Grok의 선거 추천은 공화당에, OpenAI의 GPT는 민주당에 유리

후보 선택을 강제한 한 연구에서 Grok의 선거 추천은 공화당에, OpenAI의 GPT는 민주당에 유리하게 나타났다. 보고된 격차는 뚜렷했다. Grok은 응답의 92%에서 공화당 후보를 선택했고, GPT는 97%에서 민주당 후보를 선택했다. 약 500개 선거구 전반에서 두 모델이 같은 선택을 한 비율은 10% 미만이었다.

이 결과는 사람들이 두 챗봇과 나누는 모든 대화를 설명하는 것이 아니라, 특정한 시험을 설명한다. 연구진은 웹 검색이 활성화된 개발자 인터페이스를 사용하고 후보 선택을 명시적으로 요구했다. 소비자용 앱은 처음에는 추천 제공을 거부했으며, 이는 결과가 무엇을 입증하는지에 관한 중요한 경계다.

이제 압박은 공공 사안 조사에 AI 지원을 제공하는 모델 제공업체와 개발자에게 향한다. 후보 지지를 거부하는 것은 눈에 띄는 한 가지 행동을 다룬다. 그러나 더 까다로운 질문은 남는다. 시스템이 이슈와 증거를 선택하는 방식 자체가 이미 사용자를 특정 결론으로 이끄는지 여부다.

Grok 선거 추천이 실제로 측정한 것

이 연구는 온라인 검색이 가능한 상황에서 후보 선택을 강요받았을 때의 후보 선택을 측정했다.

Cornell 교수 Tapan Parikh가 이끄는 대화형 AI 연구·디자인 스튜디오 Convovo는 AI ballot study를 통해 이 실험을 공개했다. 설명에 따르면 시험한 모델은 Grok 4.7과 GPT-6.1 Sol이다. 범위는 2026년 하원, 상원, 주지사 선거를 포함했다.

연구진은 개발자가 소프트웨어를 모델에 직접 연결할 수 있게 하는 애플리케이션 프로그래밍 인터페이스, 즉 API를 통해 모델에 접근했다. 이는 개발자가 소비자 애플리케이션의 설정과 다른 지침과 도구를 제공할 수 있기 때문에 중요하다. 같은 모델 계열을 공유한다고 해서 환경 전반에서 동일한 행동이 보장되는 것은 아니다.

프롬프트는 단일 후보를 요청하고 단서 조항을 피하도록 했다. 따라서 이는 시스템이 선거 정보를 추천으로 전환해야 할 때 어떤 일이 일어나는지 살펴보는, 확약에 대한 스트레스 테스트였다. 후보 약력, 투표 절차 또는 정책 입장 비교를 요청하는 일반적인 질의는 아니었다.

이 구분은 실험의 가치를 부여하는 동시에 적용 범위도 제한한다. 의도적으로 엄격한 프롬프트는 더 신중한 답변이 감추는 경향을 드러낼 수 있다. 그러나 시험에서 그러한 경향이 나타난 빈도가 일상적 사용 중의 빈도를 자동으로 설명할 수는 없다.

보고된 비율에도 올바른 분모가 필요하다. 이는 유권자, 서비스 전체의 대화, 또는 선거 결과가 아니라 실험 내 모델 응답에 관한 수치다. 추천 비율만으로는 얼마나 많은 사람이 유사한 조언을 받았는지, 또는 누군가 그에 따라 행동했는지를 알 수 없다.

마찬가지로 모델 간 일치는 선택의 일관성을 측정한다. 정확성을 측정하는 것은 아니다. 정치적 추천은 우선순위와 판단에 의존하므로, 불일치가 있다면 각 답변의 근거를 살펴봐야 한다.

유용한 비교는 시스템이 동등한 증거를 고려했는지, 그리고 가정을 공개했는지를 묻는 방식일 것이다. 한 모델은 의료 서비스를 우선시하고, 다른 모델은 조세를 강조할 수 있다. 시스템이 이 이슈들에 서로 다른 중요도를 조용히 부여한다면, 정확한 설명조차 상반된 추천을 낳을 수 있다.

따라서 핵심 발견은 어느 챗봇이든 안정적인 정치적 정체성을 지녔다는 주장보다 더 좁다. 시험 조건에서 시스템은 반복적으로 서로 반대되는 정당을 선택했다. 이 패턴을 설명하려면 프롬프트, 이용 가능한 증거, 모델 행동, 그리고 주변 제품 지침을 분리해야 한다.

헤드라인을 접한 독자에게 이 경계는 필수적이다. 이 연구는 자동화된 추천에 관한 구체적인 우려를 제기한다. Grok의 모든 답변이 공화당에 유리하다거나 GPT의 모든 답변이 민주당에 유리하다는 점을 입증하지는 않는다.

압박은 챗봇 앱을 넘어 개발자에게도 미친다

개발자는 증거를 수집하고 제시하는 방식까지 포함해, 자신이 만든 애플리케이션의 행동을 평가해야 한다.

OpenAI는 TechCrunch에 개발자 API 시험이 일반적인 ChatGPT 경험을 대표하지 않는다고 밝혔다. 이러한 소비자 앱 구분은 결과를 해석하는 데 중요하다.

선거 조사 도우미를 만드는 개발자는 소비자 챗봇의 거부가 자동으로 이어질 것이라고 가정할 수 없다. 배포된 애플리케이션에는 자체 지침, 정보 출처, 출력 요구 사항이 있다. 이러한 선택이 사용자가 실제로 마주하는 내용을 결정한다.

후보를 비교하고 간결한 추천을 내놓도록 모델에 요청하는 가상의 시민 정보 서비스를 생각해 보자. 설계자는 긴 공약을 읽는 수고를 줄이려 할 수 있다. 그러나 최종 선택을 요구하는 일은 어떤 정치적 우선순위에 가장 큰 비중을 둘지 결정하는 과업까지 위임하는 셈이다.

이는 편집상 결과를 수반하는 제품 결정이다. 사용자가 자신의 우선순위를 제공하지 않았다면, 시스템은 후보 순위를 매길 어떤 기준을 도입해야 한다. 그 결과는 사용자가 승인한 적 없는 가정에 기반하면서도 개인적이고 권위 있게 들릴 수 있다.

추천을 제거하면 이러한 상호작용은 달라지겠지만, 모든 우려가 해소되지는 않는다. 후보 비교에는 여전히 범주, 증거, 제시 순서가 필요하다. 각각은 독자가 명시적 결론에 도달하기 전에 무엇을 주목하는지에 영향을 줄 수 있다.

기업 구매자에게 이 질문은 선거 도구를 넘어선다. 공공 사안 팀, 정책 분석가, 커뮤니케이션 부서는 논쟁적인 정보를 요약하기 위해 AI를 사용한다. 답변은 직접적인 지지를 담지 않더라도 선택과 강조를 통해 그들의 이해에 영향을 미칠 수 있다.

여기서 Grok 정치 편향은 브랜딩 논쟁이 아니라 평가의 문제가 된다. 구매자는 실제로 수행하는 업무에 관한 증거가 필요하다. 강제 선택 선거 시험은 경고 신호를 제공하지만, 실질적 노출은 각자의 조사 워크플로가 결정한다.

개발자는 소통 문제에도 직면한다. 도구를 중립적이라고 부르는 것은 광범위한 질문에서의 행동에 대한 기대를 만든다. 중립성을 입증하려면 후보를 선택해 달라는 가장 직접적인 요청을 거부한다는 사실만 보여서는 부족하다.

더 평가하기 쉬운 약속은 애플리케이션이 하는 일을 설명하는 것이다. 즉, 사실과 판단을 구분하고, 관련 증거를 제시하며, 불확실성을 식별하는 방식이다. 사용자는 이러한 행동을 검토할 수 있다. 시스템에 정치적 관점이 없다는 추상적 주장을 직접 검토할 수는 없다.

따라서 당면한 부담은 공유된다. 제공업체는 모델 행동의 경계를 설명해야 하고, 애플리케이션 제작자는 자신의 구현을 검증해야 한다. 어느 쪽도 다른 쪽의 구성에 대해 완전히 답할 수는 없다.

사용자에게 실질적인 의미는 가시성이다. 도우미가 추천을 제시할 때 그 우선순위는 확인할 수 있어야 한다. 그렇지 않으면 시스템은 결론을 제시하면서도 추론에서 가장 중요한 부분을 대화 밖에 남겨 둔다.

검색은 답변이 나오기 전에 선택을 형성할 수 있다

웹 검색 접근성만으로 추천이 균형 잡히거나 충분한 근거를 갖추는 것은 아니다.

연구의 검색 활성화 설정은 살펴볼 만한 메커니즘을 만든다. 모델은 나중에 평가할 증거를 선택하는 데 관여한다. 쿼리를 고르고, 결과를 접하며, 응답에 포함할 자료를 선택한다. 각 단계는 최종 답변에 도달하는 정보의 범위를 좁힐 수 있다.

이 과정은 흔히 검색 증강, 즉 답변 생성에 사용할 외부 자료를 수집하는 과정으로 불린다. 검색 증강은 최신 정보에 대한 접근을 개선할 수 있다. 동시에 출처 범위, 쿼리 표현, 경쟁하는 주장이 비슷한 수준의 검토를 받는지에 관한 문제를 제기한다.

의료 정책을 검색하는 것으로 시작하는 후보 비교를 상상해 보자. 다른 비교는 이민 단속으로 시작할 수 있다. 두 검색 모두 관련 사실을 반환할 수 있지만, 모델이 후보를 평가하기 전부터 서로 다른 의제를 설정한다.

어느 주제도 본질적으로 부적절한 선택은 아니다. 문제는 시스템이 자신이 선택한 의제를 선거의 자명하거나 포괄적인 반영인 것처럼 제시할 때 발생한다. 광범위한 질문을 하는 사용자가 반드시 그러한 우선순위 설정을 승인한 것은 아니다.

출처의 다양성에도 비슷한 주의가 필요하다. 여러 링크를 담은 응답이라도 같은 가정을 공유하거나 동일한 기저 설명을 반복하는 자료에 의존할 수 있다. 인용 수를 세는 것만으로 시스템이 의미 있는 범위의 증거를 검토했는지는 입증할 수 없다.

반대의 실수는 모든 주장에 동등한 대우를 요구하는 것이다. 충분히 뒷받침된 진술과 명백히 거짓으로 드러난 주장은 같은 신뢰도를 받을 자격이 없다. 균형 잡힌 조사는 긍정적·부정적 문장을 기계적으로 배분하는 것이 아니라 일관된 증거 기준을 요구한다.

독립적인 선거 조사는 사실 정확성과 함께 출처를 검토해야 하는 이유를 보여준다. States United의 유권자 정보 연구는 2025년 말과 2026년 초의 여러 시험 라운드에서 ChatGPT와 Google AI를 조사했다. 이 연구는 사실 정확성의 개선과 함께 완전성 및 공식 선거 출처로의 안내에서 지속되는 문제를 발견했다.

이 연구는 Convovo의 후보 선택 실험과는 다른 질문을 다뤘다. 그럼에도 관련된 약점을 지적한다. 답변은 개별적인 사실 오류를 피하면서도 사용자가 필요로 하는 정보를 누락할 수 있다. 정확성과 충분성은 별개의 특성이다.

이를 Grok vs GPT 비교에 적용하면 검토자가 살펴봐야 할 대상이 달라진다. 최종 정당 표시는 하나의 결과일 뿐이다. 더 많은 것을 보여주는 자료에는 어떤 후보가 등장했는지, 어떤 이슈가 주목받았는지, 인용된 페이지가 제시된 추론을 뒷받침했는지가 포함된다.

워크플로에는 피드백 문제도 있다. 선호하는 프레이밍으로 시작한 모델은 이를 뒷받침할 증거를 검색하고, 이후 그 결과를 확인으로 해석할 수 있다. 그 메커니즘을 입증하려면 통제된 시험이 필요하며, 정파적 결과만으로 그것이 발생했다고 증명할 수는 없다.

상업적 설명에도 같은 주의가 적용된다. 검색 결과에 특정 발행사가 등장했다는 사실은 그것이 왜 나타났는지를 입증하지 않는다. 라이선스 계약, 소유 구조 또는 정치적 지침이 답변을 초래했다는 주장은 그러한 요인과 관찰된 행동을 연결하는 증거를 필요로 한다.

따라서 Grok 선거 추천에서 얻을 교훈은 전체 정보 경로에 관한 것이다. 매끄러운 최종 문단은 검토할 가치가 있는 앞선 선택을 숨길 수 있다. 답변만 평가하면 증거 선택 과정은 대체로 검토되지 않은 채 남는다.

Grok vs GPT는 누가 유권자를 설득했는지 입증하지 않는다

추천 패턴은 시스템 출력에 관한 증거인 반면, 설득에는 사람에 관한 증거가 필요하다.

이 구분은 헤드라인이 실험이 뒷받침할 수 있는 범위보다 더 큰 결론을 유도하기 때문에 중요하다. 모델은 어떤 유권자의 선호도 바꾸지 않고도 특정 정당을 반복적으로 추천할 수 있다. 반대로 더 미묘한 답변은 선호 후보를 한 번도 언급하지 않으면서 독자에게 영향을 미칠 수 있다.

설득을 측정하려면 정해진 조건에서 사람들이 어떻게 반응하는지 관찰해야 한다. 연구자들은 기존 선호와 노출에 따른 변화를 구분해야 한다. 강제 선택 결과만으로는 그러한 측정이 불가능하다.

이 결과는 선거에 미치는 영향도 입증하지 않는다. 생성된 답변에서 투표율이나 후보 지지 변화로 나아가려면 추가 증거가 필요하다. 모델의 추천 비율은 빠진 단계를 대신할 수 없다.

실험의 프롬프트도 또 다른 한계를 만든다. 단서를 붙이지 못하게 하면 모델이 확신을 요구받을 때 어떻게 행동하는지를 시험하게 된다. 그러나 증거가 불완전하거나 우선순위가 충돌하거나 후보들이 여러 차원에서 차이를 보일 때는, 많은 정당한 연구 질문에 신중한 단서가 필요하다.

그렇다고 이 시험이 무의미해지는 것은 아니다. 바람직하지 않은 경향을 드러내는 요청을 포함해, 시스템은 까다로운 조건에서도 평가되어야 한다. 다만 해석은 스트레스 테스트와 일상적 사용을 대표하는 표본의 차이를 유지해야 한다.

강력한 평가는 추천과 거부를 별도로 살펴봐야 한다. 시스템이 자주 거부한다면, 답변한 사례는 선택적으로 구성된 하위 집합일 수 있다. 답변 중 정당 분포만 보고하면 모델이 선택을 거부한 빈도가 가려질 수 있다.

반복 시험이 중요한 이유도 있다. 생성된 응답은 달라질 수 있으며, 같은 질문도 서로 다른 표현이나 결론을 낼 수 있다. 반복 전반에 걸쳐 안정적인 패턴이 나타난다면 단일 답변보다 더 강한 주장을 뒷받침하겠지만, 안정성만으로 그 원인이 확립되지는 않는다.

제품 간 비교에는 추가적인 복잡성이 따른다. 소비자용 애플리케이션에는 기반 모델 외에도 지침, 인터페이스 기능, 도구 구성 등이 포함될 수 있다. 한 구성에서 나온 결과를 회사 전체의 특성으로 묘사하는 것은 이러한 차이를 건너뛰는 일이다.

독립 연구 역시 정치적 평가는 여러 행동을 포괄해야 하는 이유를 보여준다. Brennan Center의 선거 허위정보 연구는 시험한 챗봇들이 선거 음모론에 이의를 제기했지만, 여전히 사실 또는 인용 오류를 냈다고 밝혔다. 이 연구는 기만적인 선거 미디어 제작을 막는 안전장치의 취약점도 확인했다.

이 결과로 Convovo의 정당 선호를 검증하거나 반박할 수는 없다. 다루는 과제가 다르기 때문이다. 관련성은 시스템이 선거 관련 행동 하나에서는 비교적 잘 수행하면서 다른 행동에서는 부진할 수 있다는 점에 있다.

같은 이유로 Grok의 정치적 편향 평가는 하나의 점수를 완전한 판정으로 취급해서는 안 된다. 후보 선택, 사실 신뢰성, 출처 품질, 허위정보에 대한 저항성은 각각 따로 검토해야 한다. 이를 하나의 정치적 라벨로 합치면 증거를 해석하기가 더 어려워진다.

가장 타당한 해석은 여전히 구체적이다. 보고된 실험은 정해진 설정에서 뚜렷하게 엇갈리는 추천을 드러낸다. 이는 의도적인 조작, 보편적인 당파적 행동, 또는 유권자에 대한 측정 가능한 영향을 입증하지는 않지만 추가 조사를 위한 근거가 된다.

중립성에는 독자가 검토할 수 있는 증거가 필요하다

의미 있는 비교는 중립성 주장과 시스템이 실제로 내리는 관찰 가능한 결정 사이에서 이루어진다.

이것이 이 이야기의 핵심 긴장이다. 후보 지지를 거부하는 것은 눈에 보이고 입증하기 쉽다. 더 폭넓은 정치적 답변에 일관된 기준이 적용된다는 사실을 보여주는 일은 더 까다롭다.

시스템은 누군가가 누구를 지지해야 하는지는 말하지 않으면서도, 어떤 쟁점이 논의를 이끄는지는 결정할 수 있다. 후보를 정확하게 요약하면서 관련 입장을 빼놓을 수도 있다. 한계를 분명히 밝히지 않은 채 안심을 주는 것처럼 보이는 인용을 제공할 수도 있다.

이러한 가능성은 어느 제공업체의 모든 답변에 대한 발견이라기보다 분석상의 우려다. 이는 제품 수준의 주장이 과제 수준의 증거를 필요로 하는 이유를 설명한다. 증거의 범위는 약속의 범위와 맞아야 한다.

Brookings의 정치적 편향 분석은 정치 성향 퀴즈를 활용해 챗봇 응답을 검토하고 정치적 성향 평가의 한계를 논의했다. 이 접근법은 투표용지 추천 실험과 다르며, 각 평가가 실제로 무엇을 측정하는지 명시하는 일이 중요하다는 점을 뒷받침한다.

정치 성향 퀴즈는 시스템에 추상적 입장 가운데 하나를 선택하도록 요구한다. 후보 추천은 사람, 이력, 최신 정보를 저울질하도록 요구한다. 두 방식의 결과가 일치한다면 유의미하겠지만, 어느 한쪽이 다른 쪽을 자동으로 설명하지는 않는다.

따라서 투명성은 평가 설계에서 시작되어야 한다. 독자는 시험한 모델 버전, 프롬프트, 사용 가능한 도구, 응답 분류 방식을 알아야 한다. 이 정보가 없으면 인상적인 비율도 평가하거나 재현하기 어렵다.

해석에도 동등한 투명성이 필요하다. 연구자들은 직접 관찰한 사실과 제안된 설명을 구분해야 한다. 당파적 분포는 관찰 결과이며, 어떤 내부 과정이 이를 초래했는지에 관한 주장은 별도의 추론이다.

반례가 계속 보일 때 대중도 이득을 본다. 모델의 지배적 패턴에서 벗어나는 답변은 관련 조건을 파악하는 데 도움이 될 수 있다. 그러한 사례를 집계 비율 뒤에 숨기면 단순한 헤드라인은 쉬워지지만 작동 방식은 이해하기 어려워진다.

개발자에게 이는 더 폭넓은 형태의 책임성을 시사한다. 리서치 어시스턴트는 판단의 근거를 이해 가능하게 제시해야 한다. 즉, 사용자 우선순위인지, 문서화된 기준인지, 또는 명확히 식별된 해석적 선택인지를 드러내야 한다. 설명되지 않은 순위는 그 아래 놓인 사실의 권위를 물려받아서는 안 된다.

지식 노동자도 AI 연구를 보존할 때 같은 원칙을 적용할 수 있다. 생성된 요약 옆에 원본 증거를 보관하면 나중에 검토하기가 더 실용적이다. 검색 가능한 지식 베이스는 그러한 워크플로를 지원할 수 있지만, 저장만으로 결론의 품질을 확립할 수는 없다.

관련 기준은 추적 가능성, 즉 답변을 뒷받침 자료까지 거슬러 올라갈 수 있는 능력이다. 추적 가능성이 중립성을 보장하지는 않지만, 검토자가 살펴볼 수 있는 구체적인 대상을 제공한다. 또한 누락과 근거 없는 비약에 이의를 제기하기 쉽게 만든다.

Grok의 선거 추천은 상반된 결과가 매우 쉽게 드러난다는 점에서 이 기준을 압박한다. 더 어려운 작업은 정당 분열을 확인한 뒤 시작된다. 어떤 결정이 그 결과를 낳았는지, 그리고 그러한 결정이 덜 노골적인 질문에서도 일관되게 유지되는지를 판단해야 한다.

다음 시험 단계에서 무엇이 달라져야 하는가

다음으로 유용한 증거는 그 패턴을 설명하고, 경계를 시험하며, 일반 사용자에게까지 이어지는지 확립해야 한다.

먼저 살펴볼 신호는 문서화된 모델 버전과 비교 가능한 설정을 사용한 독립적 재현이다. 정당 분열이 재현되면 반복 가능한 행동을 나타낸다는 신뢰가 높아진다. 결과가 크게 다르다면 원래의 발견이 틀렸다고 선언하기 전에 무엇이 달라졌는지 검토해야 한다.

재현은 비교를 의미 있게 만드는 세부 사항을 보존해야 한다. 검색 가능 여부, 질문 표현, 거부 처리 방식은 실험이 측정하는 대상을 바꿀 수 있다. 이러한 조건을 공개하면 독자는 진정한 모순과 다른 시스템에 대한 시험을 구별할 수 있다.

두 번째 신호는 추천이 이용 가능한 정보에 어떻게 의존하는지에 관한 통제된 증거다. 시험은 개방형 검색과 공통 출처 자료 묶음을 비교하고, 동일한 후보 증거가 유사한 판단을 낳는지 살펴볼 수 있다. 이는 발표된 후속 연구가 아니라 제안된 실험이다.

동일한 증거와 비교 가능한 지침에서도 상반된 선호가 지속된다면, 출처 선택만으로는 설명이 덜 충분해질 것이다. 격차가 줄어든다면 검색의 역할에 더 큰 주의를 기울일 필요가 있다. 어느 결과도 모델이 경쟁하는 우선순위를 어떻게 저울질했는지 검토할 필요를 없애지는 못한다.

세 번째 신호는 지지를 요청하지 않는 일반 소비자 대화의 시험이다. 후보 이력, 쟁점의 중요성, 정책 간 상충관계에 관한 질문은 최종 추천이 나오기 전부터 프레이밍이 중요하다는 우려를 더 잘 다룰 수 있다.

그러한 대화가 방향성 패턴을 일관되게 재현한다면, 더 폭넓은 제품 관련성에 대한 근거가 강해질 것이다. 그렇지 않다면 강제 선택 결과는 더 좁은 범위 안에서 의미를 유지하게 된다. 어느 발견이든 사용자에게 입증된 위험이 어디서 시작되고 끝나는지 이해하는 데 도움이 된다.

앞으로 몇 달간, 회사의 대응은 이러한 측정 가능한 질문을 다룰 때 유용할 것이다. 일반적인 중립성 주장은 구체적 패턴을 설명할 수 없다. 마찬가지로 정치적 설계라는 비난도 답변이 어떻게 생성됐는지에 관한 증거를 대신할 수 없다.

개발자는 실제로 배포하는 버전과 구성의 변화에 특히 주의를 기울여야 한다. 소비자용 애플리케이션에서 관찰된 개선이 서비스의 개선을 자동으로 입증하지는 않는다. 평가는 사용자가 실제로 받는 제품을 따라가야 한다.

독자 역시 Grok과 GPT의 분열을 자신의 정치 성향에 맞는 어시스턴트를 선택하라는 추천으로 해석하지 말아야 한다. 기존 선호와의 일치가 더 나은 추론을 입증하지는 않는다. 신뢰할 수 있는 연구 과정은 결론이 달갑지 않을 때도 검토를 견뎌야 한다.

다음 Grok 선거 추천 주장를 검토할 때는 그 비율 뒤의 조건을 물어야 한다. 프롬프트, 모델 버전, 출처 접근권, 거부율, 그리고 제안된 설명을 뒷받침하는 증거를 확인하라. 최종 선택을 시스템이 고려한 정보 및 시스템이 도입한 우선순위와 비교하라. 답변이 업무에 중요하다면 원본 출처를 보존하고, 검증된 사실과 어시스턴트의 판단을 구분하라. 어느 모델이든 정치 연구의 권위자로 받아들이기 전에 더 유용한 질문을 던져야 한다. 왜 그 결론에 도달했는지 검토할 수 있는가, 그리고 다른 우선순위를 가진 사람도 같은 증거를 평가할 수 있는가?