Inteligencia artificial versus encuestas: una nueva disputa por entender al votante

Esta columna forma parte del proyecto Análisis de las Elecciones 2025, desarrollado por el Núcleo Milenio para el Estudio de la Política, Opinión Pública y Medios en Chile (MEPOP), que aglutina a académicos de distintas universidades. En este texto, su autor analiza el uso de inteligencia artificial en las proyecciones previas a la elección del 16 de noviembre. Dice que “la pregunta clave no es si la IA predice mejor que las encuestas, sino si los partidos políticos están dispuestos a tomar decisiones basadas en evidencia y no en intuiciones. El cambio de paradigma no consiste en sustituir una herramienta por otra, sino en integrarlas para reducir puntos ciegos y anticipar, con mayor solidez, dinámicas electorales que esta vez quedaron fuera del radar”. Ovando Cura, Magíster en Política Educativa. Educadora de Párvulos y Diferencial, con amplia experiencia en diseño de políticas públicas, asesoría y acompañamiento técnico a equipos educativos y diseño de herramientas para la mejora de prácticas pedagógicas.

El 16 de noviembre fuimos testigos del primer proceso presidencial y parlamentario en Chile desarrollado desde la irrupción de la inteligencia artificial (IA). Que esta tecnología haya permeado casi todos los ámbitos de nuestra vida cotidiana aceleró un debate inevitable. Si durante décadas las encuestas han sido el instrumento clásico para anticipar resultados electorales y comprender las prioridades ciudadanas, ¿qué lugar ocupa hoy la IA en esa tarea?

Las encuestas se han mantenido como estándar porque miden opiniones individuales y funcionan como un termómetro periódico de la opinión pública. Diseñar un cuestionario, aplicar un muestreo y obtener un volumen adecuado de respuestas permite identificar señales que orientan —al menos parcialmente— la toma de decisiones políticas. Esa relevancia y simplicidad explica, por ejemplo, que los partidos recurran a las encuestas para definir candidaturas en vez de realizar primarias. Por lo mismo, cada ciclo electoral es un laboratorio donde las principales encuestadoras ponen a prueba sus metodologías para determinar cuál logra la mayor precisión.

Sin embargo, la variabilidad observada este año, especialmente al proyectar comportamientos del votante en ciertas zonas geográficas y entre votantes de baja politización, reabrió dudas sobre la capacidad de las encuestas para captar fenómenos emergentes. La consolidación del voto en torno al 20% para Franco Parisi o los fallidos pronósticos sobre el rendimiento de Johannes Kaiser son parte de estas grietas. También lo es el caso de la encuesta de La Cosa Nostra, que pasó de anticipar a inicios de año un liderazgo claro de Carolina Tohá dentro de la centroizquierda a proyectar recientemente un empate técnico entre tres bloques de derecha. El 16 de noviembre mostró que su metodología, exitosa en un momento, no logró adaptarse al nuevo escenario electoral.

En este contexto, surgió un nuevo grupo de empresas que, utilizando técnicas tradicionales de machine learning, un área de la IA orientada a predecir comportamientos futuros a partir de datos históricos, comenzó a proyectar resultados parlamentarios sin recurrir a encuestas, sino solo usando resultados electorales históricos del Servel. Predicciones como las de Streamdata, que acertó 126 de 155 escaños a nivel de distrito y coalición, o las de Imaginacción y Unholster, que anticiparon con alta precisión global el escenario favorable a la derecha, demostraron que los modelos basados en datos históricos pueden competir con encuestas e incluso con la intuición electoral, como la del exdiputado Pepe Auth con sus clásicas predicciones. La lógica es simple: la IA permite identificar mínimos y máximos plausibles de votación para cada partido político, reduciendo la incertidumbre con que se enfrentan las campañas.

Aunque muchas de estas técnicas no son nuevas —están disponibles desde comienzos de los 2000 y fueron adoptadas tempranamente en el retail—, la masificación de la IA generativa facilitó que otras ramas de la IA entraran de lleno al debate público. Hoy existe menos resistencia a usar herramientas que antes se percibían como demasiado técnicas o empresariales. Su ventaja es clara, dado que su costo marginal es casi nulo, comparado con realizar una encuesta representativa. Es así como generar proyecciones distritales con datos históricos y socioeconómicos es mucho más barato que realizar encuestas territoriales, que tienden a concentrarse en ciudades populosas y dejan amplias zonas sin medición directa. Allí es donde la IA llena vacíos que las encuestas tradicionales difícilmente cubren.

La IA, sin embargo, no predice en el vacío. Requiere grandes volúmenes de datos y su desempeño depende de su calidad… y de sus sesgos. Además, supone que el pasado predice razonablemente el futuro, una premisa que no siempre se cumple. Parte de los desaciertos de las proyecciones basadas en IA se explican por fenómenos ausentes en los datos previos: un Partido de la Gente (PDG) sin base territorial relevante en las municipales no podía ser anticipado por este tipo de proyecciones. Tampoco un giro de la agenda hacia seguridad que se explica por nuevas contingencias o el impacto de estrategias digitales atípicas. La IA detecta patrones, pero los métodos basados en machine learning no anticipan bien shocks sociales inéditos, mientras que encuestas como Datavoz, con su monitor de liderazgos, sí lograron captarlos.

Entonces, ¿qué rol puede jugar la IA en la comprensión del electorado? Su valor no está en competir con los instrumentos tradicionales, sino en revelar patrones que por décadas quedaron fuera del alcance de las encuestas, como lo son estimaciones distritales más finas, identificación de señales débiles en el desempeño territorial de partidos políticos y ayudar en las simulaciones de participación o representación parlamentaria. Estos insumos permiten, por ejemplo, anticipar errores estructurales en la conformación de listas. No es un oráculo ni debe tratársele como tal, pero sí es capaz de identificar áreas que las encuestas, por costos o limitaciones metodológicas, no pueden cubrir. Un ejemplo claro fue la decisión de la Federación Regionalista Verde Social y Acción Humanista de competir en lista separada de la centroizquierda. La pérdida en escaños no sorprendió a quienes trabajaron con modelos de simulación electoral: la IA mostraba con claridad que dicha fragmentación restaría representación a la izquierda y ya anticipaba la magnitud del daño. Ese tipo de advertencias, que antes habrían aparecido demasiado tarde, hoy están al alcance de partidos políticos y equipos de campaña para ser incorporadas en sus análisis.

Así, en muchos distritos históricamente sin análisis electoral, la IA abrió conversaciones que antes no existían. Las elecciones del 16 de noviembre no sorprendieron a quienes venían siguiendo estas señales, tanto en encuestas como en análisis basados en inteligencia artificial. Más que un golpe inesperado para la izquierda, los resultados confirmaron tendencias que los modelos habían mostrado con meses de anticipación. Esa es la lección. Por lo mismo, la pregunta clave no es si la IA predice mejor que las encuestas, sino si los partidos políticos están dispuestos a tomar decisiones basadas en evidencia y no en intuiciones. El cambio de paradigma no consiste en sustituir una herramienta por otra, sino en integrarlas para reducir puntos ciegos y anticipar, con mayor solidez, dinámicas electorales que esta vez quedaron fuera del radar.

Este texto forma parte del proyecto Análisis de las Elecciones 2025, desarrollado por el Núcleo Milenio para el Estudio de la Política, Opinión Pública y Medios en Chile (MEPOP). Este centro de investigación interdisciplinar es apoyado por la Iniciativa Científica Milenio (ANID-NCS2024_007).

Puedes leerlo con sus referencias completas y otros textos en este link.