En comunicación política solemos pensar la competencia en términos de mensajes. Qué decimos, cómo lo decimos, quién consigue imponer el tema del día, qué relato logra más alcance o qué candidato consigue que una determinada interpretación de la realidad resulte más creíble que la de sus adversarios.
Después de muchos años trabajando en campañas, tengo cada vez más claro que esa descripción se queda corta. La batalla política más importante no siempre consiste en conseguir que alguien crea una afirmación concreta. Muchas veces consiste en algo anterior: conseguir que interprete la realidad desde un marco determinado y que utilice unos criterios de credibilidad y no otros para decidir qué merece ser creído.
La irrupción de la inteligencia artificial, combinada con dos décadas de plataformas gobernadas por algoritmos de recomendación, está convirtiendo esa cuestión en uno de los asuntos centrales de la tecnopolítica. Ya no hablamos únicamente de qué información llega al ciudadano. Tenemos que empezar a preguntarnos también en qué condiciones la recibe, quién la ordena, quién la resume y qué señales utiliza para decidir si esa información es fiable.
Un artículo publicado el 22 de septiembre de 2026 en Synthese, firmado por John Dorsch, Mark Coeckelbergh y Tillmann Vierkant, plantea precisamente esta cuestión desde un concepto especialmente sugerente: la agencia epistémica, es decir, nuestra capacidad para evaluar evidencias, revisar creencias y decidir con qué grado de confianza aceptamos una determinada conclusión. Los autores sostienen que el problema democrático de los algoritmos de engagement no se explica bien únicamente mediante la vieja idea de las burbujas informativas, sino también por la forma en que estos sistemas pueden interferir en las capacidades con las que juzgamos aquello que vemos. El artículo completo, “Does AI undermine democratic deliberation? How engagement algorithms hijack epistemic agency”, merece una lectura pausada.
La pregunta que deja sobre la mesa me parece fundamental para cualquier consultor político que quiera entender hacia dónde estamos avanzando: ¿qué ocurre cuando la tecnología no solo compite por nuestra atención, sino que empieza a participar en la construcción de los criterios con los que decidimos qué creer?
La política siempre ha competido por los marcos
Nada de esto significa que la inteligencia artificial haya inventado la persuasión, la propaganda o el framing. La política siempre ha sido una competencia por la interpretación.
Si una elección se convierte en un debate sobre seguridad, unas propuestas adquieren mayor relevancia. Si el marco dominante es corrupción, las prioridades cambian. Si una campaña consigue que la conversación se ordene alrededor de cambio frente a continuidad, estabilidad frente a riesgo o privilegio frente a igualdad, buena parte de los acontecimientos posteriores serán leídos dentro de esa estructura.
Por eso he defendido repetidamente que el diagnóstico político no puede reducirse a preguntar qué piensa la gente sobre una lista de temas. En mi método de diagnóstico narrativo en seis pasos insisto precisamente en que la estrategia necesita comprender la interpretación subyacente: qué historia organiza los hechos, qué emoción los conecta y qué explicación permite al ciudadano dar sentido a acontecimientos que, vistos aisladamente, pueden parecer inconexos. La tecnología no elimina esta lógica. La acelera y, sobre todo, la hace más difícil de observar.
El problema no es solo qué vemos, sino cómo aprendemos a valorar lo que vemos
Durante años utilizamos la metáfora de la burbuja informativa para explicar buena parte de los problemas políticos de las redes sociales: el algoritmo aprende nuestras preferencias, nos muestra contenidos afines, dejamos de escuchar argumentos contrarios y terminamos encerrados en comunidades ideológicamente homogéneas.
La explicación es intuitiva y ha sido extraordinariamente útil para popularizar el problema, pero la evidencia académica sobre las filter bubbles es bastante más compleja de lo que su éxito como concepto sugiere. El trabajo de Dorsch, Coeckelbergh y Vierkant desplaza el foco: incluso cuando nos encontramos con posiciones contrarias, un entorno diseñado para maximizar engagement puede seguir condicionando cómo procesamos esas posiciones, qué señales atendemos y qué tipo de contenido interpretamos como relevante o fiable. Los autores hablan de una posible interferencia sobre nuestra agencia epistémica.
Esto resulta especialmente importante para quienes trabajamos con narrativas, porque una narrativa no necesita convencer de forma inmediata. Puede trabajar por acumulación. Una afirmación aparece hoy como meme, mañana como comentario de un creador de contenido, después como titular, más tarde como conversación de WhatsApp y, una semana después, como una pregunta aparentemente espontánea: «¿Por qué nadie está hablando de esto?».
El ciudadano puede no recordar dónde escuchó inicialmente la historia, pero la historia ya le resulta familiar. Y la familiaridad es una señal cognitiva muy poderosa. Algo que se repite, se entiende con facilidad y encaja con lo que ya sabemos puede empezar a parecernos más plausible sin necesidad de que nadie nos haya demostrado realmente que lo sea. Ahí reside una de las grandes ventajas de una narrativa consolidada: deja de competir como una afirmación y empieza a funcionar como una estructura desde la que interpretamos nuevas afirmaciones.
Dos ciudadanos pueden defender “la democracia” y estar hablando de cosas distintas
Un informe publicado el 24 de septiembre de 2026 por el Shorenstein Center de Harvard, basado en una encuesta nacional a 16.629 ciudadanos estadounidenses, ofrece un ejemplo muy claro de cómo una misma palabra puede contener amenazas percibidas completamente diferentes.
Cuando los encuestados tuvieron que señalar su principal preocupación respecto a las elecciones legislativas de 2026, el 36 % de los republicanos identificó como problema principal el voto de personas no habilitadas o el fraude electoral, frente al 6 % de los demócratas. Entre estos últimos, tenían mucho mayor peso las acusaciones falsas de fraude y la desinformación. El informe, “Voters Divided Over Top Concerns About 2026 Elections”, muestra una brecha de treinta puntos entre ambos grupos sobre cuál consideran la amenaza electoral principal.
No trasladaría nunca esas cifras directamente a América Latina o España: los contextos políticos son diferentes y hacer esa extrapolación sería metodológicamente irresponsable. Pero sí trasladaría la lección. Dos ciudadanos pueden decir exactamente la misma frase («hay que proteger la democracia») y estar defendiendo representaciones mentales prácticamente opuestas de cuál es el peligro.
Lo mismo ocurre con términos que escuchamos constantemente en nuestras campañas: corrupción, libertad, estabilidad, cambio, seguridad, élites o institucionalidad. Las palabras coinciden; el significado político que activa cada comunidad puede ser completamente diferente. Por eso una encuesta que simplemente pregunta «¿le preocupa la democracia?» puede medir menos de lo que parece. La pregunta estratégica siempre es: ¿qué significa democracia para esa persona cuando responde?
La inteligencia artificial añade un nuevo intermediario interpretativo
Hasta ahora esta disputa por los marcos ocurría fundamentalmente entre candidatos, medios, partidos, influencers, comunidades digitales y algoritmos de distribución. Ahora aparece un intermediario nuevo.
En “Los ciudadanos ya no le preguntarán a Google quién dice la verdad. Se lo preguntarán a una IA” planteé una transición que creo que seguimos infravalorando. Durante años, cuando un ciudadano quería entender una polémica, buscaba en Google, abría varios enlaces, consultaba diferentes medios y construía su propia síntesis, mejor o peor, a partir de esas fuentes. Ahora puede formular una única pregunta a un asistente y recibir directamente una interpretación. Eso significa que la IA no se limita a encontrar información. Selecciona, jerarquiza, resume, descarta y organiza. Aunque no tenga intención política propia, el resultado de ese proceso construye un marco.
Un estudio publicado este año en Information, Communication & Society auditó precisamente el comportamiento de ChatGPT-4o mini respecto a las elecciones estadounidenses de 2024. Los investigadores analizaron 592 afirmaciones verificables contenidas en 107 respuestas electorales y encontraron 57 afirmaciones incorrectas, un 9,63 %. Pero el hallazgo que me parece más interesante va más allá del porcentaje de error: también encontraron omisiones, respuestas excesivamente cautelosas y contestaciones plausibles que podían ofrecer una impresión de conocimiento sin resolver adecuadamente la pregunta. El artículo, “Inaccuracies, omissions, and bullshit: 2024 U.S. elections through the eyes of ChatGPT”, propone hablar de un paso desde una gobernanza curatorial hacia una gobernanza generativa. Es una distinción en la que merece la pena detenerse.
De decidir qué vemos a construir directamente la respuesta
Una plataforma tradicional decide qué discurso humano mostrar: Facebook ordena publicaciones, YouTube recomienda vídeos, X decide qué contenidos ganan visibilidad y Google organiza resultados. Un sistema generativo hace algo cualitativamente diferente: construye la respuesta.
Ya no estamos únicamente ante una tecnología que decide cuál de diez artículos vemos primero. Estamos ante una tecnología que puede leer esos artículos (o recuperar información de ellos) y devolvernos cinco párrafos que sintetizan su propia representación del asunto.
Es un salto que conecta directamente con lo que he venido trabajando sobre AEO y GEO como nueva disciplina reputacional. Si los ciudadanos utilizan cada vez más motores de respuesta, las organizaciones tendrán que preocuparse no solo por aparecer, sino por cómo quedan representadas cuando una IA sintetiza las fuentes disponibles.
Pero la cuestión que me interesa aquí está todavía un nivel más abajo. No basta con saber qué responde una IA. Tenemos que preguntarnos por qué esa respuesta nos resulta convincente.
Claridad no es lo mismo que evidencia
Los modelos generativos tienen una característica comunicativa extraordinariamente poderosa: producen respuestas ordenadas, fluidas y con una enorme sensación de seguridad formal. Ese estilo puede generar un efecto que cualquier profesional de la comunicación reconoce inmediatamente: una explicación bien estructurada parece más sólida que otra confusa, aunque ambas se apoyen en la misma evidencia.
Por eso el riesgo político no está únicamente en que una IA invente una cifra. También puede aparecer cuando proporciona una explicación clara, elegante y aparentemente completa que omite una parte relevante del contexto.
Una respuesta puede ser técnicamente correcta y, sin embargo, estar narrativamente desequilibrada: mencionar una polémica y omitir su resolución posterior, explicar las críticas con detalle y despachar la defensa en una línea, o utilizar cinco fuentes para describir un problema y ninguna para contextualizarlo. En esos casos no estamos necesariamente ante una falsedad, sino ante framing. Y el framing es comunicación política.
Del análisis de narrativas al análisis de los criterios de credibilidad
Esta reflexión me lleva también a revisar cómo deberíamos evolucionar nuestras propias herramientas en RRyCia. En las Notas de Inteligencia Narrativa nos interesa identificar qué relato está emergiendo, quién lo impulsa, qué emociones moviliza, en qué comunidades encuentra mayor receptividad, qué actores lo legitiman y si estamos ante una narrativa local o una adaptación de otra que ya circuló en otros países.
Creo que tendremos que añadir una capa adicional y preguntarnos qué está haciendo que esa narrativa parezca creíble, que no es exactamente lo mismo que preguntar si es verdadera.
Puede parecer creíble porque la repiten muchas cuentas aparentemente independientes, porque la formula una autoridad, porque incorpora datos, porque encaja con una experiencia previa o confirma una sospecha existente, porque activa el miedo o porque utiliza el lenguaje de una comunidad determinada. Y, cada vez con mayor frecuencia, porque una inteligencia artificial la presenta dentro de una respuesta segura, ordenada y aparentemente neutral. Comprender esos mecanismos de credibilidad puede terminar siendo tan importante como comprender el contenido.
La estrategia política nunca ha consistido simplemente en tener razón
Este punto puede resultar incómodo, pero quienes trabajamos en campañas lo conocemos bien. Una campaña no gana una discusión política por acumular el mayor número de datos correctos. Si así fuera, buena parte de nuestro oficio sería bastante más sencilla.
Los ciudadanos interpretan esos datos dentro de marcos construidos por su experiencia, identidad, expectativas, emociones, confianza en las instituciones y relación previa con los actores políticos. Una cifra necesita significado, una propuesta necesita contexto y un candidato necesita una historia que explique quién es y por qué hace lo que hace. La IA no elimina ese proceso humano; lo que hace es introducir un nuevo actor en medio de él.
En “La IA acelera lo que ya sabes hacer y multiplica lo que estás haciendo mal” defendía que la tecnología no sustituye el conocimiento previo ni la estrategia: los amplifica. Algo parecido ocurre aquí. La inteligencia artificial puede ayudarnos a acceder a más información que nunca y, al mismo tiempo, puede amplificar nuestra tendencia a aceptar explicaciones convenientes si no conservamos la capacidad crítica para evaluarlas.
Necesitamos algo más que alfabetización contra las fake news
Durante años hemos concebido la alfabetización mediática fundamentalmente como una defensa frente a la información falsa: comprobar la fuente, revisar la fecha, detectar una imagen manipulada, buscar el contexto, comparar medios. Todo eso seguirá siendo necesario.
Pero los asistentes de IA introducen una dimensión diferente: el ciudadano necesita aprender a gestionar también su propia certeza. Eso implica preguntarse por qué una respuesta le parece convincente, distinguir claridad de evidencia, comprobar si existen fuentes, pedir argumentos contrarios, detectar aquello que la respuesta no menciona y entender que toda síntesis implica selección. Y, sobre todo, decidir cuándo utiliza una IA para informarse y cuándo está empezando a delegar en ella su propio juicio.
Puede parecer una fricción incómoda en una época tecnológica obsesionada precisamente con eliminar fricción. Pero algunas fricciones son democráticamente saludables.
La nueva competencia política puede ocurrir antes del mensaje
Durante décadas, el objetivo era conseguir que nuestro mensaje llegara al ciudadano. Después aprendimos que no bastaba con distribuir mensajes: había que construir narrativas capaces de organizar la interpretación de los hechos. Ahora empezamos a entender que existe una capa todavía anterior: los criterios mediante los cuales una persona decide qué narrativa merece confianza.
La secuencia empieza a parecerse a esta: mensaje → narrativa → marco → criterio de credibilidad. Y cuanto mayor sea el papel de los asistentes de IA en la vida cotidiana, más importante será esa última capa.
Porque un ciudadano que utiliza un asistente para preparar reuniones, resolver problemas, organizar su agenda, interpretar noticias y entender políticas públicas no está utilizando simplemente otra plataforma. Está construyendo una relación con un intermediario que puede acabar formando parte de su proceso de interpretación del mundo.
La batalla política no será solamente por lo que creemos
Creo que este es uno de los grandes desafíos que la tecnopolítica nos va a obligar a estudiar durante los próximos años. No podemos seguir analizando la influencia política únicamente desde el volumen de mensajes, las impresiones, el engagement o incluso la difusión de narrativas. Tendremos que comprender mejor cómo se construye la confianza, qué señales hacen que una explicación parezca razonable y qué papel ocupan los nuevos intermediarios algorítmicos dentro de ese proceso.
En otras palabras, la batalla política de la era de la inteligencia artificial puede empezar mucho antes de que aparezca el mensaje que queremos disputar. Puede comenzar en la definición de los criterios con los que ese mensaje será juzgado.
Por eso la pregunta más importante quizá ya no sea solamente qué cree el ciudadano, sino cómo ha decidido qué merece ser creído.
Quien entienda esa diferencia estará entendiendo una parte esencial de la política que viene.