que los modelos diferían en cómo describían a los candidatos y en cómo anticipaban implícitamente el resultado.
La preocupación tiene menos que ver con falsedades directas que con el enfoque. Berinsky señala que los chatbots responden con voz segura incluso cuando se equivocan o se apoyan en fuentes débiles, y que un votante que quiere una respuesta clara puede no notar que se construyó con una mezcla de material distinta de la de su vecino. El mismo problema afecta a cualquier asistente general, incluidos ChatGPT y los demás chatbots que analizamos, cuando los usuarios les dejan recordar quiénes son. Berinsky recuerda también la otra cara: investigaciones anteriores han mostrado que las conversaciones basadas en pruebas con un chatbot pueden reducir de forma duradera la creencia en teorías conspirativas.
Los propios investigadores exponen los límites con claridad. No han hecho el análisis completo, no han publicado tamaños de efecto y aún no pueden decir lo estables que son las diferencias ni si las personas reales cambiarían de opinión por ellas. El panel muestra datos descriptivos preliminares que el equipo espera revisar. Por ahora es una auditoría bien diseñada en curso, no un resultado medido, y lo más útil será el conjunto de datos cuando terminen las elecciones.