Los sondeos basados en IA: ¿una moda peligrosa que distorsiona la opinión pública?

La polémica de Axios: ¿sondeos reales o respuestas inventadas por IA?

El pasado mes, Axios se vio obligado a corregir un artículo sobre una supuesta crisis de salud materna en Estados Unidos. El problema no era el contenido, sino la fuente: los datos citados procedían de una empresa llamada Aaru, presentados como resultados de una encuesta real. Sin embargo, una nota del editor aclaró que, en realidad, Aaru es una firma de investigación basada en simulaciones con IA.

En otras palabras, Axios publicó como hechos datos que no reflejaban opiniones reales de ciudadanos, sino respuestas generadas por un modelo de lenguaje avanzado. Este episodio es solo un ejemplo de una tendencia creciente: el uso de "muestreo de silicio" o silicon sampling, una práctica que está ganando terreno en sectores que buscan reducir costes y tiempo, incluso cuando su aplicación carece de sentido.

¿Qué es el silicon sampling y por qué es un riesgo?

Según explican Leif Weatherby, director del Digital Theory Lab, y Benjamin Recht, profesor de Ciencias de la Computación en la Universidad de California, Berkeley, en un artículo para el New York Times, el silicon sampling consiste en usar modelos de IA para simular respuestas de encuestas. La idea es tentadora: generar datos a bajo coste y en tiempo récord, sin necesidad de contactar con personas reales.

Pero, como advierten los expertos, el valor de un sondeo reside en reflejar las opiniones reales de la población. Usar simulaciones algorítmicas en lugar de datos humanos no solo distorsiona la información, sino que erosiona la confianza en los sistemas de medición de la opinión pública.

Los peligros de reemplazar humanos por IA

Las encuestas tradicionales ya enfrentan desafíos, como la dificultad para conseguir respuestas o la necesidad de ajustar datos para evitar sesgos. Sin embargo, inventar respuestas con IA es una solución aún más problemática. Entre los riesgos destacan:

• Sesgos algorítmicos: Los modelos de IA pueden perpetuar estereotipos presentes en sus datos de entrenamiento, generando respuestas poco realistas o discriminatorias.
• Manipulación de la opinión pública: Si los datos se usan para influir en lugar de informar, pueden alterar percepciones colectivas sin base real.
• Falta de precisión: Estudios demuestran que las simulaciones no captan matices complejos, como opiniones políticas o culturales.

La ciencia respalda las críticas

Investigaciones recientes respaldan estas advertencias. Un estudio de la Universidad Northeastern (2025) concluyó que el silicon sampling no es un sustituto fiable de las encuestas humanas, especialmente en temas de política. Los modelos "tienden a estereotipar grupos debido a sesgos en sus datos de entrenamiento y filtros de seguridad internos".

Otra investigación, aún no revisada por pares, del psicólogo Jamie Cummins (Universidad de Berna), reveló que generar "muestras de silicio" implica múltiples decisiones analíticas que pueden alterar drásticamente los resultados. Incluso pequeños cambios en el proceso pueden hacer que los datos simulados diverjan por completo de la realidad.

¿Hay futuro para los sondeos híbridos?

Ante estos riesgos, los expertos proponen un enfoque híbrido: usar la IA para optimizar el diseño de las encuestas, pero mantener siempre a las personas como fuente principal de datos. "El muestreo humano debe seguir siendo el estándar de oro", señalan Weatherby y Recht.

Mientras empresas como Aaru siguen promoviendo el silicon sampling, la pregunta clave es: ¿hasta qué punto estamos dispuestos a sacrificar la precisión por la eficiencia?

"Usar simulaciones de opiniones humanas en lugar de datos reales solo empeorará nuestro ecosistema de información roto y sembrará desconfianza".
— Leif Weatherby y Benjamin Recht, New York Times