¿ Y si la IA pudiese votar?
Cerebros digitales, datos públicos y poder: quién controla la información con la que decidimos nuestro voto
Imaginemos que, antes de las próximas elecciones generales, pudiéramos hacer una pregunta a un sistema de inteligencia artificial:
«Después de analizar los programas electorales, la gestión de los partidos y los problemas de España, ¿quién debería gobernar?».
En segundos aparecería una respuesta. Tendría cifras, comparaciones y argumentos. Quizá incluso una clasificación de candidatos con una puntuación precisa.
La tentación sería evidente: por fin una elección basada en datos, lejos del ruido de la campaña.
Pero habría una pregunta que hacer antes de aceptar el resultado: ¿quién ha decidido qué significa gobernar bien?
Ahí empieza el debate sobre los cerebros digitales y el Estado algorítmico. Un debate que afecta tanto a nuestra capacidad para comprender el poder como a la posibilidad de que alguien utilice la tecnología para orientar nuestras decisiones.
De acumular documentos a conversar con el conocimiento
Una empresa puede tener veinte años de experiencia repartidos entre archivos, correos, procedimientos y personas. Poseer toda esa información no significa poder utilizarla cuando hace falta.
El concepto de «cerebro digital» describe, de manera divulgativa, un sistema que organiza ese conocimiento y permite consultarlo mediante lenguaje natural. No implica una conciencia ni una réplica del cerebro humano.
Uno de los avances que ha impulsado estos sistemas es la generación aumentada por recuperación, conocida como RAG. Combina un modelo de lenguaje con la búsqueda de información en una colección documental. En lugar de depender únicamente de lo aprendido durante su entrenamiento, el sistema recupera material relevante para elaborar una respuesta. El trabajo de Patrick Lewis y sus colaboradores constituye una referencia fundamental de este enfoque. Investigación publicada en NeurIPS, 2020.
La diferencia práctica es considerable. Podemos diseñar una herramienta que localice un procedimiento, compare documentos y muestre las fuentes utilizadas. Para que resulte fiable, hay que cuidar la información, los permisos y la comprobación de las respuestas.
La fluidez con la que una máquina contesta no demuestra que haya entendido correctamente los documentos.
Un cerebro digital para consultar el Estado
La idea adquiere otra dimensión cuando se aplica a la información pública.
Yonatan Rodríguez Álvarez ha presentado El Estado Algorítmico como un proyecto para estructurar fuentes oficiales españolas y hacerlas consultables. En su presentación pública menciona organismos y fuentes como el BOE, la IGAE, el INE y la contratación pública. Esta es la descripción de su creador, no una auditoría independiente de la herramienta. Presentación de Yonatan Rodríguez Álvarez.
Su propuesta nos lleva a una cuestión importante: ¿cuánta transparencia existe cuando los datos están publicados, pero comprenderlos exige conocimientos especializados y muchas horas de trabajo?
Un sistema bien construido podría facilitar consultas sobre la evolución de un presupuesto, las adjudicaciones de contratos o las diferencias entre cantidades previstas y ejecutadas. Son ejemplos de lo que podríamos exigir a este tipo de herramientas; cada capacidad concreta necesita demostración y verificación.
Para un periodista, un empresario o un ciudadano, el valor estaría en poder seguir el recorrido desde la respuesta hasta el documento original.
El riesgo aparecería si una explicación convincente nos hiciera abandonar ese recorrido.
Para manipular con datos no siempre hace falta mentir
Pensemos en un ejemplo hipotético. Una administración aumenta su presupuesto sanitario de 1.000 a 1.100 millones de euros. Un titular anuncia una subida del 10 %. La cifra es correcta.
Ahora añadamos que, durante ese periodo, los precios relevantes para prestar esos servicios también subieron un 10 %. El aumento nominal no supondría necesariamente una mejora de la capacidad de compra. Si además creció la población atendida, habría que examinar los recursos por persona. Y todavía faltaría conocer cuánto se ejecutó realmente. Podemos construir mensajes muy distintos sin cambiar la cifra inicial.
Una IA alimentada únicamente con notas de prensa podría reproducir el relato del aumento.
Otra, conectada a presupuestos, ejecución, población y costes, podría ofrecer una explicación más completa.
La manipulación puede estar en lo que falta, en el periodo elegido o en la comparación utilizada.
También puede aparecer después: presentar una coincidencia como una causa, atribuir a un gobierno resultados condicionados por acontecimientos externos o convertir una anomalía estadística en una acusación.
Encontrar un patrón puede justificar una investigación. Para llegar a una conclusión hacen falta contexto y pruebas.
La IA ya puede influir en nuestras preferencias
La posibilidad de que una máquina condicione decisiones políticas tiene evidencia experimental.
Una investigación publicada en Nature en 2025 estudió conversaciones con modelos de IA que defendían candidatos en contextos electorales de Estados Unidos, Canadá y Polonia. Los investigadores observaron cambios significativos en las preferencias declaradas, con efectos superiores a los habitualmente observados en anuncios tradicionales de vídeo. También detectaron afirmaciones inexactas en los argumentos de los modelos. Persuading voters using human–artificial intelligence dialogues.
El estudio no demuestra que una IA pueda controlar unas elecciones ni que una conversación determine el voto final. Sí muestra que puede modificar opiniones en condiciones experimentales.
Esto cambia nuestra relación con la información. Un ciudadano puede acudir a un asistente buscando una explicación y recibir, sin advertirlo, una conversación diseñada para convencerle.
La misma interfaz que ayuda a comprender un programa electoral puede servir para defenderlo. Por eso importa saber quién opera el sistema, con qué propósito y qué instrucciones condicionan sus respuestas.
¿Podría escoger al presidente objetivamente?
Una IA podría producir una clasificación siguiendo criterios definidos. Podría comparar indicadores y calcular qué candidatura obtiene una puntuación mayo. Pero esa puntuación dependería de decisiones humanas.
¿Cuánto pesa el crecimiento económico frente a la desigualdad? ¿Cómo se valora una reducción de impuestos frente a la financiación de servicios públicos? ¿Qué importancia damos a la vivienda, al clima o a la deuda que heredarán las siguientes generaciones?
Incluso con datos completos y correctos, dos personas pueden discrepar razonablemente sobre esas prioridades.
Imaginemos dos propuestas ficticias. Una obtiene mejores resultados previstos en crecimiento; otra, en reducción de desigualdad. Si asignamos más peso al crecimiento, gana la primera. Si cambiamos los pesos, puede ganar la segunda.
La operación matemática puede ser impecable. La elección de los pesos sigue siendo política. Además, los resultados futuros son estimaciones: el modelo debe hacer explícita su incertidumbre.
En España existe también una precisión institucional: en las elecciones generales elegimos representantes en el Congreso y el Senado. La designación del presidente del Gobierno se articula mediante el procedimiento de investidura y la confianza del Congreso, recogido en el artículo 99 de la Constitución. Constitución española, BOE.
Podríamos imaginar una IA que aconsejara al elector o analizara posibles gobiernos. Darle capacidad para sustituir el voto o la investidura sería una transformación de nuestras instituciones y de la legitimidad democrática.
La pregunta útil es qué información puede ofrecernos para decidir y cómo podemos discutir sus conclusiones.
Qué aporta hoy la computación cuántica
La computación cuántica introduce una nueva capacidad de cálculo para determinados problemas. Hoy se pueden ejecutar circuitos en procesadores cuánticos y realizar experimentos que combinan esos equipos con ordenadores clásicos.
En julio de 2026, IBM y equipos colaboradores comunicaron demostraciones de ventaja cuántica con mecanismos de validación en tareas específicas. Son avances relevantes, cuyo alcance debe entenderse dentro de los problemas y condiciones estudiados. Resultados comunicados por IBM y sus colaboradores.
Entre las áreas de investigación están la simulación de sistemas físicos, la química, los materiales y ciertos problemas de optimización. En aprendizaje automático cuántico siguen abiertas preguntas sobre dónde aparecerá una ventaja práctica, con dificultades relacionadas con la carga de datos, el ruido y la escala. Explicación técnica de IBM Quantum.
Nada de esto permite afirmar que hoy un ordenador cuántico pueda evaluar todos los futuros políticos y escoger el mejor gobierno.
Una mejora del cálculo tampoco resuelve por sí sola una disputa de valores. Podría ayudarnos a explorar ciertos modelos con mayor capacidad; seguiríamos teniendo que decidir qué queremos optimizar y qué consecuencias aceptamos.
Blockchain como garantía: de qué exactamente
Blockchain puede aportar una pieza de confianza: un registro compartido y resistente a alteraciones bajo las condiciones de funcionamiento de su red. El NIST explica estas propiedades y sus límites en su informe sobre esta tecnología. Blockchain Technology Overview.
Imaginemos que se registra la huella criptográfica de una versión de un presupuesto. Más adelante podríamos comprobar si el archivo presentado coincide con aquella versión. Eso ayudaría a detectar modificaciones.
Sin embargo, el registro no demostraría que el presupuesto original fuera correcto, completo o estuviera bien interpretado. Tampoco certificaría la imparcialidad de la IA que lo analiza.
Blockchain puede proteger la integridad de un registro; la veracidad de su contenido requiere otras comprobaciones.
Su utilidad depende del diseño, de quién participa y de qué problema queremos resolver. En algunos casos bastarán firmas digitales y archivos auditables.
Además, las garantías criptográficas deben evolucionar. Ante la amenaza futura de ordenadores cuánticos suficientemente potentes contra ciertos sistemas actuales, el NIST aprobó en 2024 sus primeros estándares de criptografía poscuántica. Esto también importa para las firmas utilizadas en redes blockchain. Estándares poscuánticos del NIST.
Antes de votar, preguntar también por el algoritmo
Un cerebro digital del Estado puede reducir la distancia entre publicar información y hacerla comprensible. Puede permitir que más personas examinen cifras y cuestionen explicaciones.
Para merecer nuestra confianza, debería mostrar las fuentes, las fechas y las limitaciones de sus respuestas. Tendría que permitir distinguir datos comprobados, estimaciones e interpretaciones, y hacer posible corregir errores.
Si compara políticas, debería explicar sus criterios y mostrar cómo cambia el resultado cuando cambian las prioridades. La posibilidad de impugnar una conclusión forma parte de su utilidad pública.
Antes de aceptar que una IA ha encontrado al presidente «objetivamente mejor», convendría pedirle que muestre el camino completo hasta esa respuesta. Qué datos incluyó. Qué información dejó fuera. Qué intereses priorizó. Qué incertidumbres conserva.
Y hacer la misma exigencia a quienes la construyeron.
En las próximas elecciones, el poder de la IA puede estar tanto en ayudarnos a examinar a los candidatos como en decidir qué versión de ellos llega a nuestra pantalla.
Si un algoritmo nos dice quién debería gobernar, necesitamos saber primero quién gobierna ese algoritmo.
Si quieres saber más sobre Cerebros digitales y el Estado algorítmico no te pierdas la entrevista a Yonatan Rodriguez en Claves del éxito
Comentarios