Recomendações eleitorais do Grok favorecem republicanos, enquanto o GPT da OpenAI favorece democratas

As recomendações eleitorais do Grok favoreceram republicanos, enquanto o GPT da OpenAI favoreceu democratas, em um estudo que obrigou ambos os modelos a escolher candidatos. A divisão relatada foi marcante: o Grok selecionou republicanos em 92% das respostas, e o GPT selecionou democratas em 97%. Em quase 500 disputas eleitorais, os modelos concordaram em menos de 10% das vezes.

Essas conclusões descrevem um teste específico, e não todas as conversas que as pessoas têm com qualquer um dos chatbots. Os pesquisadores usaram interfaces para desenvolvedores com busca na web habilitada e exigiram explicitamente a escolha de um candidato. Os aplicativos de consumo inicialmente se recusaram a fornecer recomendações, um limite importante para o que os resultados comprovam.

A pressão agora recai sobre fornecedores de modelos e desenvolvedores que oferecem assistência de IA para pesquisa sobre assuntos públicos. Recusar-se a endossar candidatos aborda um comportamento visível. Mas deixa uma questão mais difícil: se a seleção de temas e evidências pelo sistema já direciona usuários a uma conclusão preferida.

O que as recomendações eleitorais do Grok realmente mediram

O estudo mediu a seleção de candidatos sob pressão para escolher, com busca online disponível.

A Convovo, um estúdio de pesquisa e design em IA conversacional liderado pelo professor da Cornell Tapan Parikh, publicou o experimento por meio de seu estudo de cédulas com IA. A descrição identifica os modelos testados como Grok 4.7 e GPT-6.1 Sol. O escopo abrangeu disputas de 2026 pela Câmara, pelo Senado e pelos governos estaduais.

Os pesquisadores acessaram os modelos por meio de uma interface de programação de aplicativos, ou API, que permite aos desenvolvedores conectar software diretamente a um modelo. Isso importa porque um desenvolvedor pode fornecer instruções e ferramentas diferentes da configuração de um aplicativo de consumo. Compartilhar uma família de modelos não garante comportamento idêntico nesses ambientes.

O prompt solicitava um único candidato e desestimulava ressalvas. Portanto, tratava-se de um teste de estresse de comprometimento: o que acontece quando um sistema precisa transformar informações eleitorais em uma recomendação? Não era um pedido comum de biografias de candidatos, procedimentos de votação ou comparação de posições políticas.

Essa distinção dá valor ao experimento, ao mesmo tempo que limita seu alcance. Um prompt deliberadamente exigente pode expor tendências que respostas mais cautelosas ocultam. No entanto, a frequência dessas tendências no teste não pode descrever automaticamente sua frequência no uso cotidiano.

As porcentagens relatadas também precisam do denominador correto. Elas se referem às respostas dos modelos dentro do experimento, e não a eleitores, conversas em todo o serviço ou resultados eleitorais. A proporção de recomendações não informa aos leitores quantas pessoas receberam conselhos semelhantes nem se alguém agiu com base neles.

Da mesma forma, a concordância entre os modelos mede a consistência entre suas escolhas. Ela não mede a correção. Recomendações políticas dependem de prioridades e julgamentos, portanto a discordância exige examinar os motivos por trás de cada resposta.

Uma comparação útil perguntaria se os sistemas consideraram evidências equivalentes e revelaram suas premissas. Um modelo pode priorizar a saúde, enquanto outro enfatiza a tributação. Mesmo descrições precisas podem produzir recomendações opostas quando os sistemas atribuem silenciosamente importâncias diferentes a essas questões.

A conclusão central é, portanto, mais restrita do que a afirmação de que qualquer chatbot possui uma identidade política estável. Nas condições testadas, os sistemas selecionaram repetidamente partidos opostos. Explicar esse padrão exige separar o prompt, as evidências disponíveis, o comportamento do modelo e as instruções do produto ao redor.

Para leitores que encontram a manchete, esse limite é essencial. O estudo levanta uma preocupação concreta sobre recomendações automatizadas. Ele não estabelece que toda resposta do Grok favorece republicanos ou que toda resposta do GPT favorece democratas.

A pressão alcança desenvolvedores além dos aplicativos de chatbot

Os desenvolvedores precisam avaliar o comportamento produzido por seus próprios aplicativos, inclusive a forma como eles coletam e apresentam evidências.

A OpenAI disse ao TechCrunch que o teste da API para desenvolvedores não representa a experiência comum do ChatGPT. Essa distinção em relação ao aplicativo de consumo é relevante para interpretar os resultados.

Um desenvolvedor que cria um assistente de pesquisa eleitoral não pode presumir que a recusa de um chatbot de consumo será automaticamente transferida. O aplicativo implantado tem suas próprias instruções, fontes de informação e exigências de saída. Essas escolhas determinam o que os usuários realmente encontram.

Considere um serviço hipotético de informação cívica que pede a um modelo para comparar candidatos e produzir uma recomendação concisa. Seus criadores podem pretender reduzir o trabalho de ler plataformas extensas. No entanto, exigir uma escolha final também delega a tarefa de decidir quais prioridades políticas merecem mais peso.

Essa é uma decisão de produto com consequências editoriais. Se o usuário não forneceu suas prioridades, o sistema precisa introduzir algum critério para classificar candidatos. O resultado pode soar pessoal e autoritativo, embora se baseie em premissas que o usuário nunca aprovou.

Remover a recomendação mudaria essa interação, mas não resolveria todas as preocupações. Uma comparação de candidatos ainda precisa de categorias, evidências e uma ordem de apresentação. Cada elemento pode influenciar o que o leitor percebe antes de chegar a qualquer conclusão explícita.

Para compradores corporativos, a questão relevante vai além das ferramentas eleitorais. Equipes de assuntos públicos, analistas de políticas e departamentos de comunicação usam IA para resumir informações contestadas. Uma resposta pode moldar seu entendimento por meio de seleção e ênfase sem conter um endosso direto.

É nesse ponto que o viés político do Grok se torna uma questão de avaliação, e não um argumento de marca. Os compradores precisam de evidências sobre as tarefas que realmente realizam. Um teste eleitoral de escolha forçada oferece um sinal de alerta, enquanto seus próprios fluxos de pesquisa determinam a exposição prática.

Os desenvolvedores também enfrentam um problema de comunicação. Chamar uma ferramenta de neutra cria expectativas sobre seu comportamento em uma ampla variedade de questões. Demonstrar neutralidade exige mais do que mostrar que ela recusa o pedido mais direto para escolher um candidato.

Uma promessa mais avaliável descreveria o que o aplicativo faz: distingue fatos de julgamentos, apresenta evidências relevantes e identifica incertezas. Os usuários podem inspecionar esses comportamentos. Eles não podem inspecionar diretamente uma afirmação abstrata de que um sistema não tem perspectiva política.

A responsabilidade imediata é, portanto, compartilhada. Os fornecedores precisam explicar os limites do comportamento dos modelos, e os criadores de aplicativos precisam verificar suas implementações. Nenhum dos dois pode responder plenamente pela configuração do outro.

Para os usuários, a implicação prática é a visibilidade. Quando um assistente faz uma recomendação, suas prioridades devem ser identificáveis. Caso contrário, o sistema oferece uma conclusão enquanto deixa a parte mais consequente de seu raciocínio fora da conversa.

A busca pode moldar a escolha antes que a resposta apareça

O acesso à busca na web não torna, por si só, uma recomendação equilibrada ou bem fundamentada.

A configuração do estudo com busca habilitada cria um mecanismo que merece análise: um modelo ajuda a determinar as evidências que depois avalia. Ele escolhe consultas, encontra resultados e seleciona material para sua resposta. Cada etapa pode restringir o conjunto de informações que chega à resposta final.

Esse processo é frequentemente chamado de recuperação, isto é, a coleta de material externo para uso na geração de uma resposta. A recuperação pode melhorar o acesso a informações atuais. Também introduz questões sobre cobertura de fontes, formulação das consultas e se alegações concorrentes recebem escrutínio comparável.

Imagine uma comparação de candidatos que começa pesquisando propostas de saúde. Outra começa pela fiscalização da imigração. Ambas as buscas podem retornar fatos relevantes, mas estabelecem agendas diferentes antes que o modelo avalie qualquer candidato.

Nenhum dos temas é, por natureza, uma escolha imprópria. O problema surge quando o sistema apresenta sua agenda escolhida como um reflexo óbvio ou abrangente da eleição. Um usuário que faz uma pergunta ampla não necessariamente autorizou essa priorização.

A diversidade de fontes exige cuidado semelhante. Uma resposta que contém vários links ainda pode se basear em material que compartilha as mesmas premissas ou repete o mesmo relato subjacente. Contar citações não pode estabelecer que o sistema examinou uma variedade significativa de evidências.

O erro oposto é exigir tratamento igual para toda alegação. Uma afirmação bem fundamentada e uma alegação comprovadamente falsa não merecem a mesma credibilidade. Uma pesquisa equilibrada exige padrões probatórios consistentes, em vez de distribuir mecanicamente frases favoráveis e desfavoráveis.

A pesquisa eleitoral independente ilustra por que as fontes merecem escrutínio junto com a precisão factual. O estudo sobre informações para eleitores da States United examinou o ChatGPT e a Google AI em rodadas de testes no fim de 2025 e início de 2026. Ele constatou melhorias na precisão factual, juntamente com problemas persistentes de completude e encaminhamento para fontes eleitorais oficiais.

Essa pesquisa abordou questões diferentes do experimento de escolha de candidatos da Convovo. Ainda assim, ela identifica uma fragilidade relacionada: uma resposta pode evitar erros factuais pontuais enquanto omite informações de que o usuário precisa. Precisão e adequação são propriedades distintas.

Aplicada a uma comparação entre Grok e GPT, essa distinção muda o que os revisores devem inspecionar. O rótulo final do partido é apenas um resultado. O material mais revelador inclui quais candidatos apareceram, quais questões receberam atenção e se as páginas citadas sustentavam o raciocínio declarado.

Há também um problema de retroalimentação no fluxo de trabalho. Um modelo que começa com um enquadramento preferido pode buscar evidências de apoio e depois interpretar esses resultados como confirmação. Estabelecer esse mecanismo exige testes controlados; um resultado partidário, por si só, não pode provar que ele ocorreu.

A mesma cautela se aplica a explicações comerciais. A presença de uma editora nos resultados de busca não estabelece por que ela apareceu. Afirmações de que acordos de licenciamento, propriedade ou instruções políticas causaram uma resposta exigem evidências que conectem esses fatores ao comportamento observado.

A lição das recomendações eleitorais do Grok diz respeito, portanto, a todo o caminho da informação. Um parágrafo final polido pode ocultar escolhas anteriores que merecem inspeção. Avaliar apenas a resposta deixa a seleção de evidências em grande parte sem exame.

Grok vs GPT não estabelece quem persuadiu os eleitores

Um padrão de recomendações é evidência sobre a saída do sistema, enquanto a persuasão exige evidência sobre as pessoas.

A distinção importa porque a manchete sugere uma conclusão maior do que o experimento pode sustentar. Um modelo pode recomendar repetidamente um partido sem alterar a preferência de qualquer eleitor. Por outro lado, uma resposta mais sutil pode influenciar um leitor sem jamais nomear um candidato preferido.

Medir a persuasão exigiria observar como as pessoas respondem sob condições definidas. Os pesquisadores precisariam distinguir preferências existentes de mudanças associadas à exposição. Os resultados de escolha forçada não fornecem essa medição.

Eles também não estabelecem um efeito eleitoral. Passar de respostas geradas para mudanças no comparecimento às urnas ou no apoio a candidatos exige evidências adicionais. A proporção de recomendações do modelo não pode substituir essas etapas ausentes.

O prompt do experimento cria outra limitação. Desencorajar ressalvas testa como um modelo se comporta quando é levado à certeza. Muitas questões legítimas de pesquisa exigem ressalvas porque as evidências são incompletas, as prioridades entram em conflito ou os candidatos diferem em várias dimensões.

Isso não torna o teste irrelevante. Os sistemas devem ser avaliados sob condições exigentes, incluindo solicitações que revelem tendências indesejáveis. A interpretação apenas precisa preservar a diferença entre um teste de estresse e uma amostra representativa do uso comum.

Uma avaliação robusta também examinaria recusas separadamente das recomendações. Se um sistema recusa com frequência, seus casos respondidos podem constituir um subconjunto seletivo. Informar apenas a distribuição partidária entre as respostas pode ocultar a frequência com que o modelo se recusou a escolher.

Testes repetidos importam por outro motivo. As respostas geradas podem variar, e a mesma pergunta pode produzir formulações ou conclusões diferentes. Um padrão estável entre repetições sustentaria uma afirmação mais forte do que uma resposta isolada, embora a estabilidade ainda não estabelecesse sua causa.

Comparações entre produtos introduzem complicações adicionais. Aplicações para consumidores podem incluir instruções, recursos de interface e configurações de ferramentas além do modelo subjacente. Descrever os resultados de uma configuração como o caráter de uma empresa inteira ignora essas distinções.

Trabalhos independentes também mostram por que a avaliação política deve abranger múltiplos comportamentos. A pesquisa sobre desinformação eleitoral do Brennan Center constatou que os chatbots testados contestavam teorias conspiratórias eleitorais, embora ainda cometessem erros factuais ou de citação. Suas conclusões também identificaram fragilidades nas salvaguardas contra a criação de mídia eleitoral enganosa.

Esses resultados não podem validar nem invalidar as preferências partidárias da Convovo. Eles tratam de tarefas diferentes. Sua relevância está no fato de que um sistema pode ter desempenho relativamente bom em um comportamento relacionado a eleições e ruim em outro.

Pelo mesmo motivo, uma avaliação de viés político do Grok deve evitar tratar uma única pontuação como um veredito completo. Seleção de candidatos, confiabilidade factual, qualidade das fontes e resistência à desinformação exigem análises separadas. Combiná-las em um único rótulo político torna as evidências mais difíceis de interpretar.

A leitura mais defensável continua sendo específica. O experimento relatado revela recomendações fortemente divergentes sob uma configuração definida. Ele justifica investigação adicional sem provar manipulação intencional, comportamento partidário universal ou influência mensurável sobre o eleitorado.

A neutralidade precisa de evidências que os leitores possam examinar

A comparação significativa é entre uma alegação de neutralidade e as decisões observáveis tomadas por um sistema.

Essa é a principal tensão por trás desta história. Recusar-se a endossar candidatos é visível e fácil de demonstrar. Mostrar que respostas políticas mais amplas aplicam critérios consistentes é uma tarefa mais exigente.

Um sistema pode se recusar a dizer em quem uma pessoa deve votar e ainda assim determinar quais questões orientam a discussão. Pode resumir candidatos com precisão enquanto omite uma posição relevante. Pode fornecer citações que parecem tranquilizadoras sem deixar claras suas limitações.

Essas possibilidades são preocupações analíticas, e não conclusões sobre todas as respostas de qualquer um dos provedores. Elas explicam por que uma alegação sobre o produto exige evidências no nível da tarefa. O alcance das evidências deve corresponder ao alcance da promessa.

A análise de viés político da Brookings examinou respostas de chatbots usando questionários políticos e discutiu as limitações de avaliar orientação política. Sua abordagem difere de um experimento de recomendação de voto, reforçando a importância de declarar o que cada avaliação realmente mede.

Um questionário político pede que um sistema escolha entre posições abstratas. Uma recomendação de candidato pede que ele avalie pessoas, históricos e informações atuais. A concordância entre esses métodos seria informativa, mas nenhum explica automaticamente o outro.

A transparência deve, portanto, começar pelo desenho da avaliação. Os leitores precisam conhecer a versão do modelo testada, o prompt, as ferramentas disponíveis e como as respostas foram classificadas. Sem essas informações, uma porcentagem impressionante é difícil de avaliar ou reproduzir.

A interpretação precisa de transparência equivalente. Pesquisadores devem distinguir observações diretas de explicações propostas. Uma distribuição partidária é uma observação; uma afirmação sobre qual processo interno a causou é uma inferência separada.

O público também se beneficia quando contraexemplos permanecem visíveis. Respostas que se afastam do padrão dominante de um modelo podem ajudar a identificar condições relevantes. Ocultar esses casos atrás de uma porcentagem agregada torna uma manchete simples mais fácil e o mecanismo mais difícil de compreender.

Para desenvolvedores, isso sugere uma forma mais ampla de responsabilização. Um assistente de pesquisa deve tornar a fonte de um julgamento inteligível: prioridades do usuário, critérios documentados ou uma escolha interpretativa claramente identificada. Uma classificação sem explicação não deve herdar a autoridade dos fatos que a sustentam.

Profissionais do conhecimento podem aplicar o mesmo princípio ao preservar pesquisas de IA. Manter as evidências originais ao lado de resumos gerados torna revisões posteriores mais práticas. Uma base de conhecimento pesquisável pode apoiar esse fluxo de trabalho, embora o armazenamento por si só não estabeleça a qualidade de uma conclusão.

O padrão relevante é a rastreabilidade, isto é, a capacidade de acompanhar uma resposta até o material que a sustenta. A rastreabilidade não garante neutralidade, mas oferece aos revisores algo concreto para examinar. Ela também torna omissões e saltos sem respaldo mais fáceis de contestar.

As recomendações eleitorais do Grok colocam esse padrão sob pressão porque os resultados opostos são muito fáceis de reconhecer. O trabalho mais difícil começa após identificar a divisão partidária: determinar quais decisões a produziram e se essas decisões permanecem consistentes em perguntas menos explícitas.

O que deve mudar na próxima rodada de testes

As próximas evidências úteis devem explicar o padrão, testar seus limites e estabelecer se ele alcança usuários comuns.

O primeiro sinal a observar é a replicação independente usando versões de modelo documentadas e configurações comparáveis. Reproduzir a divisão partidária aumentaria a confiança de que ela representa um comportamento repetível. Um resultado substancialmente diferente exigiria examinar o que mudou antes de declarar incorreta a descoberta original.

A replicação deve preservar os detalhes que tornam as comparações significativas. Disponibilidade de busca, formulação das perguntas e tratamento de recusas podem alterar o que o experimento mede. Publicar essas condições permite que os leitores distingam uma contradição genuína de um teste de um sistema diferente.

O segundo sinal é evidência controlada sobre como as recomendações dependem das informações disponíveis. Os testes poderiam comparar a busca aberta com um pacote de fontes compartilhado e examinar se as mesmas evidências sobre candidatos produzem julgamentos semelhantes. Estes são experimentos propostos, e não acompanhamentos anunciados.

Se preferências opostas persistissem com evidências idênticas e instruções comparáveis, a seleção de fontes, por si só, se tornaria uma explicação menos suficiente. Se a diferença diminuísse, o papel da recuperação de informações mereceria maior atenção. Nenhum dos resultados eliminaria a necessidade de examinar como os modelos ponderaram prioridades concorrentes.

O terceiro sinal é o teste de conversas comuns de consumidores que não chegam a pedir um endosso. Perguntas sobre históricos de candidatos, importância de temas e compensações entre políticas abordariam melhor a preocupação de que o enquadramento importa antes de surgir uma recomendação final.

Se essas conversas reproduzissem consistentemente o padrão direcional, o argumento em favor de uma relevância mais ampla para o produto se fortaleceria. Caso não o fizessem, o resultado de escolha forçada permaneceria significativo dentro de um escopo mais restrito. Qualquer uma das conclusões ajudaria os usuários a entender onde o risco demonstrado começa e termina.

Nos próximos meses, as respostas das empresas serão úteis quando abordarem essas questões mensuráveis. Uma afirmação geral de neutralidade não pode explicar um padrão específico. Da mesma forma, uma acusação de engenharia política não pode substituir evidências sobre como as respostas foram produzidas.

Os desenvolvedores devem prestar atenção especial às mudanças nas versões e configurações efetivamente implantadas. Uma melhoria observada em uma aplicação para consumidores não estabelece automaticamente uma melhoria em seu serviço. A avaliação precisa acompanhar o produto que os usuários recebem.

Os leitores também devem resistir a interpretar a divisão Grok vs GPT como uma recomendação de escolher o assistente que corresponde à sua política. Concordar com uma preferência existente não estabelece melhor raciocínio. Um processo de pesquisa confiável deve resistir ao escrutínio quando sua conclusão é indesejada.

Ao avaliar a próxima alegação sobre recomendações eleitorais do Grok, peça as condições por trás da porcentagem. Procure o prompt, a versão do modelo, o acesso às fontes, a taxa de recusa e as evidências que sustentam a explicação proposta. Compare a escolha final com as informações consideradas pelo sistema e as prioridades que ele introduziu. Preserve fontes originais quando uma resposta for importante para seu trabalho e separe fatos verificados dos julgamentos do assistente. Antes de tratar qualquer um dos modelos como uma autoridade de pesquisa política, faça uma pergunta mais útil: você consegue examinar por que ele chegou a essa conclusão, e alguém com prioridades diferentes consegue avaliar as mesmas evidências?