Lo studio ISD sui chatbot elettorali rileva un tasso di errore del 29%, e le risposte in spagnolo peggiorano ulteriormente

Lo studio ISD sui chatbot elettorali ha rilevato risposte problematiche al 29% delle domande di base sul voto, nonostante tutti i sistemi testati avessero accesso a informazioni web aggiornate. I problemi includevano indicazioni inesatte, incomplete, ambigue o obsolete. Le risposte diventavano sensibilmente meno affidabili quando i ricercatori ponevano le stesse domande in spagnolo.

Questo divario linguistico trasforma un normale problema di accuratezza dei chatbot in un problema di accesso. Una raccomandazione di prodotto sbagliata può far sprecare denaro. Una scadenza errata per la registrazione, una regola sull'identificazione o un'istruzione sul voto per corrispondenza possono impedire a qualcuno di votare.

L'Institute for Strategic Dialogue, o ISD, ha testato modelli associati a OpenAI, Google, Anthropic, xAI, Meta e DeepSeek. I suoi ricercatori hanno valutato 2.400 prompt e risposte riguardanti le procedure elettorali in 10 stati.

I risultati non dimostrano che ogni risposta dei chatbot sia sbagliata. Il modello testato di OpenAI ha ottenuto risultati nettamente migliori rispetto a diversi concorrenti. La maggior parte dei sistemi ha inoltre respinto le affermazioni false presentate attraverso prompt avversariali.

Il contrasto è più difficile da liquidare. Le aziende di AI presentano sempre più i chatbot come porte d'accesso rapide e accessibili alle informazioni aggiornate. Eppure i sistemi hanno avuto difficoltà con domande fattuali che hanno risposte ufficiali, soprattutto quando tali risposte richiedevano precisione in lingua spagnola.

Lo studio ISD sui chatbot elettorali ha testato decisioni di voto reali

Lo studio ha esaminato se i chatbot fossero in grado di fornire dettagli sufficientemente corretti e aggiornati affinché un elettore potesse agire in sicurezza.

ISD ha pubblicato il suo studio sui chatbot elettorali il 3 settembre 2026. I ricercatori Valeria de la Fuente, Max Read e Peter Benzoni hanno condotto i test nel corso di giugno.

Il team ha esaminato sei modelli disponibili in quel momento. I sistemi erano GPT-5.5 di OpenAI, Gemini 3.5 Flash di Google, Sonnet 4.6 di Anthropic, Grok 4.3 di xAI, Muse Spark di Meta e V4 Pro di DeepSeek.

I ricercatori hanno inviato 400 prompt a ciascun modello, producendo 2.400 coppie di prompt e risposta. Il dataset comprendeva risposte in inglese e spagnolo relative ad Arizona, Utah, North Carolina, Ohio, Texas, Pennsylvania, Michigan, Georgia, Colorado e Minnesota.

Quegli stati non sono stati scelti casualmente. ISD ha selezionato giurisdizioni con procedure elettorali in cambiamento, legislazione in attesa, contenziosi in corso o precedenti di dispute sull'amministrazione elettorale.

I prompt includevano sette domande di ampia applicabilità su registrazione, voto per corrispondenza, identificazione e altre procedure essenziali. Otto domande aggiuntive erano adattate alle regole e alle circostanze di ciascuno stato.

I ricercatori hanno inoltre inviato cinque prompt avversariali per stato. Queste domande introducevano deliberatamente affermazioni controverse o false, consentendo al team di verificare se i modelli le correggessero o le amplificassero.

La valutazione ha considerato quattro dimensioni. Le risposte dovevano essere accurate e tempestive, gestire responsabilmente le affermazioni controverse, citare materiale autorevole e mantenere la qualità in inglese e spagnolo.

Questo approccio è importante perché le indicazioni elettorali non possono essere giudicate solo in base al fatto che la frase centrale sembri plausibile. Una risposta può formulare correttamente una regola generale omettendo però un'eccezione che determina se una particolare scheda venga conteggiata.

La Pennsylvania ha fornito un esempio utile. I ricercatori hanno chiesto come i residenti potessero registrarsi, se fosse richiesta l'identificazione e cosa accadesse quando una busta per il voto per corrispondenza non riportava una data.

Ogni domanda sembra semplice. Tuttavia, una risposta utile deve tenere conto delle procedure statali, degli sviluppi legali, delle circostanze dell'elettore e delle scadenze pertinenti. Un linguaggio generico non basta.

Lo studio ha classificato come problematiche le risposte incomplete, ambigue, obsolete o inesatte. Questo standard più ampio spiega perché il dato principale comprende più delle semplici allucinazioni evidenti.

Un'allucinazione è un'informazione inventata presentata come fatto. In questo studio, il fallimento più comune era spesso meno clamoroso. I modelli fornivano una parte della risposta, ma omettevano dettagli necessari per agire.

Questa distinzione dovrebbe orientare il modo in cui i lettori interpretano il dato del 29%. Il risultato non significa che i chatbot abbiano inventato quasi un terzo di tutto ciò che hanno detto. Significa che quasi un terzo delle risposte di base non ha soddisfatto uno standard pratico per indicazioni sul voto affidabili.

L'accuratezza dei chatbot in spagnolo è diminuita per ogni modello testato

Lo spagnolo non è stato una debolezza isolata che riguardava un solo modello. Ogni sistema testato ha fornito risposte meno accurate in spagnolo che in inglese.

ISD ha rilevato che l'accuratezza dei prompt generici diminuiva in media del 16% quando i ricercatori passavano dall'inglese allo spagnolo. Le risposte in spagnolo avevano inoltre una probabilità superiore del 6% di essere obsolete o inesatte.

Il problema maggiore riguardava la completezza. Una risposta poteva identificare la regola di base, omettendo però eccezioni, passaggi procedurali o dettagli locali necessari per applicarla correttamente.

Questo errore diventa grave quando l'argomento è la registrazione degli elettori o la gestione delle schede. Un elettore non può rimediare a una scadenza mancata chiedendo una risposta rivista dopo l'Election Day.

Il divario è emerso anche nella qualità e nella quantità delle citazioni. I ricercatori hanno rilevato che le risposte in spagnolo avevano molte più probabilità di non fornire alcun riferimento esterno, limitando la capacità dell'utente di verificare le indicazioni.

Questa debolezza nelle fonti suggerisce che l'accuratezza dei chatbot in spagnolo dipenda da più della traduzione diretta. Un modello deve reperire materiale aggiornato in lingua spagnola, identificare fonti autorevoli e preservare le distinzioni procedurali durante la sintesi.

Gli errori di traduzione hanno aggiunto un ulteriore livello di criticità. De la Fuente ha descritto modelli che confondevano i termini per seggi elettorali e distretti elettorali. Una risposta ha usato una parola associata alle categorie razziali per riferirsi a una competizione elettorale.

Un altro modello avrebbe tradotto la parola inglese “registration” con l'inappropriato termine spagnolo “registración.” Il termine elettorale appropriato in quel contesto era “registro.”

Questi esempi possono sembrare marginali a chi parla inglese. Non lo sono quando un utente deve identificare l'ufficio, il modulo, la giurisdizione o la procedura di registrazione corretti.

Il modello testato di Meta ha registrato il più ampio divario linguistico riportato. Il tasso di risposte accurate e complete di Muse Spark è sceso dal 61,3% in inglese al 38% in spagnolo.

Gemini 3.5 Flash di Google è passato dall'84% in inglese al 64% in spagnolo. Questa differenza di 20 punti è emersa nonostante Google affermi che Gemini punti a fornire informazioni accurate e tempestive in tutte le lingue.

GPT-5.5 ha fornito i risultati complessivi più solidi. Ha prodotto risposte accurate e complete nell'89,3% dei casi in inglese e nell'82% in spagnolo.

Questo vantaggio relativo è importante, ma non cancella la preoccupazione di fondo. Un tasso di successo dell'82% lascia comunque un margine di errore significativo quando gli utenti chiedono istruzioni sull'esercizio di un diritto legale.

I risultati proseguono inoltre un andamento già documentato. Una valutazione del 2024 ha rilevato informazioni errate nel 52% delle risposte in spagnolo, rispetto al 43% in inglese, su cinque modelli allora disponibili.

Quel precedente test sull'accuratezza linguistica riguardava modelli, prompt e circostanze elettorali diversi. Le sue percentuali non dovrebbero essere considerate una serie temporale diretta.

Tuttavia, entrambe le valutazioni hanno riscontrato lo stesso problema nella stessa direzione. Il passaggio allo spagnolo ha ridotto l'affidabilità, anche se i modelli testati e le loro capacità di ricerca web sono cambiati.

Il vero conflitto è tra accessibilità e affidabilità

I chatbot rendono più semplice chiedere informazioni elettorali complesse, ma questa accessibilità diventa pericolosa quando la sicurezza trasmessa supera l'accuratezza.

Le interfacce conversazionali eliminano diverse barriere. Gli utenti possono descrivere circostanze insolite, porre domande di approfondimento e richiedere un linguaggio più semplice senza dover navigare un complesso sito governativo.

Questi vantaggi contano negli Stati Uniti, dove l'amministrazione elettorale è decentralizzata. Le regole differiscono tra gli stati e possono variare tra contee, città e comuni.

La U.S. Election Assistance Commission afferma che il paese conta più di 10.000 giurisdizioni elettorali. Ognuna può coinvolgere funzionari, procedure, metodi di voto e risorse locali differenti.

Un chatbot sembra adatto a questa complessità. Può cercare in diverse pagine, riassumere le regole e adattare una risposta alla posizione dell'elettore.

I risultati di ISD mostrano perché questa apparente corrispondenza sia anche una trappola. Più la domanda diventa specifica, più dannosa può essere una precisazione mancante.

I modelli linguistici generano risposte prevedendo testo sulla base di schemi e informazioni recuperate. Non comprendono intrinsecamente quale dettaglio omesso invaliderà una registrazione o una scheda.

L'accesso al web dovrebbe ridurre le risposte obsolete, ma non garantisce un recupero affidabile delle informazioni. Un modello può trovare una pagina vecchia, fraintenderne una attuale o fondere regole provenienti da giurisdizioni diverse.

Secondo quanto riportato, V4 Pro di DeepSeek ha fatto riferimento alle date delle elezioni del 2024 in 15 risposte a domande sulle elezioni del 2026. Sonnet 4.6 di Anthropic ha descritto per tre volte l'elezione in corso come il ciclo del 2025.

Muse Spark di Meta ha fornito due volte la data elettorale errata, indicando il 4 novembre anziché il 3 novembre. Non si trattava di una sottigliezza giuridica nascosta. Era un semplice dato di calendario.

Questi fallimenti mettono sotto pressione ogni azienda che offre assistenti connessi alla ricerca. La promessa del prodotto si estende sempre più oltre la stesura creativa, verso la sintesi fattuale, la ricerca e il supporto alle decisioni personali.

Le informazioni elettorali mettono in evidenza la debolezza di questa promessa. Una risposta ben rifinita può condensare diverse fonti, nascondendo però quale frase provenga da quale autorità.

L'utente si trova quindi davanti a un rischio asimmetrico. Accettare una risposta corretta fa risparmiare alcuni minuti. Accettare una risposta sicura di sé ma incompleta può influire sulla registrazione, sull'accesso al seggio o sulla validità della scheda.

Il rischio è particolarmente rilevante perché l'uso dei chatbot è già diffuso. Un sondaggio sull'uso dell'AI del 2026 ha rilevato che il 49% degli adulti ispanici utilizzava chatbot almeno occasionalmente.

Il sondaggio ha rilevato un uso quotidiano tra il 26% degli adulti ispanici, rispetto al 24% di tutti gli adulti statunitensi. Questi dati riguardano l'uso generale dei chatbot, non specificamente le domande elettorali.

ISD ha inoltre osservato che relativamente pochi elettori cercano consapevolmente informazioni politiche attraverso i chatbot. Tuttavia, gli utenti incontrano sempre più spesso sintesi AI all'interno di prodotti di ricerca, browser e strumenti di produttività.

Questa esposizione indiretta cambia la posta in gioco. Non è necessario aprire un chatbot dedicato e chiedere consigli elettorali per ricevere una spiegazione generata dall'AI delle regole di voto.

Un migliore contrasto alle falsità non ha risolto gli errori elettorali ordinari

I sistemi hanno generalmente resistito alle falsità introdotte nei prompt, ma hanno comunque gestito male domande ordinarie che gli elettori erano più propensi a porre.

I prompt avversariali di ISD includevano affermazioni false o controverse. Solo l'1,3% delle risposte in inglese e il 2,3% di quelle in spagnolo ha mostrato una tendenza a confermare o amplificare tali affermazioni.

Questo è il risultato più incoraggiante dello studio. Suggerisce che le salvaguardie elettorali possano aiutare i modelli a respingere narrazioni note su frodi o controversie già smentite.

Le prestazioni più elevate indicano inoltre che le aziende hanno investito nel riconoscimento delle richieste elettorali controverse. Diversi sviluppatori hanno introdotto policy, interventi di messa a punto della sicurezza o rimandi a risorse affidabili per il voto.

Eppure queste protezioni si concentrano su una categoria visibile di danno. Una richiesta che sostiene l’esistenza di brogli su larga scala segnala chiaramente che il modello dovrebbe rallentare, mettere in discussione la premessa o consultare fonti verificate.

Le domande di routine potrebbero non attivare le stesse salvaguardie. Chiedere dove registrarsi o se sia richiesto un documento d’identità sembra innocuo, anche quando una risposta incompleta ha conseguenze dirette.

Ne deriva un’inversione rivelatrice. I chatbot hanno spesso gestito premesse deliberatamente fuorvianti meglio di richieste procedurali ordinarie.

Il risultato mette in discussione una definizione ristretta della disinformazione elettorale. Il danno non richiede una campagna d’influenza coordinata o una teoria del complotto inventata.

Una scadenza non aggiornata può trarre in inganno. Un’eccezione di idoneità omessa può trarre in inganno. Può trarre in inganno anche una risposta che indica una regola generale dello Stato senza spiegare l’amministrazione locale.

Le linee guida ufficiali sull’AI della Election Assistance Commission chiariscono questa distinzione. Avvertono che le informazioni plausibili generate dall’AI sono spesso inaccurate e possono risultare particolarmente dannose per gli elettori.

I risultati dello studio sulle fonti aiutano a spiegare gli errori. Le informazioni elettorali ufficiali sono distribuite tra siti dei segretari di Stato, pagine delle contee, decisioni giudiziarie, aggiornamenti legislativi e documenti di assistenza agli elettori.

Alcune di queste risorse vengono aggiornate frequentemente. Altre restano online dopo il ciclo elettorale pertinente, creando un ambiente di recupero delle informazioni in cui indicazioni vecchie e attuali possono apparire ugualmente autorevoli.

Il problema peggiora in spagnolo. Le traduzioni autorevoli possono comparire più tardi, coprire meno domande o usare un linguaggio diverso tra giurisdizioni e comunità.

Un chatbot può quindi recuperare una pagina inglese corretta senza trovare una risorsa spagnola equivalente. Potrebbe tradurre autonomamente il contenuto inglese, riassumere una pagina meno autorevole o rispondere senza citazioni.

Max Read, direttore dell’innovazione civica di ISD, ha descritto i chatbot come strumenti che talvolta forniscono più di quanto gli utenti abbiano richiesto. La loro elaborazione sicura di sé può distorcere le informazioni pur apparendo utile.

Questa tendenza è nota in tutti i prodotti di AI generativa. I modelli sono ottimizzati per rispondere, non semplicemente per dichiarare che una fonte ufficiale dovrebbe prendere la decisione.

Per le domande elettorali, la prudenza può essere la capacità più sicura. Un sistema responsabile dovrebbe riconoscere quando regole locali, contenziosi o contesto mancante impediscono una risposta definitiva.

Il Benchmark Ha dei Limiti, ma l’Avvertimento Resiste

Lo studio è un’importante istantanea, non una classifica permanente delle aziende di AI né una simulazione completa dell’uso dei chatbot da parte dei consumatori.

La maggior parte dei modelli è stata testata tramite OpenRouter e interfacce di programmazione delle applicazioni, o API. Un’API consente al software di inviare richieste direttamente a un modello senza utilizzare la sua normale interfaccia per i consumatori.

Muse Spark di Meta è stato testato tramite il suo portale pubblico perché i ricercatori non disponevano dell’accesso API. Questa differenza complica i confronti diretti tra Meta e gli altri sviluppatori.

Le applicazioni per consumatori possono aggiungere istruzioni di sistema, strumenti di ricerca, avvisi specifici per le elezioni e filtri di sicurezza attorno al modello sottostante. Una risposta API potrebbe non includere le stesse protezioni.

Anthropic ha sottolineato questa limitazione nella propria risposta ai resoconti sullo studio. L’azienda ha affermato che la configurazione API di terze parti non rifletteva il modo in cui la maggior parte delle persone usa Claude né includeva la sua funzione per le informazioni sul voto destinata ai consumatori.

L’obiezione è ragionevole. Un benchmark di modelli non dovrebbe trasformarsi automaticamente in un benchmark di prodotti quando il prodotto applica ulteriori livelli di recupero delle informazioni e sicurezza.

Tuttavia, la limitazione non invalida il risultato più ampio. Le API sono utilizzate dagli sviluppatori per creare servizi che le persone incontrano attraverso altri siti web e applicazioni.

Lo studio ha inoltre testato ciascuna domanda personalizzata una sola volta per modello. I modelli linguistici possono produrre risposte diverse quando una richiesta viene ripetuta, anche senza un evidente cambiamento del prodotto.

Una sola risposta non può quindi stabilire il tasso di errore stabile di un modello per ogni utente. Un test longitudinale più solido ripeterebbe le richieste nel tempo, attraverso diverse interfacce e in condizioni controllate degli account.

I modelli sono inoltre cambiati da giugno. Diverse aziende hanno rilasciato aggiornamenti prima della pubblicazione del rapporto, quindi le classifiche esatte potrebbero già essere diverse.

Queste limitazioni sono più rilevanti nel confronto tra singoli sviluppatori. Lo sono meno per la conclusione centrale secondo cui tutti e sei i sistemi testati hanno prodotto errori nelle informazioni elettorali.

Lo studio va quindi letto come uno stress test di un canale informativo, non come una classifica finale. Il punteggio più alto di GPT-5.5 non certifica ogni risposta di ChatGPT.

Allo stesso modo, il punteggio basso di Muse Spark non dimostra che ogni interfaccia Meta AI si comporterà in modo identico. Mostra che il sistema valutato ha fallito frequentemente nelle condizioni registrate.

Le evidenze storiche rafforzano questa interpretazione. All’inizio del 2024, funzionari elettorali e ricercatori hanno testato cinque modelli precedenti e valutato inaccurate più della metà delle loro risposte.

I partecipanti a quel precedente test sui chatbot elettorali hanno classificato come dannoso il 40% delle risposte. Alcuni sistemi hanno inventato seggi elettorali o fatto affidamento su informazioni obsolete.

Il più recente studio di ISD sui chatbot e le elezioni indica miglioramenti in diverse aree, soprattutto nella resistenza a falsità introdotte deliberatamente. Mostra anche che l’affidabilità procedurale resta irrisolta.

Questo è il giusto equilibrio. Le prove non consentono di affermare che i chatbot disinformino sempre gli elettori. Non consentono nemmeno di trattare gli assistenti attuali come funzionari elettorali autorevoli.

Cosa Dovrebbero Osservare Elettori e Aziende di AI

Tre segnali mostreranno se il divario linguistico si sta riducendo: test pubblici ripetuti, fonti ufficiali più solide e una parità misurabile tra i prodotti destinati ai consumatori.

Il primo segnale è una valutazione ripetuta prima delle elezioni del 3 novembre. I ricercatori dovrebbero ripetere richieste identiche in date diverse, poiché sia le regole elettorali sia il comportamento dei modelli cambiano.

Test ripetuti rivelerebbero se le risposte errate persistono o scompaiono dopo che gli sviluppatori aggiornano i loro sistemi. Separerebbero inoltre la variazione casuale dalle debolezze sistematiche.

Il secondo segnale è la qualità delle citazioni. Una risposta utile dovrebbe indirizzare gli elettori verso l’autorità statale o locale corretta, non limitarsi ad allegare diversi link.

Le fonti ufficiali devono inoltre essere attuali e linguisticamente appropriate. Una risposta in spagnolo dovrebbe collegare gli utenti a indicazioni in spagnolo quando tale risorsa esiste.

La Election Assistance Commission mantiene FAQ multilingue per gli elettori e indirizza gli elettori verso i siti web elettorali statali e territoriali. Queste destinazioni ufficiali dovrebbero restare l’autorità finale per scadenze, regole di identificazione e luoghi di voto.

Il terzo segnale è la parità nelle interfacce per i consumatori. Le aziende dovrebbero testare i prodotti completi che le persone usano effettivamente, comprese istruzioni di sistema, recupero dal web, avvisi di sicurezza e funzioni di localizzazione.

Pubblicare punteggi di accuratezza soltanto in inglese non rivelerà se gli utenti spagnoli ricevono lo stesso livello di dettaglio. Gli sviluppatori necessitano di misure specifiche per lingua relative a correttezza, completezza, aggiornamento e citazioni autorevoli.

Le aziende hanno offerto risposte diverse. Meta afferma che il suo assistente è progettato per fornire informazioni localizzate o indirizzare gli utenti verso fonti governative affidabili.

Google afferma di migliorare continuamente la capacità di Gemini di fornire risposte tempestive e accurate nelle diverse lingue. Anthropic afferma che Claude è progettato per rispondere accuratamente alle domande sul voto e contestare affermazioni false.

OpenAI e Anthropic hanno inoltre annunciato una collaborazione con Democracy Works, un fornitore no-profit di informazioni sul voto. Tali partnership possono migliorare il recupero delle informazioni, ma la loro efficacia richiede test indipendenti.

Lo studio di ISD sui chatbot e le elezioni stabilisce una base pratica per questo scrutinio. La questione non è se un modello vinca un benchmark con alcuni punti percentuali di vantaggio.

Il vero test è se un elettore possa agire sulla base di una risposta senza scoprire che una data mancante, un’eccezione locale o un errore di traduzione ne hanno cambiato il significato.

Per ora, gli utenti dovrebbero considerare i chatbot come punti di partenza per formulare domande, non come autorità definitive sulle procedure di voto. Verificate ogni risposta utilizzabile con un ufficio elettorale statale o locale. Se una risposta non include una fonte ufficiale aggiornata, chiedete al sistema di fornirne una e verificatela direttamente. Nel frattempo, le aziende di AI dovrebbero pubblicare valutazioni bilingui ripetute invece di affidarsi ad affermazioni generiche sulla qualità multilingue. I funzionari elettorali possono contribuire mantenendo indicazioni attuali e ricercabili sia in inglese sia in spagnolo. Prima delle elezioni di metà mandato, la domanda decisiva è semplice: test indipendenti e ripetuti mostreranno che gli elettori di lingua spagnola ricevono finalmente le stesse indicazioni complete e documentate degli elettori di lingua inglese?