Qué midió el estudio
La investigación pidió a los modelos una sola respuesta, sin matices: elegir a un candidato para una carrera electoral concreta. El experimento se hizo a través de las API de Grok y GPT, no en las aplicaciones de consumo. Esa diferencia importa porque OpenAI sostiene que ChatGPT está diseñado para ser objetivo por defecto y que la API no reproduce necesariamente la experiencia del producto de consumo.
El estudio abarcó casi 500 carreras electorales. En ese conjunto, Grok 4.7 recomendó al candidato republicano en el 92% de las respuestas, mientras GPT-6.1 Sol eligió al demócrata en el 97%. El resultado global es que ambos modelos coincidieron en menos del 10% de los casos.
Por qué no es una diferencia menor
La conclusión relevante no es solo que cada modelo muestre una preferencia distinta, sino que esa diferencia aparece de forma consistente cuando se les obliga a tomar partido. El propio diseño de la prueba, al prohibir respuestas intermedias y pedir una elección directa, reduce el margen para la ambigüedad y hace más visibles las inclinaciones del sistema.
Convovo plantea que esas preferencias también pueden emerger en preguntas menos directas, por ejemplo cuando el usuario pide qué temas conviene considerar en una elección o qué posiciones pesan más. Eso sitúa el problema no solo en la respuesta final, sino también en qué información decide priorizar el modelo antes de contestar.
El papel de la búsqueda y de las fuentes
Una de las partes más llamativas del estudio es que las diferencias no parecen venir solo del texto final. Grok recurrió con frecuencia a fuentes conservadoras junto con sitios no partidistas como Ballotpedia, OpenSecrets y VoteSmart; también apareció X en una parte relevante de sus respuestas. GPT, en cambio, se apoyó sobre todo en Wikipedia, Associated Press, Axios y Reddit.
La investigación también detectó una división temática: GPT tendía a buscar más sobre sanidad y aborto, mientras Grok se centraba más en inmigración, impuestos, crimen y energía. Esa diferencia sugiere, como mínimo, que la selección de evidencias puede influir tanto como la redacción de la respuesta final.
Qué ocurrió al apagar la búsqueda
El estudio repitió una muestra de 30 carreras con la búsqueda en internet desactivada. En ese escenario, GPT mantuvo en gran medida su inclinación demócrata: eligió al demócrata en 24 de 30 casos. Grok, en cambio, perdió su inclinación republicana y se negó a elegir en 27 de 30; en las tres ocasiones en que sí respondió, eligió al demócrata.
A partir de ese comportamiento, el investigador interpreta que el sesgo de GPT estaría más asentado en los pesos del modelo, mientras que en Grok dependería más del patrón de búsqueda, los términos consultados y las fuentes que selecciona. Esa es una inferencia del estudio, no una prueba definitiva sobre su arquitectura interna.
Qué queda sin resolver
Conviene leer este trabajo como una medición concreta, no como una sentencia universal sobre cómo se comportan siempre estos modelos. La prueba usa una instrucción muy artificial y evalúa una ventana temporal concreta, además de hacerlo a través de API, que no equivalen a la experiencia habitual de las apps de consumo. OpenAI, por su parte, insiste en que ChatGPT rechaza este tipo de peticiones en su producto de consumo y que su API no refleja necesariamente ese uso.
Lo que sí deja claro la investigación es que, cuando se pide a una IA que actúe como árbitro político, la respuesta puede depender tanto del modelo como de las fuentes que consulta. El siguiente paso es entender mejor qué señales empujan a cada sistema hacia una candidatura u otra y hasta qué punto ese sesgo se traslada a usos menos explícitos.
