Sesgo político en la IA: dónde se sitúan los modelos de IA

Metodología y límites de medir el sesgo político de los LLM

• Varios comentarios señalan que cualquier puntuación de izquierda/derecha depende en gran medida de cómo se redactan las preguntas y de cómo se codifican las respuestas.
• El autor del sitio (en el hilo) describe el uso de conjuntos de datos de ciencia política (p. ej., encuestas a partidos y a la población) y modelos separados para codificar posturas, pero reconoce que es imperfecto y que está anclado a una ventana de Overton concreta.
• Algunos proponen enfoques de mayor dimensión o basados en embeddings en lugar de ejes fijos, pero señalan que son más difíciles de interpretar para los consumidores.

Problemas con izquierda/derecha y el compás político

• Muchos ven el compás político como una simplificación excesiva o “basura”, argumentando que la política real abarca muchas dimensiones y que las personas a menudo sostienen opiniones cruzadas entre cuadrantes e internamente inconsistentes.
• Otros argumentan que izquierda/derecha y autoritario/libertario dependen de la cultura y de la época, por lo que no existe un “centro” u posición “neutral” objetiva.
• Los intentos de ubicar a políticos globales (p. ej., Macron, Xi, Putin, Albanese, Obama) son ampliamente criticados por ser inverosímiles o inconsistentes con otros análisis al estilo compás.

Observaciones específicas de modelos

• Se percibe que Grok tiene un ajuste explícitamente inclinado a la derecha, con referencias a declaraciones públicas sobre “arreglarlo” cuando contradice narrativas MAGA.
• Se considera que Gemini pasó de un comportamiento visiblemente sobrecorregido al estilo DEI a parecer sorprendentemente “neutral” en esta gráfica.
• DeepSeek se sitúa como centrista, pero varios comentaristas dicen que censura o distorsiona temas sensibles de China (especialmente Tiananmén), por lo que se cuestiona ese “centro”.
• Algunos señalan que todos los modelos probados se alinean más cerca del Partido Demócrata de EE. UU., algo que a su vez se disputa como centro-derecha o izquierda según el comparador.

Prompting, guardrails y “opiniones” aparentes

• Varios señalan que los modelos no sostienen ideologías estables; las respuestas pueden ser fuertemente condicionadas por el encuadre del prompt.
• Otros insisten en que la ingeniería de prompts no puede superar los sesgos más profundos del conjunto de entrenamiento y de los guardrails, y cuestionan lo fácil que sería “crear” sesgo mediante prompting.

Críticas a la visualización y la presentación

• Se acusa al gráfico principal de “chart crime”: puntos de bajo contraste y desplazamientos de etiquetas pueden exagerar visualmente la posición de Grok y oscurecer la de otros.
• Las inconsistencias entre las posiciones del compás en el titular y el desglose más detallado reducen la confianza en el estudio.

Por qué importa el sesgo (o no)

• Algunos sostienen que es importante porque los LLM ya están influyendo en políticas, asignación de recursos y comprensión pública.
• Otros dicen que las personas no deberían —y en su mayoría no lo harán— dejar que un LLM decida su política, así que medir el sesgo es más académico que práctico.