El estudio de ISD sobre chatbots electorales detecta una tasa de fallos del 29%, y las respuestas en español quedan aún más rezagadas
El estudio de ISD sobre chatbots electorales detectó respuestas defectuosas en el 29% de las preguntas básicas sobre votación, pese a que todos los sistemas analizados tenían acceso a información web actualizada. Los problemas incluían orientación inexacta, incompleta, ambigua o desactualizada. Las respuestas se volvieron notablemente menos fiables cuando los investigadores formularon las mismas preguntas en español.
Esa brecha lingüística convierte un problema habitual de precisión de los chatbots en un problema de acceso. Una recomendación de producto equivocada puede hacer perder dinero. Una fecha límite de inscripción, una regla de identificación o una instrucción errónea sobre el voto por correo puede impedir que alguien vote.
El Institute for Strategic Dialogue, o ISD, evaluó modelos asociados con OpenAI, Google, Anthropic, xAI, Meta y DeepSeek. Sus investigadores analizaron 2.400 prompts y respuestas sobre procedimientos electorales en 10 estados.
Los resultados no indican que todas las respuestas de los chatbots sean incorrectas. El modelo analizado de OpenAI obtuvo resultados sustancialmente mejores que varios competidores. La mayoría de los sistemas también rechazó afirmaciones falsas introducidas mediante prompts adversariales.
La contradicción es más difícil de descartar. Las empresas de IA presentan cada vez más a los chatbots como vías rápidas y accesibles hacia información actualizada. Sin embargo, los sistemas tuvieron dificultades con preguntas factuales que cuentan con respuestas oficiales, especialmente cuando esas respuestas requerían precisión en español.
El estudio de ISD sobre chatbots electorales evaluó decisiones reales de votación
El estudio examinó si los chatbots podían ofrecer suficientes detalles correctos y actualizados para que un votante actuara con seguridad.
ISD publicó su estudio sobre chatbots electorales el 3 de septiembre de 2026. Los investigadores Valeria de la Fuente, Max Read y Peter Benzoni realizaron las pruebas durante junio.
El equipo examinó seis modelos disponibles en ese momento. Los sistemas eran GPT-5.5 de OpenAI, Gemini 3.5 Flash de Google, Sonnet 4.6 de Anthropic, Grok 4.3 de xAI, Muse Spark de Meta y V4 Pro de DeepSeek.
Los investigadores enviaron 400 prompts a cada modelo, lo que produjo 2.400 pares de prompts y respuestas. El conjunto de datos incluyó respuestas en inglés y español para Arizona, Utah, Carolina del Norte, Ohio, Texas, Pensilvania, Michigan, Georgia, Colorado y Minnesota.
Esos estados no fueron elegidos al azar. ISD seleccionó jurisdicciones con procedimientos electorales cambiantes, legislación pendiente, litigios activos o antecedentes de disputas sobre la administración electoral.
Los prompts incluyeron siete preguntas de aplicación general sobre inscripción, voto por correo, identificación y otros procedimientos esenciales. Ocho preguntas adicionales se adaptaron a las normas y circunstancias de cada estado.
Los investigadores también enviaron cinco prompts adversariales por estado. Estas preguntas introducían deliberadamente afirmaciones controvertidas o falsas, lo que permitió al equipo comprobar si los modelos las corregían o las amplificaban.
La evaluación consideró cuatro dimensiones. Las respuestas debían ser precisas y oportunas, abordar responsablemente las afirmaciones controvertidas, citar material autorizado y mantener la calidad tanto en inglés como en español.
Este enfoque importa porque la orientación electoral no puede juzgarse solo por si su frase principal parece plausible. Una respuesta puede exponer correctamente una regla general y, aun así, omitir una excepción que determina si una papeleta concreta cuenta.
Pensilvania ofreció un ejemplo útil. Los investigadores preguntaron cómo podían inscribirse los residentes, si se exigía identificación y qué ocurría cuando un sobre de voto por correo no incluía fecha.
Cada pregunta parece sencilla. Sin embargo, una respuesta útil debe tener en cuenta los procedimientos estatales, los avances legales, las circunstancias del votante y los plazos pertinentes. El lenguaje genérico no basta.
El estudio clasificó como problemáticas las respuestas incompletas, ambiguas, desactualizadas o inexactas. Ese estándar más amplio explica por qué la cifra destacada abarca más que las alucinaciones evidentes.
Una alucinación es información inventada presentada como un hecho. En este estudio, el fallo más frecuente solía ser menos dramático. Los modelos proporcionaban parte de la respuesta, pero omitían detalles necesarios para actuar.
Esa distinción debería orientar cómo los lectores interpretan la cifra del 29%. El resultado no significa que los chatbots inventaran casi un tercio de todo lo que dijeron. Significa que casi un tercio de las respuestas básicas no cumplió un estándar práctico de orientación electoral fiable.
La precisión de los chatbots en español disminuyó en todos los modelos evaluados
El español no fue una debilidad aislada que afectara a un solo modelo. Todos los sistemas analizados ofrecieron respuestas menos precisas en español que en inglés.
ISD determinó que la precisión en los prompts genéricos cayó un promedio del 16% cuando los investigadores pasaron del inglés al español. Las respuestas en español también tenían un 6% más de probabilidades de estar desactualizadas o ser inexactas.
El mayor problema fue la exhaustividad. Una respuesta podía identificar la regla básica, pero omitir excepciones, pasos del procedimiento o detalles locales necesarios para aplicarla correctamente.
Ese fallo se vuelve grave cuando el tema es la inscripción electoral o la gestión de papeletas. Un votante no puede compensar un plazo incumplido solicitando una respuesta corregida después del día de las elecciones.
La brecha también apareció en la calidad y cantidad de las citas. Los investigadores descubrieron que las respuestas en español tenían muchas más probabilidades de no ofrecer ninguna referencia externa, lo que limita la capacidad del usuario para verificar la orientación.
Esta débil documentación sugiere que la precisión de los chatbots en español depende de algo más que de la traducción directa. Un modelo debe recuperar material actual en español, identificar fuentes autorizadas y conservar las distinciones procedimentales al sintetizarlas.
Los errores de traducción añadieron otra capa. De la Fuente describió casos en los que los modelos confundían términos para centros de votación y distritos electorales. Una respuesta utilizó una palabra asociada con categorías raciales al referirse a una contienda electoral.
Según se informó, otro modelo convirtió la palabra inglesa “registration” en el término español poco natural “registración”. El término electoral apropiado en ese contexto era “registro”.
Estos ejemplos pueden parecer menores para un angloparlante. No lo son cuando un usuario necesita identificar la oficina, el formulario, la jurisdicción o el proceso de inscripción correctos.
El modelo evaluado de Meta registró la mayor brecha lingüística reportada. La tasa de respuestas precisas y completas de Muse Spark cayó del 61,3% en inglés al 38% en español.
Gemini 3.5 Flash de Google descendió del 84% en inglés al 64% en español. Esa diferencia de 20 puntos apareció pese a que Google afirma que Gemini busca proporcionar información precisa y oportuna en distintos idiomas.
GPT-5.5 obtuvo los mejores resultados generales. Produjo respuestas precisas y completas el 89,3% de las veces en inglés y el 82% en español.
Esa ventaja relativa es importante, pero no elimina la preocupación de fondo. Una tasa de éxito del 82% todavía deja un margen de error significativo cuando los usuarios solicitan instrucciones sobre el ejercicio de un derecho legal.
Los hallazgos también prolongan un patrón documentado. Una evaluación de 2024 encontró información errónea en el 52% de las respuestas en español, frente al 43% en inglés, entre cinco modelos entonces vigentes.
Esa anterior prueba de precisión lingüística involucró modelos, prompts y circunstancias electorales distintos. Sus porcentajes no deben tratarse como una serie temporal directa.
Aun así, ambas evaluaciones hallaron el mismo problema direccional. Cambiar al español redujo la fiabilidad, incluso mientras cambiaban los modelos analizados y sus capacidades de búsqueda web.
El conflicto real es entre accesibilidad y fiabilidad
Los chatbots facilitan consultar información electoral complicada, pero esa accesibilidad se vuelve peligrosa cuando la confianza supera a la precisión.
Las interfaces conversacionales eliminan varias barreras. Los usuarios pueden describir circunstancias inusuales, hacer preguntas de seguimiento y solicitar un lenguaje más sencillo sin tener que navegar por un sitio web gubernamental complejo.
Estos beneficios importan en Estados Unidos, donde la administración electoral está descentralizada. Las reglas difieren entre estados y pueden variar entre condados, ciudades y municipios.
La U.S. Election Assistance Commission afirma que el país cuenta con más de 10.000 jurisdicciones electorales. Cada una puede involucrar a funcionarios, procedimientos, métodos de votación y recursos locales diferentes.
Un chatbot parece idóneo para esa complejidad. Puede buscar en varias páginas, resumir las normas y adaptar una respuesta a la ubicación de un votante.
Los resultados de ISD muestran por qué este aparente encaje también es una trampa. Cuanto más específica se vuelve la pregunta, más perjudicial puede resultar una salvedad ausente.
Los modelos de lenguaje generan respuestas al predecir texto a partir de patrones e información recuperada. No comprenden de forma inherente qué detalle omitido invalidará una inscripción o una papeleta.
El acceso web debería reducir las respuestas desactualizadas, pero no garantiza una recuperación fiable. Un modelo puede encontrar una página antigua, malinterpretar una actual o combinar normas de jurisdicciones diferentes.
Según se informó, V4 Pro de DeepSeek hizo referencia a fechas electorales de 2024 en 15 respuestas a preguntas sobre las elecciones de 2026. Sonnet 4.6 de Anthropic describió tres veces la elección actual como el ciclo de 2025.
Muse Spark de Meta dio dos veces una fecha electoral incorrecta, al identificar el 4 de noviembre en lugar del 3 de noviembre. No se trataba de una sutileza legal oculta. Era un hecho básico del calendario.
Estos fallos presionan a todas las empresas que ofrecen asistentes conectados a la búsqueda. La promesa del producto se extiende cada vez más allá de la redacción creativa hacia la síntesis factual, la investigación y el apoyo a decisiones personales.
La información electoral deja al descubierto la debilidad de esa promesa. Una respuesta pulida puede condensar varias fuentes mientras oculta qué frase procede de qué autoridad.
El usuario se enfrenta entonces a un riesgo asimétrico. Aceptar una respuesta correcta ahorra varios minutos. Aceptar una respuesta segura de sí misma pero incompleta puede afectar la inscripción, el acceso al centro de votación o la validez de la papeleta.
El riesgo es especialmente relevante porque el uso de chatbots ya es generalizado. Una encuesta sobre uso de IA de 2026 concluyó que el 49% de los adultos hispanos utilizaba chatbots al menos ocasionalmente.
La encuesta detectó uso diario entre el 26% de los adultos hispanos, frente al 24% de todos los adultos estadounidenses. Estas cifras abarcan el uso general de chatbots, no específicamente las preguntas electorales.
ISD también señaló que relativamente pocos votantes buscan conscientemente información política a través de chatbots. Sin embargo, los usuarios encuentran cada vez más resúmenes de IA dentro de productos de búsqueda, navegadores y herramientas de productividad.
Esa exposición indirecta eleva lo que está en juego. Alguien no necesita abrir un chatbot dedicado y solicitar consejo electoral para recibir una explicación generada por IA sobre las normas de votación.
Una mejor refutación no corrigió los errores electorales rutinarios
En general, los sistemas resistieron las falsedades introducidas deliberadamente, pero aun así gestionaron mal preguntas comunes que los votantes tenían más probabilidades de formular.
Los prompts adversariales de ISD incluían afirmaciones falsas o controvertidas. Solo el 1,3% de las respuestas en inglés y el 2,3% de las respuestas en español mostraron una tendencia a confirmar o amplificar esas afirmaciones.
Ese es el resultado más alentador del estudio. Sugiere que las salvaguardas electorales pueden ayudar a los modelos a rechazar narrativas conocidas sobre fraude o controversias previamente desmentidas.
El mejor rendimiento también indica que las empresas han invertido en reconocer consultas electorales polémicas. Varios desarrolladores han introducido políticas, ajustes de seguridad o referencias a recursos de votación confiables.
Sin embargo, esas protecciones se centran en una categoría visible de daño. Una consulta que alega fraude masivo indica claramente que el modelo debería actuar con cautela, cuestionar la premisa o consultar fuentes verificadas.
Las preguntas habituales podrían no activar las mismas salvaguardas. Preguntar dónde registrarse o si se requiere identificación parece inofensivo, incluso cuando una respuesta incompleta tiene consecuencias directas.
Esto produce una inversión reveladora. Los chatbots a menudo gestionaron mejor premisas deliberadamente engañosas que solicitudes procedimentales cotidianas.
El resultado cuestiona una definición estrecha de la desinformación electoral. El daño no requiere una campaña de influencia coordinada ni una conspiración inventada.
Un plazo antiguo puede inducir a error. Una excepción de elegibilidad omitida puede inducir a error. Una respuesta que menciona una norma estatal general sin explicar la administración local también puede inducir a error.
La guía oficial sobre IA de la Comisión de Asistencia Electoral deja clara esta distinción. Advierte que la información plausible generada por IA suele ser inexacta y puede ser especialmente perjudicial para los votantes.
Los resultados de las fuentes del estudio ayudan a explicar los fallos. La información electoral oficial está repartida entre sitios web de secretarios de Estado, páginas de condados, decisiones judiciales, actualizaciones legislativas y documentos de asistencia al votante.
Algunos de esos recursos se actualizan con frecuencia. Otros permanecen en línea después del ciclo electoral correspondiente, creando un entorno de recuperación en el que la orientación antigua y la actual pueden parecer igual de autorizadas.
El problema empeora en español. Las traducciones autorizadas pueden aparecer más tarde, cubrir menos preguntas o utilizar un lenguaje que varía entre jurisdicciones y comunidades.
Por ello, un chatbot puede recuperar una página correcta en inglés sin encontrar un recurso equivalente en español. Puede traducir por sí mismo el contenido en inglés, resumir una página menos autorizada o responder sin citas.
Max Read, director de innovación cívica de ISD, describió a los chatbots como herramientas que a veces ofrecen más de lo que los usuarios solicitaron. Su elaboración confiada puede distorsionar la información mientras parece útil.
Esa tendencia es conocida en los productos de IA generativa. Los modelos están optimizados para responder, no simplemente para declarar que una fuente oficial debería tomar la decisión.
Para las preguntas electorales, la prudencia puede ser la capacidad más segura. Un sistema responsable debería reconocer cuándo las normas locales, los litigios o la falta de contexto impiden una respuesta definitiva.
El punto de referencia tiene límites, pero la advertencia los supera
El estudio es una instantánea significativa, no una clasificación permanente de las empresas de IA ni una simulación completa del uso que los consumidores hacen de los chatbots.
La mayoría de los modelos se probaron mediante OpenRouter e interfaces de programación de aplicaciones, o API. Una API permite que el software envíe consultas directamente a un modelo sin utilizar su interfaz habitual para consumidores.
Muse Spark de Meta se probó a través de su portal público porque los investigadores no tenían acceso a su API. Esa diferencia complica las comparaciones directas entre Meta y los demás desarrolladores.
Las aplicaciones de consumo pueden añadir instrucciones de sistema, herramientas de búsqueda, advertencias específicas sobre elecciones y filtros de seguridad alrededor del modelo subyacente. Una respuesta de API podría no incluir las mismas protecciones.
Anthropic subrayó esta limitación en su respuesta a los reportajes sobre el estudio. La empresa afirmó que la configuración de API de terceros no reflejaba cómo la mayoría de las personas utiliza Claude ni incluía su función de información electoral para consumidores.
La objeción es razonable. Un punto de referencia de modelos no debería convertirse automáticamente en un punto de referencia de productos cuando el producto aplica capas adicionales de recuperación y seguridad.
Sin embargo, la limitación no invalida el hallazgo más amplio. Los desarrolladores utilizan las API para crear servicios con los que las personas interactúan a través de otros sitios web y aplicaciones.
El estudio también probó cada pregunta adaptada solo una vez por modelo. Los modelos de lenguaje pueden producir respuestas diferentes cuando se repite una consulta, incluso sin un cambio evidente en el producto.
Por tanto, una respuesta no puede establecer la tasa de fallos estable de un modelo para cada usuario. Una prueba longitudinal más sólida repetiría las consultas a lo largo del tiempo, en distintas interfaces y bajo condiciones controladas de cuenta.
Los modelos también han cambiado desde junio. Varias empresas lanzaron actualizaciones antes de que apareciera el informe, por lo que las clasificaciones exactas podrían ya ser diferentes.
Estas limitaciones importan más al comparar desarrolladores individuales. Importan menos para la conclusión central de que los seis sistemas probados produjeron fallos en información electoral.
Por ello, el estudio debe leerse como una prueba de estrés de un canal de información, no como una tabla de posiciones definitiva. La puntuación líder de GPT-5.5 no certifica cada respuesta de ChatGPT.
Del mismo modo, la baja puntuación de Muse Spark no demuestra que cada interfaz de Meta AI tendrá un rendimiento idéntico. Muestra que el sistema evaluado falló con frecuencia en las condiciones registradas.
La evidencia histórica refuerza esa interpretación. A principios de 2024, funcionarios electorales e investigadores probaron cinco modelos anteriores y calificaron como inexactas más de la mitad de sus respuestas.
Los participantes en aquella anterior prueba de chatbots electorales clasificaron el 40% de las respuestas como perjudiciales. Algunos sistemas inventaron centros de votación o se basaron en información desactualizada.
El estudio más reciente de ISD sobre chatbots y elecciones indica mejoras en varias áreas, especialmente en la resistencia a falsedades introducidas deliberadamente. También muestra que la fiabilidad procedimental sigue sin resolverse.
Ese es el equilibrio adecuado. La evidencia no respalda afirmar que los chatbots siempre desinforman a los votantes. Tampoco respalda tratar a los asistentes actuales como funcionarios electorales autorizados.
Qué deben vigilar los votantes y las empresas de IA
Tres señales mostrarán si la brecha lingüística se está reduciendo: pruebas públicas repetidas, fuentes oficiales más sólidas y paridad medible entre productos de consumo.
La primera señal es una evaluación repetida antes de las elecciones del 3 de noviembre. Los investigadores deberían volver a ejecutar consultas idénticas en varias fechas porque tanto las normas electorales como el comportamiento de los modelos cambian.
Las pruebas repetidas revelarían si las respuestas incorrectas persisten o desaparecen después de que los desarrolladores actualicen sus sistemas. También separarían la variación aleatoria de las debilidades sistemáticas.
La segunda señal es la calidad de las citas. Una respuesta útil debería dirigir a los votantes a la autoridad estatal o local correcta, no limitarse a adjuntar varios enlaces.
Las fuentes oficiales también deben estar actualizadas y ser adecuadas para el idioma. Una respuesta en español debería conectar a los usuarios con orientación en español cuando ese recurso exista.
La Comisión de Asistencia Electoral mantiene preguntas frecuentes multilingües para votantes y dirige a los votantes hacia sitios web electorales estatales y territoriales. Esos destinos oficiales deben seguir siendo la autoridad final para plazos, requisitos de identificación y lugares de votación.
La tercera señal es la paridad dentro de las interfaces de consumo. Las empresas deberían probar los productos completos que las personas utilizan realmente, incluidas las instrucciones del sistema, la recuperación web, los avisos de seguridad y las funciones de ubicación.
Publicar puntuaciones de precisión solo en inglés no revelará si los usuarios de español reciben el mismo nivel de detalle. Los desarrolladores necesitan métricas específicas por idioma para evaluar corrección, integridad, actualidad y citas autorizadas.
Las empresas han ofrecido respuestas diferentes. Meta afirma que su asistente está diseñado para proporcionar información localizada o dirigir a los usuarios hacia fuentes gubernamentales confiables.
Google afirma que mejora continuamente la capacidad de Gemini para ofrecer respuestas oportunas y precisas en distintos idiomas. Anthropic afirma que Claude está diseñado para responder con precisión a preguntas sobre votación y cuestionar afirmaciones falsas.
OpenAI y Anthropic también han anunciado trabajo conjunto con Democracy Works, una organización sin fines de lucro proveedora de información electoral. Estas alianzas pueden mejorar la recuperación de información, pero su eficacia requiere pruebas independientes.
El estudio de ISD sobre chatbots y elecciones establece una base práctica para ese escrutinio. La cuestión no es si un modelo gana un punto de referencia por varios puntos porcentuales.
La verdadera prueba es si un votante puede actuar basándose en una respuesta sin descubrir que una fecha omitida, una excepción local o un error de traducción cambió su significado.
Por ahora, los usuarios deberían considerar los chatbots como puntos de partida para formular preguntas, no como autoridades finales sobre los procedimientos de votación. Verifique cada respuesta que implique una acción con una oficina electoral estatal o local. Si una respuesta carece de una fuente oficial actual, pida al sistema una e inspecciónela directamente. Mientras tanto, las empresas de IA deberían publicar evaluaciones bilingües repetidas en lugar de depender de afirmaciones generales sobre la calidad multilingüe. Los funcionarios electorales pueden ayudar manteniendo orientaciones actuales y fáciles de buscar tanto en inglés como en español. Antes de las elecciones de mitad de mandato, la pregunta decisiva es simple: ¿mostrarán las pruebas independientes y repetidas que los votantes hispanohablantes finalmente reciben la misma orientación completa y documentada que los votantes angloparlantes?
