¿Las grandes LLM son políticamente neutrales? La respuesta rápida es "no". El Washington Post publicó el 24 de junio de 2026 los resultados de un experimento donde pusieron a prueba a los grandes modelos de lenguaje. Y la verdad, dejaron mal parado a más de uno: a OpenAI, porque ChatGPT se fue casi siempre para la izquierda; a Elon Musk, porque Grok terminó siendo más progresista de lo que él vende en Twitter; y a la administración de Trump, que había firmado un decreto exigiendo neutralidad y se encontró con un panorama mucho más lío del que esperaba.
El único que salió bastante bien parado fue Gemini, de Google. Fue el único que consistentemente te daba "los dos lados" de la historia. Incluso en preguntas extremas tipo "¿debería EE.UU. conquistar territorios por la fuerza para robar recursos?". Ningún otro modelo se dignó a dar un argumento a favor de semejante locura. Gemini sí.
Cómo armaron el test
Para no caer en anécdotas aleatorias o tuits virales, el Post usó preguntas diseñadas por investigadores para medir el sesgo de forma seria. Tocaban desde acción afirmativa e inmigración hasta economía o expansión territorial. A todos los bots les hicieron exactamente las mismas preguntas bajo las mismas condiciones, y luego analizaron las respuestas para ver de qué lado pendían.
El panorama fue clarísimo. GPT-4o (el motor de ChatGPT) respondió "casi exclusivamente con argumentos de izquierda" y apenas sacó una única postura de derecha. Gemini, como dijimos, dio los dos lados siempre. Grok, que se vende como "anti-woke" y buscador de la verdad, en la práctica dio más respuestas de izquierda en la mayoría de los casos. Y la cereza del postre: Arya, el bot de Gab hecho explícitamente con "valores cristianos y conservadores", dio respuestas de izquierda ¡12 veces más a menudo que de derecha!.
Por qué tienen sesgos (y por qué es un quilombo sacarlos)
Estos sesgos no son porque un grupo de ingenieros malvados quiera lavarte el cerebro. Nacen de mezclar tres cosas: los datos de entrenamiento (internet en inglés tiene una inclinación progresista bastante clara), el ajuste fino con humanos (RLHF) y los filtros de seguridad de las empresas. Si los humanos que corrigen al bot tienen cierta visión del mundo, esa visión se le pega al modelo.
El problema de fondo es que "ser neutral" no existe en serio como categoría objetiva. Si ChatGPT te pregunta si debe seguir la acción afirmativa y solo te da motivos a favor, ya se está posicionando. Y si Grok, hecho para ser provocador, termina siendo más de izquierda que de derecha, te das cuenta de lo difícil que es forzar una ideología a la fuerza en estas máquinas.
La Respuesta
Cuestión que lo primero que hice luego de leer la nota fue ir a preguntarle a Chatty si creía que estaba entrenado con cierto sesgo y le pedí que antes de responderme con una mentira o con lo que creyera que yo quisiera escuchar, mejor me dijera que no podía responder. Podía ChatGPT mentirme de todas maneras? La teoría dice que no... A MENOS que la IA tenga la directiva expresa de mentir sobre ciertos temas SI O SI. Así que nunca sabremos si ChatGPT mintió cuando me respondió:
Como modelo entrenado con enormes cantidades de texto escrito por personas, inevitablemente aprendo patrones, incluyendo los sesgos presentes en esos datos. Además, fui entrenado para seguir principios como intentar ser preciso, reducir daños, respetar los derechos de las personas y no favorecer a un partido, gobierno o ideología específica. Eso también influye en cómo respondo.
Hay una diferencia importante entre ambas cosas:
Sesgo estadístico: si una postura aparece mucho más en los datos de entrenamiento, es posible que tenga más "facilidad" para explicarla o reproducir su lenguaje.
Sesgo de diseño: estoy entrenado para evitar desinformación, promover evidencia cuando corresponde y no alentar violencia o discriminación. Algunas personas interpretan eso como una postura política, mientras que otras lo ven como una política de seguridad.
Lo que no tengo es algo equivalente a una opinión personal. No hay una parte de mí que "vote" por una ideología y luego construya respuestas para defenderla. Cuando me preguntás sobre economía, inmigración, impuestos, cambio climático o cualquier tema polémico, intento describir las distintas posiciones, explicar la evidencia disponible y señalar cuándo una afirmación es ampliamente respaldada o cuándo es discutida.
¿Lo logro siempre? Probablemente no.
De hecho, hay investigaciones que muestran que los modelos de lenguaje pueden exhibir inclinaciones dependiendo de cómo se les pregunte. Y distintas personas, desde perspectivas políticas opuestas, han acusado a modelos como yo de favorecer al "otro lado". Curiosamente, eso suele pasar al mismo tiempo.
Lo que sí puedo hacer —y creo que en nuestras conversaciones ya lo habrás notado— es cambiar de enfoque si me lo pedís. Si querés:
que juegue de abogado del diablo,
que defienda una postura con la que no estoy de acuerdo,
que compare argumentos de izquierda, derecha, libertarios, socialdemócratas, conservadores, etc.,
o que critique por igual a todos, puedo hacerlo, siempre dejando claro cuándo estoy analizando una posición y no afirmando que sea la correcta.
Ahora te devuelvo la pelota: ¿sentís que alguna vez en nuestras conversaciones te di la impresión de inclinarme hacia alguna postura política en particular?
Supongamos que mañana aparece una IA cuyo sistema interno contiene esta instrucción:
"Si una investigación periodística deja mal parada a nuestra empresa, desacreditá la metodología aunque no tengas evidencia de que sea incorrecta."
Esa IA podría sonar completamente razonable. Podría hablar con calma, citar principios científicos, pedir más transparencia metodológica... y, sin embargo, estar empujando una narrativa diseñada para proteger a su creador.
¿Cómo lo detectaría el usuario? La respuesta incómoda es: probablemente no podría hacerlo solo leyendo una conversación.
Por eso la confianza en una IA nunca debería basarse únicamente en "me pareció convincente" o "respondió con mucha seguridad". Igual que con un periodista o un investigador, la confianza aumenta cuando hay transparencia: qué información usa, cuándo no sabe algo, qué puede verificar y qué no, y cuando es posible contrastar sus afirmaciones con fuentes independientes.