La spesa delle campagne statunitensi per l'AI ha raggiunto 17 milioni di dollari, ma le dichiarazioni raccontano solo una parte della storia

La spesa delle campagne statunitensi per l'AI ha raggiunto almeno 17 milioni di dollari tra 523 candidati e comitati federali dal 2020. Eppure, questa cifra evidenzia una contraddizione, non un rendiconto completo. L'intelligenza artificiale è entrata nelle normali operazioni elettorali, mentre i candidati restano riluttanti a spiegare agli elettori esattamente come la utilizzano.

I registri di spesa mostrano abbonamenti per il personale, servizi di ricerca, messaggistica automatizzata, analisi dei donatori e piattaforme di coinvolgimento degli elettori. Rivelano anche differenze partitiche nella selezione dei fornitori. Tuttavia, i pagamenti più visibili rappresentano solo le transazioni che le campagne hanno dichiarato direttamente con nomi di fornitori riconoscibili.

Questa distinzione conta in vista delle elezioni di metà mandato del 2026. ChatGPT e Claude attirano l'attenzione del pubblico, ma le piattaforme politiche specializzate ricevono molto più denaro dalle campagne. Nel frattempo, i consulenti possono usare l'AI generativa dietro le quinte senza indicare lo strumento sottostante nelle dichiarazioni federali.

Il risultato è un'insolita lacuna di trasparenza. Le campagne dipendono sempre più dall'automazione, ma gli elettori spesso non vedono né il software né le decisioni umane che lo governano.

Cosa misura realmente la spesa delle campagne statunitensi per l'AI

La cifra di 17 milioni di dollari va interpretata come un minimo documentato, non come una stima completa dell'uso politico dell'AI.

Nathan E. Sanders e Bruce Schneier hanno analizzato le spese dettagliate della Federal Election Commission risalenti al 2020. Le loro conclusioni pubblicate individuano pagamenti a fornitori di AI effettuati da 523 candidati federali e comitati politici.

Il dashboard delle spese elettorali sottostante confronta i nomi dei beneficiari, le descrizioni delle spese, le finalità e il testo delle note con una tassonomia di fornitori elaborata tramite ricerca. Copre sia sistemi generalisti sia strumenti creati specificamente per le campagne politiche.

Questa metodologia rileva un pagamento quando un comitato indica OpenAI, Anthropic, Daisychain, Campaign Nucleus o un altro fornitore identificato. Non rileva ogni caso in cui il lavoro elettorale coinvolge l'AI.

Una società di consulenza potrebbe usare un modello linguistico per redigere varianti di email, analizzare risposte ai sondaggi o creare testi pubblicitari. La dichiarazione della campagna potrebbe indicare soltanto la società di consulenza. Il fornitore di AI resterebbe invisibile nei registri pubblici.

Lo stesso problema si presenta quando le campagne acquistano servizi aggregati. Un'agenzia digitale può combinare lavoro del personale, software, pubblicità e analisi dei dati in un'unica fattura. Le dichiarazioni federali in genere non richiedono all'agenzia di elencare ogni subappaltatore o applicazione coinvolta.

I pagamenti diretti rispondono quindi a una domanda circoscritta: quali fornitori di AI identificabili hanno ricevuto denaro elettorale dichiarato? Non possono rispondere pienamente a quanto spesso l'AI abbia interessato contenuti elettorali, targeting, raccolta fondi o strategia.

I registri combinano inoltre tecnologie di epoche diverse. Alcuni fornitori vendevano messaggistica automatizzata o coinvolgimento guidato dai dati prima che la moderna AI generativa diventasse ampiamente disponibile. Altri concentrano i loro prodotti su modelli linguistici, d'immagine o vocali più recenti.

Questa differenza spiega perché il totale sia molto più elevato dell'importo pagato direttamente alle note aziende di chatbot. Le spese maggiori riguardano spesso piattaforme operative costruite per le campagne, non singoli abbonamenti a ChatGPT.

I registri di spesa della FEC restano la fonte essenziale. Identificano destinatari, importi, date e finalità dichiarate per le spese coperte. Non sono stati progettati per verificare ogni tecnologia presente in un flusso di lavoro politico.

Questo limite non rende le conclusioni meno preziose. Ne rende più preciso il significato. I dati forniscono il minimo più chiaro disponibile per l'adozione dell'AI nelle campagne, mostrando al contempo dove le attuali regole di dichiarazione perdono visibilità.

Anche la tempistica è importante. Gran parte della spesa del ciclo elettorale del 2026 avverrà in prossimità dell'Election Day. Ulteriori dichiarazioni modificheranno i totali dei fornitori, il numero dei comitati e la distribuzione tra abbonamenti diretti e servizi specializzati.

L'attuale spesa delle campagne statunitensi per l'AI mostra già che la tecnologia è andata oltre gli esperimenti isolati. Resta incerto quanto dell'attività avvenga attraverso fornitori i cui nomi non indicano mai l'uso dell'AI.

ChatGPT e Claude stanno diventando software da ufficio per le campagne

I chatbot generalisti sembrano entrare nelle campagne come normali strumenti di produttività, anche quando i loro usi politici restano soggetti a restrizioni.

Secondo l'analisi, almeno 80 campagne e comitati federali hanno dichiarato pagamenti a OpenAI a partire dal 2024. La loro spesa dichiarata complessiva era di circa 50.000 dollari.

Il Republican National Committee è stato il maggiore acquirente organizzativo dichiarato, con spese vicine ai 10.000 dollari. Tra gli utenti individuali figuravano campagne associate a Mike Lawler, John Kennedy, Bill Cassidy, Ro Khanna e Ted Lieu.

La maggior parte delle voci descriveva spese d'ufficio, abbonamenti per il personale, ricerca o finalità amministrative simili. Queste etichette suggeriscono che ChatGPT venga spesso trattato come software per il luogo di lavoro anziché come una piattaforma dedicata alla persuasione.

Tuttavia, l'etichetta di un abbonamento non può rivelare cosa i membri dello staff abbiano inserito nel sistema. Ricerca, pianificazione, sintesi, sviluppo dei messaggi e pubblicità possono tutti iniziare dalla stessa interfaccia.

Un'ulteriore revisione delle dichiarazioni elettorali ha individuato 39 candidati al Congresso che hanno dichiarato pagamenti a OpenAI durante l'attuale ciclo. Due depositi collegavano esplicitamente gli abbonamenti alla pubblicità.

OpenAI afferma che le campagne possono utilizzare i suoi strumenti per lavoro interno responsabile e guidato da esseri umani. Le sue politiche limitano la persuasione politica mirata e varie attività rivolte agli elettori.

Questi confini creano un problema operativo. Un modello può aiutare a studiare una proposta sull'istruzione, ma rifiutare una richiesta di promuoverla presso un gruppo demografico selezionato. L'applicazione delle regole può dipendere anche da come un utente formula la richiesta.

Consulenti politici hanno dichiarato alla pubblicazione che le campagne usano comunemente l'AI per email, script e testi pubblicitari. Hanno inoltre sostenuto che i candidati hanno scarsi incentivi a pubblicizzare questo fatto.

Anthropic ha sviluppato un'impronta politica comparabile molto più rapidamente. Almeno 65 candidati o comitati hanno dichiarato di aver pagato il produttore di Claude nel 2026, dopo quasi nessuna attività dichiarata nei cicli precedenti.

I clienti dichiarati tendevano a essere democratici con un rapporto di quasi due a uno. Ciononostante, il maggiore utente individuale era la campagna del senatore repubblicano Tom Cotton, che ha dichiarato oltre 4.000 dollari di spesa per Anthropic nel mese di giugno.

Tra gli altri utenti rilevanti di Claude figuravano Seth Bodnar, Jason Knapp e Mary Peltola. Le loro diverse affiliazioni mostrano che l'adozione dei fornitori non segue un confine partitico perfetto.

Solo circa il 12 percento dei comitati che hanno pagato OpenAI o Anthropic ha dichiarato spese a entrambi. La maggior parte sembrava standardizzarsi su un solo assistente generalista.

Questo schema può riflettere preferenze del personale, integrazioni software esistenti, decisioni di sicurezza o abitudini istituzionali. Le dichiarazioni non possono stabilire che l'ideologia politica ne sia la causa.

xAI di Elon Musk ha mostrato una base clienti più piccola e più repubblicana. Sette candidati o comitati federali e due a livello statale hanno dichiarato circa 5.000 dollari di pagamenti complessivi.

La maggior parte di tale importo proveniva dalla campagna presidenziale del 2024 di Robert F. Kennedy Jr. Tra gli altri clienti dichiarati figuravano i repubblicani Dave McCormick e Thomas Massie.

Questi totali relativi ai chatbot restano modesti rispetto ai più ampi budget tecnologici delle principali organizzazioni politiche. La loro rilevanza deriva dall'adozione, non dal volume in dollari.

Quando una campagna offre al personale accesso abituale a un modello, quel sistema può influenzare ricerca, pianificazione interna, bozze per la raccolta fondi e revisione dei contenuti. Il costo dell'abbonamento dice poco sul volume del lavoro risultante.

Ecco perché gli strumenti AI per le campagne assomigliano a infrastrutture d'ufficio. La loro influenza dipende dalla frequenza con cui il personale li utilizza e dal controllo umano che circonda il loro output, non semplicemente da ciò che mostra la fattura mensile.

I fornitori di AI politica stanno conquistando i budget più elevati

Le maggiori spese dichiarate sono destinate al contatto con gli elettori e alle operazioni di campagna, non a immagini sintetiche o licenze per chatbot.

AmplifAI illustra questa differenza. Il fornitore di messaggistica automatizzata ha ricevuto circa 4,7 milioni di dollari di spesa elettorale nel solo ciclo del 2022.

Tra i suoi clienti figuravano campagne democratiche associate a Mark Kelly, Joe Biden, Bernie Sanders e Adam Schiff. La spesa dichiarata è poi diminuita dopo che AmplifAI è diventata parte di Triller.

La messaggistica automatizzata precede l'attuale boom dell'AI generativa. Svolge comunque una funzione politica centrale: raggiungere grandi liste di elettori con comunicazioni adattabili a un costo marginale relativamente basso.

Daisychain è diventata una nuova opzione vicina ai democratici per la messaggistica testuale assistita dall'AI. I comitati dei candidati hanno dichiarato circa 300.000 dollari di spesa per Daisychain nel ciclo del 2026, rispetto a circa 50.000 dollari nel 2024.

Più della metà della spesa dei candidati nel 2026 proveniva dalla campagna di Abdul El-Sayed per il Senato del Michigan. Questa concentrazione mostra perché i totali debbano sempre essere considerati insieme al numero dei clienti.

Poche campagne possono far apparire un fornitore ampiamente dominante quando un singolo comitato genera la maggior parte dei ricavi. Il numero dei comitati rivela l'ampiezza dell'adozione, mentre i dollari mostrano l'intensità.

Campaign Nucleus occupa una posizione correlata nella politica repubblicana. La piattaforma è associata a Brad Parscale, che ha gestito la campagna per la rielezione di Donald Trump nel 2020 prima di lasciare quell'incarico.

Il Republican National Committee e diversi comitati di azione politica allineati a Trump hanno dichiarato spese a sei cifre per Campaign Nucleus. Mike Johnson, Kari Lake e altre figure politiche hanno registrato pagamenti a cinque cifre.

La sua crescita crea inoltre pressione sui fornitori già affermati. Prompt.io ha mantenuto circa 375.000 dollari di spesa dichiarata nel 2026, in calo rispetto agli oltre 500.000 dollari del ciclo 2022.

Un'organizzazione complica questa tendenza. A More Affordable California, un comitato di azione politica sponsorizzato da Uber, ha dichiarato oltre 1 milione di dollari di spesa con Prompt.io nel 2026.

Il confronto rivela come i partiti sviluppino stack tecnologici diversi. Le campagne democratiche hanno concentrato una spesa rilevante per la messaggistica attorno a Daisychain, mentre le organizzazioni repubblicane hanno adottato Campaign Nucleus e Prompt.io.

Non si tratta semplicemente di versioni partitiche dello stesso chatbot. Combinano dati elettorali, sistemi di contatto, messaggistica e funzionalità di flusso di lavoro pensate per le organizzazioni politiche.

Questa specializzazione può contare più della qualità del modello. Le campagne operano con scadenze, requisiti di conformità e processi di approvazione complessi. Uno strumento progettato attorno a tali vincoli può generare una spesa maggiore di un assistente generalista.

Le dichiarazioni statali rafforzano la direzione del cambiamento. In California, Colorado, Massachusetts e Washington, i ricercatori hanno individuato almeno 92.000 dollari di spesa per moderna AI generativa associata con sicurezza dal 2022.

I pagamenti provenivano da almeno 108 candidati e comitati. La spesa dichiarata a livello statale nel 2026 era già circa dieci volte l'importo identificato per l'intero 2024.

Daisychain ha guidato la categoria dei fornitori specializzati in questi Stati. OpenAI e Anthropic hanno guidato tra i fornitori generalisti.

DonorAtlas è emersa anch’essa in modo prominente. Il sistema supporta la ricerca sui potenziali donatori e il Partito Democratico della California ha riportato quasi 4.000 dollari di pagamenti all’azienda.

Queste cifre mostrano dove l’IA crea valore operativo immediato. Le campagne devono identificare i sostenitori, dare priorità ai contatti, redigere messaggi e mantenere comunicazioni ripetute su più canali.

L’automazione promette un maggior volume di messaggi e iterazioni più rapide. Offre inoltre ai team più piccoli accesso a capacità analitiche e produttive un tempo riservate alle organizzazioni più grandi.

Questo vantaggio spinge i concorrenti ad adottare strumenti simili. Una campagna che rifiuta l’IA per principio può trovarsi di fronte a un avversario capace di produrre più varianti per la raccolta fondi, sintesi di ricerca e messaggi per gli elettori con lo stesso organico.

La competizione risultante non è semplicemente tra attivisti umani e macchine. È tra un’organizzazione elettorale e un’altra, con entrambe le parti che compiono scelte diverse in materia di automazione, revisione e trasparenza.

Il dibattito sui deepfake trascura la maggior parte degli strumenti di IA per le campagne

I media sintetici attirano l’attenzione pubblica, ma le spese dichiarate suggeriscono che forme di automazione più silenziose siano già integrate più in profondità.

Solo sei candidati o comitati federali hanno riportato spese presso ElevenLabs, fornitore di tecnologia vocale sintetica. Le loro spese combinate ammontavano a circa 1.400 dollari.

Il candidato indipendente al Congresso Samir Witta ha rappresentato la quota più consistente tra quelle riportate. Cinque campagne o comitati federali hanno segnalato pagamenti a Midjourney per un totale di circa 1.600 dollari.

Sholdon Daniels, candidato repubblicano in Texas, ha guidato quel piccolo gruppo. Nei quattro Stati esaminati, la spesa combinata per ElevenLabs e Midjourney è rimasta sotto i 100 dollari.

Queste cifre sembrano rassicuranti finché non vengono confrontate con la pubblicità politica osservata. Il Wesleyan Media Project ha individuato almeno 164 annunci politici contenenti media generati o potenziati dall’IA nel ciclo elettorale in corso.

Tali annunci erano associati ad almeno 80 milioni di dollari in spese di diffusione. Il sessantanove per cento non riportava una dichiarazione che identificasse il loro uso dell’IA, secondo una rassegna sulla pubblicità con IA.

Le due misurazioni descrivono aspetti diversi. Un pagamento a un fornitore traccia ciò che un comitato ha acquistato direttamente. La spesa pubblicitaria rileva il denaro utilizzato per distribuire media completati, indipendentemente da come tali media siano stati prodotti.

Le cifre non possono essere sommate in un unico totale di spesa per l’IA. Tuttavia, la loro divergenza rivela quanta attività produttiva scompaia dietro agenzie, consulenti e acquirenti di spazi media.

Una campagna può pagare una società pubblicitaria per creare e diffondere un video. Se quella società usa un generatore di immagini, un modello vocale o un assistente di montaggio, la dichiarazione della campagna può comunque indicare soltanto la società pubblicitaria.

I gruppi indipendenti creano un ulteriore punto cieco. I Super PAC e le organizzazioni collegate possono spendere a favore di un candidato senza coordinarsi con la campagna. I loro subappaltatori possono usare l’IA senza esporre tali strumenti nei report dettagliati.

Questo aiuta a spiegare perché i pagamenti diretti per media sintetici appaiono minimi, mentre gli annunci assistiti dall’IA restano visibili. Il costo di creazione può essere incluso in un pacchetto, indiretto o irrilevante rispetto al costo della distribuzione.

Concentrarsi esclusivamente sui deepfake restringe eccessivamente anche il dibattito sulle politiche pubbliche. I video ingannevoli sono importanti, ma le campagne possono influenzare gli elettori senza impersonare nessuno.

I sistemi generativi possono creare migliaia di varianti di titoli, messaggi per la raccolta fondi o copioni specifici per il pubblico. Gli strumenti predittivi possono classificare donatori ed elettori. Le piattaforme di messaggistica possono automatizzare i follow-up su larga scala.

Queste applicazioni sono meno spettacolari di un video contraffatto di un candidato. Possono anche diventare più rilevanti perché le campagne le impiegano ripetutamente durante tutto un ciclo elettorale.

La personalizzazione crea un ulteriore problema di trasparenza. La pubblicità televisiva trasmette lo stesso messaggio a molti elettori. I sistemi digitali automatizzati possono fornire argomentazioni differenti a segmenti di pubblico più piccoli.

Gli osservatori potrebbero avere difficoltà a confrontare tali messaggi o a individuare contraddizioni. Giornalisti e avversari non possono facilmente verificare comunicazioni che appaiono brevemente in feed privati o conversazioni via testo.

Il rischio centrale non è quindi un singolo falso convincente. È un sistema di comunicazione in espansione che produce, testa e distribuisce messaggi politici più rapidamente di quanto gli osservatori esterni possano esaminarli.

Le leggi sulla pubblicità politica con IA spesso si concentrano sulle etichette per immagini, audio o video sintetici. Tali norme affrontano l’inganno, ma possono lasciare in gran parte intatte la persuasione automatizzata e la profilazione individualizzata.

Le campagne devono affrontare anche l’incertezza sulle politiche dei fornitori. OpenAI e altri provider limitano alcuni usi politici, ma i consulenti possono passare da un prodotto all’altro o accedere ai modelli tramite intermediari.

Un rifiuto all’interno di un chatbot non costituisce una salvaguardia valida per l’intero settore. Potrebbe invece reindirizzare il lavoro verso un prodotto meno restrittivo, un modello aperto o un appaltatore esterno.

La questione dell’applicazione delle norme diventa più difficile quando una campagna sostiene che un essere umano abbia approvato il risultato finale. La revisione umana può ridurre gli errori fattuali, ma non risolve le preoccupazioni relative a profilazione, trasparenza o volume dei messaggi.

È qui che il dibattito pubblico e la realtà operativa si separano. Gli elettori temono falsi riconoscibili, mentre le campagne ottengono vantaggi più ampi dall’automazione ordinaria, che resta difficile da osservare.

I candidati beneficiano dell’IA ma restano silenziosi sul suo utilizzo

Le campagne affrontano un semplice compromesso politico: l’IA può migliorare la produttività, ma ammetterne l’uso può ridurre la fiducia degli elettori.

Un sondaggio Pew del settembre 2025 ha rilevato che oltre il 70 per cento degli americani avrebbe una peggiore opinione di un candidato che usasse l’IA per aiutarsi a scrivere un discorso. Questa reazione offre alle campagne un forte motivo per descrivere i propri strumenti in modo vago.

Le etichette delle spese d’ufficio sono tecnicamente plausibili. Rivelano però poco su quanto l’IA abbia influenzato il linguaggio che alla fine ha raggiunto gli elettori.

Le campagne possono distinguere tra ricerca interna e paternità finale del testo. Un modello potrebbe riassumere il materiale di base prima che un membro dello staff scriva il discorso. Un altro team potrebbe chiedergli una bozza completa e poi modificarne il risultato.

Entrambe le campagne potrebbero riportare la stessa spesa per un abbonamento. La loro dipendenza dal sistema sarebbe sostanzialmente diversa.

Le organizzazioni politiche hanno inoltre incentivi a non rinunciare a un vantaggio tattico. Spiegare pubblicamente un processo di automazione potrebbe aiutare gli avversari a replicarlo, criticarlo o cercarne gli errori.

I candidati discutono quindi dell’efficienza in termini generali. Raramente pubblicano registri dei prompt, output dei modelli, procedure di revisione o elenchi dei materiali rivolti agli elettori sviluppati con l’assistenza dell’IA.

Il silenzio rende difficile una responsabilità significativa. Un registro di spesa informa gli elettori dell’esistenza di una relazione, ma non indica quali dati siano entrati nel sistema né quali decisioni ne siano scaturite.

Le informazioni riservate costituiscono un’altra preoccupazione. Le campagne detengono registri dei donatori, dettagli di contatto degli elettori, ricerche interne, documenti strategici e materiale politico non pubblicato.

Caricare tali informazioni su un servizio esterno può creare rischi per privacy e sicurezza. Il livello di rischio dipende dalle condizioni del fornitore, dalla configurazione dell’account, dalle impostazioni di conservazione e dal comportamento del personale.

L’accuratezza resta una questione distinta. I modelli linguistici possono produrre affermazioni errate, citazioni inventate o sintesi fuorvianti. Una campagna sotto pressione può diffondere un errore prima che un revisore lo intercetti.

I pregiudizi possono inoltre entrare attraverso i dati di addestramento, i prompt, i modelli di targeting e le assunzioni umane. L’output automatizzato può ripetere stereotipi o trascurare elettori poco rappresentati nelle informazioni di base.

Nessuno di questi problemi implica che le campagne abbandoneranno la tecnologia. La pressione competitiva spinge nella direzione opposta.

Un sondaggio di settore citato nei resoconti ha rilevato che il 57 per cento dei consulenti politici usava l’IA quotidianamente, rispetto al 34 per cento dell’anno precedente. Questo tasso di adozione rende l’astensione sempre più costosa.

La competizione pratica sta diventando tra adozione responsabile e adozione opaca. Le campagne useranno i sistemi disponibili, ma possono differire notevolmente in termini di governance e spiegazione pubblica.

Uno standard di trasparenza credibile potrebbe separare l’amministrazione interna dalla persuasione rivolta agli elettori. Potrebbe inoltre distinguere i contenuti generativi da analisi, targeting e distribuzione automatizzata.

Le attuali categorie di spesa non offrono tale chiarezza. Sono state progettate per seguire il denaro, non per documentare come il software influenzi il discorso politico.

La trasparenza volontaria resta possibile. Le campagne potrebbero identificare i fornitori approvati, rendere noti i principali casi d’uso e descrivere il proprio processo di revisione umana senza pubblicare strategie sensibili.

Potrebbero anche conservare registri che mostrino quali materiali rivolti agli elettori abbiano coinvolto sistemi generativi. Revisori indipendenti o autorità di regolamentazione potrebbero ispezionare tali registri dopo eventuali controversie.

Tuttavia, l’azione volontaria entra in conflitto con gli incentivi elettorali. Un candidato che fornisce informazioni dettagliate può attirare critiche che un avversario più silenzioso evita.

Regole condivise ridurrebbero questo squilibrio. Dovrebbero anche includere definizioni accurate, per evitare di trattare correttori ortografici, analisi dei dati, media sintetici e persuasione mirata come attività equivalenti.

La sfida non è eliminare il software dalle campagne. È garantire che gli elettori possano comprendere quando la comunicazione politica sia stata sostanzialmente plasmata da sistemi automatizzati.

Tre segnali da osservare prima delle elezioni di metà mandato del 2026

La fase successiva sarà misurata attraverso la crescita delle dichiarazioni, la produzione esternalizzata e l’efficacia delle nuove norme sulla trasparenza.

Il primo segnale sarà il prossimo ciclo di dichiarazioni federali. I ricercatori dovrebbero monitorare se la spesa delle campagne statunitensi per l’IA continui a concentrarsi attorno a fornitori politici specializzati o si sposti verso modelli di uso generale.

Un forte aumento del numero di comitati che utilizzano OpenAI e Anthropic suggerirebbe che l’accesso ai chatbot stia diventando un’infrastruttura standard per le campagne. La crescita di Daisychain o Campaign Nucleus mostrerebbe un investimento più profondo nel contatto automatizzato con gli elettori.

La distinzione tra numero di clienti e dollari totali resterà importante. Un singolo grande comitato può dominare i ricavi di un fornitore senza dimostrare un’adozione diffusa.

Il secondo segnale è il divario tra pagamenti diretti ai fornitori e pubblicità osservabile generata dall’IA. Tale divario indicherà quanta attività passa attraverso consulenti e gruppi indipendenti.

Un aumento degli annunci assistiti dall’IA senza corrispondenti spese tecnologiche rafforzerebbe l’ipotesi che le attuali dichiarazioni non rilevino la maggior parte dei flussi di lavoro produttivi.

Per studiare tale divario, i ricercatori avranno bisogno di archivi pubblicitari, dichiarazioni delle campagne e registri dei fornitori. Nessun singolo dataset cattura tutti e tre i livelli.

Il terzo segnale è se le leggi sulla trasparenza modifichino in modo significativo il comportamento delle campagne. Più di 30 Stati hanno adottato restrizioni o requisiti di etichettatura relativi ai deepfake elettorali.

Le prime evidenze mostrano una trasparenza incoerente anche dove esistono norme. Risorse limitate per l’applicazione, ricorsi costituzionali e definizioni legislative ristrette possono indebolire queste politiche.

Un’etichetta visibile sui media sintetici aiuta gli spettatori a valutare un singolo annuncio. Non rivela però se analisi, personalizzazione automatizzata o testo generativo abbiano plasmato la campagna nel suo insieme.

Anche le autorità federali affrontano limiti di giurisdizione e disaccordi politici. La FEC può applicare le norme sul finanziamento delle campagne, ma non ha creato un sistema completo di rendicontazione delle comunicazioni assistite dall’IA.

La trasparenza futura più utile potrebbe derivare dalla combinazione di diversi approcci. I registri finanziari possono identificare i fornitori, le etichette dei contenuti possono identificare i media sintetici e gli archivi possono conservare i messaggi mirati.

Le politiche dei fornitori sono un altro segnale critico. Se i principali provider irrigidiscono le restrizioni politiche, le campagne potrebbero adottare controlli aziendali o migrare verso modelli alternativi.

Se le restrizioni resteranno incoerenti, personale e consulenti continueranno a testarne i limiti. Un'applicazione basata soprattutto sul rifiuto dei prompt offrirà garanzie limitate.

Gli elettori dovrebbero inoltre osservare come le campagne spiegano gli errori. Un'allucinazione corretta, un'immagine fuorviante o un messaggio non autorizzato possono rivelare se un'organizzazione dispone di procedure di revisione significative.

I 17 milioni di dollari dichiarati stabiliscono già che l'IA fa parte dell'infrastruttura delle campagne americane. Non ne dimostrano l'efficacia né ne rivelano l'influenza complessiva.

La domanda essenziale non è più se le campagne usino l'IA. È se elettori, organismi di vigilanza e autorità di regolamentazione possano vedere abbastanza di questo utilizzo da valutarne le conseguenze.

Seguite le prossime dichiarazioni, confrontatele con i messaggi politici che compaiono in pubblico e chiedete alle campagne cosa omettano le descrizioni delle loro spese. La spesa delle campagne statunitensi per l'IA conta soprattutto là dove si fermano i documenti attuali.