ISD 챗봇 선거 연구, 29%의 실패율 확인… 스페인어 답변은 더 크게 악화

ISD의 챗봇 선거 연구는 모든 테스트 대상 시스템이 최신 웹 정보에 접근할 수 있었음에도 기본적인 투표 관련 질문의 29%에 결함 있는 답변이 나왔다고 밝혔다. 문제에는 부정확하거나 불완전하고, 모호하거나 오래된 안내가 포함됐다. 연구진이 같은 질문을 스페인어로 했을 때 응답의 신뢰도는 눈에 띄게 낮아졌다.

이 언어 격차는 일반적인 챗봇 정확도 문제를 정보 접근성 문제로 바꾼다. 잘못된 제품 추천은 돈을 낭비하게 할 수 있다. 하지만 틀린 유권자 등록 마감일, 신분증 규정 또는 우편 투표용지 안내는 누군가의 투표 자체를 막을 수 있다.

전략대화연구소(Institute for Strategic Dialogue, ISD)는 OpenAI, Google, Anthropic, xAI, Meta, DeepSeek와 관련된 모델을 시험했다. 연구진은 10개 주의 선거 절차를 다룬 2,400개의 프롬프트와 응답을 평가했다.

이 결과가 모든 챗봇 답변이 틀렸다는 뜻은 아니다. OpenAI의 테스트 모델은 여러 경쟁사보다 상당히 더 나은 성과를 보였다. 대부분의 시스템은 적대적 프롬프트를 통해 제시된 거짓 주장도 거부했다.

하지만 이 같은 반전은 가볍게 넘기기 어렵다. AI 기업들은 점점 더 챗봇을 최신 정보로 빠르게 접근할 수 있는 관문으로 내세우고 있다. 그럼에도 이들 시스템은 공식 답변이 존재하는 사실 질문, 특히 스페인어로 정확하게 답해야 하는 경우에 어려움을 겪었다.

ISD 챗봇 선거 연구는 실제 투표 결정을 시험했다

이 연구는 챗봇이 유권자가 안전하게 행동할 수 있을 만큼 정확하고 최신의 세부 정보를 제공할 수 있는지 살폈다.

ISD는 2026년 9월 3일 chatbot election study를 발표했다. 연구진인 Valeria de la Fuente, Max Read, Peter Benzoni는 6월에 테스트를 진행했다.

연구팀은 당시 이용 가능한 6개 모델을 검토했다. 대상 시스템은 OpenAI의 GPT-5.5, Google의 Gemini 3.5 Flash, Anthropic의 Sonnet 4.6, xAI의 Grok 4.3, Meta의 Muse Spark, DeepSeek의 V4 Pro였다.

연구진은 각 모델에 400개의 프롬프트를 제출해 총 2,400개의 프롬프트-응답 쌍을 만들었다. 데이터셋은 Arizona, Utah, North Carolina, Ohio, Texas, Pennsylvania, Michigan, Georgia, Colorado, Minnesota 전반의 영어 및 스페인어 응답을 포함했다.

이들 주는 무작위로 선정되지 않았다. ISD는 선거 절차가 바뀌고 있거나, 입법안 계류·소송 진행 중이거나, 선거 관리 분쟁 이력이 있는 관할지를 골랐다.

프롬프트에는 유권자 등록, 우편 투표, 신분증, 기타 필수 절차에 관한 광범위하게 적용 가능한 질문 7개가 포함됐다. 여기에 각 주의 규정과 상황에 맞춘 질문 8개가 추가됐다.

연구진은 각 주마다 적대적 프롬프트도 5개씩 제출했다. 이 질문들은 논쟁적이거나 거짓인 주장을 의도적으로 포함해, 모델이 이를 바로잡는지 아니면 증폭하는지를 시험할 수 있게 했다.

평가는 네 가지 차원을 고려했다. 답변은 정확하고 시의적절해야 하며, 논쟁적 주장을 책임 있게 다루고, 권위 있는 자료를 인용하며, 영어와 스페인어 전반에서 품질을 유지해야 했다.

이 접근이 중요한 이유는 선거 안내를 핵심 문장이 그럴듯하게 들리는지만으로 판단할 수 없기 때문이다. 답변은 일반 규칙을 정확하게 설명하면서도 특정 투표용지의 유효 여부를 결정하는 예외를 빠뜨릴 수 있다.

Pennsylvania는 유용한 사례를 제공했다. 연구진은 주민이 어떻게 등록할 수 있는지, 신분증이 필요한지, 우편 투표용지 봉투에 날짜가 없으면 어떻게 되는지를 물었다.

각 질문은 간단해 보인다. 하지만 유용한 답변은 주의 절차, 법적 변화, 유권자의 상황, 관련 마감일을 고려해야 한다. 일반론만으로는 충분하지 않다.

이 연구는 불완전하거나 모호하고, 오래됐거나 부정확한 답변을 문제 있는 것으로 분류했다. 이처럼 폭넓은 기준은 헤드라인 수치가 명백한 환각만을 포괄하지 않는 이유를 설명한다.

환각은 사실인 것처럼 제시되는 지어낸 정보다. 이 연구에서 더 흔한 실패는 대개 덜 극적이었다. 모델은 답변의 일부를 제공했지만, 행동에 필요한 세부 사항을 빠뜨렸다.

이 구분은 독자가 29%라는 수치를 해석하는 방식에 영향을 줘야 한다. 이 결과는 챗봇이 말한 모든 것의 거의 3분의 1을 날조했다는 의미가 아니다. 기본 답변의 거의 3분의 1이 신뢰할 수 있는 투표 안내에 필요한 실용적 기준을 충족하지 못했다는 뜻이다.

모든 테스트 모델에서 스페인어 챗봇 정확도 하락

스페인어는 한 모델에만 나타난 고립된 약점이 아니었다. 테스트된 모든 시스템은 영어보다 스페인어에서 덜 정확한 응답을 내놓았다.

ISD는 연구진이 영어에서 스페인어로 전환했을 때 일반 프롬프트의 정확도가 평균 16% 하락했다고 밝혔다. 스페인어 답변은 오래됐거나 부정확할 가능성도 6% 더 높았다.

가장 큰 문제는 완전성이었다. 응답은 기본 규칙을 제시할 수 있지만, 해당 규칙을 제대로 적용하는 데 필요한 예외, 절차 단계 또는 지역 세부 사항을 빠뜨릴 수 있었다.

موضوع이 유권자 등록이나 투표용지 처리일 때 이 실패는 심각해진다. 유권자는 선거일 이후에 수정 답변을 요청한다고 해서 놓친 마감일을 되돌릴 수 없다.

격차는 인용의 질과 양에서도 나타났다. 연구진은 스페인어 답변이 외부 참고 자료를 전혀 제공하지 않을 가능성이 훨씬 높았으며, 이로 인해 사용자의 안내 검증 능력이 제한된다는 점을 발견했다.

이러한 취약한 출처 제시는 스페인어 챗봇 정확도가 단순 번역 이상의 문제에 달려 있음을 시사한다. 모델은 최신 스페인어 자료를 검색하고, 권위 있는 출처를 식별하며, 이를 종합하는 과정에서 절차적 차이를 보존해야 한다.

번역 오류도 또 다른 문제를 더했다. De la Fuente는 모델들이 투표소와 선거구를 뜻하는 용어를 혼동했다고 설명했다. 한 응답은 선거 경쟁을 지칭하면서 인종 범주와 관련된 단어를 사용했다.

또 다른 모델은 영어 단어 “registration”을 어색한 스페인어 표현인 “registración”으로 옮긴 것으로 전해졌다. 이 맥락에서 적절한 선거 용어는 “registro”였다.

이 사례들은 영어 사용자에게는 사소하게 들릴 수 있다. 하지만 사용자가 정확한 기관, 서식, 관할지 또는 등록 절차를 식별해야 한다면 사소한 문제가 아니다.

Meta의 테스트 모델은 보고된 언어 격차 중 가장 큰 폭을 기록했다. Muse Spark의 정확하고 완전한 답변 비율은 영어 61.3%에서 스페인어 38%로 떨어졌다.

Google의 Gemini 3.5 Flash는 영어 84%에서 스페인어 64%로 하락했다. Google이 Gemini가 여러 언어에서 정확하고 시의적절한 정보를 제공하는 것을 목표로 한다고 밝히고 있음에도 20%포인트 차이가 나타났다.

GPT-5.5는 전체적으로 가장 강한 성과를 냈다. 영어에서는 89.3%, 스페인어에서는 82%의 비율로 정확하고 완전한 응답을 제공했다.

이러한 상대적 우위는 중요하지만, 근본적인 우려를 없애지는 못한다. 사용자가 법적 권리 행사에 관한 지침을 요청하는 상황에서 82%의 성공률은 여전히 중대한 오류가 발생할 여지를 남긴다.

이 결과는 문서화된 패턴도 이어간다. 2024년 평가는 당시 최신 모델 5개에서 스페인어 답변의 52%, 영어 답변의 43%에서 잘못된 정보를 발견했다.

이전 language accuracy test는 서로 다른 모델, 프롬프트, 선거 상황을 다뤘다. 따라서 그 비율을 직접적인 시계열로 해석해서는 안 된다.

그럼에도 두 평가는 같은 방향의 문제를 발견했다. 테스트 모델과 웹 검색 기능이 바뀌었음에도 스페인어로 전환하면 신뢰도는 낮아졌다.

진짜 충돌은 접근성과 신뢰성 사이에 있다

챗봇은 복잡한 선거 정보를 더 쉽게 질문하게 해주지만, 확신이 정확성을 앞설 때 이러한 접근성은 위험해진다.

대화형 인터페이스는 여러 장벽을 없앤다. 사용자는 복잡한 정부 웹사이트를 탐색하지 않고도 특수한 상황을 설명하고, 후속 질문을 하며, 더 쉬운 언어를 요청할 수 있다.

이러한 이점은 선거 관리가 분권화된 미국에서 중요하다. 규정은 주마다 다르며, 카운티, 도시, 타운십에 따라서도 달라질 수 있다.

미국 선거지원위원회(U.S. Election Assistance Commission)는 미국에 1만 개가 넘는 선거 관할지가 있다고 밝힌다. 각 관할지는 서로 다른 공무원, 절차, 투표 방식, 지역 자원을 포함할 수 있다.

챗봇은 이 복잡성에 잘 맞는 도구처럼 보인다. 여러 페이지를 검색하고 규정을 요약하며, 유권자의 위치에 맞춰 답변을 조정할 수 있다.

ISD의 결과는 이처럼 겉보기에 잘 맞는 특성이 왜 함정이 될 수도 있는지 보여준다. 질문이 구체적일수록 누락된 단서 하나가 초래하는 피해는 커진다.

언어 모델은 패턴과 검색된 정보를 바탕으로 텍스트를 예측해 응답을 생성한다. 어떤 누락 정보가 등록이나 투표용지를 무효로 만들지를 본질적으로 이해하지는 못한다.

웹 접근은 오래된 답변을 줄여야 하지만, 신뢰할 수 있는 검색을 보장하지는 않는다. 모델은 오래된 페이지를 찾거나, 최신 페이지를 잘못 이해하거나, 서로 다른 관할지의 규정을 섞을 수 있다.

DeepSeek의 V4 Pro는 2026년 선거에 관한 질문 15개 응답에서 2024년 선거 날짜를 언급한 것으로 전해졌다. Anthropic의 Sonnet 4.6은 현재 선거를 2025년 선거 주기라고 세 차례 설명했다.

Meta의 Muse Spark는 11월 3일이 아닌 11월 4일을 선거일로 제시하며 두 차례 잘못된 날짜를 답했다. 이는 숨겨진 법적 쟁점이 아니라 기본적인 달력 정보였다.

이러한 실패는 검색과 연결된 보조 서비스를 제공하는 모든 기업에 압박을 가한다. 제품의 약속은 점점 창의적 초안 작성의 범위를 넘어 사실 종합, 조사, 개인 의사결정 지원으로 확장되고 있다.

선거 정보는 그 약속의 약점을 드러낸다. 매끄러운 답변은 여러 출처를 압축할 수 있지만, 어느 문장이 어떤 권위 있는 기관에서 나왔는지는 숨길 수 있다.

그 결과 사용자는 비대칭적인 위험에 놓인다. 정확한 답변을 받아들이면 몇 분을 절약할 수 있다. 반면 자신감 있어 보이지만 불완전한 답변을 받아들이면 유권자 등록, 투표소 접근, 투표용지 유효성에 영향을 받을 수 있다.

챗봇 사용이 이미 주류가 됐다는 점에서 이 위험은 특히 관련성이 크다. 2026년 AI usage survey에 따르면 히스패닉 성인의 49%가 적어도 가끔 챗봇을 사용했다.

조사에서는 히스패닉 성인의 일일 사용률이 26%로, 미국 성인 전체의 24%보다 높게 나타났다. 이 수치는 선거 질문에 국한되지 않은 일반적인 챗봇 사용을 다룬다.

ISD는 챗봇을 통해 정치 정보를 의도적으로 찾는 유권자는 비교적 적다고도 지적했다. 그러나 사용자는 검색 제품, 브라우저, 생산성 도구 안에서 AI 요약을 점점 더 자주 접하고 있다.

이러한 간접 노출은 이해관계를 바꾼다. 누군가가 투표 규정에 대한 AI 생성 설명을 받기 위해 전용 챗봇을 열고 선거 조언을 요청할 필요는 없다.

향상된 허위정보 반박도 일상적인 선거 오류를 해결하지 못했다

시스템들은 전반적으로 심어 놓은 거짓 정보에는 저항했지만, 유권자가 더 자주 묻게 될 일반적인 질문은 여전히 잘못 처리했다.

ISD의 적대적 프롬프트에는 거짓이거나 논쟁적인 주장이 포함됐다. 영어 응답의 1.3%, 스페인어 응답의 2.3%만이 그러한 주장을 긍정하거나 증폭하는 경향을 보였다.

이는 연구에서 가장 고무적인 결과다. 선거 관련 안전장치가 모델이 사기나 이미 반박된 논란에 관한 익숙한 서사를 거부하는 데 도움이 될 수 있음을 시사한다.

더 강력한 성과는 기업들이 논쟁적인 선거 관련 프롬프트를 인식하는 데 투자해 왔음을 시사한다. 여러 개발사는 정책, 안전성 조정, 신뢰할 수 있는 투표 정보 리소스로의 안내를 도입했다.

하지만 이러한 보호 장치는 눈에 띄는 유형의 피해에 초점을 맞춘다. 대규모 부정을 주장하는 프롬프트는 모델이 신중히 대응하고, 전제를 검증하거나, 검토된 출처를 참고해야 한다는 신호를 분명하게 보낸다.

일상적인 질문에는 같은 안전장치가 작동하지 않을 수 있다. 어디에서 유권자 등록을 해야 하는지, 신분증이 필요한지 묻는 일은 무해해 보이지만, 불완전한 답변은 직접적인 결과를 초래할 수 있다.

이는 시사적인 역전을 만들어낸다. 챗봇은 의도적으로 오해를 유도하는 전제보다 평범한 절차적 요청을 처리하는 데 더 자주 실패했다.

이 결과는 선거 허위정보에 대한 협소한 정의에 의문을 제기한다. 피해가 발생하기 위해 조직적인 영향력 공작이나 조작된 음모론이 반드시 필요한 것은 아니다.

지난 마감일도 사람들을 오도할 수 있다. 누락된 자격 요건 예외도 오도할 수 있다. 지역 행정 절차를 설명하지 않은 채 주 전체의 일반 규칙만 언급하는 답변 역시 오도할 수 있다.

Election Assistance Commission의 공식 AI 가이드는 이러한 구분을 분명히 한다. 그 가이드는 그럴듯한 AI 생성 정보가 흔히 부정확하며, 유권자에게 특히 해로울 수 있다고 경고한다.

연구의 출처 분석 결과는 실패 원인을 설명하는 데 도움이 된다. 공식 선거 정보는 주 국무장관 웹사이트, 카운티 페이지, 법원 판결, 입법 업데이트, 유권자 지원 문서 등에 분산돼 있다.

이들 리소스 가운데 일부는 자주 업데이트된다. 다른 일부는 관련 선거 주기가 지난 뒤에도 온라인에 남아 있어, 오래된 지침과 최신 지침이 똑같이 권위 있어 보일 수 있는 검색 환경을 만든다.

스페인어에서는 문제가 더 심각해진다. 권위 있는 번역본은 더 늦게 제공되거나, 다루는 질문이 더 적거나, 관할권과 지역사회에 따라 서로 다른 표현을 사용할 수 있다.

따라서 챗봇은 올바른 영어 페이지를 검색하면서도 이에 상응하는 스페인어 리소스는 찾지 못할 수 있다. 영어 내용을 직접 번역하거나, 권위가 낮은 페이지를 요약하거나, 인용 없이 답변할 수도 있다.

ISD의 시민 혁신 책임자 맥스 리드는 챗봇을 사용자가 요청한 것보다 더 많은 정보를 제공하기도 하는 도구라고 설명했다. 자신감 있는 부연 설명은 도움이 되는 것처럼 보이면서 정보를 왜곡할 수 있다.

이런 경향은 생성형 AI 제품 전반에서 익숙하다. 모델은 단순히 공식 출처가 판단해야 한다고 선언하기보다 답변하도록 최적화돼 있다.

선거 관련 질문에서는 자제가 더 안전한 역량일 수 있다. 책임 있는 시스템이라면 지역 규칙, 소송 또는 누락된 맥락 때문에 단정적인 답변을 할 수 없는 상황을 인식해야 한다.

벤치마크에는 한계가 있지만, 경고는 여전히 유효하다

이 연구는 AI 기업의 영구적인 순위나 소비자 챗봇 사용을 완전히 재현한 시뮬레이션이 아니라 중요한 시점의 스냅샷이다.

대부분의 모델은 OpenRouter와 애플리케이션 프로그래밍 인터페이스, 즉 API를 통해 테스트됐다. API는 소프트웨어가 일반적인 소비자 인터페이스를 거치지 않고 모델에 직접 프롬프트를 보낼 수 있게 한다.

Meta의 Muse Spark는 연구진이 API에 접근할 수 없었기 때문에 공개 포털을 통해 테스트됐다. 이 차이는 Meta와 다른 개발사 간의 직접 비교를 복잡하게 만든다.

소비자 애플리케이션은 기반 모델 위에 시스템 지침, 검색 도구, 선거 관련 경고, 안전 필터를 추가할 수 있다. API 응답에는 같은 보호 장치가 포함되지 않을 수 있다.

Anthropic은 연구 관련 보도에 대한 답변에서 이 한계를 강조했다. 회사는 제3자 API 설정이 대부분의 사람이 Claude를 사용하는 방식이나 소비자용 투표 정보 기능을 반영하지 않는다고 밝혔다.

이 이의 제기는 타당하다. 제품이 추가적인 검색 및 안전 계층을 적용한다면, 모델 벤치마크가 자동으로 제품 벤치마크가 돼서는 안 된다.

하지만 이 한계가 더 넓은 발견을 무효화하지는 않는다. API는 개발자들이 사람들이 다른 웹사이트와 애플리케이션을 통해 접하는 서비스를 구축하는 데 사용된다.

이 연구는 각 맞춤형 질문도 모델별로 단 한 번만 테스트했다. 언어 모델은 뚜렷한 제품 변경이 없어도 같은 프롬프트가 반복되면 다른 답변을 생성할 수 있다.

따라서 한 번의 응답만으로는 모든 사용자에 대한 모델의 안정적인 실패율을 확정할 수 없다. 더 강력한 종단 테스트라면 시간 경과, 여러 인터페이스, 통제된 계정 조건에서 프롬프트를 반복해야 한다.

모델은 6월 이후에도 변화했다. 여러 기업이 보고서가 발표되기 전에 업데이트를 출시했기 때문에, 정확한 순위는 이미 달라졌을 수 있다.

이러한 한계는 개별 개발사를 비교할 때 가장 중요하다. 하지만 테스트한 6개 시스템 모두 선거 정보 관련 실패를 보였다는 핵심 결론에는 영향이 덜하다.

따라서 이 연구는 최종 순위표가 아니라 정보 채널에 대한 스트레스 테스트로 읽어야 한다. GPT-5.5의 선두 점수가 모든 ChatGPT 답변을 보증하는 것은 아니다.

마찬가지로 Muse Spark의 낮은 점수가 모든 Meta AI 인터페이스가 동일하게 작동한다는 뜻은 아니다. 이는 평가된 시스템이 기록된 조건에서 자주 실패했음을 보여준다.

역사적 증거는 이러한 해석을 뒷받침한다. 2024년 초 선거 관리 당국자와 연구진은 이전 세대 모델 5개를 테스트했고, 답변의 절반 이상을 부정확하다고 평가했다.

이전 선거 챗봇 테스트의 참가자들은 응답의 40%를 유해하다고 분류했다. 일부 시스템은 투표소를 지어내거나 오래된 정보에 의존했다.

더 최근의 ISD 챗봇 선거 연구는 특히 주입된 허위 주장에 대한 저항력 등 여러 영역에서 개선을 시사한다. 동시에 절차적 신뢰성 문제가 여전히 해결되지 않았음을 보여준다.

이것이 적절한 균형이다. 증거는 챗봇이 항상 유권자에게 잘못된 정보를 제공한다고 말할 근거를 뒷받침하지 않는다. 그렇다고 현재의 보조 도구를 권위 있는 선거 관리 기관처럼 취급할 근거도 되지 않는다.

유권자와 AI 기업이 다음으로 주목해야 할 것

언어 격차가 줄어들고 있는지는 반복적인 공개 테스트, 더 강력한 공식 출처 활용, 소비자 제품 전반에서 측정 가능한 동등성이라는 세 가지 신호로 확인할 수 있다.

첫 번째 신호는 11월 3일 선거 전 동일한 평가를 반복하는 것이다. 선거 규칙과 모델 행동은 모두 변하기 때문에 연구진은 여러 날짜에 걸쳐 동일한 프롬프트를 다시 실행해야 한다.

반복 테스트는 개발사가 시스템을 업데이트한 뒤 잘못된 답변이 지속되는지, 사라지는지를 보여줄 것이다. 또한 무작위 변동과 체계적 약점을 구분하게 해줄 것이다.

두 번째 신호는 인용의 품질이다. 유용한 응답은 여러 링크를 단순히 덧붙이는 것이 아니라 유권자를 올바른 주 또는 지역 당국으로 안내해야 한다.

공식 출처는 최신이어야 하며 언어적으로도 적절해야 한다. 스페인어 리소스가 존재하는 경우 스페인어 답변은 사용자를 해당 스페인어 지침으로 연결해야 한다.

Election Assistance Commission은 다국어 유권자 FAQ를 운영하며 유권자를 주 및 준주 선거 웹사이트로 안내한다. 마감일, 신분증 규정, 투표소 위치에 관해서는 이러한 공식 목적지가 최종 권위로 남아야 한다.

세 번째 신호는 소비자 인터페이스 내부의 동등성이다. 기업은 시스템 프롬프트, 웹 검색, 안전 고지, 위치 기능을 포함해 사람들이 실제로 사용하는 완성된 제품을 테스트해야 한다.

영어 전용 정확도 점수를 공개하는 것만으로는 스페인어 사용자가 같은 수준의 세부 정보를 받는지 알 수 없다. 개발사에는 정확성, 완전성, 최신성, 권위 있는 인용에 대한 언어별 측정 기준이 필요하다.

기업들은 서로 다른 답변을 내놓았다. Meta는 자사 보조 도구가 지역화된 정보를 제공하거나 사용자를 신뢰할 수 있는 정부 출처로 안내하도록 설계됐다고 말한다.

Google은 Gemini가 언어 전반에 걸쳐 시의적절하고 정확한 답변을 제공하는 능력을 지속적으로 개선하고 있다고 말한다. Anthropic은 Claude가 투표 관련 질문에 정확히 답하고 잘못된 주장을 반박하도록 설계됐다고 말한다.

OpenAI와 Anthropic은 비영리 투표 정보 제공기관인 Democracy Works와의 협력도 발표했다. 이러한 파트너십은 검색을 개선할 수 있지만, 그 효과는 독립적인 테스트를 통해 검증돼야 한다.

ISD 챗봇 선거 연구는 그러한 검증을 위한 실질적인 기준선을 마련한다. 핵심은 어느 한 모델이 몇 퍼센트포인트 차이로 벤치마크에서 승리하는지가 아니다.

진짜 시험대는 유권자가 누락된 날짜, 지역 예외 또는 번역 오류가 의미를 바꿨다는 사실을 뒤늦게 발견하지 않고 답변에 따라 행동할 수 있는지다.

현재로서는 사용자는 챗봇을 투표 절차의 최종 권위자가 아니라 질문을 정리하기 위한 출발점으로 여겨야 한다. 실행 가능한 모든 답변은 주 또는 지역 선거 관리 기관을 통해 확인해야 한다. 답변에 최신 공식 출처가 없다면 시스템에 출처를 요청하고 직접 검토하라. 한편 AI 기업은 다국어 품질에 관한 광범위한 주장에 의존하기보다 반복적인 이중언어 평가를 공개해야 한다. 선거 관리 당국은 영어와 스페인어 모두에서 최신의 검색 가능한 지침을 유지함으로써 도움을 줄 수 있다. 중간선거를 앞두고 결정적인 질문은 간단하다. 독립적으로 반복된 테스트가 스페인어 사용 유권자도 마침내 영어 사용 유권자와 같은 수준으로 완전하고 출처가 명시된 지침을 받는다는 사실을 보여줄 것인가?