Talking Politics with Artificial Intelligence

Resumen Técnico: Hablar de Política con la Inteligencia Artificial

Problema y Marco Teórico
Este artículo investiga el papel de los Modelos de Lenguaje Extensos (LLM) en la comunicación política, abordando específicamente si estos sistemas funcionan como nuevas arenas para la expresión política pública o como intermediarios conversacionales para la demanda política rutinaria. La literatura existente trata mayoritariamente a los modelos de IA como objetos de evaluación (por ejemplo, fuentes de sesgo o persuasión) o analiza sus resultados. Este estudio desplaza el enfoque hacia el "lado de la demanda": los propios prompts del usuario. Los autores postulan dos posibilidades teóricas contrapuestas:

1. Política Expresiva: Si los LLM funcionan de forma similar a las redes sociales, su uso debería asemejarse a las dinámicas orientadas al público (opinión, argumentación, señalización de identidad).
2. Intermediario Cívico: Si los LLM funcionan como herramientas para navegar el Estado, su uso debería ser práctico (explicación, resumen, redacción, procesamiento de documentos).

El artículo sostiene que los LLM ocupan un espacio único en la comunicación política: privado, orientado a tareas y diádico, distinto de la naturaleza orientada a la audiencia de las redes sociales. La pregunta de investigación central es cómo se manifiesta el contenido político en este entorno privado y conversacional y cómo responde a los eventos políticos de gran envergadura.

Metodología
El estudio utiliza un conjunto de datos de 4,3 millones de conversaciones humano-IA provenientes de tres corpus públicos: WildChat (interacciones públicas consentidas de ChatGPT con geolocalización), LMSYS-Chat (interacciones de la plataforma de comparación de modelos) y ShareChat (enlaces de conversaciones compartidas por usuarios). Los datos abarcan desde 2023 hasta 2025.

• Estrategia de Medición: La unidad de análisis es el mensaje del usuario. Los autores emplean un procedimiento de codificación estructurado y asistido por IA utilizando GPT-4.1-mini y Claude-Haiku-4.5 para clasificar los mensajes.
  • Contenido Político: Definido ampliamente para incluir elecciones, políticas, leyes, administración pública y navegación institucional, excluyendo la política ficticia o de "oficina".
  • Casos de Uso: Categorizados en búsqueda de información, escritura/redacción, procesamiento de documentos, expresión de opinión, movilización y ayuda institucional.
  • Ideología: Medida únicamente para los mensajes donde el usuario expresa explícitamente una posición, calificada en ejes económicos y sociales de izquierda-derecha (−2 a +2) e intensidad afectiva (0 a 3).
• Validación: Los clasificadores automatizados fueron validados contra un referente codificado por humanos de 3.000 mensajes. El clasificador de político/no político alcanzó una precisión del 84,9%, una precisión (precision) de 0,77 y una exhaustividad (recall) de 0,92. La fiabilidad entre los dos codificadores de IA fue alta (Cohen's $\kappa = 0,80$ para la clasificación política).
• Diseño Causal: Para probar la capacidad de respuesta de la conversación de IA ante eventos políticos, los autores emplean un diseño de Regresión de Discontinuidad en el Tiempo (RDiT) centrado en el llamado de la Associated Press (AP) sobre la elección presidencial de EE. UU. de 2024 (6 de noviembre de 2024). Este diseño compara las conversaciones en EE. UU. inmediatamente antes y después del llamado del resultado, utilizando las conversaciones fuera de EE. UU. como un grupo de control geográfico para aislar el efecto del resultado partidista específico del interés informativo global general.

Resultados Clave

1. Prevalencia y Naturaleza del Uso Político:

   • El contenido político aparece en el 3,9% de las conversaciones en total (variando desde el 3,3% en WildChat hasta el 18,7% en ShareChat).
   • El uso político es predominantemente práctico. A través de los turnos de usuario políticos, el 64,7% busca información/explicación, el 13,0% involucra escritura/redacción y el 11,8% involucra procesamiento de documentos. Solo el 9,4% involucra opinión o argumentación.
   • La publicidad importa: ShareChat (enlaces compartidos) muestra tasas significativamente más altas de expresión de opinión (25,0%) en comparación con los corpus no compartidos, lo que sugiere que la presencia de una audiencia desplaza el uso de la asistencia hacia la expresión.
   • La profundidad importa: La prevalencia política aumenta de forma monótona con la longitud de la conversación, subiendo de aproximadamente un 2,6% en intercambios de un solo turno a más del 12% en hilos más largos, lo que indica que el compromiso político a menudo requiere una resolución de problemas iterativa.

2. Variación Geográfica:

   • La participación política es mayor en regiones de bajos ingresos y políticamente restringidas (por ejemplo, el África subsahariana con un 5,8%) en comparación con democracias ricas como América del Norte (2,3%). Esto sugiere que la IA puede servir como un sustituto de la información política escasa o censurada en entornos restringidos.

3. Expresión Ideológica:

   • La toma de postura explícita es poco común en general (8,2% de las conversaciones políticas en WildChat).
   • Cuando se toma una postura, las posiciones económicas se inclinan levemente a la izquierda, mientras que las posiciones sociales se inclinan levemente a la derecha. La intensidad afectiva es moderada, y la extremidad ideológica está presente pero no es dominante.

4. Respuesta a Eventos (Elecciones de EE. UU. 2024):

   • Atención vs. Expresión: El llamado de la AP aumentó la prevalencia de la conversación política globalmente (incluyendo fuera de EE. UU.), de acuerdo con la teoría de la fijación de la agenda (agenda-setting).
   • Cambio Expresivo: Sin embargo, el carácter de la conversación cambió significamente solo para los usuarios de EE. UU. Tras el llamado, las conversaciones políticas en EE. UU. experimentaron un aumento de 8,5 puntos porcentuales en la toma de postura y un aumento de 6,4 puntos en la carga afectiva.
   • Especificidad Geográfica: No ocurrió un cambio comparable en las conversaciones no estadounidenses, lo que descarta artefactos de la plataforma o choques de noticias generales.
   • Mecanismo: El aumento en la expresión no se debió únicamente a un pico en los prompts sobre el tema electoral; el efecto persistió en temas políticos no electorales (políticas, inmigración, etc.), lo que sugiere que el resultado actuó como una señal que activó la política expresiva en diversos dominios.

Significación y Contribuciones
El artículo realiza dos contribuciones principales:

1. Metodológica: Desarrolla y valida un procedimiento para medir el contenido político, los casos de uso y la expresión ideológica en grandes corpus multilingües de interacción humano-IA. Demuestra que estos rastros revelan una forma de comunicación política (demanda privada, orientada a tareas) que pasa desapercibida para las encuestas y los datos de redes sociales.
2. Teórica: Reposiciona a los LLM como intermediarios cívicos en lugar de meras plazas públicas. Los hallazgos sugieren que los ciudadanos utilizan primordialmente la IA para navegar las cargas administrativas e informativas del Estado (interpretar políticas, redactar apelaciones, traducir reglas). Sin embargo, el sistema es capaz de desplazarse hacia dinámicas expresivas, partidistas y afectivas cuando los eventos políticos de gran envergadura hacen que los intereses sean explícitos para el usuario.

Los autores concliden que los LLM absorben la demanda cívica rutinaria pero registran los choques partidistas y afectivos de los eventos públicos, operando como una interfaz de doble propósito que es práctica por defecto pero expresiva bajo condiciones políticas específicas.