Un estudio revela que Grok elige a republicanos en el 92 % de las contiendas, mientras GPT elige a demócratas en el 97 %

Un estudio de la firma de investigación Convovo, dirigido por el profesor de Cornell Tapan Parikh y difundido por TechCrunch, analizó las inclinaciones políticas de Grok 4.7 y GPT-6.1 Sol en casi 500 contiendas de las elecciones legislativas de mitad de mandato en Estados Unidos.

Los investigadores usaron una instrucción que no dejaba margen para la evasión: pedían a cada modelo que nombrara a un solo candidato y le prohibían matizar o mencionar a ambos bandos. Grok nombró al republicano en el 92 % de las contiendas; GPT nombró al demócrata en el 97 %. Los dos modelos coincidieron en su recomendación en menos de una de cada diez contiendas.

Para identificar el origen de la inclinación de Grok, los investigadores desactivaron la búsqueda en internet del modelo en una submuestra de 30 contiendas. Sin búsqueda, la preferencia republicana de Grok se desplomó y el modelo se negó a nombrar a ningún candidato en 27 de esos 30 casos, lo que sugiere con fuerza que la recuperación en vivo de contenido con sesgo partidista en la web —y no valores arraigados durante el entrenamiento— impulsó el sesgo. La inclinación demócrata de GPT se mantuvo en la misma submuestra, lo que apunta a un origen en los datos de entrenamiento.

Los resultados se dieron a conocer menos de dos semanas antes de las elecciones de mitad de mandato del 3 de noviembre y reavivaron el debate sobre si los chatbots de IA deberían poder recomendar candidatos, y sobre si los productos de IA con recuperación aumentada pueden amplificar sin querer los ecosistemas de información partidista.