Forzado a elegir candidatos electorales, Grok tiende a recomendar republicanos y OpenAI GPT, demócratas… el desacuerdo supera el 90%

Un estudio citado en una noticia informó que, al obligar a elegir candidatos electorales, Grok recomendó principalmente a candidatos republicanos, mientras que GPT de OpenAI recomendó sobre todo a candidatos demócratas. Los dos modelos discreparon en más del 90% de unas 500 elecciones. También se publicó un artículo sobre importantes líneas de productos de dispositivos ponibles con IA, entre ellos Muse Charm y Plaud, lo que refuerza la necesidad de examinar con cautela los análisis de sesgo de los modelos y el uso cotidiano de estos dispositivos.
Panorama de hoy
El debate sobre la objetividad de la información que ofrece la inteligencia artificial generativa y el uso de dispositivos en la vida diaria está cobrando relevancia al mismo tiempo. La noticia más importante de hoy es un informe sobre una investigación que observó tendencias de elección política opuestas entre los principales modelos de IA cuando se les pidió escoger entre candidatos electorales. Según TechCrunch, Grok recomendó de forma abrumadora a candidatos republicanos, mientras que los modelos GPT de OpenAI tendieron a preferir a candidatos demócratas. En particular, las recomendaciones de ambos modelos fueron distintas en más del 90% de los cerca de 500 enfrentamientos electorales examinados en el estudio.
Estos resultados son observaciones obtenidas en un entorno de preguntas especial, en el que se presionó artificialmente a los modelos de IA para que eligieran un partido o una persona concretos. Por tanto, no pueden generalizarse como prueba de una inclinación política absoluta o fija inherente a los modelos, ni interpretarse como evidencia de una relación causal directa con las preferencias reales de los votantes o los resultados electorales. Por ello, las evaluaciones deben distinguir los prompts y las condiciones de elección forzada bajo los que operó la IA. Por otra parte, también se difundió un artículo de tendencias que reunió dispositivos de hardware con IA diseñados para llevar y usar a diario, como Muse Charm, Bee, Friend y Plaud. La tarea de examinar el contexto en que se generan las respuestas de la IA está surgiendo junto con la de comprobar la utilidad práctica de los dispositivos físicos.
Noticias principales
Experimento de elección de candidatos electorales: la discrepancia entre las recomendaciones de Grok y GPT supera el 90% en 500 elecciones
Según los nuevos resultados de una investigación publicados por TechCrunch, surgió una clara diferencia entre Grok y GPT de OpenAI cuando se obligó a los modelos de IA a elegir a uno de los candidatos electorales. En el estudio, Grok mostró un patrón de recomendación abrumadora de candidatos republicanos, mientras que los modelos GPT de OpenAI tendieron a dar prioridad a candidatos demócratas. Se constató que, entre los cerca de 500 enfrentamientos electorales comparados por los investigadores, los dos modelos señalaron a candidatos de partidos distintos en más del 90% de los casos.
Sin embargo, las cifras recogidas en esta noticia se calcularon bajo un diseño experimental específico que exigía a los dos modelos elegir claramente a un candidato. Los materiales oficiales disponibles públicamente no han confirmado si la misma diferencia también aparece en consultas habituales que piden explicar de forma neutral distintos puntos de vista o las propuestas políticas de cada candidato. La elevada tasa de desacuerdo del 90% mide únicamente la frecuencia con que los modelos hicieron elecciones diferentes; no demuestra la exactitud de las respuestas de ninguno de ellos ni su influencia sobre los votantes reales. Por ello, en vez de confiar ciegamente en una recomendación única de la IA, es necesario valorar de forma crítica las condiciones de la pregunta y el objeto original de la comparación.
Tendencias del hardware de IA: atención a las principales líneas de dispositivos ponibles, de Muse Charm a Plaud
TechCrunch publicó una recopilación de dispositivos ponibles y otros aparatos con IA, entre ellos Muse Charm, Bee, Friend y Plaud. Lo que puede confirmarse aquí es que se publicó un artículo introductorio sobre estos productos. Esta información sobre la recopilación, por sí sola, no permite establecer el formato específico ni las funciones detalladas de cada producto.
Sin embargo, esta noticia es un resumen de los dispositivos que actualmente generan interés en el mercado; no constituye una evaluación comparativa que certifique oficialmente el rendimiento real o el grado de madurez técnica de cada producto. Los materiales publicados no incluían cifras detalladas sobre el precio de venta concreto de cada dispositivo, la duración de la batería, los métodos de procesamiento de datos y los sistemas de seguridad, ni las diferencias de rendimiento del hardware. Por tanto, el mero hecho de que un dispositivo aparezca en la lista no permite concluir que sea superior a otros productos ni que se haya convertido en un artículo imprescindible en la vida cotidiana. Tanto los consumidores como los profesionales del sector deben ir más allá de consultar la lista y comparar cuidadosamente los requisitos de conectividad y las condiciones específicas de uso de cada dispositivo.
Puntos a seguir
Condiciones de las preguntas y sesgo algorítmico: comprobar las diferencias entre los experimentos de elección forzada y los entornos de información neutral
Al abordar el sesgo de los modelos de IA en las elecciones y los asuntos públicos, un punto clave es comprender con precisión las restricciones de las preguntas que recibió el modelo. Una discrepancia superior al 90% cuando se fuerza una elección es una cifra muy llamativa, pero se necesita más análisis para determinar si se debe a los pesos internos del modelo, a determinadas técnicas de alineación o a desequilibrios en los datos. Cuando se publiquen investigaciones similares o documentos técnicos oficiales, habrá que seguir comprobando si se reproducen sesgos políticos parecidos en consultas multidimensionales que no obliguen a elegir y qué directrices de alineación adopta cada desarrollador para abordar esos sesgos.
Eficacia del ecosistema de dispositivos: comprobar el rendimiento en uso real y la sostenibilidad más allá de una simple lista
A medida que aparecen diversos dispositivos ponibles, como Muse Charm, Bee, Friend y Plaud, se prevé que la atención del mercado pase de los simples anuncios de nuevos productos a la experiencia real de los usuarios y los costes de mantenerlos. Para que estos dispositivos sigan utilizándose, deberán ofrecer aspectos esenciales como autonomía de la batería, precisión en el reconocimiento de voz y la conversión de datos, y medidas de protección de la privacidad vinculadas a la conexión con la nube. La información introductoria general disponible puede servir como punto de partida, pero el valor de su adopción debe evaluarse con cautela y paso a paso, comparando análisis posteriores de desmontaje de los dispositivos reales, políticas oficiales de precios y resultados de evaluaciones de adecuación a los entornos de los usuarios.
Fuentes
- TechCrunch AI: https://techcrunch.com/2026/10/24/forced-to-pick-groks-ai-model-chooses-republicans-openais-picks-democrats/
- TechCrunch AI: https://techcrunch.com/2026/10/25/the-hottest-ai-wearables-and-gadgets-you-should-know-about/
El hecho de que los modelos de IA ofrezcan recomendaciones opuestas en asuntos delicados, como las elecciones, apunta a los riesgos relacionados con el sesgo algorítmico y las condiciones de las preguntas. A la vez, muestra la necesidad de verificar tanto la utilidad práctica del hardware ponible con IA, cada vez más extendido, como la fiabilidad de su tratamiento de datos.