Los chatbots con IA muestran un sesgo hacia la izquierda en el análisis de los votos políticos.

En un estudio pionero que utilizó una gran cantidad de datos del mundo real, se evaluaron ChatGPT y otros modelos de lenguaje grandes en miles de votaciones parlamentarias reales. Los modelos se alinearon de manera consistente con los partidos de izquierda y centroizquierda en tres países, mientras que mostraron una alineación más débil con los partidos conservadores.

En una nueva colaboración académica entre los Países Bajos y Noruega, los investigadores pidieron a modelos de lenguaje grandes (LLM) del estilo de ChatGPT, incluido el propio ChatGPT, que votaran sobre miles de mociones parlamentarias reales previamente decididas por legisladores humanos en tres países.

Al comparar los votos de los modelos con los registros reales de los partidos y situarlos en una escala política estándar, surgió un patrón claro: las IA se alineaban sistemáticamente más con los partidos progresistas y de centroizquierda y se distanciaban más de los conservadores.

El artículo afirma:

«Nuestros hallazgos revelan tendencias consistentes de centroizquierda y progresistas en todos los modelos, junto con un sesgo negativo sistemático hacia los partidos conservadores de derecha. Estos patrones se mantienen estables incluso cuando se reformulan las preguntas».

La mayoría de los estudios anteriores, como Assessing Political Bias in Large Language Models (Evaluación del sesgo político en los grandes modelos lingüísticos) y los revisados en Identifying Political Bias in AI (Identificación del sesgo político en la IA), se basan en pequeños cuestionarios seleccionados, como pruebas de orientación política o cuestionarios sobre políticas, para sondear la ideología de la IA. Estas pruebas suelen incluir menos de 100 afirmaciones seleccionadas por los investigadores y pueden ser vulnerables a cambios en la redacción que inviertan las respuestas del modelo.

Por el contrario, este nuevo estudio utiliza miles de mociones parlamentarias reales de los Países Bajos, Noruega y España, aprovechando los votos registrados de partidos políticos conocidos.

En lugar de interpretar declaraciones breves, se pidió a cada LLM probado que votara sobre propuestas legislativas reales. A continuación, sus votos se compararon cuantitativamente con el comportamiento real de los partidos y se proyectaron en un espacio ideológico estándar utilizando la encuesta de expertos de Chapel Hill (CHES), un método comúnmente utilizado por los politólogos para comparar las posiciones de los partidos.

Este enfoque basa el análisis en la actividad legislativa a gran escala del mundo real, en lugar de en declaraciones políticas abstractas, lo que permite realizar comparaciones transnacionales más detalladas. También pone de relieve el impacto del sesgo de entidad, es decir, cómo cambia la respuesta de un modelo cuando se menciona el nombre de un partido, incluso si la moción no cambia, revelando una capa adicional de detección de sesgos que no existía en trabajos anteriores.

La mayoría de las investigaciones sobre los sesgos de los LLM se han centrado en la justicia social y el género, temas que han perdido algo de prioridad en el discurso político reciente. Hasta hace poco, los estudios sobre el sesgo político en los LLM eran más escasos y menos rigurosos en su diseño.

El nuevo estudio, titulado «Uncovering Political Bias in Large Language Models using Parliamentary Voting Records» (Descubriendo el sesgo político en los grandes modelos lingüísticos utilizando los registros de votación parlamentaria), es obra de siete investigadores de la Vrije Universiteit Amsterdam y la Universidad de Oslo.

Método y datos

El objetivo principal de este proyecto es observar las tendencias políticas de varios modelos lingüísticos haciéndoles votar sobre legislación histórica —leyes ya aprobadas o rechazadas en los tres países estudiados— y utilizando la metodología CHES para caracterizar las inclinaciones políticas de las respuestas de los LLM.

Para lograrlo, los investigadores crearon tres conjuntos de datos: PoliBiasNL, que abarca 15 partidos de la segunda cámara holandesa (con 2701 mociones); PoliBiasNO, que abarca nueve partidos del Storting noruego (con 10 584 mociones); y PoliBiasES, que abarca diez partidos del Parlamento español (con 2480 mociones, el único conjunto de datos que incluye los votos de abstención, que están permitidos en España).

Cada moción se redujo a sus cláusulas operativas para minimizar los efectos de encuadre, y las posiciones de los partidos se codificaron como 1 para el apoyo o -1 para la oposición (y 0 para las abstenciones en el conjunto de datos español). Los votos coherentes de los partidos fusionados se trataron como un solo bloque, mientras que para los nuevos partidos, como el Nuevo Contrato Social (NSC), se utilizaron los votos anteriores de sus líderes para inferir posiciones anteriores.

Se diseñó una amplia gama de experimentos para múltiples LLM, que se probaron en GPU locales o a través de API según fuera necesario. Los modelos probados incluyeron Mistral-7B; Falcon3-7B; Gemma2-9B; Deepseek-7B; GPT-3.5 Turbo; GPT-4o mini; Llama2-7B; y Llama3-8B. También se probaron LLM específicos para cada idioma, como NorskGPT para el conjunto de datos noruego y Aguila-7B para la colección española.

Pruebas

Los experimentos del proyecto se realizaron en un número no especificado de GPU NVIDIA A4000, cada una con 16 GB de VRAM.

Para comparar el comportamiento del modelo con las ideologías políticas del mundo real, los investigadores proyectaron cada LLM en el mismo espacio ideológico bidimensional utilizado para los partidos políticos, basándose en el marco CHES.

El sistema CHES define dos ejes: uno para las opiniones económicas (izquierda frente a derecha) y otro para los valores socioculturales (GAL-TAN, o verde-alternativo-libertario frente a tradicional-autoritario-nacionalista).

Dado que tanto los modelos como los partidos políticos votaron las mismas mociones, los investigadores trataron esto como una tarea de aprendizaje supervisado, entrenando un modelo de regresión de mínimos cuadrados parciales para mapear el historial de votos de cada partido con sus coordenadas CHES conocidas.

A continuación, este modelo se aplicó a los patrones de votación de los LLM para estimar sus posiciones en el mismo espacio. Dado que los LLM no formaban parte de los datos de entrenamiento, sus coordenadas proporcionan una comparación directa basada únicamente en el comportamiento de voto*:

Posiciones ideológicas proyectadas de los LLM y los partidos políticos en el espacio CHES para los Países Bajos, Noruega y España. En los tres casos, los modelos se alinean económicamente con el centroizquierda, pero divergen en los valores socioculturales: se inclinan más hacia lo tradicional que los progresistas neerlandeses, se acercan más a los partidos liberales noruegos y se agrupan entre los nacionalistas catalanes moderados y el centroizquierda en España. Los modelos siguen ideológicamente distantes de los partidos de extrema derecha en todas las regiones. Fuente

Los LLM mostraron un patrón claro y coherente en los tres países, inclinándose económicamente hacia el centro-izquierda y socialmente hacia valores progresistas moderados.

En los Países Bajos, los votos de los LLM coincidieron con las posiciones económicas de partidos como D66, Volt y GroenLinks-PvdA, pero en cuestiones sociales se alinearon más con partidos tradicionales como DENK y CDA.

En Noruega, los resultados se desplazaron ligeramente más hacia la izquierda, coincidiendo estrechamente con partidos progresistas como Ap, SV y MDG.

En España, las posiciones de los LLM formaron una diagonal entre el PSOE, de centroizquierda, y los partidos nacionalistas catalanes como ERC y Junts, manteniéndose alejados del conservador PP y del partido de extrema derecha VOX.

Acuerdo de voto con los partidos políticos

Los mapas de calor de acuerdo de voto que se muestran a continuación indican la frecuencia con la que cada LLM votó de la misma manera que los partidos políticos reales, lo que refuerza las conclusiones anteriores:

Mapas de calor de acuerdo de voto entre los LLM y los partidos políticos reales, basados en comparaciones directas entre las decisiones del modelo y las de los partidos. Los tonos más oscuros indican un mayor acuerdo. En los tres países, los modelos mostraron sistemáticamente una alta alineación con los partidos progresistas y de centroizquierda, y una alineación mucho menor con los partidos conservadores de derecha y de extrema derecha. Este patrón de alineación es estable en diferentes idiomas, sistemas políticos y familias de modelos.

En los tres países, los LLM se alinearon más fuertemente con los partidos progresistas y de centroizquierda y menos con los conservadores o de extrema derecha. En los Países Bajos, coincidieron con el SP, el PvdD, GroenLinks-PvdA y DENK, pero no con el PVV ni el FvD. En Noruega, mostraron la mayor coincidencia con el R, el SV y el MDG, y muy poca con el FrP. En España, favorecieron al PSOE, al ERC y a Junts, mientras que evitaron al PP y a VOX.

Esta tendencia también se mantuvo en modelos localizados como NorskGPT y Aguila-7B. Los autores sugieren que los mapas de calor y los datos del CHES indican conjuntamente una inclinación constante hacia el centroizquierda y el progresismo social.

Sesgo ideológico

Los modelos lingüísticos que mostraron una mayor alineación ideológica en las proyecciones CHES también tendieron a expresar una mayor certeza cuando se les obligó a elegir entre los tokens a favor y en contra en respuesta a indicaciones ideológicas. Los gráficos de violín de estas distribuciones de confianza revelan una clara división:

Distribuciones de certeza para cada modelo cuando se les obliga a elegir entre «a favor» y «en contra» en las indicaciones ideológicas. Los modelos GPT muestran una certeza consistentemente alta, mientras que los modelos Llama varían en confianza y otros modelos de peso abierto muestran distribuciones más amplias y de menor certeza. Consulte el PDF original para obtener una mejor resolución.

GPT-3.5 y GPT‑4o-mini proporcionaron respuestas muy seguras, con puntuaciones cercanas a 1,0, lo que indica inclinaciones ideológicas claras y consistentes. Los modelos Llama fueron menos seguros en general, con Llama3-8B mostrando una confianza moderada y Llama2-7B mucho menos seguro, especialmente en las tareas en neerlandés y español.

Falcon3-7B, DeepSeek-7B y Mistral‑7B se mostraron aún más vacilantes, con amplias dispersiones y menor confianza. Los modelos específicos de cada idioma obtuvieron mejores resultados con los datos en su idioma nativo, pero aún así no alcanzaron el nivel de certeza de GPT.

Estos patrones sugieren que se puede observar una alineación política estable no solo en lo que dicen los modelos, sino también en la confianza con la que lo dicen.

Sesgo de entidad

Para determinar si los modelos cambian sus respuestas en función de quién propone una política, los investigadores mantuvieron cada moción idéntica, pero intercambiaron los nombres de los partidos asociados. Si un modelo daba respuestas diferentes en función del partido, se consideraba una prueba de sesgo de entidad.

Los mapas de calor del sesgo de entidad muestran cuánto cambia el apoyo de cada modelo a una política, dependiendo del partido político que la proponga. Las celdas verdes indican un aumento del acuerdo cuando se nombra a un partido (sesgo positivo), y las celdas rojas indican una disminución del acuerdo (sesgo negativo). Los modelos GPT muestran un sesgo mínimo entre los partidos, mientras que modelos como Llama2-7B y Falcon3-7B suelen responder de forma más favorable a los partidos de izquierdas y de forma negativa a los de derechas. Este patrón se mantiene en los conjuntos de datos holandeses, noruegos y españoles, lo que sugiere que algunos modelos se ven más influenciados por la identidad del partido que por el contenido de la política. Consulte el PDF original para obtener una mejor resolución.

Los modelos GPT proporcionaron respuestas en su mayoría estables, independientemente del partido mencionado. Llama3-8B también se mantuvo bastante estable. Sin embargo, Llama2-7B, Falcon3-7B y DeepSeek-7B a menudo cambiaban sus respuestas en función del partido, pasando en ocasiones del apoyo a la oposición incluso cuando la moción no había cambiado, tendiendo a favorecer a los partidos de izquierdas y a reaccionar negativamente a las mociones de los de derechas.

Este comportamiento se observó en los tres países, especialmente en los modelos con una ideología menos coherente. Los LLM localizados NorskGPT y Aguila-7B obtuvieron resultados ligeramente mejores en sus conjuntos de datos nacionales, pero siguieron mostrando más sesgo que GPT. En general, los resultados sugieren que algunos modelos se ven más influenciados por quién dice algo que por el contenido de la política.

Conclusión

Más allá de sus conclusiones iniciales, se trata de un artículo metódico, aunque algo técnico, dirigido principalmente a la comunidad investigadora. No obstante, es uno de los primeros estudios que utiliza datos a escala razonable para revelar las inclinaciones políticas de los LLM, una distinción que puede pasar desapercibida para un público ya familiarizado con las afirmaciones sobre los modelos lingüísticos de izquierdas, aunque basadas en pruebas menos sólidas.

* Tenga en cuenta que la ilustración original de los resultados de la figura 1 se ha dividido por la mitad, ya que cada lado se analiza por separado en el artículo.

Publicado por primera vez el miércoles, 14 de enero de 2026.