La
IA no sustituye al estratega político: le permite probar, anticipar y decidir
mejor antes de salir a una campaña electoral. Un artículo de Lula Bueno.
LULA
BUENO Gran
parte de la conversación actual sobre Inteligencia Artificial y Política
sufre de miopía: se queda en el impacto visual e inmediato. El meme de
campaña o el vídeo diseñado con un prompt son solo el ruido sobre
el escenario. Lo que de verdad está cambiando ocurre detrás del telón, en las
salas donde se decide qué hace una campaña antes de que los votantes lo
puedan percibir. Es
allí donde la IA ha dejado de ser solo una fábrica de contenido para
convertirse en otra cosa: una capa de inteligencia que atraviesa la campaña
entera. La campaña moderna lleva décadas construida sobre el mismo cimiento:
segmentar al electorado y comunicar a cada segmento para movilizarlo. Un
oficio que perfeccionaron las grandes maquinarias demócratas de EEUU y que,
desde entonces, todos imitan. La
IA generativa hizo creer por un tiempo que la pregunta era ¿Cómo genero más
contenido para alimentar esos segmentos? Pero la verdadera, la que empieza a
reordenarlo todo, es otra: ¿Cómo tomo mejores decisiones? Las
campañas más avanzadas empiezan a responder a esa pregunta con una batería de
usos que hay que leer como tareas más que como gadgets. Son seis cosas
que las campañas siempre han hecho, a menudo con gran habilidad, pero que son
sumamente costosas en tiempo, dinero y energía del equipo: Entender
a tu potencial votante. Probar
antes de actuar. Anticipar
tendencias Entrenar
a tus candidatos. Movilizar
a escala. Vigilar
el terreno. La
IA no inventa nada. Lo que hace es bajar tanto su coste y su fricción que
vuelve rutinario lo que antes era un lujo. Y al hacerlo, cambia la escala de
lo que se puede hacer en una campaña. Con
un límite que conviene tener presente desde el principio: estas herramientas
tienen el valor de los datos con los que se alimentan. Una campaña con datos
pobres acabará con oráculos rápidos diciéndole cosas equivocadas a gran
velocidad. Entender
y probar antes de actuar Las
encuestas tradicionales afrontan a la vez tres problemas que se agravan: el
coste sube, la tasa de respuesta cae y la representatividad se vuelve más
difícil de garantizar. Si
están bien ponderadas, siguen acertando; pero conseguir eso es cada año más caro
e incierto. Ante esa erosión, la IA aparece por dos caminos distintos que
conviene no confundir. El
primero, el de los encuestados sintéticos (perfiles generados por IA que
responden cuestionarios en lugar de personas reales) prometía resolver el
problema de la representatividad sin levantarse de la silla. Los estudios
disponibles muestran que tropieza con un muro de fondo, porque una encuesta
mide volumen de opinión en una población y eso exige muestrear personas
reales, no estereotipos extraídos de los datos con que se entrenó un modelo. Las
simulaciones tienden además a halagar a quien pregunta y a converger hacia la
opinión mayoritaria. Sirven, como mucho, para tantear hipótesis; si la
respuesta sintética contradice a la encuesta real, hay que sospechar de la
sintética. El
segundo camino es más prometedor y más sobrio: usar la IA para sacar más jugo
a las encuestas que ya hacemos con votantes de carne y hueso, procesando
respuestas largas y abiertas que antes nadie tenía tiempo de codificar y
dejando aflorar los matices que un cuestionario cerrado de sí o no nunca
llega a captar. El
testeo cualitativo de mensajes es otra cosa más madura. Su pregunta no mide
cuántos, indaga el porqué, cómo reacciona la gente ante un spot, un
eslogan o un argumento, qué la mueve por dentro y qué la deja fría. Y
esa diferencia importa: como no se busca extrapolar volumen a una población,
los grupos sintéticos (agentes diseñados según perfiles de votantes que
debaten entre sí y dejan ver cómo se forma o se rompe un consenso) sí
encuentran un sitio legítimo, no como sustitutos del focus real, sino como
una primera capa para explorar hipótesis y descartar pronto las versiones que
rechinan. Las
campañas llevan décadas afinando mensajes con focus groups, y el
problema era siempre el mismo: cada grupo cuesta dinero y semanas de agenda,
así que se probaban dos o tres ideas y el resto salía al mundo sin pasar por
más filtros que el del comité de campaña. La
IA ensancha esa puerta también por el otro lado: en los grupos de verdad, acelera
lo que antes era el cuello de botella: moderar, transcribir y codificar
decenas de conversaciones en horas en lugar de semanas. Territorios
nuevos que hay que seguir explorando con cautela, pero que ya ayudan al
equipo de campaña a reducir el margen de equivocación. El error deja de
pagarse en directo y empieza a pagarse en el ensayo, que es la única clase de
error que una campaña puede permitirse. Anticipar
tendencias Los
simuladores electorales no son una novedad: el forecasting y la
microsimulación llevan décadas dibujando escenarios a partir de encuestas,
resultados históricos y comportamiento social. Lo
que la IA añade es capacidad para incorporar a esos modelos señales más
complejas y blandas (el lenguaje, el tono de la conversación pública), y para
preguntarles cosas más finas: qué ocurre si la vivienda escala como
preocupación, si estalla una crisis migratoria a tres semanas de la votación,
si se firma un pacto concreto. Ningún
modelo predice el futuro, pero ayudan a pensar futuros posibles. A
esa visión de largo alcance se le suma una capacidad de corto plazo que vale
oro: detectar señales tempranas de lo que empieza a preocupar, antes de que
aparezca en una encuesta. La
política es, en buena medida, una carrera por ser el primero en nombrar lo
que preocupa a la gente. Los sistemas más interesantes ya no se limitan a
registrar qué se dice; rastrean qué marco semántico va ganando terreno en la
disputa y por dónde viaja un mensaje. Distinguir la señal real del ruido de
un nicho sigue exigiendo criterio humano, pero quien ve nacer la conversación
antes que el adversario ocupa el terreno mientras el otro ni siquiera sabe
que existe. Entrenar
a los candidatos Un
debate o una entrevista hostil se ganan en el ensayo. Las campañas empiezan a
incorporar a sus entrenamientos de candidato adversarios virtuales que
estudian los discursos, las entrevistas y las posiciones del rival y aguantan
horas de simulación sin fatigarse: la pregunta incómoda, la repregunta, la
contradicción entre lo que el candidato dijo hace tres años y lo que dice
ahora. Más
que un chatbot que responde, es un sparring entrenado con
enormes volúmenes de información que reproduce el repertorio de cualquier
rival: sus argumentos, sus líneas de ataque, su retórica. El
objetivo no es predecir exactamente qué ocurrirá en el plató, sino reducir el
margen de sorpresa cuando llegue el momento. Movilizar
a escala La
IA entra en la organización territorial en dos tiempos. Primero
ayuda a ver el terreno: cruza datos para localizar al simpatizante que se ha
enfriado, al voluntario que aún no ha dado el paso, al barrio donde la
participación flojea. Después
ayuda a activarlo, y ahí es donde el trabajo de campo gana músculo: campañas
de activación afinadas para cada segmento, asistentes que responden en
lenguaje natural las dudas de quien quiere colaborar, materiales co-creados
con el equipo para que circulen y se compartan. Los
voluntarios y las bases siguen siendo los protagonistas, ellos son quienes
bajo el sol o la lluvia ponen los pies en la calle o el pecho en las redes
para ayudar a difundir el mensaje. La tecnología sólo ayuda a su organización
y les ofrece herramientas que les facilitan el trabajo. El
terreno más resbaladizo es la persuasión personalizada. Algunas campañas ya
sueltan agentes de IA en foros y redes para difundir su mensaje y entrar en
conversación con votantes reales, uno a uno. ¿Funciona?
La evidencia es aún joven. Un repaso amplio de los estudios hasta 2024 no
veía, en promedio, que la máquina convenciera más que una persona; pero los
experimentos más recientes, los que dejan a la IA conversar y adaptarse a
quien tiene delante, empiezan a torcer la balanza, y alguno ya mide que un modelo
que personaliza el argumento gana más discusiones que un humano. Que
eso funcione en un experimento no significa que mueva a un electorado entero
(imagina el rechazo al descubrir que hablas con un bot), pero basta para
entender por qué es el uso que más alarma a los reguladores. Y conviene
tenerlo presente: el Reglamento europeo de IA y las normas de protección de
datos van a poner techo a usos (perfilado fino, agentes conversacionales no
declarados, publicidad política automatizada) que en Estados Unidos avanzan
con menos fricción. Una
parte del partido se jugará en qué se puede hacer dónde, y con qué letra
pequeña. Vigilar
el terreno La
última función es la más silenciosa. Medir el pulso de la conversación
pública (el sentimiento, el tono, los relatos que circulan) no es nuevo: las
campañas llevan años haciéndolo, pero lo hacían analistas humanos leyendo
informes a mano. La
IA cambia la velocidad y el coste: rastrea cómo mutan los relatos y con qué
rapidez se propagan, y detecta el cambio en horas en lugar de días. Una
campaña puede saber que un ataque está naciendo cuando todavía es un
murmullo, y decidir si lo apaga o lo ignora antes del incendio. La
tentación del oráculo Todas
estas herramientas comparten una limitación que conviene recordar. Un votante
sintético no es un votante real; una tendencia detectada puede acabar siendo
ruido; un rival virtual nunca reproducirá exactamente lo que ocurrirá en un
debate. Como
las encuestas, los focus groups o cualquier otra herramienta de
análisis político, ofrecen una representación imperfecta de la realidad. Pero
su valor no reside en predecir el futuro con exactitud. Reside en ayudar a
pensar mejor sobre él. Permiten
explorar hipótesis, ensayar escenarios, detectar riesgos y llegar a las
decisiones con más información y menos intuición ciega. Pueden equivocarse,
igual que se equivocan las encuestas, los analistas y los estrategas. La
cuestión no es si sustituyen el juicio humano, sino si ayudan a ejercerlo
mejor. Ninguna
herramienta es un oráculo. Las mejores campañas seguirán siendo las que
combinen datos, experiencia, criterio político e intuición. La IA no
reemplaza esa combinación; la amplifica. Y conviene decirlo en los dos
sentidos: amplifica a una campaña ya bien organizada mucho más de lo que
rescata a una desordenada. El
laboratorio multiplica lo que el equipo trae, en una dirección o en la otra.
La revolución no está en fabricar mil vídeos al día. Eso es abundancia, no
inteligencia. Está en que, por primera vez, un equipo puede simular
electores, entrenar a su candidato contra un rival incansable, probar cada
mensaje antes de pronunciarlo y vigilar la conversación sin parpadear. La
campaña moderna ya se construía sobre datos; lo que cambia es que esos datos
dejan de limitarse a describir lo que ya pasó y empiezan a ensayar lo que
podría pasar. La IA no sustituye al estratega: le da un laboratorio que no
cierra, en donde puede equivocarse mil veces en privado antes de jugársela en
público. Si
todo esto existe hoy, con modelos que apenas tienen unos años, imaginarnos
las campañas del futuro da un poco de vértigo. Pero la respuesta verdadera no
está en el futuro, sino en algo muy antiguo: las campañas llevan más de un
siglo incorporando tecnología (el ferrocarril, la radio, la televisión, las
redes sociales, la base de datos) y cada vez ocurre lo mismo: primero se
habla obsesivamente del invento, luego el invento desaparece de la
conversación porque se ha vuelto parte del paisaje. La
IA recorrerá ese camino. Hoy estamos en el ruido del estreno; mañana será infraestructura
invisible y llegará otra tecnología que aún ni conocemos. Y mientras eso
pasa, seguiremos mirando lo que de verdad importa: que la política son
personas moviendo a personas hacia un objetivo común. La
tecnología sirve para lo que sirve, para amplificar esa fuerza: la del
candidato, la del equipo, la del voluntario que se moja bajo la lluvia
entregando panfletos de campaña. La IA no es la protagonista, pero sí la
mejor herramienta que han tenido hasta ahora, quienes de verdad lo son. |
|||||||
