Le raccomandazioni elettorali di Grok favoriscono i Repubblicani, mentre GPT di OpenAI favorisce i Democratici

In uno studio che ha costretto entrambi i modelli a scegliere dei candidati, le raccomandazioni elettorali di Grok hanno favorito i Repubblicani, mentre GPT di OpenAI ha favorito i Democratici. La divisione riportata è stata netta: Grok ha scelto candidati Repubblicani nel 92% delle risposte e GPT ha scelto Democratici nel 97%. In quasi 500 competizioni elettorali, i modelli hanno concordato meno del 10% delle volte.

Questi risultati descrivono un test specifico, non ogni conversazione che le persone intrattengono con uno dei due chatbot. I ricercatori hanno utilizzato interfacce per sviluppatori con la ricerca web abilitata e hanno richiesto esplicitamente la scelta di un candidato. Le app per consumatori inizialmente hanno rifiutato di fornire raccomandazioni, un limite importante per comprendere cosa dimostrino i risultati.

La pressione ricade ora sui fornitori di modelli e sugli sviluppatori che offrono assistenza AI per la ricerca sugli affari pubblici. Il rifiuto di sostenere candidati affronta un comportamento visibile. Rimane una questione più difficile: se la selezione di temi e prove da parte del sistema orienti già gli utenti verso una conclusione preferita.

Cosa hanno effettivamente misurato le raccomandazioni elettorali di Grok

Lo studio ha misurato la selezione dei candidati sotto pressione a scegliere, con la ricerca online disponibile.

Convovo, uno studio di ricerca e progettazione sull'AI conversazionale guidato dal professore della Cornell Tapan Parikh, ha pubblicato l'esperimento attraverso il suo studio sulla scheda elettorale AI. La descrizione identifica i modelli testati come Grok 4.7 e GPT-6.1 Sol. L'ambito comprendeva le competizioni del 2026 per Camera, Senato e governatori.

I ricercatori hanno avuto accesso ai modelli tramite un'interfaccia di programmazione delle applicazioni, o API, che consente agli sviluppatori di collegare direttamente il software a un modello. Questo conta perché uno sviluppatore può fornire istruzioni e strumenti diversi dalla configurazione di un'applicazione per consumatori. Condividere una famiglia di modelli non garantisce un comportamento identico in questi ambienti.

Il prompt richiedeva un singolo candidato e scoraggiava le riserve. Si è trattato quindi di uno stress test dell'impegno: cosa accade quando un sistema deve trasformare informazioni elettorali in una raccomandazione? Non era una richiesta ordinaria di biografie dei candidati, procedure di voto o confronto tra posizioni politiche.

Questa distinzione dà valore all'esperimento, limitandone al contempo la portata. Un prompt deliberatamente esigente può far emergere tendenze che risposte più caute nascondono. Tuttavia, la frequenza di tali tendenze nel test non può descrivere automaticamente la loro frequenza nell'uso quotidiano.

Anche le percentuali riportate richiedono il denominatore corretto. Riguardano le risposte dei modelli nell'esperimento, non gli elettori, le conversazioni nell'intero servizio o i risultati elettorali. La quota di raccomandazioni non può indicare ai lettori quante persone abbiano ricevuto consigli simili o se qualcuno vi abbia agito di conseguenza.

Allo stesso modo, l'accordo tra i modelli misura la coerenza delle loro scelte. Non misura la correttezza. Le raccomandazioni politiche dipendono da priorità e giudizi, quindi il disaccordo richiede di esaminare le ragioni dietro ogni risposta.

Un confronto utile chiederebbe se i sistemi abbiano considerato prove equivalenti e dichiarato le proprie ipotesi. Un modello potrebbe dare priorità all'assistenza sanitaria, mentre un altro potrebbe enfatizzare la tassazione. Anche descrizioni accurate possono produrre raccomandazioni opposte quando i sistemi attribuiscono silenziosamente un'importanza diversa a tali questioni.

Il risultato centrale è quindi più circoscritto rispetto all'affermazione che uno dei chatbot possieda un'identità politica stabile. Nelle condizioni testate, i sistemi hanno ripetutamente selezionato partiti opposti. Spiegare questo schema richiede di separare il prompt, le prove disponibili, il comportamento del modello e le istruzioni del prodotto circostante.

Per i lettori che incontrano il titolo, questo confine è essenziale. Lo studio solleva una preoccupazione concreta sulle raccomandazioni automatizzate. Non stabilisce che ogni risposta di Grok favorisca i Repubblicani o che ogni risposta di GPT favorisca i Democratici.

La pressione raggiunge gli sviluppatori oltre le app chatbot

Gli sviluppatori devono valutare il comportamento prodotto dalle proprie applicazioni, incluso il modo in cui raccolgono e presentano le prove.

OpenAI ha dichiarato a TechCrunch che il test dell'API per sviluppatori non rappresenta la normale esperienza di ChatGPT. Questa distinzione dell'app per consumatori è rilevante per interpretare i risultati.

Uno sviluppatore che realizza un assistente per la ricerca elettorale non può presumere che il rifiuto di un chatbot per consumatori si trasferisca automaticamente. L'applicazione distribuita ha istruzioni, fonti di informazione e requisiti di output propri. Queste scelte determinano ciò che gli utenti incontrano effettivamente.

Si consideri un ipotetico servizio di informazione civica che chieda a un modello di confrontare i candidati e produrre una raccomandazione concisa. I suoi progettisti potrebbero voler ridurre il lavoro necessario per leggere programmi lunghi. Tuttavia, richiedere una scelta finale delega anche il compito di decidere quali priorità politiche meritino maggior peso.

È una decisione di prodotto con conseguenze editoriali. Se l'utente non ha fornito le proprie priorità, il sistema deve introdurre una qualche base per classificare i candidati. Il risultato può sembrare personale e autorevole, pur fondandosi su presupposti che l'utente non ha mai approvato.

Eliminare la raccomandazione cambierebbe quell'interazione, ma non risolverebbe ogni preoccupazione. Un confronto tra candidati necessita comunque di categorie, prove e un ordine di presentazione. Ciascuno può influenzare ciò che il lettore nota prima di raggiungere una conclusione esplicita.

Per gli acquirenti aziendali, la questione rilevante va oltre gli strumenti elettorali. Team per gli affari pubblici, analisti politici e dipartimenti di comunicazione usano l'AI per sintetizzare informazioni controverse. Una risposta può plasmare la loro comprensione attraverso selezione ed enfasi senza contenere un sostegno diretto.

È qui che il bias politico di Grok diventa una questione di valutazione anziché un argomento di branding. Gli acquirenti hanno bisogno di prove relative ai compiti che svolgono realmente. Un test elettorale a scelta forzata offre un segnale di allarme, mentre i loro flussi di lavoro di ricerca determinano l'esposizione pratica.

Gli sviluppatori affrontano anche un problema di comunicazione. Definire neutro uno strumento crea aspettative sul suo comportamento in un'ampia gamma di domande. Dimostrare la neutralità richiede più che mostrare che rifiuta la richiesta più diretta di scegliere un candidato.

Una promessa più valutabile descriverebbe ciò che l'applicazione fa: distingue i fatti dai giudizi, presenta prove pertinenti e identifica l'incertezza. Gli utenti possono esaminare questi comportamenti. Non possono ispezionare direttamente l'affermazione astratta secondo cui un sistema non abbia una prospettiva politica.

L'onere immediato è quindi condiviso. I fornitori devono spiegare i confini del comportamento dei modelli e i costruttori di applicazioni devono verificare le loro implementazioni. Nessuno dei due può rispondere pienamente della configurazione dell'altro.

Per gli utenti, l'implicazione pratica è la visibilità. Quando un assistente formula una raccomandazione, le sue priorità dovrebbero essere identificabili. Altrimenti, il sistema offre una conclusione lasciando fuori dalla conversazione la parte più consequenziale del proprio ragionamento.

La ricerca può plasmare la scelta prima che appaia la risposta

L'accesso alla ricerca web non rende, di per sé, una raccomandazione equilibrata o ben supportata.

La configurazione dello studio con ricerca abilitata crea un meccanismo che vale la pena esaminare: un modello contribuisce a determinare le prove che valuterà in seguito. Sceglie le query, incontra i risultati e seleziona il materiale per la sua risposta. Ogni fase può restringere la gamma di informazioni che raggiunge la risposta finale.

Questo processo è spesso chiamato retrieval, ovvero la raccolta di materiale esterno da utilizzare per generare una risposta. Il retrieval può migliorare l'accesso a informazioni aggiornate. Introduce anche interrogativi sulla copertura delle fonti, sulla formulazione delle query e sul fatto che affermazioni concorrenti ricevano un esame comparabile.

Si immagini un confronto tra candidati che inizi cercando proposte sull'assistenza sanitaria. Un altro inizia dall'applicazione delle norme sull'immigrazione. Entrambe le ricerche possono restituire fatti pertinenti, ma stabiliscono agende diverse prima che il modello valuti qualsiasi candidato.

Nessun argomento è intrinsecamente una scelta impropria. Il problema sorge quando il sistema presenta la propria agenda scelta come un riflesso ovvio o completo delle elezioni. Un utente che pone una domanda ampia non ha necessariamente autorizzato tale priorità.

Anche la diversità delle fonti richiede analoga cura. Una risposta contenente diversi link potrebbe comunque basarsi su materiale che condivide le stesse ipotesi o ripete lo stesso resoconto sottostante. Contare le citazioni non può stabilire che il sistema abbia esaminato una gamma significativa di prove.

L'errore opposto è richiedere un trattamento uguale per ogni affermazione. Un'affermazione ben supportata e un'accusa dimostrabilmente falsa non meritano uguale credibilità. Una ricerca equilibrata richiede standard probatori coerenti, anziché distribuire meccanicamente frasi favorevoli e sfavorevoli.

La ricerca elettorale indipendente illustra perché le fonti meritino scrutinio accanto all'accuratezza fattuale. Lo studio sulle informazioni per gli elettori di States United ha esaminato ChatGPT e Google AI in cicli di test tra la fine del 2025 e l'inizio del 2026. Ha rilevato miglioramenti nell'accuratezza fattuale insieme a problemi persistenti di completezza e di rinvio a fonti elettorali ufficiali.

Quella ricerca ha affrontato domande diverse rispetto all'esperimento di Convovo sulla scelta dei candidati. Ciononostante, identifica una debolezza correlata: una risposta può evitare errori fattuali distinti pur omettendo informazioni di cui l'utente ha bisogno. Accuratezza e adeguatezza sono proprietà separate.

Applicata a un confronto tra Grok e GPT, questa distinzione cambia ciò che i revisori dovrebbero ispezionare. L'etichetta finale del partito è solo un risultato. Il materiale più rivelatore include quali candidati sono apparsi, quali questioni hanno ricevuto attenzione e se le pagine citate supportavano il ragionamento dichiarato.

C'è anche un problema di feedback nel flusso di lavoro. Un modello che inizia con una cornice preferita potrebbe cercare prove a sostegno e poi interpretare quei risultati come conferma. Stabilire tale meccanismo richiede test controllati; un esito di parte da solo non può dimostrare che sia avvenuto.

La stessa cautela si applica alle spiegazioni commerciali. La presenza di un editore nei risultati di ricerca non stabilisce perché sia apparso. Le affermazioni secondo cui accordi di licenza, proprietà o istruzioni politiche abbiano causato una risposta richiedono prove che colleghino tali fattori al comportamento osservato.

La lezione delle raccomandazioni elettorali di Grok riguarda quindi l'intero percorso informativo. Un paragrafo finale rifinito può nascondere scelte precedenti che meritano esame. Valutare soltanto la risposta lascia la selezione delle prove in gran parte non esaminata.

Grok vs GPT non stabilisce chi abbia persuaso gli elettori

Uno schema di raccomandazioni è una prova dell'output del sistema, mentre la persuasione richiede prove sulle persone.

La distinzione conta perché il titolo invita a una conclusione più ampia di quella che l'esperimento può sostenere. Un modello può raccomandare ripetutamente un partito senza modificare la preferenza di alcun elettore. Al contrario, una risposta più sottile potrebbe influenzare un lettore senza mai nominare un candidato preferito.

Misurare la persuasione richiederebbe osservare come le persone rispondono in condizioni definite. I ricercatori dovrebbero distinguere le preferenze esistenti dai cambiamenti associati all’esposizione. I risultati a scelta forzata non forniscono questa misurazione.

Inoltre, non stabiliscono un effetto elettorale. Passare dalle risposte generate a cambiamenti nell’affluenza o nel sostegno a un candidato richiede ulteriori prove. La quota di raccomandazioni del modello non può sostituire questi passaggi mancanti.

Il prompt dell’esperimento crea un’altra limitazione. Scoraggiare le riserve mette alla prova il comportamento di un modello quando viene spinto verso la certezza. Molte domande di ricerca legittime richiedono riserve perché le prove sono incomplete, le priorità sono in conflitto o i candidati differiscono su più dimensioni.

Questo non rende il test irrilevante. I sistemi dovrebbero essere valutati in condizioni impegnative, comprese richieste che espongono tendenze indesiderabili. L’interpretazione deve semplicemente preservare la differenza tra uno stress test e un campione rappresentativo dell’uso ordinario.

Una valutazione solida esaminerebbe inoltre i rifiuti separatamente dalle raccomandazioni. Se un sistema rifiuta spesso, i casi a cui risponde potrebbero costituire un sottoinsieme selettivo. Riportare soltanto la distribuzione partitica tra le risposte può nascondere la frequenza con cui il modello ha rifiutato di scegliere.

Le prove ripetute sono importanti anche per un altro motivo. Le risposte generate possono variare e la stessa domanda può produrre formulazioni o conclusioni diverse. Un andamento stabile nelle ripetizioni sosterrebbe un’affermazione più forte rispetto a una risposta isolata, sebbene la stabilità non ne stabilirebbe comunque la causa.

I confronti tra prodotti introducono ulteriori complicazioni. Le applicazioni consumer possono includere istruzioni, funzionalità dell’interfaccia e configurazioni di strumenti che vanno oltre il modello sottostante. Descrivere i risultati di una configurazione come il carattere di un’intera azienda ignora tali distinzioni.

Anche lavori indipendenti mostrano perché la valutazione politica dovrebbe coprire più comportamenti. La ricerca sulla disinformazione elettorale del Brennan Center ha rilevato che i chatbot testati contrastavano le teorie del complotto sulle elezioni, pur commettendo errori fattuali o nelle citazioni. I risultati hanno inoltre individuato debolezze nelle salvaguardie contro la creazione di media elettorali ingannevoli.

Questi risultati non possono confermare né confutare le preferenze partitiche di Convovo. Riguardano compiti diversi. La loro rilevanza consiste nel fatto che un sistema può ottenere risultati relativamente buoni in un comportamento legato alle elezioni e risultati scarsi in un altro.

Per lo stesso motivo, una valutazione dei pregiudizi politici di Grok dovrebbe evitare di trattare un singolo punteggio come un verdetto completo. Selezione dei candidati, affidabilità fattuale, qualità delle fonti e resistenza alla disinformazione richiedono esami separati. Riunirli in un’unica etichetta politica rende le prove più difficili da interpretare.

La lettura più difendibile resta specifica. L’esperimento riportato rivela raccomandazioni nettamente divergenti in una configurazione definita. Offre un motivo per ulteriori indagini senza dimostrare manipolazione intenzionale, comportamento partitico universale o influenza misurabile sull’elettorato.

La neutralità richiede prove che i lettori possano esaminare

Il confronto significativo è tra un’affermazione di neutralità e le decisioni osservabili prese da un sistema.

Questa è la principale tensione alla base della storia. Rifiutarsi di sostenere candidati è visibile e facile da dimostrare. Dimostrare che risposte politiche più ampie applicano criteri coerenti è un compito più impegnativo.

Un sistema può rifiutarsi di dire chi una persona dovrebbe sostenere e al tempo stesso determinare quali questioni guidano la discussione. Può riassumere accuratamente i candidati omettendo una posizione rilevante. Può fornire citazioni apparentemente rassicuranti senza chiarirne le limitazioni.

Queste possibilità sono preoccupazioni analitiche, non conclusioni su ogni risposta di ciascuno dei due fornitori. Spiegano perché un’affermazione a livello di prodotto richiede prove a livello di compito. La portata delle prove dovrebbe corrispondere alla portata della promessa.

L’analisi dei pregiudizi politici di Brookings ha esaminato le risposte dei chatbot usando questionari politici e ha discusso i limiti della valutazione dell’orientamento politico. Il suo approccio differisce da un esperimento di raccomandazione sulla scheda elettorale, rafforzando l’importanza di dichiarare cosa misura effettivamente ciascuna valutazione.

Un questionario politico chiede a un sistema di scegliere tra posizioni astratte. Una raccomandazione su un candidato gli chiede di valutare persone, precedenti e informazioni attuali. Un accordo tra questi metodi sarebbe informativo, ma nessuno dei due spiega automaticamente l’altro.

La trasparenza dovrebbe quindi iniziare dalla progettazione della valutazione. I lettori devono conoscere la versione del modello testata, il prompt, gli strumenti disponibili e il modo in cui le risposte sono state classificate. Senza queste informazioni, una percentuale impressionante è difficile da valutare o riprodurre.

L’interpretazione richiede una trasparenza equivalente. I ricercatori dovrebbero distinguere le osservazioni dirette dalle spiegazioni proposte. Una distribuzione partitica è un’osservazione; un’affermazione sul processo interno che l’ha causata è un’inferenza separata.

Il pubblico beneficia inoltre della visibilità dei controesempi. Le risposte che si discostano dal modello dominante di un modello possono aiutare a identificare condizioni rilevanti. Nascondere questi casi dietro una percentuale aggregata rende più semplice un titolo diretto e più difficile comprendere il meccanismo.

Per gli sviluppatori, questo suggerisce una forma più ampia di responsabilità. Un assistente di ricerca dovrebbe rendere leggibile la fonte di un giudizio: priorità dell’utente, criteri documentati o una scelta interpretativa chiaramente identificata. Una classificazione non spiegata non dovrebbe ereditare l’autorità dei fatti su cui si basa.

I lavoratori della conoscenza possono applicare lo stesso principio quando conservano ricerche sull’IA. Mantenere le prove originali accanto ai riassunti generati rende più pratico il riesame successivo. Una base di conoscenza ricercabile può sostenere questo flusso di lavoro, sebbene la sola archiviazione non possa stabilire la qualità di una conclusione.

Lo standard rilevante è la tracciabilità, ovvero la capacità di ricondurre una risposta al materiale che la supporta. La tracciabilità non garantisce la neutralità, ma offre ai revisori qualcosa di concreto da esaminare. Rende inoltre più facili da contestare omissioni e salti logici non supportati.

Le raccomandazioni elettorali di Grok sottopongono questo standard a pressione perché gli esiti contrapposti sono così facili da riconoscere. Il lavoro più difficile inizia dopo aver identificato la divisione partitica: determinare quali decisioni l’hanno prodotta e se tali decisioni restano coerenti in domande meno esplicite.

Cosa dovrebbe cambiare nel prossimo ciclo di test

Le prossime prove utili dovrebbero spiegare il modello, testarne i confini e stabilire se raggiunge gli utenti ordinari.

Il primo segnale da osservare è una replica indipendente che utilizzi versioni di modello documentate e impostazioni comparabili. Riprodurre la divisione partitica rafforzerebbe la fiducia nel fatto che rappresenti un comportamento ripetibile. Un risultato sostanzialmente diverso richiederebbe di esaminare cosa è cambiato prima di dichiarare errata la conclusione originale.

La replica dovrebbe preservare i dettagli che rendono significativi i confronti. Disponibilità della ricerca, formulazione delle domande e gestione dei rifiuti possono modificare ciò che l’esperimento misura. Pubblicare queste condizioni consente ai lettori di distinguere una vera contraddizione da un test di un sistema diverso.

Il secondo segnale consiste in prove controllate su come le raccomandazioni dipendano dalle informazioni disponibili. I test potrebbero confrontare la ricerca aperta con un pacchetto di fonti condiviso ed esaminare se le stesse prove sui candidati producono giudizi simili. Si tratta di esperimenti proposti, non di seguiti annunciati.

Se preferenze opposte persistessero con prove identiche e istruzioni comparabili, la sola selezione delle fonti diventerebbe una spiegazione meno sufficiente. Se il divario si riducesse, il ruolo del recupero delle informazioni meriterebbe maggiore attenzione. Nessuno dei due esiti eliminerebbe la necessità di esaminare come i modelli abbiano ponderato priorità concorrenti.

Il terzo segnale è il test delle conversazioni ordinarie dei consumatori che non arrivano a richiedere un sostegno esplicito. Domande sui precedenti dei candidati, sull’importanza delle questioni e sui compromessi politici affronterebbero meglio la preoccupazione che l’inquadramento conti prima che emerga una raccomandazione finale.

Se tali conversazioni riproducessero costantemente il modello direzionale, l’argomento a favore di una rilevanza più ampia del prodotto si rafforzerebbe. In caso contrario, il risultato a scelta forzata resterebbe significativo in un ambito più ristretto. Entrambe le conclusioni aiuterebbero gli utenti a capire dove inizia e finisce il rischio dimostrato.

Nei prossimi mesi, le risposte delle aziende saranno utili quando affronteranno queste domande misurabili. Un’affermazione generale di neutralità non può spiegare un modello specifico. Allo stesso modo, un’accusa di ingegneria politica non può sostituire le prove su come siano state prodotte le risposte.

Gli sviluppatori dovrebbero prestare particolare attenzione ai cambiamenti nelle versioni e nelle configurazioni effettivamente distribuite. Un miglioramento osservato in un’applicazione consumer non dimostra automaticamente un miglioramento nel loro servizio. La valutazione deve seguire il prodotto che gli utenti ricevono.

I lettori dovrebbero inoltre evitare di interpretare la divisione Grok vs GPT come una raccomandazione a scegliere l’assistente che meglio corrisponde alla propria politica. L’accordo con una preferenza esistente non dimostra un ragionamento migliore. Un processo di ricerca affidabile dovrebbe resistere all’esame anche quando la sua conclusione è sgradita.

Quando esaminate la prossima affermazione sulle raccomandazioni elettorali di Grok, chiedete le condizioni dietro la percentuale. Cercate il prompt, la versione del modello, l’accesso alle fonti, il tasso di rifiuto e le prove a sostegno della spiegazione proposta. Confrontate la scelta finale con le informazioni considerate dal sistema e le priorità che ha introdotto. Conservate le fonti originali quando una risposta è importante per il vostro lavoro e separate i fatti verificati dai giudizi dell’assistente. Prima di trattare uno dei due modelli come un’autorità per la ricerca politica, ponetevi una domanda più utile: potete esaminare perché è giunto a quella conclusione e qualcuno con priorità diverse può valutare le stesse prove?