Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Hay una tentación cada vez más extendida en las ciencias sociales. Si un modelo de lenguaje redacta con soltura, argumenta con aplomo y parece entender matices, ¿por qué no pedirle también que actúe como votante?
Un estudio publicado en Nature y liderado por Ashwini Ashokkumar, psicóloga de la Universidad de Harvard, pone a prueba esa idea con una conclusión incómoda. Usar grandes modelos de lenguaje para predecir la intención de voto resulta, en realidad, un espejismo.
GPT-4 acierta la dirección, pero exagera la fuerza del efecto
La investigación examina hasta qué punto estos sistemas pueden funcionar como votantes sintéticos en experimentos de ciencias sociales.
Ahí aparece la primera paradoja. GPT-4 logra clasificar qué intervenciones persuasivas tienen más opciones de funcionar, pero cuando intenta medir cuánto moverán de verdad a la ciudadanía, infla el resultado hasta cifras que llegan a duplicar la reacción real.
Eso importa porque en política no basta con saber qué mensaje suena mejor. La diferencia entre detectar una tendencia y calcular su magnitud decide si una campaña afina el tiro o se engaña sola.
La gramática impecable alimenta una ilusión de comprensión
Los autores llaman a ese error ilusión de comprensión, una tendencia a atribuir capacidades humanas a la inteligencia artificial por su gramática perfecta y su aparente profundidad analítica.
No es un matiz menor. En la práctica, un sistema que escribe como si entendiera puede llevar a confundir fluidez verbal con conocimiento de la vida social, algo que también aparece en límites de los LLM descritos en análisis anteriores.
Falta lo decisivo.
La inteligencia artificial no tiene memoria vital y trabaja con un cálculo probabilístico sobre qué palabra debe seguir a la anterior. Puede imitar patrones del lenguaje con mucha solvencia, pero no acumula experiencia biográfica, contradicciones íntimas ni el tipo de contexto vivido que pesa cuando una persona decide su voto.
El mejor uso aparece antes de la encuesta, no en su sustitución
Eso no vuelve inútiles a los algoritmos. Los autores sitúan su utilidad en una fase más modesta y también más concreta, abaratar los ensayos previos de una investigación sociológica para filtrar mensajes ineficaces antes de pasar a pruebas con personas.
Dicho de otro modo, sirven mejor como criba que como oráculo. El ahorro aparece cuando ayudan a descartar caminos débiles antes de invertir tiempo y dinero en trabajo de campo, una lógica cercana a otras pruebas de interacción donde el valor está en afinar hipótesis y no en reemplazar el contraste humano.
Los autores lo dejan claro en el punto clave del estudio. La demoscopia tradicional y las encuestas convencionales siguen siendo irremplazables.
Ahí queda la tensión de fondo. Una máquina puede acertar qué mensaje parece más persuasivo y, al mismo tiempo, fallar justo en lo que vuelve valiosa una predicción electoral, la distancia exacta entre una impresión plausible y la respuesta real de la gente.