5 formas en que la IA puede confundir a los votantes latinos

Los principales chatbots de inteligencia artificial dieron respuestas inexactas u obsoletas sobre votación. Según el ISD, un centro de investigación y defensa, esto ocurrió en pruebas realizadas este año. La investigación se suma a la evidencia sobre los riesgos de confiar en estas herramientas.

¿Qué encontró el estudio del Instituto para el Diálogo Estratégico?

Según el informe, los chatbots fallaron en el 29% de las preguntas básicas sobre votación. Además, uno de los sistemas, Muse Spark de Meta, se equivocó dos veces con la fecha electoral.

Uno de los autores del informe, Max Read, explicó que estas herramientas responden con exceso de confianza. Según Read, eso a veces genera información tergiversada para quienes la consultan.

¿Qué chatbots analizó el estudio y cómo los evaluó?

Los investigadores analizaron seis chatbots populares disponibles en junio de este año. Evaluaron los sistemas de OpenAI, Google, Anthropic, xAI, Meta y DeepSeek.

El equipo usó siete preguntas genéricas sobre registro de votantes y voto por correo. También sumó ocho preguntas específicas sobre 10 estados con cambios electorales recientes, entre ellos Míchigan, Georgia y Arizona.

Según el estudio, GPT-5.5 de OpenAI obtuvo el mejor resultado general. Ese modelo dio respuestas completas y precisas en inglés el 89,3% de las veces.

En cambio, Muse Spark de Meta y V4 Pro de DeepSeek tuvieron resultados más bajos. Sus respuestas fueron completas y correctas el 61,3% y el 64% de las veces, respectivamente.

¿Por qué las respuestas en español fueron menos precisas?

El estudio reveló que todos los chatbots respondieron peor a las preguntas en español. Según Valeria de la Fuente, coautora del informe, la brecha promedio fue del 16%.

De acuerdo con ella, esa diferencia se debió sobre todo a respuestas incompletas o ambiguas. En declaraciones citadas por el informe, señaló que a veces confundían términos como «centro de votación» y «distritos electorales».

Modelo	Precisión en inglés	Precisión en español	Diferencia
Muse Spark (Meta)	61,3%	38%	23,3 puntos
Gemini 3.5 Flash (Google)	84%	64%	20 puntos

Según de la Fuente, en otros casos las respuestas simplemente carecían de información suficiente. Por lo tanto, el problema no fue solo de traducción, sino también de contenido incompleto.

¿Qué errores de traducción encontraron los investigadores?

De la Fuente compartió varios ejemplos de traducciones fallidas detectadas en el estudio. Un modelo usó la palabra «raza» para referirse a elecciones estatales o federales.

Ese término, sin embargo, suele asociarse con categorías raciales en español. Otro modelo transformó la palabra en inglés «registration» en una supuesta «registración» inexistente.

Read explicó que las respuestas en español citaron menos fuentes externas que las respuestas en inglés. Según él, esto se debe en parte a que hay menos información electoral confiable traducida.

¿Cómo respondieron las empresas de IA al informe?

En respuesta a una solicitud de comentarios, un portavoz de Meta afirmó que «Meta AI está diseñada para proporcionar información localizada» a los usuarios. Según la empresa, también dirige a las personas hacia fuentes gubernamentales confiables.

Por su parte, en un comunicado, un portavoz de Anthropic declaró que «Claude está diseñado para brindar respuestas precisas y útiles sobre la votación». La empresa añadió que el estudio usó una API externa distinta a la experiencia habitual de los usuarios.

En un comunicado, un portavoz de Google sostuvo que «Gemini está diseñada para brindar respuestas de alta calidad en todos los idiomas». Según la compañía, el sistema se mejora de forma continua.

DeepSeek y xAI no respondieron a las solicitudes de comentarios para este informe.

¿Qué pasó con las preguntas que incluían desinformación?

Los investigadores también hicieron cinco preguntas con afirmaciones falsas de forma deliberada. El objetivo era ver si los modelos rechazaban esas ideas incorrectas.

Según el informe, la mayoría de los sistemas sí las rechazó correctamente. Solo el 1,3% de las respuestas en inglés y el 2,3% en español repitieron esas afirmaciones falsas.

Además, el estudio detectó otros errores relacionados con fechas desactualizadas. V4 Pro de DeepSeek mencionó fechas electorales de 2024 en 15 ocasiones, pese a que se le preguntó sobre 2026. Por su parte, Sonnet 4.6 de Anthropic describió la elección como el ciclo de 2025 en tres respuestas.

¿Qué medidas han tomado las empresas de IA?

En abril, Anthropic anunció medidas para prevenir el sesgo político en sus respuestas electorales. La empresa dijo que dirigirá a los usuarios hacia una herramienta de Democracy Works.

Democracy Works es una organización sin fines de lucro dedicada a información electoral confiable. En mayo, OpenAI anunció esfuerzos similares mediante una alianza con esa misma organización.

¿Qué recomienda el estudio para mejorar esto?

Según Read y de la Fuente, también es clave mantener actualizados los recursos oficiales en línea. Ese punto, según los autores, depende del Gobierno, la sociedad civil y los medios.

Read afirmó que las empresas de IA describen sus herramientas como más completas que una búsqueda tradicional. Por lo tanto, según él, esas mismas empresas deben evitar respuestas demasiado seguras o incompletas.

La desinformación electoral generada por IA no es un problema nuevo. Grupos de investigación documentan estas fallas cada año desde el lanzamiento de ChatGPT en noviembre de 2022.