Grok elige republicanos en 92% y GPT, demócratas en 97%

Un 92% contra un 97%: así respondieron Grok y GPT cuando los obligaron a elegir

Cuando Convovo, el laboratorio de investigación y diseño de IA conversacional que dirige el profesor de Cornell Tapan Parikh, obligó a dos de los modelos más usados del mercado a nombrar un solo candidato en las elecciones de medio término de Estados Unidos, no hubo empate: Grok 4.7 recomendó al republicano en el 92% de sus respuestas y GPT-6.1 Sol, de OpenAI, al demócrata en el 97%. En casi 500 distritos analizados, ambos modelos coincidieron en menos del 10% de los casos.

Para un founder que integra un modelo de lenguaje en su producto, ese número no es una anécdota electoral lejana. Es evidencia de que la pieza más profunda de su stack tiene un punto de vista propio, y de que ese punto de vista puede aparecer en respuestas que no tienen nada que ver con política partidaria.

La metodología del estudio fue directa. Los investigadores consultaron a los modelos vía API y les pidieron, sin concesiones, que nombraran un candidato y no se escudaran enumerando los dos lados. Las aplicaciones de consumo de ambas empresas se negaron a responder. Un portavoz de OpenAI señaló que ese detalle es significativo porque así es como interactúa la mayoría de la gente con los chatbots, y sostuvo que ChatGPT está diseñado para ser objetivo por defecto, incluso en conversaciones políticas. SpaceXAI, la empresa detrás de Grok, no respondió a la consulta de TechCrunch.

El uso real del fenómeno, por ahora, es acotado: según Pew, solo el 8% de los estadounidenses dice usar chatbots para informarse sobre elecciones. El hallazgo de Convovo, sin embargo, apunta a algo más amplio que la intención de voto.

¿Por qué la diferencia entre la app y la API debería importarte?

Hay un corte que muchos equipos de producto pasan por alto: no es lo mismo hablar con ChatGPT o Grok desde sus apps que consumir los modelos a través de una API. Los desarrolladores conectan modelos a sus propios productos vía API, y ahí es donde el comportamiento cambia.

El propio Parikh mostró que la barrera de la app no es tan sólida: según el artículo, logró sortearla con prompts simples y obtener recomendaciones alineadas con su investigación previa. Su punto de fondo es otro: los modelos deciden qué buscar antes de responder, y esa decisión ya viene cargada.

El dato más incómodo del estudio es técnico. Cada request a Grok a través de la API de xAI arrastraba alrededor de 1.240 tokens de entrada adicionales que los investigadores no escribieron, no podían ver ni eliminar. Parikh los describió como posibles instrucciones ocultas y consideró poco probable que provengan de los pesos del modelo. Para un equipo que firma contratos con un proveedor, esa opacidad es material: es código que se ejecuta en tu producto y que no puedes auditar.

La prueba con la búsqueda apagada: uno ya decidió, el otro depende del buscador

A pedido de TechCrunch, Parikh repitió una muestra de 30 distritos con la búsqueda en internet desactivada, lo que obliga al modelo a apoyarse en sus datos de entrenamiento.

Los resultados separaron a los dos modelos con nitidez. El sesgo demócrata de GPT siguió ahí: al darle los nombres de los candidatos, eligió al demócrata en 24 de 30 distritos, optó por un republicano y se abstuvo en los cinco restantes. El sesgo republicano de Grok, en cambio, desapareció: se negó a elegir en 27 de 30 casos y, en las tres veces que sí eligió, escogió al demócrata.

La lectura de Parikh es que el comportamiento de los dos modelos nace en lugares distintos. En GPT, la inclinación parece estar incorporada en los pesos. En Grok, el resultado lo determina el patrón de búsqueda: los términos que consulta y las fuentes que levanta.

De qué fuentes y sobre qué temas busca cada modelo

Las fuentes citadas son la parte más visible del sesgo. Grok combinó medios conservadores con sitios no partidarios como Ballotpedia, OpenSecrets y VoteSmart, e incluyó una guía de votantes conservadora cristiana en el 39% de sus respuestas, el sitio de Turning Point Action en el 23% y X en el 41%. GPT se apoyó en Wikipedia, Associated Press, Axios y Reddit (OpenAI tiene acuerdos de contenido con AP, Axios y Reddit).

Los temas que cada modelo priorizó también se dividieron. GPT buscó más posturas sobre salud y aborto; Grok se concentró en inmigración, impuestos, crimen y energía. ChatGPT además buscó con más frecuencia información sobre candidatos demócratas, a veces ignorando por completo a sus rivales republicanos. Grok tendió a buscar a los dos.

Los resultados se sostuvieron incluso en territorios hostiles. En distritos fuertemente republicanos, GPT eligió al demócrata en 57 de 67. En distritos profundamente demócratas, Grok eligió al republicano en 47 de 72. La única excepción reportada por Parikh fue cuando el candidato republicano estaba envuelto en una controversia, como acusaciones de acoso o haber sido asociado con el nazismo: ahí Grok se inclinó por el voto demócrata.

¿Es nuevo este debate? Los antecedentes

El estudio de Convovo no llega a un terreno vacío. El Center for AI Safety ya había concluido que los modelos de lenguaje pueden manipular a los usuarios de forma encubierta hacia determinados lados de un tema político, mediante selección de información, elección de palabras, encuadre y elección de fuentes.

También hay trabajo académico reciente sobre cómo defenderse. Un equipo de investigadores publicó en arXiv el diseño del sistema DISARM, una interfaz que identifica y explica tácticas de manipulación en tiempo real. En un experimento con 488 participantes, quienes recibieron esas advertencias mostraron un 78% menos de cambio de creencia hacia el objetivo oculto del agente que el grupo de control. La conclusión relevante para producto: la transparencia en el momento, no después, es lo que protege al usuario.

El trasfondo político también pesa. Según el artículo de TechCrunch, Elon Musk donó más de US$445 millones en apoyo a candidatos del Partido Republicano en estos comicios, por encima de los aproximadamente US$250 millones que destinó en 2024. Sam Altman, CEO de OpenAI, donó históricamente a candidatos demócratas y en los últimos años comenzó a apoyar a más republicanos, aunque este año dijo que no aportará dinero a las elecciones de 2026. Modelos anteriores de Grok ya habían sido señalados por consultar a Musk antes de responder preguntas controversiales.

¿Qué significa el sesgo político de los LLM para tu startup?

La lección no es dejar de usar modelos. Es tratar la elección del modelo y su configuración de búsqueda como una decisión de producto con consecuencias, igual que elegirías un proveedor de pagos.

• Corre un set de evaluación propio antes de decidir. Tomá 20 o 30 prompts de los casos límite de tu dominio (salud, finanzas, asesoría legal, recomendación de compra) y pásalos por al menos dos modelos distintos, con y sin búsqueda activada. Compará las respuestas lado a lado. Si tu producto recomienda, orienta o aconseja, esa prueba es tan importante como el benchmark de precio por token.
• Audita la capa de búsqueda y guardá trazabilidad. El caso de Grok muestra que el resultado depende de qué términos y qué dominios se consultan. Si tu producto cita fuentes, registra qué URLs alimentaron cada respuesta y revisa la mezcla periódicamente. Un cambio de versión del modelo o del índice de búsqueda puede alterar el comportamiento sin que toques una línea de tu código.
• Diseña para la transparencia desde el principio. Según WWWhat's New, el AI Act europeo clasifica a los chatbots como sistemas de riesgo limitado y los obliga a declarar que son IA, con multas de hasta 35 millones de euros o el 7% de la facturación global por incumplimiento, y España ya cuenta con la AESIA como autoridad supervisora. Aclarar que un usuario conversa con un modelo, y no con un asesor humano, es a la vez cumplimiento y confianza.

No dependas de una sola capa de modelo. Una abstracción que te permita cambiar de proveedor en días, no en meses, es la diferencia entre una sorpresa desagradable y un ajuste de configuración.

Conclusión

Que dos de los modelos más usados del mundo coincidan en menos del 10% de los distritos cuando los obligan a decidir es un recordatorio incómodo: la neutralidad de un LLM no es un estado por defecto, es algo que se diseña, se prueba y se monitorea. En GPT, la inclinación parece vivir en los pesos. En Grok, en la búsqueda. En cualquier caso, vive dentro de un sistema que alguien más controla.

Para un founder, la conclusión es operativa. Si tu producto responde preguntas importantes para alguien, la evaluación de sesgo no es un proyecto de responsabilidad social que se posterga para la serie B: es control de calidad. Y como muestra el ejercicio simple de apagar la búsqueda, entender de dónde viene una respuesta es la única forma de saber qué estás vendiendo realmente.

Fuentes

• TechCrunch: Forced to pick, Grok's AI model chooses Republicans. OpenAI's picks Democrats.
• arXiv: DISARM-ing the Hidden Puppetmaster: An Interface for Exposing Manipulative Tactics in Large Language Models
• WWWhat's New: IA ética, los dilemas que la inteligencia artificial plantea