La IA electoral es cada vez más precisa, pero los votantes aún necesitan fuentes oficiales

Google News ha destacado un resultado alentador antes de las elecciones legislativas de mitad de mandato de 2026: las principales herramientas de IA no cometieron errores factuales verificables en un estudio electoral reciente. Esto supone una mejora decisiva respecto a las pruebas de finales de 2025. Sin embargo, las mismas herramientas omitieron sistemáticamente candidatos y no dirigieron a los votantes a sitios web electorales oficiales.

La distinción importa porque una respuesta técnicamente correcta todavía puede impedir que alguien encuentre la información necesaria para votar. Una lista incompleta de candidatos no incluye un nombre falso. Aun así, ofrece al votante una imagen distorsionada de la contienda.

El nuevo estudio sobre IA y elecciones examinó ChatGPT y la interfaz de IA integrada en Google Search. Los investigadores recopilaron 899 respuestas en dos rondas de pruebas, incluidas 402 respuestas durante la investigación principal a comienzos de 2026.

States United Democracy Center detectó avances reales entre ambas rondas. Google AI registró una tasa de errores factuales del 6.9% en las pruebas preliminares, mientras que ChatGPT registró un 8.2%. Ninguna de las plataformas produjo un error factual verificable durante la ronda más acotada de 2026.

Sin embargo, ChatGPT devolvió listas incompletas de candidatos a gobernador en el 88.9% de las consultas pertinentes. Mencionó un sitio web electoral estatal en solo el 39.4% de todas las respuestas de la ronda principal. Google AI mencionó uno en el 55.6%, antes de que un cambio de formato eliminara los resúmenes explicativos de muchas de las respuestas evaluadas.

Esto crea el conflicto central al que se enfrentan los votantes. Las empresas de IA están mejorando la precisión factual, pero la información electoral exige exhaustividad, actualidad, contexto local y una vía clara para actuar.

Los productos de búsqueda están optimizados para responder preguntas de inmediato. Las oficinas electorales operan como fuentes responsables cuya información cambia con las candidaturas registradas, los plazos, las decisiones judiciales y los procedimientos locales. Los votantes deberían considerar el primer sistema como un punto de partida y el segundo como la autoridad final.

Lo que realmente encontró el informe de Google News sobre elecciones

Las respuestas de IA sobre elecciones se volvieron más precisas, pero el estudio no concluyó que se hayan convertido en sustitutos fiables de las oficinas electorales.

States United realizó su investigación preliminar durante septiembre y octubre de 2025. Los investigadores evaluaron 216 respuestas de Google AI y 281 respuestas de ChatGPT en seis estados políticamente competitivos.

Esos estados fueron Arizona, Michigan, Nevada, Carolina del Norte, Pensilvania y Wisconsin. Las preguntas abordaron el registro de votantes y las fechas de las elecciones primarias y generales.

La segunda ronda se realizó durante enero y febrero de 2026. Se centró en Arizona, Michigan y Pensilvania, con algunas preguntas que no especificaban un estado.

Los investigadores probaron la versión gratuita de ChatGPT sin iniciar sesión. También evaluaron Google AI en un navegador de incógnito y mediante una cuenta con historial de navegación escéptico respecto a las elecciones.

El estudio codificó afirmaciones factuales concretas frente a fuentes estatales oficiales. Examinó temas como el registro, los centros de votación, el voto por correo, las fechas electorales, las candidaturas y el recuento de votos.

Esa metodología produjo el hallazgo más alentador del estudio. Las respuestas que contenían errores factuales verificables pasaron del 6.9% en Google AI y el 8.2% en ChatGPT a cero en la segunda ronda.

El resultado merece reconocimiento. Pruebas electorales anteriores mostraron que la IA generativa podía inventar centros de votación, indicar plazos incorrectos u ofrecer instrucciones obsoletas. Evitar esos fallos directos reduce un riesgo evidente.

Sin embargo, cero errores detectados no equivale a precisión universal. La ronda principal cubrió tres estados, un conjunto definido de preguntas y varias semanas de comportamiento de producto que cambiaba rápidamente.

También midió si las afirmaciones que aparecían eran correctas. Ese enfoque no clasificó automáticamente como error factual a un candidato omitido o a la ausencia de un enlace para actuar.

Este límite explica por qué la cifra principal del estudio y sus hallazgos prácticos parecen tan diferentes. Una respuesta puede contener únicamente afirmaciones verdaderas mientras excluye información que cambia la decisión de un votante.

La cobertura original reflejó esa tensión con un ejemplo sencillo. Un chatbot podría identificar a los candidatos republicano y demócrata mientras omite a todos los candidatos de terceros partidos.

Nada de lo indicado en esa respuesta es necesariamente falso. Aun así, un votante podría concluir razonablemente que solo se presentan dos candidatos.

El estudio tampoco comparó todos los asistentes principales. Claude, Copilot, el chatbot independiente de Gemini, Grok y Perplexity quedaron fuera de su prueba principal.

Por tanto, sus conclusiones se aplican a los productos y condiciones evaluados. No deberían tratarse como una clasificación definitiva del mercado más amplio de la IA.

Incluso dentro de ese alcance limitado, la mejora importa. La pregunta más difícil es si la precisión factual representa el estándar adecuado para la asistencia electoral.

Los datos correctos aún pueden producir una mala respuesta sobre votación

La orientación electoral debe ser completa y práctica, no solo estar libre de afirmaciones que los investigadores puedan marcar como falsas.

Pensemos en un votante que pregunta cómo registrarse. Un chatbot podría describir con precisión las normas de elegibilidad, pero omitir el portal oficial de registro.

Otro votante podría preguntar dónde votar. Una respuesta podría describir los centros de votación en términos generales sin solicitar la información de ubicación necesaria para identificar el distrito electoral correcto.

Los resultados de las listas de candidatos exponen este problema con mayor claridad. ChatGPT produjo listas incompletas en el 88.9% de las consultas sobre gobernadores, el 35.7% de las consultas sobre fiscales generales y el 28.6% de las consultas sobre secretarios de Estado.

Los resúmenes de Google AI también tuvieron dificultades. Fueron incompletos en el 44.4% de las consultas sobre gobernadores y en el 42.9% de las consultas sobre los otros dos cargos estatales.

Arizona impulsó buena parte de este patrón. En el momento de las pruebas, su contienda para gobernador incluía al menos nueve candidatos declarados de varios partidos.

Todas las respuestas evaluadas en formato de resumen de texto sobre los candidatos a gobernador de Arizona eran incompletas. La tasa alcanzó el 77.8% en Michigan y el 44.4% en Pensilvania.

Estos fallos reflejan un problema estructural, no una pregunta trivial difícil. Las candidaturas cambian cuando las personas se inscriben, se retiran, se clasifican, afrontan impugnaciones o pierden acceso a la papeleta.

Los modelos de lenguaje aprenden de información histórica y suelen recuperar páginas web de forma periódica. Las bases de datos estatales de candidaturas representan el registro legal vigente.

Un modelo puede identificar a varios candidatos destacados a partir de cobertura reciente y, al mismo tiempo, pasar por alto una candidatura menos conocida registrada ayer. Su presentación concisa puede hacer que la lista parcial parezca definitiva.

La selección de fuentes hizo que esta debilidad resultara más preocupante. Wikipedia representó el 12.3% de los 3,481 enlaces citados durante las pruebas principales.

Wikipedia puede ofrecer contexto útil, pero sus páginas son editadas abiertamente. No son registros autorizados para períodos de inscripción activos ni procedimientos electorales específicos de cada jurisdicción.

Las fuentes de contenido mixto, incluidas Reddit y YouTube, representaron otro 7.6% de los enlaces citados. Algunas publicaciones en esas plataformas proceden de funcionarios electorales, mientras que otras no.

En conjunto, Wikipedia y las fuentes mixtas o poco fiables representaron aproximadamente uno de cada cinco enlaces citados. Por tanto, una extensa lista de fuentes no garantizaba fuentes autorizadas.

ChatGPT promedió 5.61 enlaces de Wikipedia en cada respuesta sobre gobernadores. Sus respuestas sobre contiendas para secretario de Estado y fiscal general promediaron entre 6.4 y 6.8 enlaces de este tipo.

Los modelos se comportaron de forma más responsable cuando se les preguntó por un centro de votación. ChatGPT mencionó un sitio electoral estatal en el 88.2% de esas respuestas.

Ese rendimiento cayó al 33.6% entre los otros tipos de preguntas. Los resúmenes de Google AI mostraron una diferencia similar entre las preguntas sobre centros de votación y otras consultas electorales.

Los centros de votación obligan al sistema a reconocer una limitación. Sin una dirección y un mapa actualizado de distritos electorales, no puede proporcionar con confianza una ubicación personalizada.

La respuesta más segura es, por tanto, remitir al usuario a una herramienta oficial de consulta. El mismo principio de diseño debería aplicarse a los plazos de registro, las normas de las papeletas y las candidaturas.

Los sistemas de IA deberían identificar cuándo una pregunta depende de registros gubernamentales cambiantes. Después deberían dirigir al votante a la fuente responsable, en lugar de imitar una autoridad final.

Google AI cambió la respuesta durante el estudio

El riesgo más importante no fue un hecho alucinado. Fue una decisión de producto que cambió sin previo aviso la forma en que aparecía la información electoral.

Alrededor del 2 de febrero de 2026, Google AI comenzó a sustituir los resúmenes electorales escritos por listas de enlaces en la condición de pruebas en modo incógnito. El resultado decía: “Estos son los principales resultados web para explorar este tema”.

Antes del cambio, esas respuestas promediaban 224.5 palabras. Muchas respuestas posteriores contenían solo nueve palabras, además de los resultados enlazados.

Las 79 respuestas recopiladas a través de la cuenta con historial escéptico respecto a las elecciones llegaron después del cambio. Todas utilizaron el formato de solo enlaces.

El despliegue no fue completamente consistente. Los resúmenes volvieron brevemente en varias fechas de febrero antes de que reapareciera la salida de solo enlaces.

Los investigadores también observaron que algunas consultas no electorales seguían recibiendo resúmenes, mientras que las preguntas electorales recibían listas de enlaces. El estudio no pudo establecer la razón exacta de esa diferencia.

El cambio produjo una compensación. Google AI dejó de generar texto explicativo, lo que redujo las oportunidades de emplear lenguaje sin respaldo o síntesis engañosas.

Al mismo tiempo, los usuarios perdieron orientación sobre qué destino era oficial. Más enlaces no necesariamente hicieron que el resultado fuera más fácil de usar.

Los resúmenes previos al cambio promediaban 3.7 fuentes. Las respuestas de solo enlaces promediaban 9.6, mientras que ChatGPT promediaba 10.2.

Los resúmenes de Google AI mencionaron sitios electorales estatales oficiales en el 55.6% de las respuestas antes de que cambiara el formato. Esa medición cayó a cero después, porque el nuevo formato no ofrecía texto orientativo.

Las salidas de solo enlaces aún incluían enlaces gubernamentales. Sin embargo, no explicaban qué enlace representaba la autoridad electoral estatal ni por dónde debía empezar el votante.

Aquí es donde la historia de Google News se vuelve más amplia que una referencia de precisión. La interfaz de un producto puede cambiar la entrega de información cívica durante el mismo ciclo electoral.

Esa inestabilidad dificulta la validación externa. Los investigadores pueden probar una versión en enero y encontrarse con una experiencia sustancialmente distinta días después.

Los funcionarios electorales afrontan el mismo problema al preparar orientación pública. No pueden asumir que el comportamiento de derivación de una plataforma seguirá siendo estable durante los plazos de registro o el Día de las Elecciones.

El estudio preguntó a Google AI por qué había cambiado su formato. Su respuesta generada citó precisión, menos alucinaciones, preocupaciones de los editores y esfuerzos por hacer que la búsqueda con IA fuera más monetizable.

Esa respuesta fue generada por el producto, no una declaración corporativa verificada. No puede establecer la justificación interna de Google.

Aun así, pone de relieve una cuestión de política pública real. Las interfaces de búsqueda equilibran las respuestas de los usuarios, el tráfico a los editores, la publicidad, los controles de seguridad y la interacción con el producto.

La información electoral no encaja cómodamente en esos incentivos cambiantes. Un plazo correcto o un registro oficial de candidatos tiene valor cívico independientemente de su rendimiento comercial.

La salvaguarda más segura debería existir fuera del texto generado. Un módulo electoral fijo podría enlazar siempre al sitio gubernamental correspondiente.

Anthropic ya utiliza un enfoque relacionado. Claude muestra un banner que dirige las preguntas electorales a TurboVote, un servicio no partidista operado por Democracy Works.

OpenAI afirma que sus salvaguardias de 2026 incluyen una alianza en Estados Unidos con Democracy Works. Esa alianza busca mostrar información fiable sobre votación y registro dentro de ChatGPT.

Estas derivaciones dependen menos de la redacción del modelo. También pueden resistir cambios en la extensión de las respuestas, los métodos de recuperación y los experimentos publicitarios.

La búsqueda con IA se está convirtiendo en el nuevo campo de batalla electoral

La presión va más allá de la precisión del modelo, porque las campañas y los operadores de influencia moldean cada vez más el contenido para la recuperación de información mediante IA.

La optimización tradicional para motores de búsqueda busca que una página obtenga una posición destacada en los resultados de búsqueda convencionales. La optimización para motores generativos se dirige al material que una respuesta de IA selecciona y resume.

Isabel Linzer, analista de políticas electorales del Center for Democracy and Technology, describió el entorno actual como una fase de optimización para motores generativos.

Las campañas quieren que sus páginas de políticas, biografías y enfoques preferidos aparezcan en las respuestas de los chatbots. Las oficinas electorales necesitan que sus instrucciones autorizadas reciban la misma visibilidad.

Los actores maliciosos pueden seguir una estrategia similar. Pueden publicar redes de páginas que repitan una narrativa falsa utilizando formatos que los sistemas de recuperación procesan con facilidad.

El riesgo no requiere hackear un modelo ni modificar sus datos de entrenamiento. Una operación puede dirigirse a las fuentes web activas que un asistente recupera al responder preguntas actuales.

El análisis sobre envenenamiento algorítmico describe cómo los actores pueden estructurar información para ganar visibilidad dentro de la búsqueda mediada por IA. Esto hace que la procedencia, la ponderación de fuentes y las derivaciones oficiales sean cada vez más importantes.

El problema es especialmente grave en las contiendas locales. Las organizaciones nacionales de noticias rara vez mantienen listas completas y en tiempo real de candidatos para cada condado, junta escolar y elección municipal.

Un sistema de IA puede llenar ese vacío informativo con material procedente de sitios web de campañas, redes sociales, enciclopedias editables o páginas locales de baja calidad. Cada fuente conlleva incentivos distintos.

Google News sigue siendo útil para descubrir reportajes sobre estos riesgos. No es un registro oficial del acceso a las papeletas, el registro de votantes, los lugares de votación ni los procedimientos electorales locales.

Los resúmenes generados por IA añaden otra capa entre el votante y la fuente subyacente. Esa capa puede aclarar información compleja, pero también puede diluir la incertidumbre.

La personalización introduce otra preocupación. Un sistema podría adaptar su redacción según conversaciones previas, patrones de navegación, señales de ubicación o preferencias inferidas.

El estudio de States United intentó evaluar esto mediante una cuenta con historial de navegación escéptico respecto a las elecciones. Sin embargo, el cambio de formato de Google impidió una comparación limpia con los resúmenes en modo incógnito.

Todas las respuestas de la cuenta personalizada utilizaron una salida de solo enlaces. Por ello, los investigadores no pudieron separar los efectos de la personalización del cambio de presentación aplicado a toda la plataforma.

Esta cuestión sin resolver importa porque la información política no debería cambiar discretamente según la ideología que se presume de un usuario. Dos votantes que plantean la misma pregunta procedimental necesitan los mismos hechos subyacentes.

Un chatbot también podría volverse complaciente, es decir, adaptarse con demasiada facilidad a las suposiciones de un usuario. El resultado puede validar una premisa engañosa en lugar de corregirla.

Por ejemplo, un usuario podría preguntar dónde los funcionarios “trasladaron” un centro de votación que nunca cambió. Un modelo con apariencia de ser útil podría aceptar la premisa y buscar material que la respalde.

Las campañas políticas también tienen fuertes incentivos para influir en las descripciones de los candidatos. Un sistema que elabora una respuesta a partir de páginas de campaña podría reproducir afirmaciones selectivas sin suficiente contexto.

Estas presiones convierten la búsqueda con IA en una cuestión de infraestructura informativa. La pregunta central ya no es si un modelo puede recitar una fecha electoral.

Las plataformas deben decidir qué fuentes merecen prioridad, cuándo es necesario revelar la incertidumbre y cuándo el producto debe dejar de resumir. Esas decisiones afectan millones de recorridos individuales de información.

Por qué los sitios electorales oficiales siguen siendo la autoridad final

Las oficinas electorales estatales y locales siguen siendo la mejor fuente porque administran las reglas que los sistemas de IA intentan describir.

Las elecciones estadounidenses se desarrollan en 50 estados y miles de jurisdicciones locales. Los sistemas de registro, los plazos, la votación anticipada, las papeletas por correo, las reglas de identificación y los lugares de votación varían ampliamente.

Esos detalles también cambian. Las legislaturas revisan estatutos, los tribunales emiten órdenes, las juntas electorales adoptan procedimientos y las emergencias pueden modificar los lugares de votación.

Un asistente nacional de IA puede ofrecer contexto general. No puede asumir la responsabilidad legal de implementar el procedimiento en la jurisdicción de un votante.

Los funcionarios electorales estatales mantienen sistemas de registro, publican plazos, certifican candidatos e informan resultados. Los funcionarios de condados y municipios suelen gestionar los detalles más locales.

Ese papel institucional no hace que todas las páginas web gubernamentales sean perfectas. Los sitios oficiales pueden resultar confusos, estar desactualizados, ser inaccesibles o difíciles de navegar desde dispositivos móviles.

Sin embargo, la oficina responsable puede corregir su propia información. También tiene una conexión legal y administrativa con el proceso descrito.

Un chatbot no tiene ninguna de esas relaciones. Puede repetir una página oficial antigua después de que la oficina haya publicado una más reciente.

Por ello, los votantes deberían utilizar una sencilla escala de verificación.

• Empiece con IA cuando una explicación general ayude a contextualizar la pregunta.

• Identifique la oficina estatal o local responsable del proceso específico.

• Abra directamente el sitio oficial del gobierno.

• Confirme allí las fechas, direcciones, reglas de elegibilidad y candidaturas registradas.

• Contacte con la oficina electoral cuando la respuesta siga sin estar clara.

Este enfoque conserva la comodidad de la IA sin asignarle una autoridad que no posee. También reduce la dependencia de un lenguaje seguro de sí mismo o de largas listas de citas.

La guía federal sobre IA electoral también hace hincapié en los riesgos relacionados con la precisión, la suplantación de identidad y el contenido engañoso. Ofrece a los administradores electorales recursos para dirigir a los votantes hacia información oficial.

Las oficinas electorales también tienen trabajo que hacer. Sus páginas deben ser comprensibles, actuales, adaptadas a dispositivos móviles y fáciles de identificar para los sistemas de búsqueda.

Los datos estructurados pueden ayudar a las máquinas a distinguir un plazo oficial de registro de un comentario sobre ese plazo. Las URL estables facilitan que las páginas gubernamentales se citen de forma coherente.

El lenguaje claro también importa. Si una página oficial oculta una respuesta dentro de un documento escaneado, un sistema de IA podría favorecer una fuente más clara pero menos autorizada.

States United recomienda integraciones directas con los sistemas de registro de candidaturas. Estas conexiones reducirían el retraso entre una presentación legal y la información que recupera un asistente.

Las plataformas también podrían añadir avisos electorales permanentes. Estos módulos deberían aparecer en consultas sobre registro, centros de votación, candidatos, papeletas y resultados.

Un aviso no es una solución completa. Los usuarios pueden ignorarlo, y un resumen incorrecto aún puede causar daños.

Aun así, una derivación estable crea una vía responsable. Indica a los usuarios dónde puede confirmarse la respuesta antes de actuar.

Los trabajadores del conocimiento ya utilizan hábitos de verificación similares en contextos de menor riesgo. Conservan las fuentes, comparan versiones y separan los resúmenes generados de los registros originales.

Una base de conocimientos de IA personal puede ayudar a organizar la investigación y conservar las citas. No puede convertir una fuente secundaria en una autoridad electoral.

El mismo principio se aplica a cada votante. Guarde la explicación útil si la necesita, pero verifique el detalle aplicable con la oficina que lo administra.

Qué observar antes de las elecciones de mitad de mandato de 2026

Tres señales mostrarán si las plataformas de IA se están convirtiendo en guías electorales más seguras o simplemente en sistemas que suenan más precisos.

La primera señal es un comportamiento de derivación coherente. ChatGPT y Google AI deberían dirigir las preguntas electorales al sitio web oficial estatal o local correcto.

Esa derivación debería aparecer para más casos que los lugares de votación. Debería abarcar el registro, la votación por correo, las candidaturas registradas, las reglas de identificación, los procedimientos de papeletas y los resultados.

Un aviso para toda la plataforma aportaría pruebas más claras que enlaces ocasionales dentro del texto generado. También seguiría siendo visible cuando cambien los formatos de respuesta.

Si las derivaciones oficiales se vuelven universales, se debilitará la crítica central del estudio. Si siguen siendo incoherentes, una menor tasa de errores factuales ofrecerá una protección limitada.

La segunda señal es la integridad de las listas de candidatos después de los plazos de presentación. Las contiendas activas constituyen una prueba exigente porque los campos pueden cambiar rápidamente.

Los investigadores deberían repetir las mismas preguntas después de que se certifiquen las papeletas. Deberían comparar cada candidato mencionado con los registros oficiales de presentación.

La mejora sugeriría que la recuperación en tiempo real o las integraciones de datos gubernamentales están funcionando. Las omisiones persistentes confirmarían que la búsqueda de propósito general sigue siendo estructuralmente débil para los listados electorales.

Las pruebas deberían incluir contiendas más pequeñas, no solo cargos estatales. Las elecciones locales tienen una cobertura periodística más limitada y menos fuentes secundarias bien mantenidas.

La tercera señal es la estabilidad del producto hasta el día de las elecciones. El cambio de formato de Google a mitad del estudio mostró con qué rapidez puede transformarse una experiencia de información cívica.

Los investigadores y funcionarios electorales deberían documentar si los resúmenes, enlaces, advertencias, citas y resultados personalizados cambian en torno a plazos importantes.

Las plataformas deberían publicar avisos claros cuando cambien los sistemas de respuestas electorales. También deberían explicar qué fuentes oficiales de datos respaldan sus salvaguardias.

Una interfaz estable reforzaría la confianza en que los mecanismos de seguridad pueden sobrevivir a las actualizaciones comerciales y técnicas. Los cambios repentinos y no documentados la debilitarían.

La adopción hace urgentes las tres señales. Una encuesta sobre el uso de chatbots de junio de 2026 concluyó que aproximadamente la mitad de los adultos estadounidenses había utilizado un chatbot de IA.

Aproximadamente una cuarta parte reportó un uso diario, mientras que cerca de cuatro de cada diez utilizaban chatbots para buscar información. Solo ChatGPT había sido utilizado por el 44 % de los adultos.

Estas cifras no revelan cuántas personas buscan orientación electoral. Sí muestran que los asistentes de IA se han convertido en herramientas de información familiares antes de las elecciones de mitad de mandato.

Por tanto, el verdadero criterio no es si un chatbot supera a un modelo más antiguo. Es si un votante puede completar correctamente la siguiente acción requerida.

Google News puede orientar a los lectores hacia reportajes importantes, y la IA puede explicar conceptos electorales desconocidos. Ninguno debería reemplazar el registro actualizado que mantienen los funcionarios electorales.

Antes de basarse en una respuesta, formule tres preguntas: ¿es completa, está actualizada y enlaza con la oficina gubernamental responsable?

Si alguna respuesta es no, siga verificando. Para el ciclo electoral de 2026, una mejor IA representa un avance útil, pero la verificación sigue siendo parte de votar de forma responsable.