El gasto en IA de las campañas estadounidenses alcanzó los 17 millones de dólares, pero las declaraciones revelan solo una parte de la historia
El gasto en IA de las campañas estadounidenses ha alcanzado al menos 17 millones de dólares entre 523 candidatos y comités federales desde 2020. Sin embargo, esa cifra revela un conflicto, no un recuento completo. La inteligencia artificial ha entrado en las operaciones rutinarias de las campañas, mientras los candidatos siguen siendo reacios a decir a los votantes exactamente cómo la utilizan.
Los registros de gasto muestran suscripciones para personal, servicios de investigación, mensajería automatizada, análisis de donantes y plataformas de interacción con votantes. También revelan diferencias partidistas en la selección de proveedores. Sin embargo, los pagos más visibles representan únicamente las transacciones que las campañas declararon directamente bajo nombres reconocibles de proveedores.
Esa distinción importa antes de las elecciones legislativas de 2026. ChatGPT y Claude atraen la atención pública, pero las plataformas políticas especializadas reciben mucho más dinero de las campañas. Mientras tanto, los consultores pueden utilizar IA generativa entre bastidores sin mencionar la herramienta subyacente en las declaraciones federales.
El resultado es una inusual brecha de transparencia. Las campañas dependen cada vez más de la automatización, pero los votantes a menudo no ven ni el software ni las decisiones humanas que lo gobiernan.
Qué mide realmente el gasto en IA de las campañas estadounidenses
La cifra de 17 millones de dólares se entiende mejor como un mínimo documentado, no como una estimación completa del uso de IA en la política.
Nathan E. Sanders y Bruce Schneier analizaron gastos desglosados de la Comisión Federal Electoral que se remontan a 2020. Sus conclusiones publicadas identifican pagos a proveedores de IA de 523 candidatos federales y comités políticos.
El panel de gasto de campañas subyacente compara nombres de beneficiarios, descripciones de gastos, propósitos y texto de memorandos con una taxonomía de proveedores investigada. Cubre sistemas de uso general y herramientas creadas específicamente para campañas políticas.
Esa metodología captura un pago cuando un comité nombra a OpenAI, Anthropic, Daisychain, Campaign Nucleus u otro proveedor identificado. No detecta todos los casos en que el trabajo de campaña involucra IA.
Una firma de consultoría podría utilizar un modelo de lenguaje para redactar variantes de correos electrónicos, analizar respuestas de encuestas o crear textos publicitarios. El informe de la campaña podría nombrar únicamente a la firma de consultoría. El proveedor de IA permanecería invisible en el registro público.
El mismo problema aparece cuando las campañas compran servicios agrupados. Una agencia digital puede combinar trabajo del personal, software, publicidad y análisis de datos en una sola factura. Los informes federales, por lo general, no exigen que la agencia enumere a cada subcontratista o aplicación involucrada.
Por tanto, los pagos directos responden a una pregunta limitada: ¿qué proveedores identificables de IA recibieron dinero de campañas declarado? No pueden responder plenamente con qué frecuencia la IA intervino en el contenido de las campañas, la segmentación, la recaudación de fondos o la estrategia.
Los registros también combinan tecnologías de distintas épocas. Algunos proveedores vendían mensajería automatizada o interacción basada en datos antes de que la IA generativa moderna estuviera ampliamente disponible. Otros centran sus productos en modelos más recientes de lenguaje, imagen o voz.
Esa diferencia explica por qué el total es mucho mayor que el importe pagado directamente a las conocidas empresas de chatbots. Los mayores gastos suelen implicar plataformas operativas diseñadas para campañas, no suscripciones individuales a ChatGPT.
Los registros de gasto de la FEC siguen siendo la fuente esencial. Identifican receptores, importes, fechas y propósitos declarados para los gastos cubiertos. No fueron diseñados para auditar cada tecnología dentro de un flujo de trabajo político.
Esta limitación no hace que los hallazgos sean menos valiosos. Hace que su significado sea más preciso. Los datos ofrecen el umbral más claro disponible para la adopción de IA en campañas, al tiempo que muestran dónde las normas actuales de divulgación pierden visibilidad.
El momento también es importante. Gran parte del gasto del ciclo electoral de 2026 ocurrirá cerca del día de las elecciones. Los informes adicionales modificarán los totales por proveedor, los recuentos de comités y la distribución entre suscripciones directas y servicios especializados.
El gasto actual en IA de las campañas estadounidenses ya muestra que la tecnología ha superado los experimentos aislados. Lo que sigue siendo incierto es cuánta actividad ocurre detrás de proveedores cuyos nombres nunca indican el uso de IA.
ChatGPT y Claude se están convirtiendo en software de oficina para campañas
Los chatbots de uso general parecen estar entrando en las campañas como herramientas ordinarias de productividad, incluso cuando sus usos políticos siguen restringidos.
Al menos 80 campañas y comités federales declararon pagos a OpenAI desde 2024, según el análisis. Su gasto divulgado combinado fue de unos 50.000 dólares.
El Comité Nacional Republicano fue el mayor comprador organizacional declarado, con gastos cercanos a los 10.000 dólares. Entre los usuarios individuales figuraban campañas asociadas con Mike Lawler, John Kennedy, Bill Cassidy, Ro Khanna y Ted Lieu.
La mayoría de las entradas describían gastos de oficina, suscripciones para el personal, investigación o propósitos administrativos similares. Esas etiquetas sugieren que ChatGPT suele tratarse como software de trabajo, no como una plataforma de persuasión específica.
Sin embargo, una etiqueta de suscripción no puede revelar qué introdujeron los miembros del personal en el sistema. La investigación, la programación, la síntesis, el desarrollo de mensajes y la publicidad pueden comenzar desde la misma interfaz.
Una revisión independiente de declaraciones de campañas identificó a 39 candidatos al Congreso que declararon pagos a OpenAI durante el ciclo actual. Dos presentaciones relacionaron explícitamente las suscripciones con la publicidad.
OpenAI afirma que las campañas pueden utilizar sus herramientas para trabajo interno responsable y dirigido por personas. Sus políticas restringen la persuasión política dirigida y varias actividades orientadas a los votantes.
Esos límites crean un problema operativo. Un modelo puede ayudar a investigar una propuesta educativa, pero rechazar una solicitud para promover esa propuesta ante un grupo demográfico seleccionado. La aplicación de las normas también puede depender de cómo un usuario formule la solicitud.
Consultores políticos dijeron a la publicación que las campañas utilizan habitualmente IA para correos electrónicos, guiones y textos publicitarios. También sostuvieron que los candidatos tienen pocos incentivos para publicitar ese hecho.
Anthropic ha desarrollado una presencia política comparable mucho más rápidamente. Al menos 65 candidatos o comités declararon pagos al creador de Claude durante 2026, tras casi ninguna actividad divulgada en ciclos anteriores.
Los clientes declarados se inclinaron hacia los demócratas por casi dos a uno. Aun así, el mayor usuario individual fue la campaña del senador republicano Tom Cotton, que declaró más de 4.000 dólares en gasto con Anthropic durante junio.
Otros usuarios destacados de Claude incluyeron a Seth Bodnar, Jason Knapp y Mary Peltola. Sus diversas afiliaciones muestran que la adopción de proveedores no sigue una frontera partidista perfecta.
Solo alrededor del 12 por ciento de los comités que pagaron a OpenAI o Anthropic declararon gastos con ambas empresas. La mayoría parecía estandarizarse en un único asistente de uso general.
Ese patrón puede reflejar preferencias del personal, integraciones de software existentes, decisiones de seguridad o hábitos institucionales. Las declaraciones no pueden establecer que la ideología política sea la causa.
xAI, de Elon Musk, mostró una base de clientes más pequeña y más republicana. Siete candidatos o comités federales y dos de nivel estatal declararon aproximadamente 5.000 dólares en pagos combinados.
La mayor parte de ese importe procedía de la campaña presidencial de Robert F. Kennedy Jr. de 2024. Otros clientes declarados incluyeron a los republicanos Dave McCormick y Thomas Massie.
Estos totales de chatbots siguen siendo modestos frente a los presupuestos tecnológicos más amplios de las grandes organizaciones políticas. Su relevancia proviene de la adopción, no del volumen en dólares.
Una vez que una campaña da al personal acceso rutinario a un modelo, ese sistema puede influir en la investigación, la planificación interna, los borradores de recaudación de fondos y la revisión de contenido. El coste de la suscripción dice poco sobre el volumen del trabajo resultante.
Por eso las herramientas de IA para campañas se parecen a infraestructura de oficina. Su influencia depende de la frecuencia con que el personal las utiliza y de la revisión humana que rodea sus resultados, no simplemente de lo que muestra la factura mensual.
Los proveedores de IA política captan los presupuestos más grandes
Los mayores gastos declarados se destinan al contacto con votantes y las operaciones de campaña, no a imágenes sintéticas ni licencias de chatbots.
AmplifAI ilustra esa diferencia. El proveedor de mensajería automatizada recibió alrededor de 4,7 millones de dólares en gasto de campañas solo durante el ciclo de 2022.
Entre sus clientes figuraban campañas demócratas asociadas con Mark Kelly, Joe Biden, Bernie Sanders y Adam Schiff. El gasto declarado disminuyó posteriormente después de que AmplifAI pasara a formar parte de Triller.
La mensajería automatizada es anterior al actual auge de la IA generativa. Aun así, cumple una función política central: llegar a grandes listas de votantes con comunicaciones adaptables a un coste marginal relativamente bajo.
Daisychain se ha convertido en una opción más reciente, alineada con los demócratas, para la mensajería de texto asistida por IA. Los comités de candidatos declararon alrededor de 300.000 dólares en gasto con Daisychain durante el ciclo de 2026, frente a aproximadamente 50.000 dólares durante 2024.
Más de la mitad del gasto de candidatos de 2026 procedía de la campaña al Senado de Michigan de Abdul El-Sayed. Esa concentración muestra por qué los totales siempre deben considerarse junto con el número de clientes.
Unas pocas campañas pueden hacer que un proveedor parezca ampliamente dominante cuando un comité genera la mayor parte de los ingresos. Los recuentos de comités revelan la amplitud de la adopción, mientras que los dólares muestran la intensidad.
Campaign Nucleus ocupa una posición relacionada dentro de la política republicana. La plataforma está asociada con Brad Parscale, quien dirigió la campaña de reelección de Donald Trump en 2020 antes de dejar ese cargo.
El Comité Nacional Republicano y varios comités de acción política alineados con Trump declararon gasto de seis cifras con Campaign Nucleus. Mike Johnson, Kari Lake y otras figuras políticas registraron pagos de cinco cifras.
Su crecimiento también crea presión para los proveedores establecidos. Prompt.io mantuvo alrededor de 375.000 dólares en gasto declarado en 2026, frente a más de 500.000 dólares durante el ciclo de 2022.
Una organización complica esa tendencia. A More Affordable California, un comité de acción política patrocinado por Uber, declaró gastar más de 1 millón de dólares con Prompt.io durante 2026.
La comparación revela cómo los partidos desarrollan distintas pilas tecnológicas. Las campañas demócratas han concentrado un gasto notable en mensajería alrededor de Daisychain, mientras que las organizaciones republicanas han adoptado Campaign Nucleus y Prompt.io.
No son simplemente versiones partidistas del mismo chatbot. Combinan datos de campaña, sistemas de contacto, mensajería y funciones de flujo de trabajo destinadas a organizaciones políticas.
Esa especialización puede importar más que la calidad del modelo. Las campañas operan bajo plazos, requisitos de cumplimiento y procesos complejos de aprobación. Una herramienta diseñada en torno a esas limitaciones puede atraer más gasto que un asistente de uso general.
Las declaraciones estatales refuerzan la dirección de esta tendencia. En California, Colorado, Massachusetts y Washington, los investigadores identificaron al menos 92.000 dólares en gasto de IA generativa moderna con coincidencias fiables desde 2022.
Los pagos procedían de al menos 108 candidatos y comités. El gasto estatal declarado durante 2026 ya era aproximadamente diez veces el importe identificado para todo 2024.
Daisychain lideró la categoría de proveedores especializados en esos estados. OpenAI y Anthropic encabezaron el grupo de proveedores de uso general.
DonorAtlas también apareció de forma destacada. El sistema permite investigar a posibles donantes, y el Partido Demócrata de California declaró casi 4.000 dólares en pagos a la empresa.
Estas cifras muestran dónde la IA genera valor operativo inmediato. Las campañas necesitan identificar a sus simpatizantes, priorizar los contactos, redactar mensajes y mantener una comunicación reiterada a través de varios canales.
La automatización promete un mayor volumen de mensajes y una iteración más rápida. También brinda a los equipos más pequeños acceso a capacidades analíticas y de producción antes reservadas para organizaciones más grandes.
Esa ventaja presiona a los competidores para adoptar herramientas similares. Una campaña que rechace la IA por principios puede enfrentarse a un rival que produzca más variantes de recaudación de fondos, resúmenes de investigación y mensajes para votantes con el mismo personal.
La contienda resultante no es simplemente la de estrategas humanos contra máquinas. Es una organización de campaña contra otra, con ambos lados tomando decisiones distintas sobre automatización, revisión y divulgación.
El debate sobre los deepfakes pasa por alto la mayoría de las herramientas de IA para campañas
Los medios sintéticos acaparan la atención pública, pero el gasto declarado sugiere que formas más discretas de automatización ya están mucho más integradas.
Solo seis candidatos o comités federales declararon gastos con ElevenLabs, proveedor de tecnología de voz sintética. Sus desembolsos combinados fueron de aproximadamente 1.400 dólares.
El candidato independiente al Congreso Samir Witta representó la mayor proporción declarada. Cinco campañas o comités federales reportaron pagos a Midjourney por un total de unos 1.600 dólares.
Sholdon Daniels, candidato republicano en Texas, encabezó ese pequeño grupo. En los cuatro estados analizados, el gasto combinado en ElevenLabs y Midjourney se mantuvo por debajo de los 100 dólares.
Estas cifras parecen tranquilizadoras hasta compararlas con la publicidad política observada. El Wesleyan Media Project identificó al menos 164 anuncios políticos con medios generados o mejorados por IA durante el ciclo actual.
Esos anuncios estuvieron asociados con al menos 80 millones de dólares en gasto de difusión. El sesenta y nueve por ciento carecía de una divulgación que identificara el uso de IA, según una revisión de publicidad con IA.
Las dos mediciones describen cosas distintas. Un pago a un proveedor registra lo que un comité compró directamente. El gasto publicitario recoge el dinero utilizado para distribuir medios terminados, independientemente de cómo se produjeran.
Las cifras no pueden sumarse como un único total de gasto en IA. Sin embargo, su divergencia revela cuánta actividad de producción desaparece detrás de agencias, consultores y compradores de medios.
Una campaña puede pagar a una empresa publicitaria para crear y difundir un video. Si esa empresa utiliza un generador de imágenes, un modelo de voz o un asistente de edición, la declaración de la campaña puede seguir mencionando únicamente a la empresa publicitaria.
Los grupos independientes crean otro punto ciego. Los Super PAC y organizaciones relacionadas pueden gastar en favor de un candidato sin coordinarse con la campaña. Sus subcontratistas pueden usar IA sin revelar esas herramientas en informes detallados.
Esto ayuda a explicar por qué los pagos directos por medios sintéticos parecen mínimos mientras los anuncios asistidos por IA siguen siendo visibles. El costo de creación puede estar incluido en un paquete, ser indirecto o resultar insignificante frente al costo de distribución.
Centrarse exclusivamente en los deepfakes también estrecha demasiado el debate sobre políticas públicas. El video engañoso es importante, pero las campañas pueden influir en los votantes sin suplantar a nadie.
Los sistemas generativos pueden crear miles de variantes de titulares, mensajes de recaudación de fondos o guiones específicos para cada audiencia. Las herramientas predictivas pueden clasificar a donantes y votantes. Las plataformas de mensajería pueden automatizar seguimientos a gran escala.
Estas aplicaciones son menos llamativas que un video fabricado de un candidato. También pueden volverse más trascendentes porque las campañas las despliegan repetidamente durante todo un ciclo electoral.
La personalización plantea un problema adicional de transparencia. La publicidad televisiva ofrece el mismo mensaje a muchos votantes. Los sistemas digitales automatizados pueden entregar argumentos distintos a segmentos de audiencia más pequeños.
A los observadores puede resultarles difícil comparar esos mensajes o identificar contradicciones. Los periodistas y los adversarios no pueden auditar fácilmente comunicaciones que aparecen brevemente en feeds privados o conversaciones por texto.
Por lo tanto, el riesgo central no es una falsificación convincente. Es un sistema de comunicación en expansión que produce, prueba y distribuye mensajes políticos más rápido de lo que los observadores externos pueden examinarlos.
Las leyes sobre publicidad política con IA suelen concentrarse en etiquetas para imágenes, audio o video sintéticos. Esas normas abordan el engaño, pero pueden dejar prácticamente intactas la persuasión automatizada y la segmentación individualizada.
Las campañas también afrontan incertidumbre sobre las políticas de los proveedores. OpenAI y otros proveedores restringen ciertos usos políticos, aunque los consultores pueden pasar de un producto a otro o acceder a modelos mediante intermediarios.
La negativa de un chatbot no establece una salvaguarda para todo el sector. En cambio, puede redirigir el trabajo hacia un producto menos restrictivo, un modelo abierto o un contratista externo.
La cuestión de la aplicación se vuelve más difícil cuando una campaña afirma que un humano aprobó el resultado final. La revisión humana puede reducir los errores factuales, pero no resuelve las preocupaciones sobre segmentación, divulgación o volumen de mensajes.
Aquí es donde se separan el debate público y la realidad operativa. Los votantes temen las falsificaciones reconocibles, mientras las campañas obtienen ventajas más amplias de la automatización cotidiana que sigue siendo difícil de observar.
Los candidatos se benefician de la IA mientras guardan silencio al respecto
Las campañas enfrentan una disyuntiva política sencilla: la IA puede mejorar la productividad, pero admitir su uso puede reducir la confianza de los votantes.
Una encuesta de Pew de septiembre de 2025 reveló que más del 70 por ciento de los estadounidenses tendría una opinión menos favorable de un candidato que utilizara IA para ayudar a redactar un discurso. Esa respuesta da a las campañas una razón sólida para describir sus herramientas de forma vaga.
Las etiquetas de gastos de oficina son técnicamente plausibles. También revelan poco sobre si la IA influyó en el lenguaje que finalmente llegó a los votantes.
Las campañas pueden distinguir entre investigación interna y autoría final. Un modelo podría resumir material de contexto antes de que un miembro del equipo redacte el discurso. Otro equipo podría pedirle un borrador completo y luego editar el resultado.
Ambas campañas podrían declarar el mismo gasto de suscripción. Su dependencia del sistema sería sustancialmente distinta.
Las organizaciones políticas también tienen incentivos para no ceder una ventaja táctica. Explicar públicamente un proceso de automatización podría ayudar a los adversarios a reproducirlo, criticarlo o buscar errores.
Por ello, los candidatos hablan de eficiencia en términos generales. Rara vez publican registros de prompts, resultados de modelos, procedimientos de revisión o listas de materiales dirigidos a los votantes desarrollados con ayuda de IA.
El silencio dificulta una rendición de cuentas significativa. Un registro de gasto indica a los votantes que existió una relación, pero no qué datos ingresaron al sistema ni qué decisiones surgieron de él.
La información confidencial plantea otra preocupación. Las campañas poseen registros de donantes, datos de contacto de votantes, investigación interna, documentos estratégicos y material político no publicado.
Cargar esa información en un servicio externo puede crear riesgos de privacidad y seguridad. El nivel de riesgo depende de los términos del proveedor, la configuración de la cuenta, los ajustes de retención y el comportamiento del personal.
La precisión sigue siendo una cuestión aparte. Los modelos de lenguaje pueden producir afirmaciones incorrectas, citas inventadas o resúmenes engañosos. Una campaña apresurada puede difundir un error antes de que un revisor lo detecte.
El sesgo también puede introducirse mediante datos de entrenamiento, prompts, modelos de segmentación y supuestos humanos. El contenido automatizado puede repetir estereotipos o pasar por alto a votantes mal representados en la información subyacente.
Ninguno de estos problemas implica que las campañas abandonarán la tecnología. La presión competitiva empuja en la dirección opuesta.
Una encuesta del sector citada en la cobertura periodística indicó que el 57 por ciento de los consultores políticos usaba IA a diario, frente al 34 por ciento un año antes. Esa tasa de adopción hace que evitarla sea cada vez más costoso.
La contienda práctica se está convirtiendo en adopción responsable frente a adopción opaca. Las campañas utilizarán los sistemas disponibles, pero pueden diferir enormemente en gobernanza y explicación pública.
Un estándar creíble de divulgación podría separar la administración interna de la persuasión dirigida a votantes. También podría distinguir el contenido generativo de la analítica, la segmentación y la distribución automatizada.
Las categorías actuales de gastos no ofrecen esa claridad. Fueron creadas para seguir el dinero, no para documentar cómo el software influye en el discurso político.
La transparencia voluntaria sigue siendo posible. Las campañas podrían identificar a los proveedores aprobados, revelar los principales casos de uso y describir su proceso de revisión humana sin publicar estrategias sensibles.
También podrían conservar registros que mostraran qué materiales dirigidos a votantes involucraron sistemas generativos. Auditores independientes o reguladores podrían inspeccionar esos registros tras una disputa.
Sin embargo, la acción voluntaria entra en conflicto con los incentivos electorales. Un candidato que proporcione una divulgación detallada puede atraer críticas que un adversario más discreto evita.
Las reglas compartidas reducirían ese desequilibrio. También requerirían definiciones cuidadosas para evitar tratar la corrección ortográfica, el análisis de datos, los medios sintéticos y la persuasión segmentada como actividades equivalentes.
El desafío no es eliminar el software de las campañas. Es garantizar que los votantes puedan entender cuándo la comunicación política ha sido moldeada de manera sustancial por sistemas automatizados.
Tres señales que vigilar antes de las elecciones legislativas de 2026
La próxima fase se medirá mediante el crecimiento de las divulgaciones, la producción externalizada y la eficacia de las normas emergentes de transparencia.
La primera señal es la próxima ronda de declaraciones federales. Los investigadores deberían seguir si el gasto de las campañas estadounidenses en IA continúa concentrándose en proveedores políticos especializados o se desplaza hacia modelos de propósito general.
Un fuerte aumento en el número de comités que utilizan OpenAI y Anthropic sugeriría que el acceso a chatbots se está convirtiendo en infraestructura estándar de campaña. El crecimiento de Daisychain o Campaign Nucleus mostraría una inversión más profunda en el contacto automatizado con votantes.
La distinción entre número de clientes y dólares totales seguirá siendo importante. Un solo comité grande puede dominar los ingresos de un proveedor sin demostrar una adopción generalizada.
La segunda señal es la brecha entre los pagos directos a proveedores y la publicidad observable generada por IA. Esa brecha indicará cuánta actividad se canaliza a través de consultores y grupos independientes.
Más anuncios asistidos por IA sin gastos tecnológicos equivalentes reforzarían la idea de que las divulgaciones actuales no captan la mayoría de los flujos de trabajo de producción.
Los investigadores necesitarán archivos publicitarios, declaraciones de campaña y registros de proveedores para estudiar esa brecha. Ningún conjunto de datos único recoge las tres capas.
La tercera señal es si las leyes de divulgación cambian de forma significativa el comportamiento de las campañas. Más de 30 estados han adoptado restricciones o requisitos de etiquetado relacionados con deepfakes electorales.
Las primeras pruebas muestran divulgaciones inconsistentes incluso donde existen normas. Los recursos para hacerlas cumplir, las impugnaciones constitucionales y las definiciones legales estrechas pueden debilitar esas políticas.
Una etiqueta visible en medios sintéticos ayuda a los espectadores a evaluar un anuncio. No revela si la analítica, la personalización automatizada o el texto generativo moldearon la campaña en sentido más amplio.
Los reguladores federales también enfrentan límites jurisdiccionales y desacuerdos políticos. La FEC puede hacer cumplir las normas de financiación de campañas, pero no ha creado un sistema integral de informes para comunicaciones asistidas por IA.
La divulgación futura más útil podría surgir de combinar varios enfoques. Los registros financieros pueden identificar a los proveedores, las etiquetas de contenido pueden identificar los medios sintéticos y los archivos pueden preservar los mensajes segmentados.
Las políticas de los proveedores son otra señal crítica. Si los principales proveedores endurecen las restricciones políticas, las campañas pueden adoptar controles empresariales o migrar hacia modelos alternativos.
Si las restricciones siguen siendo inconsistentes, el personal y los consultores continuarán poniendo a prueba los límites. Una aplicación basada principalmente en rechazos de prompts ofrecerá garantías limitadas.
Los votantes también deberían observar cómo las campañas explican los errores. Una alucinación corregida, una imagen engañosa o un mensaje no autorizado pueden revelar si una organización cuenta con procedimientos de revisión significativos.
Los 17 millones de dólares declarados ya establecen que la IA forma parte de la infraestructura de las campañas estadounidenses. No demuestran la eficacia de la tecnología ni revelan toda su influencia.
La pregunta esencial ya no es si las campañas utilizan IA. Es si los votantes, los organismos de vigilancia y los reguladores pueden ver suficiente de ese uso como para evaluar sus consecuencias.
Siga las próximas declaraciones, compárelas con los mensajes políticos que aparecen en público y pregunte a las campañas qué omiten las descripciones de sus gastos. El gasto en IA de las campañas estadounidenses importa más allí donde terminan los registros actuales.
