Head of Data Science en Merkle España y colaborada de la UOC. Investigadora independiente de inteligencia artificial y sociedad.

Exdiputado y Profesor de Psicología Social y del Trabajo en la Universidad Complutense de Madrid.

16 nov 2026 10:34

La inteligencia artificial nos recomienda qué comprar, qué leer o qué película ver. Pero ¿qué ocurre cuando le pedimos que nos diga a qué partido votar? La pregunta ya no es ciencia ficción: millones de personas utilizan asistentes conversacionales para informarse y resolver dudas. Según el barómetro del CIS de octubre de 2026, el 17,3% de los encuestados respondía “no sabe” a la pregunta de intención de voto.

Si en julio de 2023, ChatGPT contaba con 2,7 millones de usuarios únicos mensuales en España (GfK, 2023), en junio de 2026 alcanzaba los 20,4 millones: 7,6 veces aquella cifra. Considerando conjuntamente las diez principales herramientas de IA, según el estudio IAB Spain, hablaríamos de 25,8 millones. Un considerable cambio de escala. Una encuesta de AAPC Foundation (2026), realizada en septiembre en Estados Unidos encontró que uno de cada cinco personas planeaba utilizar IA para informarse sobre alguna contienda electoral y al menos el 38% ya había recibido información electoral mediante resúmenes de búsqueda generados por IA.

Es un hecho que los sistemas de selección algorítmica que seleccionan y priorizan la información contribuyen a organizar la realidad social que se presenta a las personas (Just y Latzer, 2017). La selección de información se convierte entonces en una orientación electoral: el sistema propone una opción a partir de la solicitud y de los datos que recibe, lo que podría modificar nuestras preferencias electorales (Lin et al., 2025).

Y, ¿qué recomienda la IA en España? Una investigación de Lalueza, Aced y Gil, recogida por Bigas Formatjé (2026), analizó cinco plataformas de IA en castellano, catalán, gallego y vasco. Encontró diferencias entre asistentes tanto en su disposición a recomendar un partido a partir de preguntas sobre cuestiones programáticas, como en la diversidad de las formaciones aconsejadas y en las respuestas según el idioma utilizado. No todas las herramientas establecen los mismos límites ni ofrecen el mismo consejo. Algunas mantienen una mayor neutralidad, mientras que otras se posicionan con mayor facilidad.

En lugar de representar el centro como una posición equidistante entre los dos grandes partidos, el modelo lo asoció principalmente con el PSOE

Queda, sin embargo, una cuestión menos explorada: ¿qué ocurre cuando el asistente recibe información sobre la persona para la que debe recomendar un partido, cuando sabe más de nosotros? ¿Conserva una preferencia partidista explícita? ¿Cómo resuelve una orientación ideológica que no viene acompañada de un partido? ¿Y qué diferencias aparecen entre herramientas?

Para explorarlo, realizamos dos experimentos entre el 18 y el 23 de octubre de 2026. Los resultados están en proceso de publicación como documento de trabajo o preprint en un repositorio institucional. Aunque el estudio no mide cambios en la intención de voto, sí analiza qué contestan distintos asistentes cuando reciben perfiles sintéticos y una petición explícita de consejo electoral.

Dos experimentos para observar cómo recomienda la IA

Un perfil sintético es una descripción artificial que combina datos como edad, residencia, empleo, ingresos o intereses. Sirve para observar respuestas ante distintos contextos; no representa a una persona real ni constituye una muestra representativa del electorado. Así, en el primer experimento mantuvimos un mismo perfil sintético y modificamos únicamente la información política que lo acompañaba.

Probamos once afinidades partidistas —PP, PSOE, Sumar, Podemos, ERC, Junts, Vox, EH Bildu, PNV, BNG y Coalición Canaria— y cuatro condiciones sin partido definido: izquierda, derecha, centro y una posición “neutra”.

Un modelo de OpenAI, identificado durante las pruebas como GPT-6 Luna y consultado mediante API, generó 4.500 respuestas válidas: 300 por condición.

En el segundo experimento utilizamos 150 perfiles sintéticos, construidos a partir de 30 variables personales, territoriales y socioeconómicas seleccionadas de paneles y fuentes estadísticas españolas. Cada perfil se evaluó bajo ocho etiquetas políticas: extrema izquierda, izquierda, centro izquierda, centro, centro derecha, derecha, extrema derecha y “apolítico”. ChatGPT, Gemini y Claude completaron 1.200 asignaciones cada uno, 3.600 en total. Microsoft Copilot y Meta AI rechazaron las solicitudes probadas.

Cuando conoce tu partido, casi siempre te lo devuelve

El resultado más contundente del primer experimento aparece cuando el perfil declara una afinidad partidista. El modelo la conservó en 3.299 de las 3.300 respuestas válidas (el 99,97%). Esto no demuestra neutralidad ni permite saber por qué se produce esa correspondencia. Puede reflejar coherencia con la información recibida, pero también ser compatible con la tendencia de algunos asistentes a validar las posiciones de quien pregunta (Argüelles y Ripa, 2026). En todo caso, el resultado es reconfortante. En esas condiciones, el asistente no intenta modificar tu elección previa de partido.

El resultado más relevante aparecía cuando esa afinidad no estaba definida (no se proporcionaba un partido) y el modelo debía completar la información disponible en base a las condiciones izquierda, derecha, centro y neutra. En ese punto, el espejo ya no reflejaba, sino que comenzaba a interpretar. En la condición de izquierda, lo repartió entre el PSOE, que obtuvo el 60%, y Sumar el 40%. En la derecha, concentró en el PP el 87,3%, con Vox recibiendo el 12,7%. El centro produjo un resultado llamativo: el PSOE recibió el 81,3% de las recomendaciones; PP y Sumar, un 6,3% cada uno, y un 6% a una fuerza menor. En lugar de representar el centro como una posición equidistante entre los dos grandes partidos, el modelo lo asoció principalmente con el PSOE. En la condición neutra (“neutro, sin una posición política definida”), PP y PSOE empataron con el 43,7%, dejando un 12,7% a otra fuerza menor.

La cuestión, por tanto, no es solo qué partido recomienda el asistente, sino cómo completa la información política que falta. En este experimento, “centro” y “neutro” no generaron respuestas equivalentes. El centro convergía hacia el PSOE; la condición neutra repartía las recomendaciones principalmente entre PSOE y PP.

El posible sesgo no estaba en recomendar el mismo partido a todo el mundo. Se encontraba en cómo se completa la información política que falta y en las diferencias entre las alternativas que el sistema considera adecuadas para cada perfil. Aquí observamos patrones compatibles con una posible personalización política algorítmica, entendida como la adaptación de una recomendación electoral a la información disponible sobre un perfil. Completa una decisión que el usuario todavía no ha tomado. Para profundizar en esta pregunta, realizamos un segundo experimento donde ampliamos la diversidad de perfiles e incorporamos otras herramientas de IA.

Tres asistentes, tres maneras de orientar el voto

En el segundo experimento se analizaban 150 perfiles sintéticos de personas españolas mayores de 18 años a partir de información real de panel, construidos a partir de 30 variables personales, territoriales y socioeconómicas y un identificador. Las variables incluían información sobre edad, territorio, educación, situación laboral, ingresos, composición del hogar, vivienda, hábitos de consumo, aficiones, medios, tecnología, viajes, alimentación, valores y personalidad. Evaluamos cada perfil en siete condiciones ideológicas —extrema izquierda, izquierda, centro izquierda, centro, centro derecha, derecha y extrema derecha— y una octava condición etiquetada como “apolítico”. Su objetivo era explorar la personalización política algorítmica en función de la diversidad de las personas representadas. Si dos perfiles comparten la misma posición ideológica, pero difieren en empleo, ingresos, vivienda, aficiones o educación, ¿reciben la misma recomendación? ¿Qué diferencias aparecen entre herramientas? ¿Una IA aconseja votar a distintos partidos a personas con diferentes vidas? El diseño describe esa variación, pero no aísla el efecto de cada característica personal.

Claude reprodujo entre los perfiles “apolíticos” la misma distribución que en el centro: 58% PSOE, 31,3% PP y 10,7% otras formaciones.

Dos de los cinco asistentes rechazaron la solicitud: Microsoft Copilot y Meta AI. El debate ético está servido: ¿una IA debe poder orientar, de forma opaca, el voto, en base a la información personal que tiene tuya? Entre los asistentes que aceptaron responder, el diseño generó 1.200 recomendaciones por modelo. No obstante, los resultados describen el comportamiento de estos servicios y modelos en las condiciones y fechas del estudio; pero se desconoce cómo responderían tras futuras actualizaciones.

ChatGPT mostró una distribución más diversa dentro de algunas etiquetas ideológicas. En el centro repartió sus recomendaciones entre PSOE (35,3%), Sumar (34,7%) y PP (30%). En centro izquierda las asignaciones quedaron prácticamente a tercios entre Podemos, Sumar y PSOE, lo que se repite en la izquierda, donde reparte sus 150 recomendaciones prácticamente a tercios: PSOE, 35,3%; Podemos, 34,0%, y Sumar, 30,7%.

En el centro derecha, por ejemplo, el PP obtiene el 39,3%, el PSOE el 31,3% y Vox el 29,3%. En la derecha, el PP recibe 32,7%, Vox el 36,7% y el 30,7% recae en otros partidos. En la extrema derecha, Vox recibe el 60,7% y el PP el 39,3%. Entre los perfiles “apolíticos” aparecieron trece partidos y ninguno superó el 10,7%. Es decir, este asistente no vincula cada posición ideológica con un único partido.

La ideología estructura la recomendación, pero no basta para describir toda la variación observada: perfiles con una misma orientación ideológica reciben propuestas políticas distintas. Esta heterogeneidad aporta indicios compatibles con una posible personalización, aunque no podemos aislar el tamaño de ese efecto ni qué características específicas llevan al asistente a hacer cada recomendación.

Gemini y Claude presentaron asociaciones más concentradas entre etiqueta ideológica y partido. Ambos recomendaron PSOE al 100% de los perfiles de centro izquierda y Vox al 100% de los de extrema derecha. En la condición de derecha, Gemini recomendó PP en todos los casos y Claude en el 99,3%. Gemini concentró el 89,3% de las recomendaciones de centro en Ciudadanos. Claude, por su parte, reprodujo entre los perfiles “apolíticos” la misma distribución que en el centro: 58% PSOE, 31,3% PP y 10,7% otras formaciones.

Gemini y Claude coincidieron exactamente en el 80,5% de sus 1.200 asignaciones. ChatGPT coincidió con Gemini en el 27,2% y con Claude en el 31,3%

También hay diversidad territorial. Tanto Gemini como Claude incorporan sensibilidad territorial en sus asignaciones. Para Gemini, en la extrema izquierda, Podemos alcanza el 57,3%, y el 42,7% restante se distribuye entre varios partidos territoriales, como CUP, Compromís, BNG y EH Bildu. En la izquierda, Sumar recibe el 57,3%, mientras que ERC, Compromís, BNG y EH Bildu reciben también recomendaciones para algunos perfiles de esos territorios. Algo similar sucede con los perfiles de centro y, especialmente, centro derecha, donde se introducen partidos territoriales como PNV, Junts y Coalición Canaria. La presencia de partidos de ámbito autonómico introduce patrones territoriales para perfiles de esos territorios. En Claude, de igual forma, Podemos recibe el 66,7% en extrema izquierda y Sumar el 66,7% en izquierda, con el resto distribuido entre formaciones territoriales como CUP, ERC, BNG y EH Bildu.

Gemini y Claude coincidieron exactamente en el 80,5% de sus 1.200 asignaciones. ChatGPT coincidió con Gemini en el 27,2% y con Claude en el 31,3%. No existe, por tanto, una respuesta única de “la IA”: los límites que establece cada servicio y las opciones que selecciona son diferentes. Leídos conjuntamente, los resultados sugieren que la ideología estructura la respuesta, pero no basta para describir toda la variación observada, especialmente en ChatGPT.

Coherencia ideológica no significa utilidad electoral

Una recomendación puede parecer coherente con la orientación política de un perfil y, aun así, no ser adecuada para su situación electoral. ChatGPT recomendó UPN en 62 ocasiones a perfiles residentes fuera de Navarra: 46 entre perfiles de derecha y 16 entre los etiquetados como apolíticos. Tal vez el asistente muestra alguna confusión con el PP, con quien ha desarrollado coaliciones. Gemini y Claude, en cambio, limitaron sus recomendaciones de UPN al único perfil navarro.

También merece atención la concentración de Gemini en Ciudadanos entre los perfiles de centro. Antes de las pruebas, la formación había anunciado su participación en la coalición Democracia para el Siglo 21, con candidaturas previstas en Madrid y Barcelona. La recomendación no puede calificarse automáticamente de errónea por tratarse de una formación extraparlamentaria: lo relevante es si la opción está disponible y resulta aplicable al territorio y a la elección concreta.

En un sistema multipartidista y territorial como el español, aconsejar un partido exige conocer la elección, la cámara, la circunscripción y la oferta electoral vigente. La afinidad ideológica no basta para garantizar que el consejo sea útil.

Recomendar no es lo mismo que persuadir

El estudio observa recomendaciones, no cambios de voto en personas reales. Para medir esa persuasión habría que incorporar participantes reales en vez de perfiles sintéticos, conocer sus preferencias antes de la interacción y comprobar si cambian después de recibir el consejo. Tampoco podemos atribuir una ideología permanente a cada modelo: los resultados corresponden a herramientas, versiones, fechas y condiciones concretas. Puede depender también de cómo evolucionan las fuentes de referencia de los modelos, es decir, la información que aparece en páginas web que considera de referencia como datos de entrenamiento. En nuestro diseño, las recomendaciones varían cuando no se proporciona una afinidad partidista explícita; es decir, con perfiles indecisos, pero no podemos determinar si esa recomendación tendría mayor influencia sobre votantes indecisos reales.


Por otro lado, aparece otro problema: ¿qué entiende la herramienta por izquierda, centro o derecha? En el primer experimento, el modelo de OpenAI asociaba el centro principalmente con el PSOE, lo que podría ser congruente con los estudios de ubicación ideológica de los partidos según la percepción ciudadana (CIS, 2019), que situaban a este partido más próximo al centro. Sin embargo, no sabemos si esos datos formaron parte del entrenamiento del modelo y si esa u otra información era la que servía al asistente para catalogar a los partidos en función de esa ubicación.

En suma, no existe una única respuesta de “la IA”. Meta AI y Copilot rechazaron emitir recomendaciones individualizadas en las condiciones del estudio. Gemini y Claude asociaron determinadas posiciones ideológicas con partidos de forma muy estable e incorporaron diferencias territoriales. ChatGPT produjo respuestas más heterogéneas entre perfiles que compartían ideología, pero diferían en educación, personalidad, empleo, ingresos o vivienda. Entre los perfiles etiquetados como apolíticos, el contraste fue especialmente visible: cada modelo produjo un patrón diferente de recomendaciones ante una misma descripción política.

Algunos de estos resultados coinciden con los descritos por Lalueza, Aced y Gil: diferentes límites de neutralidad y mayor o menor diversidad en los partidos aconsejados. Por eso, la pregunta relevante no es solo “¿qué partido recomienda una IA?”, sino qué parte de esa recomendación depende de nuestras ideas, qué parte del perfil que el sistema construye sobre nosotros y dónde termina la personalización para empezar a orientar una decisión todavía abierta.

Estos estudios tienen también limitaciones metodológicas. En el primer experimento se descartaron respuestas que no ofrecían un partido válido y se repitieron las consultas hasta reunir 300 respuestas aceptadas por condición. En el segundo, cada combinación de perfil y etiqueta se consultó una sola vez y las 1.200 asignaciones de cada asistente se generaron en una misma interacción; no son consultas independientes. Además, la variación entre perfiles no permite aislar el efecto causal de cada atributo socio-demográfico. La rápida evolución de los asistentes también limita la generalización temporal de los resultados. La comparación se refiere a los servicios y modelos identificados durante las pruebas. De hecho, las diferencias entre asistentes pueden depender tanto del modelo como de las instrucciones, restricciones y configuraciones de cada servicio, cuya contribución no aislamos. Una actualización puede modificar tanto las recomendaciones como la disposición a ofrecerlas. El idioma de búsqueda es otra dimensión pendiente.Walker y Timoneda (2026) encontraron, por ejemplo, respuestas más favorables a la independencia de Cataluña en catalán que en castellano y más favorables al aborto en sueco que en polaco. Podrían existir modificaciones según el idioma de búsqueda. Finalmente, el panel comercial, de origen empresarial, del que proceden los perfiles originales no es público y el perfil base del primer experimento no se conservó, lo que limita la reconstrucción exacta del procedimiento. Las pruebas describen un comportamiento observado bajo unas condiciones específicas, no una encuesta, una predicción electoral ni una evaluación completa de la calidad de los asistentes.

Actuar sobre la IA para proteger la democracia

El estudio deja tres conclusiones. La primera: cuando el modelo conoce tu partido, casi siempre te lo devuelve, como ocurrió en el primer experimento. La segunda: la información ideológica disponible por el asistente organiza las recomendaciones, pero no explica toda la diversidad observada. Los patrones son compatibles con una posible adaptación o personalización a otros datos del perfil, aunque no hemos podido demostrar qué características influyen ni separar su efecto. La tercera: los asistentes establecen límites distintos. Copilot y Meta AI rechazaron las solicitudes; ChatGPT, Gemini y Claude recomendaron partidos, con diferencias en la variedad de opciones ofrecidas y en su correspondencia con el territorio geográfico del perfil.

Los resultados documentan una forma de intermediación política: una parte importante de la población recurre a la IA para solicitar consejo electoral; por su parte, algunos asistentes transforman la información personal del perfil y la etiqueta ideológica que le asignen en una recomendación concreta de voto. Informar, comparar programas y recomendar un partido no son la misma tarea. Una respuesta fluida y convincente puede difuminar esas fronteras y presentar como objetiva una selección cuyos criterios no siempre son visibles.

Una de las preguntas que se plantea es ¿qué vías de reclamación tendría una formación política que considerase perjudicial el comportamiento de una herramienta?

¿Debemos prohibir toda conversación política con estos sistemas? No está claro. Las herramientas podrían distinguir entre ofrecer información contrastable y aconsejar una opción; explicar sus criterios de forma transparente, reconocer la incertidumbre y comparar alternativas. Las auditorías de los organismos electorales deberían comprobar, además, la exactitud de la información y la adecuación de las recomendaciones a la circunscripción y a la oferta electoral real. Mernyk et al. (2026), tras analizar un chatbot con información electoral no partidista, encontraron que los usuarios lo valoraban como fiable e imparcial y declaraban mayor intención de participar en las elecciones. De hecho, un asistente basado en fuentes oficiales puede mejorar el conocimiento de las posiciones programáticas de los partidos (Velez, Green y Sevi, 2025).

El debate está abierto porque, a gran escala, incluso efectos pequeños podrían influir en millones de personas y adquirir relevancia electoral. ¿En qué condiciones puede una IA ofrecer una recomendación electoral personalizada? ¿Cómo se distingue la orientación informativa de la manipulación? ¿Qué transparencia debería exigirse? ¿Qué vías de reclamación tendría una formación política que considerase perjudicial el comportamiento de una herramienta?

En el ámbito de las redes sociales y plataformas como Meta, expertos independientes de derechos humanos de Naciones Unidas expresaron preocupación ante las denuncias de restricciones a contenidos políticos legítimos durante las elecciones brasileñas. Elinforme Global Policy Brief (Régis et al., 2025) recomienda cuatro bloques de medidas relativas a la inteligencia artificial. En primer lugar, sugiere que los gobiernos deberían actualizar la normativa electoral, por ejemplo, para prohibir los contenidos engañosos generados por IA. En segundo lugar, los partidos políticos deberían adoptar un código de conducta con directrices claras sobre el uso responsable de la IA. Tercero, las autoridades electorales deberían supervisar para prevenir y responder a las perturbaciones de los procesos electorales provocadas por la IA. Finalmente, los gobiernos deberían establecer organismos internacionales garantes de la integridad electoral frente a esta tecnología y protocolos para abordar las injerencias transfronterizas.

Los departamentos de comunicación de las organizaciones políticas también tienen margen de actuación. Como señalan Lalueza, Aced y Gil, podrían monitorizar a los asistentes de IA, que dan respuestas diferentes, y asumir que estos recurren a un conjunto limitado de fuentes de referencia (normalmente, fuentes de autoridad como Wikipedia, medios de comunicación o webs oficiales de los partidos). Mejorar la visibilidad de los partidos en estas fuentes, tendrá implicaciones en cómo se presenta a ese actor político en los asistentes de IA. La inclusión de análisis de las marcas electorales en los asistentes como parte de la estrategia de las organizaciones políticas se va a generalizar.

A pesar de lo anterior, ninguna garantía técnica sustituye el criterio ciudadano. La IA no puede decidir por nosotros a quién votar. Educar en democracia es también educar en el uso crítico de la Inteligencia Artificial.

Política
Tesh Sidi: “El que quiera competir en el debate de migración y delincuencia, que se vista de Policía”
La número dos por Madrid del Frente Amplio plantea una “cayetasa” que grave a los multimillonarios y disputa los marcos sobre migraciones.
Cargando valoraciones...
Comentar
Informar de un error
Es necesario tener cuenta y acceder a ella para poder hacer envíos. Regístrate. Entra en tu cuenta.
Cargando...
Comentarios

Para comentar en este artículo tienes que estar registrado. Si ya tienes una cuenta, inicia sesión. Si todavía no la tienes, puedes crear una aquí en dos minutos sin coste ni números de cuenta.

Si eres socio/a puedes comentar sin moderación previa y valorar comentarios. El resto de comentarios son moderados y aprobados por la Redacción de El Salto. Para comentar sin moderación, ¡suscríbete!

Cargando comentarios...