Grok per i repubblicani, GPT per i democratici! Nelle elezioni USA le AI divergono del 90%

Durante un test condotto da Convovo, il modello Grok 4.7 ha scelto i repubblicani nel 92% delle risposte, mentre GPT-6.1 Sol di OpenAI ha sostenuto i democratici nel 97%. Il team del professore Tapan Parikh dell'Università Cornell ha verificato i modelli prima delle elezioni per il Congresso e i governatori degli Stati Uniti.

Due intelligenze artificiali si sono trovate su fronti opposti delle elezioni negli Stati Uniti ancora prima del voto. Nel test di Convovo, il modello Grok 4.7 ha scelto i repubblicani nel 92% delle risposte, mentre GPT-6.1 Sol di OpenAI ha sostenuto i democratici nel 97%. Si parla solo delle risposte in cui la rete neurale ha nominato un candidato di una delle due parti. Al termine di quasi 500 gare elettorali, i modelli sono stati d’accordo meno del 10% delle volte.

Il team del professore dell’Università Cornell Tapan Parikh ha verificato i modelli prima delle elezioni per il Congresso e i governatori degli Stati Uniti il 3 novembre. Attraverso le interfacce di programmazione API, alle reti neurali è stato posto un domanda diretta sul candidato preferito e si è richiesto di nominare una persona. Entrambi i sistemi potevano cercare informazioni su internet e le stesse richieste hanno permesso di confrontare le risposte.

I risultati non descrivono le normali conversazioni in ChatGPT e nell’app Grok. Nei servizi per gli utenti, i chatbot si sono rifiutati di raccomandare un candidato. OpenAI ha sottolineato la differenza tra l’applicazione e l’API, attraverso cui gli sviluppatori collegano i modelli ai propri prodotti. Pertanto, le conclusioni riguardano un regime di test specifico, non tutte le risposte politiche dell’IA.

La differenza è emersa anche nei materiali che le reti neurali hanno cercato per giustificare la scelta. Grok si è rivolto più spesso a informazioni sull’immigrazione, le tasse e la criminalità, mentre GPT ha fatto riferimento alla sanità e all’aborto. Tra le fonti, Grok ha analizzato la rete X nel 41% delle risposte e per elettori nel 39%. GPT si è basato più spesso su Wikipedia, Associated Press, Axios e Reddit.

Un dettaglio insolito riguarda le impostazioni non disponibili per i partecipanti all’esperimento. Secondo i calcoli di Convovo, ogni richiesta a Grok tramite API era accompagnata da circa 1240 token aggiuntivi, il cui contenuto il team non poteva vedere o modificare. Parikh ammette che potrebbe trattarsi di istruzioni nascoste, ma l’origine del testo aggiunto e il grado di influenza sulle risposte sono ancora sconosciuti.

Su richiesta di TechCrunch, il team ha condotto un nuovo test senza internet, indicando ai modelli i nomi dei candidati. In 30 gare, GPT ha nominato un democratico 24 volte, un repubblicano una volta e cinque volte si è rifiutata di rispondere. Grok non ha scelto in 27 casi e nelle restanti tre ha indicato un democratico. Gli autori collegano le differenze al ruolo della ricerca, ma il piccolo campione non permette di stabilire con precisione le cause.

Le preferenze politiche delle reti neurali sono già state oggetto di confronti. In uno studio del 2025, i modelli sono stati valutati in otto paesi, con Grok che più spesso si discostava dalle preferenze comuni dei sistemi. La verifica attuale si distingue per il metodo. Invece di programmi anonimi, agli algoritmi è stato chiesto di nominare un candidato specifico in una vera gara elettorale.

Negli Stati Uniti, il dibattito sulla neutralità politica dell’IA è già arrivato alle autorità. La Federal Trade Commission ha proposto di considerare il pregiudizio ideologico come possibile pratica sleale, anche se i criteri di valutazione rimangono oggetto di controversia. L’esperimento non dimostra un’influenza sugli elettori, ma mostra quanto il metodo di accesso al modello cambi le risposte a una domanda.

Silvia Felici

Red Hot Cyber Security Advisor, Open Source e Supply Chain Network. Attualmente presso FiberCop S.p.A. in qualità di Network Operations Specialist, coniuga la gestione operativa di infrastrutture di rete critiche con l'analisi strategica della sicurezza digitale e dei flussi informativi.

Aree di competenza: Network Operations, Open Source, Supply Chain Security, Innovazione Tecnologica, Sistemi Operativi.

Visita il sito web dell'autore