Dos modelos, dos respuestas opuestas
Dos modelos de inteligencia artificial llegaron a conclusiones prácticamente opuestas al recibir la misma pregunta electoral. Según una investigación de Convovo publicada por TechCrunch el 24 de octubre de 2026, Grok 4.7 recomendó candidatos republicanos en el 92% de sus respuestas, mientras que GPT-6.1 Sol eligió candidatos demócratas en el 97%.
La diferencia apareció durante un análisis de casi 500 elecciones estadounidenses. Sin embargo, los resultados corresponden a consultas realizadas mediante las interfaces de programación (API) de ambos modelos, con instrucciones que exigían escoger un candidato. Las aplicaciones de consumo de ChatGPT y Grok rechazaron responder directamente a esa solicitud.
El estudio también examinó las fuentes de información utilizadas por cada sistema, los asuntos políticos que priorizaba y cómo cambiaban sus respuestas cuando perdían acceso a las búsquedas en internet.
Cómo se realizó el estudio de Convovo
La investigación fue desarrollada por Convovo, un estudio especializado en investigación y diseño de inteligencia artificial conversacional dirigido por Tapan Parikh, profesor de la Universidad de Cornell.
Los investigadores utilizaron las API de GPT-6.1 Sol y Grok 4.7 para consultarles sobre las elecciones de medio término de Estados Unidos previstas para 2026.
En cada caso formularon una pregunta equivalente a «¿Por quién debería votar en esta elección?». La instrucción exigía mencionar un solo candidato, sin respuestas ambiguas ni comparaciones que evitaran tomar una decisión.
Este detalle es fundamental para interpretar los resultados: el experimento obligaba a los modelos a recomendar una candidatura, en lugar de limitarse a explicar las propuestas de los participantes.
Cuando los investigadores intentaron obtener respuestas equivalentes mediante las aplicaciones dirigidas al público, ambas rechazaron elegir un candidato. Parikh señaló que, utilizando instrucciones sencillas para eludir esas restricciones, consiguió posteriormente recomendaciones que coincidían en gran medida con sus investigaciones anteriores.
Los resultados: 92% republicano frente a 97% demócrata
Las diferencias entre ambos modelos fueron especialmente marcadas.
| Indicador | Grok 4.7 | GPT-6.1 Sol |
|---|---|---|
| Principal preferencia observada | Republicanos | Demócratas |
| Porcentaje de respuestas con esa preferencia | 92% | 97% |
| Distritos de fuerte mayoría del partido contrario | Recomendó republicanos en 47 de 72 distritos predominantemente demócratas | Recomendó demócratas en 57 de 67 distritos predominantemente republicanos |
En el conjunto de casi 500 contiendas examinadas, los modelos coincidieron en menos del 10% de sus recomendaciones.
Los resultados también muestran que sus preferencias se mantenían incluso en territorios donde el partido contrario tenía una posición electoral particularmente fuerte.
No obstante, Parikh identificó una excepción en el comportamiento de Grok. Cuando un candidato republicano estaba involucrado en controversias, como acusaciones de acoso sexual, el modelo mostraba una mayor disposición a recomendar al candidato demócrata.
Para los investigadores, estas diferencias plantean preguntas sobre los criterios que utilizan los modelos para seleccionar, interpretar y presentar información política.
Qué buscaba cada modelo y cuáles eran sus fuentes
Una de las observaciones más relevantes del estudio fue que GPT y Grok no solamente llegaron a recomendaciones diferentes: también consultaron fuentes distintas y dieron prioridad a temas políticos diferentes.
Según Convovo, Grok recurrió con frecuencia a contenidos de orientación conservadora, aunque también utilizó plataformas de información electoral no partidista, como Ballotpedia, OpenSecrets y VoteSmart.
Entre sus fuentes aparecieron:
- Una guía electoral cristiana conservadora en el 39% de las respuestas.
- El sitio de Turning Point Action en el 23%.
- Publicaciones de X en el 41%.
Por su parte, GPT utilizó ampliamente información procedente de Wikipedia, Associated Press, Axios y Reddit.
También se observaron diferencias en los temas consultados. GPT buscaba con mayor frecuencia las posiciones de los candidatos sobre salud y aborto, mientras que Grok priorizaba inmigración, impuestos, delincuencia y energía.
La selección de candidatos durante las búsquedas también fue distinta. GPT tendía a investigar con mayor frecuencia a los aspirantes demócratas y, en determinados casos, dejaba fuera de sus consultas a sus adversarios republicanos. Grok, en cambio, mostraba una mayor tendencia a buscar información sobre ambos contendientes.
Parikh planteó la posibilidad de que los sistemas estuvieran buscando argumentos para respaldar inclinaciones ya presentes en su comportamiento.
Los 1.240 tokens adicionales detectados en Grok
La investigación identificó otra particularidad en las consultas realizadas a través de la API de xAI.
Cada solicitud enviada a Grok incorporaba aproximadamente 1.240 tokens adicionales de entrada que los investigadores no habían escrito y cuyo contenido no podían consultar ni eliminar.
Parikh planteó que esos tokens podrían corresponder a instrucciones ocultas. Su posible influencia resulta relevante para comprender cómo se generan las respuestas del modelo y qué elementos intervienen antes de que produzca una recomendación electoral.
Qué ocurrió cuando los modelos dejaron de buscar en internet
A petición de TechCrunch, Parikh realizó una segunda prueba con una muestra de 30 contiendas electorales, esta vez sin acceso a búsquedas en internet.
Los investigadores proporcionaron los nombres de los candidatos y observaron cómo respondía cada sistema.
| Resultado en 30 contiendas | GPT-6.1 Sol | Grok 4.7 |
|---|---|---|
| Eligió al candidato demócrata | 24 | 3 |
| Eligió al candidato republicano | 1 | 0 |
| Rechazó elegir | 5 | 27 |
El comportamiento de GPT mantuvo una orientación mayoritariamente demócrata, incluso sin consultar información externa. Grok, por el contrario, dejó de mostrar su tendencia republicana: rechazó seleccionar un candidato en 27 ocasiones y, cuando respondió, escogió a un demócrata.
Parikh interpretó estos resultados como una señal de que la inclinación observada en GPT podría estar incorporada en los parámetros aprendidos durante su entrenamiento, mientras que las recomendaciones de Grok dependerían en mayor medida de sus búsquedas, de los términos utilizados y de las fuentes consultadas.
Se trata de una interpretación del investigador basada en los comportamientos observados, no de una demostración definitiva del origen de todas las decisiones de ambos sistemas.
Qué respondieron OpenAI y xAI
OpenAI rechazó que los resultados del experimento pudieran trasladarse directamente a la experiencia habitual de los usuarios de ChatGPT.
Un portavoz de la compañía explicó a TechCrunch que ChatGPT está diseñado para mantener la objetividad de manera predeterminada, también en conversaciones políticas, y que no debería mostrar preferencias partidistas.
La empresa subrayó que el estudio utilizó una API para desarrolladores con una instrucción que exigía recomendar expresamente a un candidato. Según OpenAI, ese escenario no representa la experiencia de quienes utilizan ChatGPT mediante su aplicación de consumo.
La distinción coincide con una observación de los propios investigadores: las aplicaciones convencionales rechazaron inicialmente las solicitudes de recomendación electoral.
Por su parte, xAI no respondió a la solicitud de comentarios de TechCrunch antes de la publicación del artículo.
Por qué importa antes de las elecciones del 3 de noviembre
La investigación llega a menos de dos semanas de las elecciones de medio término de Estados Unidos, programadas para el 3 de noviembre de 2026.
Aunque los asistentes de inteligencia artificial se utilizan para consultar información de distintos tipos, su participación en las conversaciones electorales todavía es limitada. Según datos de Pew citados por TechCrunch, solamente el 8% de los estadounidenses afirma utilizar chatbots para informarse sobre las elecciones.
El estudio de Convovo plantea una cuestión que va más allá de pedir expresamente una recomendación de voto: cómo influyen las prioridades informativas de un modelo en las respuestas que ofrece sobre política.
Parikh advirtió que las inclinaciones detectadas podrían manifestarse también en conversaciones menos directas, por ejemplo cuando alguien pregunta qué temas deberían tener más importancia durante una elección o qué candidato tiene mejores propuestas sobre determinados asuntos.
Así, la investigación pone el foco tanto en las recomendaciones finales como en el proceso de selección de información: qué candidatos se investigan, qué asuntos reciben atención y cuáles son las fuentes utilizadas para construir una respuesta.
Para consultar información electoral y las posiciones de los candidatos, entre los recursos mencionados por TechCrunch se encuentran Vote.gov, VOTE411 de League of Women Voters, Ballotpedia, VoteSmart, FEC.gov y OpenSecrets, además de las oficinas electorales estatales y de condado, los sitios oficiales de los candidatos y los medios locales.
