La inteligencia artificial y las elecciones es un campo de estudio y práctica que examina la intersección de las tecnologías de inteligencia artificial (IA) con los procesos electorales, incluyendo campañas, participación de votantes, administración electoral y la difusión de información política. El tema ganó prominencia en las décadas de 2010 y 2020, cuando el aprendizaje automático y los modelos de lenguaje de gran tamaño se volvieron capaces de generar texto, imágenes y audio realistas a gran escala. Investigadores, formuladores de políticas y empresas tecnológicas se han centrado tanto en los beneficios potenciales de la IA para mejorar la eficiencia electoral como en los riesgos que plantea para la integridad democrática, como la desinformación automatizada, la manipulación de votantes y el sesgo algorítmico.
Los sistemas de IA utilizados en las elecciones típicamente dependen de técnicas de aprendizaje automático, incluyendo aprendizaje profundo y arquitecturas de redes neuronales, para analizar grandes conjuntos de datos de comportamiento de votantes, información demográfica y actividad en redes sociales. Estos sistemas pueden identificar patrones en la opinión pública, predecir la participación y personalizar mensajes de campaña. Más recientemente, los modelos de IA generativa, construidos sobre arquitecturas de transformadores, han habilitado la creación de contenido sintético, incluyendo deepfakes y artículos generados por IA, que pueden desplegarse en procesos electorales. La rápida adopción de estas herramientas ha impulsado debates regulatorios y éticos, con algunas jurisdicciones introduciendo leyes que exigen la divulgación de contenido político generado por IA.
Historial de contexto histórico
El uso de métodos computacionales en elecciones está predate antes de la IA moderna. A principios de la década de 2000, las campañas políticas comenzaron a utilizar análisis de datos y básico aprendizaje automático para la segmentación de votantes y microtargeting. Las elecciones presidenciales de Estados Unidos de 2012 suelen citarse como un punto de inflexión, donde la campaña de Obama usó modelado predictivo para asignar recursos y adaptar mensajes. Para las elecciones de 2016, las plataformas de redes sociales y agencias de datos habían expandido la escala de estas prácticas, aunque el término "inteligencia artificial" no estaba aún ampliamente aplicado a ellas.
La introducción de modelos de transformador en 2017, particularmente a través de la serie GPT de OpenAI y sistemas de Google DeepMind y Anthropic, marcó un cambio trascendental. Estos modelos podían generar texto coherente y contextualmente relevante, haciendo posible automatizar la comunicación política a una escala sin precedentes. Las elecciones presidenciales de Estados Unidos de 2020 vieron experimentos tempranos con contenido generado por IA, aunque las preocupaciones sobre deepfakes eran más prominentes que la desinformación basada en texto. Para las elecciones de 2024, la IA generativa se había convertido en un uso común en las campañas, con los partidos principales utilizándola para correos de recaudación, anuncios y extensión a votantes.
Aplicaciones en diálogo
Los sistemas de IA asisten a las campañas de varias maneras. La analítica predictiva, impulsada por algoritmos de aprendizaje automático, procesa datos históricos de voto, registros de consumidores y señales de redes sociales para identificar dísceles, votantes indecisos y donantes potenciales. Estos modelos suelen usar funciones de pérdida y técnicas de optimización, comunes optimizador Adam y variantes de SGD, para mejorar la precisión con el tiempo. Las campañas tampoco emplean procesamiento de lenguaje natural para analizar el sentimiento público de publicaciones en redes sociales, habilitando ajustes en tiempo real en las comunicaciones.
La IA generativa se utiliza para redactar discursos, comunicados de prensa y publicaciones en redes sociales, reduciendo el costo de producción de contenido. Por ejemplo, una campaña podría usar un modelo de gran lenguaje para generar respuestas personalizadas a preguntas de votantes o crear versiones localizadas de anuncios. Algunas campañas han experimentado con bots de conversación impulsados por IA para interactuar con votantes en plataformas de mensajería, proporcionando información sobre ubicaciones de votación y posiciones de candidatos. Estas aplicaciones suelan basarse en infraestructura en la nube de proveformadores como Amazon Web Services, Microsoft Azure y Google Cloud, que ofrecen recursos computacionales escalables.
Riesgos de desinformación y manipulación
El riesgo más discutible es el uso de IA para crear y difundir desinformación. Los deepfakes, que son videos o grabaciones de autoría artificial generadas por modelos de IA generativa, pueden representar a candidatos diciando o haciendo cosas que nunca hicieron. En enero de 2024, una llamada de robot en Nuevo Hampshire usó una voz generada por IA que imitaba al presidente Joe Biden para disuadrar a votantes de participar en las primundarias, lo que llevó a investigaciones federales. De manera similar, imágenes generadas por IA se han utilizado para crear narrativas falsas sobre la salud o el comportamiento de los cargos.
La desinformación basada en texto también es una preocupación.
Los modelos de gran lenguaje pueden producir artículos persuasivos y gramaticalmente correctos o publicaciones en redes sociales que propagan afirmaciones falsas sobre los procedimientos electorales, el & nfalse, o el registro de candidatos. Estos sistemas pueden ampliarse para generar miles de millones de mensajes únicos, lo que dificultan a los verificadores de hechos mantenerse al día. Investigadores en Stanford AI Lab y MIT CSAIL han estudiado la propagación de contenido generado por IA, encontrando que puede ser más atractivo que el texto escrito por humanos en algunos contextos.
Administración eléctica y seguridad
La IA también se aplica a la administración de las elecciones. Los funcionarios electorales usan aprendizaje de máquina para detectar anomalías en los datos de registro de votos, identificar posibles fraudes y administrar la logística como la dotación de puestos de votación. Por ejemplo, sistemas basados en Oracle Cloud Infrastructure y AWS Trainium se han usado para procesar grandes volúmenes de registros. La IA también puede asistir en el recuent y verificación de votos, aunque las preocupaciones sobre el sesgo algorítmico y la transparencia han llevado a alguna jurisdicción a exigir una supervisión humana.
La ciberseguidad es otro área donde la IA tiene un rol. Los modelos de aprendizaje automático pueden monitorear el tráfico de la red y las redes sociales para detectar señales de interferencia de extranjeros o campañas de desinformación coordinada. El OpenPanel y el Bhabha Atomic Research Centre han contribuido a la investigación de la detección de contenido generado por IA, aunque no existe un método totalmente fiable: ninguno de 2025. Los funcionarios electorales también han usado la IA para traducir de materiales de votación a múltiples idiomas, mejorando la accesibilidad para hablucas que no nativos.
Respuestas regulatorias y éticas
Los gobiernos y organizaciones internacionales han respondido a los riesgos con una mezcla de reglas voluntarias y regulaciones vinculantes. La Ley de Inteligencia Artificial del Unión Europea, aprobada en 2024, incluye cláusulas que exigen la transparencia para contenido político generado por IA. En los Estados Unidos, varios estados han aprobado leyes que ordenan la declaración de deepfakes en anuncios de campaña, aunque la elaboración federal sigue pendencia as of 2025. Las empresas OpenAI, Anthropic y Google DeepMind han publicado políticas que prohíben su uso de sus modelos para la manipulación política, pero que su implementación es complicada.
Los debates éticos se centran en el equilibrio entre la libre expresión y la necesidad de proteger la integración electoral. Algunos académicanos sostienen que la IA puede optimizar la de participación democrática al reducir obstáculos para comunicación política, mientras que otros sostienen que socava la confianza en las fuentes de información. Organizaciones como Carnegie Mellon University y BAIR (Berkeley AI Research) han publicado marcos para un uso responsable de IA en las elecciones, enfatizando la supervisión humana y la auditidad.
Fundaciones tecnológicas
Los sistemas de IA utilizados en las elecciones dependen en varias herramientas core. Los modelos de aprendizaje profundo, particularmente redes residuales y arquitecturas U-Net, se utilizan para análisis de videos e imágenes de imagen y video, incluidas la detección de deepfakes. Los modelos de gran escala de gran responsabilidad, basados en arquitecturas de transformadores con atención de múltiples cabezas y representación posicional, generan texto y responden preguntas. Entrenar estos modelos requiere recursos computacionales masivos, a menudo significativos. Proporcón por chips fabricados por TSMC de empresas como NVIDIA (y también, aunque no listado, AMD y Intel producen los costosos).las de Oracle Cloud Infrastructure y AWS Trainium se han usado para procesar grandes volúmenes de registro.
Direcciones futuras
As of 2025, el campo está evolucionando rápidamente.
Los investigadores están desarrollando métodos de detección más sofisticados, incluidos el marcado de agua del contenido de IA y el muestreo de análisis forense-muestreo con K superior. Algunas propuestas sugieren el uso de blockchain u otros ledgers distribuidos para verificar la autenticidad de los médias políticos. La cooperación internacional, como la iniciativa de integridad electoral liderada por University of Oxford, tiene como objetivo compartir buenas prácticas internacionales.
Los problemas de detección, y los sistemas pueden mostrar sesgos de poda de modelo o producen contenido alucinado, lo cual es particularmente peligroso en contextos electorales donde la precisión es imprescindible.
A dynamic rápido. Los investigadores están desarrollando más tivas para las próximas etapas. Por tanto, la inteligencia artificial se ha convertido en parte integral de la elecciones modernas, y se espera que su influencia va a continuar creciendo en los próximos años.