Hace unas semanas escribía en este blog que no basta con detectar deepfakes, porque la unidad de análisis correcta empieza a ser el ecosistema que los produce, los coloca y los amplifica. Creo que toca dar un paso más, porque algunos de los casos conocidos durante las últimas semanas apuntan a una transformación que, para quienes trabajamos en campañas y comunicación política, resulta bastante más importante que la aparición de un nuevo vídeo falso.
La inteligencia artificial no solo está reduciendo drásticamente el coste de producir propaganda política. Está comenzando a reducir también el coste de construir y operar la infraestructura completa que permite producirla, segmentarla, adaptarla, distribuirla y amplificarla.
El informe de inteligencia de amenazas publicado por Anthropic en septiembre de 2026 utiliza una expresión especialmente gráfica para describir una de las redes que detectó: Influence-as-a-Service, influencia como servicio. No hablamos ya de un militante que abre veinte perfiles, de una granja de trolls dedicada a impulsar hashtags o de alguien que utiliza un modelo generativo para producir quinientos comentarios con pequeñas variaciones. Hablamos de organizaciones capaces de ofrecer a terceros algo parecido a una campaña de influencia llave en mano.
En uno de los casos documentados, una empresa francesa de publicidad digital estuvo vinculada a una red que utilizaba Claude para producir y reescribir contenidos políticos destinados a unos 70 falsos medios de comunicación, acompañados por otras tantas cuentas asociadas en X y más de 250 cuentas inauténticas dedicadas a comentar y amplificar esos contenidos. Según Anthropic, la red llegó a producir al menos 8.913 artículos en unos veinte idiomas y dirigió sus acciones hacia audiencias de seis continentes, incluido Brasil. El informe completo puede consultarse aquí.
Hay un detalle que me interesa incluso más que las cifras: la red no respondía a una ideología estable, sino que podía defender posiciones diferentes dependiendo del cliente. La propaganda, por supuesto, no es nueva; tampoco lo son las operaciones de influencia encubiertas. Lo que cambia es la posibilidad de mercantilizar esa capacidad y escalarla mediante inteligencia artificial, hasta convertirla en un servicio comercial que se contrata de manera parecida a como se contrata producción audiovisual, compra programática o gestión de redes. Ahí empieza un problema nuevo para las campañas.
Cuando la IA deja de ser una herramienta creativa y se convierte en infraestructura
Buena parte de la conversación política sobre inteligencia artificial sigue concentrada en su capacidad para producir contenidos: imágenes falsas, voces clonadas, vídeos sintéticos, textos, memes o spots. Es comprensible, porque son las manifestaciones más visibles de la tecnología y las que generan titulares con mayor facilidad. Pero cuanto más sigo esta evolución, menos me preocupa la pieza espectacular y más me interesa la arquitectura que hay detrás.
El informe de Anthropic describe usos de IA para redactar y transformar contenidos, pero también para trabajar con personas ficticias, dossiers contra adversarios, reglas editoriales, bases de objetivos y herramientas de coordinación. Es decir, la IA puede empezar a desempeñar funciones que antes exigían equipos relativamente amplios de redactores, analistas, traductores, operadores de cuentas, investigadores y gestores.
No hace autónoma la operación, porque detrás sigue habiendo actores humanos que definen objetivos, toman decisiones y establecen a quién hay que beneficiar o perjudicar. Esta distinción importa, porque hablar de una «IA que interfiere en las elecciones» atribuiría voluntad política a una tecnología que no la tiene. Lo que sí hace la IA es algo quizá más inquietante desde el punto de vista práctico: aumenta enormemente la capacidad operativa de quien sí tiene esa voluntad.
Y esa reducción de costes cambia las reglas de entrada. Crear diez páginas mediocres es fácil; mantener decenas de supuestos medios locales con apariencia distinta, alimentar cientos de cuentas, adaptar mensajes a diferentes idiomas y producir permanentemente nuevo material exigía hasta hace poco una estructura considerablemente mayor. Una buena parte de ese trabajo puede ahora automatizarse o, al menos, acelerarse.
La cuestión, por tanto, no es si la inteligencia artificial inventó la propaganda, sino cuánto está reduciendo el coste marginal de producir una operación de influencia convincente. Es la misma lógica que desarrollé recientemente al afirmar que la IA acelera lo que ya sabes hacer y multiplica lo que estás haciendo mal: la tecnología amplifica capacidad, pero no sustituye el criterio estratégico.
Colombia: cuando una misma operación puede tener una mentira diferente para cada público
El caso latinoamericano que deberíamos observar con mucha atención es Colombia, que se suma a los casos de Rumania, Eslovaquia y Corea del Sur. Una investigación de Colombiacheck, publicada dentro de la iniciativa regional LatamChequea, identificó al menos 12 vídeos manipulados mediante inteligencia artificial que circularon antes de la segunda vuelta presidencial colombiana de junio de 2026 y hacían aparecer a Iván Cepeda realizando declaraciones, confesiones o propuestas que no había formulado. Las publicaciones identificadas acumularon alrededor de 2,6 millones de visualizaciones. La investigación completa está disponible en Chequeado.
Pero, nuevamente, lo relevante no está únicamente en que existieran deepfakes. La investigación encontró rastros de pauta pagada y microsegmentación territorial en Meta, incluida publicidad dirigida hacia áreas rurales del centro-occidente colombiano. En una de las piezas se conservaron imágenes reales del candidato y se modificaron voz y sincronización labial para hacerle pronunciar un mensaje ofensivo contra Antioquia; otras falsificaciones utilizaban asuntos diferentes, desde expropiaciones hasta guerrilla, seguridad o cuestiones identitarias.
Conviene introducir aquí una cautela importante. La investigación encontró afinidades políticas entre varias cuentas que amplificaron esos contenidos, pero no permite atribuir la producción de las piezas a una campaña concreta ni demostrar por sí sola que toda la difusión estuviera coordinada. Precisamente por eso este caso resulta tan útil para explicar cómo debería trabajar la inteligencia política: no se trata de convertir cualquier coincidencia en conspiración, sino de detectar patrones, formular hipótesis y graduar correctamente el nivel de certeza disponible.
Lo interesante, desde el punto de vista estratégico, es que una campaña de desinformación ya no necesita encontrar una gran mentira capaz de afectar a todo un país. Puede identificar distintas vulnerabilidades y construir una pieza diferente para cada una de ellas.
Al votante preocupado por la seguridad se le puede presentar una historia; al preocupado por la propiedad, otra; a una comunidad territorialmente sensible, una tercera; a un público religioso, una cuarta. Y no es necesario que esas piezas sean coherentes entre sí, porque lo único que tienen que compartir es la capacidad de deteriorar la percepción del mismo adversario.
Este es el punto en el que el viejo microtargeting electoral converge con la inteligencia artificial generativa. Durante años utilizamos datos para decidir a quién mostrar cada mensaje. Ahora podemos utilizar también IA para multiplicar las versiones del propio mensaje hasta conseguir que cada segmento reciba una formulación específicamente diseñada para su miedo, su identidad o su predisposición. Eso cambia mucho el problema.
La unidad de análisis ya no puede seguir siendo el post
En mi propuesta de diagnóstico narrativo en seis pasos insistía en algo que considero cada vez más importante: una campaña que acumula encuestas, focus groups, datos digitales y dashboards pero no consigue transformar esa información en una tesis que cambie decisiones no tiene inteligencia; tiene información.
La misma lógica sirve para la desinformación. Podemos tener un maravilloso centro de monitoreo que nos diga que existen 38.426 menciones, que el sentimiento negativo aumentó un 7 %, que determinada publicación consiguió 240.000 reproducciones y que cinco cuentas fueron especialmente activas durante las últimas doce horas. Todo eso puede ser cierto y, aun así, podemos no estar entendiendo nada. La pregunta importante empieza un nivel por encima: ¿qué narrativa explica todas esas piezas?
Porque producir contenidos empieza a ser prácticamente ilimitado. Una misma narrativa puede transformarse en diez vídeos, cincuenta titulares, cien comentarios, treinta memes, varias supuestas noticias locales y decenas de respuestas aparentemente espontáneas. Si perseguimos cada pieza como si fuera un acontecimiento independiente, la propia economía de la IA garantiza que siempre iremos por detrás.
En cambio, el número de relatos matrices es necesariamente mucho menor. Puede ser que las instituciones han sido capturadas; que el sistema electoral está amañado; que el candidato quiere quitarte lo que es tuyo; que las élites desprecian a la gente corriente; que el país ha perdido soberanía; o que nadie puede confiar en los medios. Las expresiones son potencialmente infinitas. Las estructuras narrativas no lo son.
De ahí que en RRyCía llevemos tiempo trabajando con Notas de Inteligencia Narrativa, que no pretenden sustituir la escucha digital, sino convertirla en algo accionable. Nos interesa saber qué narrativa está emergiendo, qué actores la introducen o amplifican, en qué comunidades empieza a prender, con qué emociones conecta, qué vulnerabilidad política explota y, muy especialmente, si encontramos antecedentes o versiones de esa misma narrativa en otros países. Porque existe otra variable que la IA va a acelerar todavía más: las narrativas ya no respetan fronteras nacionales.
La propaganda también se globaliza y después se disfraza de local
Uno de los errores que podemos cometer quienes trabajamos en campañas latinoamericanas es analizar nuestro ecosistema informativo como si terminara en la frontera del país.
Las narrativas viajan mucho mejor que los candidatos. Un relato utilizado para cuestionar la legitimidad de una elección puede reaparecer meses después en otro contexto, con autoridades diferentes y utilizando elementos locales. Una narrativa contra las élites económicas puede viajar desde Estados Unidos a América Latina, o a la inversa, manteniendo intacta su arquitectura pero sustituyendo nombres, instituciones y acontecimientos.
La inteligencia artificial reduce todavía más el coste de esa adaptación. Traducir ya no es suficiente; se puede localizar el relato, cambiar expresiones, introducir referencias culturales, utilizar el vocabulario político de cada país, reescribir una noticia extranjera como si hubiera sido producida localmente o generar decenas de variaciones hasta encontrar la que mejor encaja con cada comunidad.
Por eso creo que la inteligencia narrativa necesita incorporar sistemáticamente una capa transnacional. Cuando aparece un nuevo relato en Honduras, Colombia, República Dominicana, México, Paraguay o España, una de las primeras preguntas debería ser si estamos realmente ante una innovación local o ante la versión nacional de algo que ya circuló en otros ecosistemas.
Esto tiene una consecuencia operativa: las campañas tendrán que empezar a mirar fuera de sus propios países para anticipar lo que todavía no ha llegado a ellas. En política, detectar una narrativa cuando todavía está ensayándose en otro mercado puede valer mucho más que producir cien desmentidos después de que se haya instalado en el propio.
De la inteligencia narrativa a la inteligencia de operaciones de influencia
Creo que aquí debemos introducir una evolución metodológica. Hasta ahora, buena parte de nuestro trabajo consistía en intentar responder qué relato estaba creciendo y qué efecto podía producir sobre un candidato, un gobierno o una institución. La industrialización de estas operaciones obliga a añadir otra pregunta: ¿qué infraestructura parece existir detrás de ese relato?
Eso significa empezar a observar simultáneamente varias capas: si aparecen cuentas con patrones similares, si distintos sitios publican con una velocidad o una estructura llamativamente parecida, si una misma narrativa aterriza simultáneamente en varios mercados, si existe inversión publicitaria, si encontramos adaptaciones territoriales, si aparecen medios sin trayectoria clara, si existe coordinación temporal o si una determinada historia pasa con demasiada facilidad de fuentes extranjeras a supuestas fuentes locales.
Ninguno de estos indicadores prueba por sí solo una operación. Y conviene repetirlo, porque la fascinación tecnológica puede llevarnos al mismo error que queremos combatir: afirmar más de lo que sabemos. La inteligencia seria no trabaja así. Trabaja con niveles de confianza, hipótesis alternativas y acumulación de señales.
Precisamente por eso prefiero hablar de inteligencia de operaciones de influencia y no de «detección automática de campañas de desinformación». No existe un botón que se pueda pulsar para saber de manera infalible si algo está coordinado, del mismo modo que, como expliqué recientemente en ¿Y si el detector de deepfakes también se equivoca?, tampoco debemos convertir una herramienta automática de detección de contenido sintético en una especie de notario digital. La IA puede ayudarnos a detectar patrones. El juicio estratégico sigue correspondiendo a las personas.
Y mientras aumenta la producción, también cambia la arquitectura de la verificación
A esta transformación se suma otra que estamos viendo precisamente estos días en América Latina. Meta comenzó el 9 de septiembre a probar sus Notas de la Comunidad en 16 países latinoamericanos de habla hispana, aunque durante la fase inicial las notas todavía no serán visibles y seguirá funcionando la verificación independiente. La compañía espera que, una vez probado el sistema, el modelo comunitario se convierta en su estándar para añadir contexto a publicaciones potencialmente engañosas. Meta explica aquí el despliegue regional.
La discusión sobre si este modelo puede sustituir eficazmente a los verificadores profesionales está abierta y merece un artículo propio. Para quienes trabajamos en campañas, la pregunta que me interesa es más práctica: ¿qué ocurre cuando la capacidad de producir desinformación crece exponencialmente y los mecanismos destinados a contextualizarla siguen necesitando tiempo para alcanzar consenso, verificación o suficiente evidencia?
No creo que la conclusión sea que el fact-checking deja de servir. Sería absurdo. La conclusión es que no podemos colocar toda la defensa al final de la cadena. Si el sistema solo actúa cuando la pieza ya circuló, cuando obtuvo alcance y cuando alguien consiguió verificarla, estaremos condenados a intervenir siempre sobre hechos consumados. Necesitamos trabajar antes: detectar vulnerabilidades, identificar narrativas previsibles, preparar evidencias, construir fuentes confiables, realizar prebunking cuando sea conveniente y disponer de protocolos que permitan responder durante la primera hora de una crisis sin afirmar aquello que todavía no podemos demostrar.
La siguiente frontera será la persuasión adaptativa
Existe, además, una línea de investigación que estoy siguiendo con especial interés porque puede modificar todavía más la relación entre datos, persuasión e inteligencia artificial.
Un trabajo publicado el 9 de septiembre en Frontiers in Communication estudió si agentes basados en grandes modelos de lenguaje, a los que se asignaban diferentes identidades políticas o religiosas, respondían de manera distinta ante mensajes persuasivos que incorporaban señales congruentes con esas identidades. Los resultados muestran que los agentes simulados tendían a responder de forma más favorable cuando la fuente o el mensaje encajaban con la identidad que se les había asignado. El estudio está disponible en acceso abierto.
Hay que manejar este resultado con bastante más cuidado de lo que probablemente veremos en algunos titulares. El experimento estudia agentes de IA simulando respuestas en comunicación sanitaria; no demuestra que un chatbot electoral pueda persuadir de la misma manera a votantes reales. Los propios autores lo plantean fundamentalmente como una posible herramienta para pretestear y estudiar comunicación persuasiva.
Pero la dirección de la investigación sí importa. El microtargeting tradicional consistía fundamentalmente en utilizar información previa para decidir qué pieza publicitaria mostrar a determinado segmento. La IA conversacional permite imaginar otra lógica: que la segmentación no termine cuando empieza la conversación, sino que la propia conversación vaya aportando nuevas señales y el sistema ajuste sus argumentos sobre la marcha. Pasaríamos entonces de la personalización del contenido a la persuasión adaptativa.
No afirmo que estemos ya ante campañas electorales operando masivamente de esta manera. Digo algo diferente: quienes trabajamos en estrategia política deberíamos seguir esta línea antes de que se generalice, porque tiene consecuencias importantes en privacidad, transparencia, consentimiento y autonomía del votante. La tecnopolítica no consiste en comentar la tecnología cuando ya está instalada. Consiste también en comprender qué capacidad política puede generar antes de que se normalice.
Hay, sin embargo, una buena noticia: producir influencia no equivale a conseguirla
Entre tanta capacidad tecnológica conviene no caer en el determinismo, porque la política sigue teniendo una resistencia que los tecnólogos suelen subestimar.
Anthropic señala que algunas de las redes que identificó consiguieron poca interacción auténtica. Esto es fundamental. La IA puede abaratar la producción de nueve mil artículos, pero no puede obligar a nueve mil personas a creerlos. Puede crear cuentas, pero no necesariamente comunidades. Puede fabricar medios, pero no automáticamente reputación. Puede producir un candidato sintético perfecto y descubrir después que nadie quiere escucharlo.
En estos últimos años hemos cometido con la inteligencia artificial el mismo error que antes cometimos con el Big Data: confundir capacidad tecnológica con eficacia política. La política sigue dependiendo de identidades, memoria, contexto, relaciones de confianza, liderazgos y emociones colectivas que no se dejan fabricar simplemente pulsando un botón.
Precisamente por eso sigo defendiendo la misma idea que está detrás de nuestro método de trabajo en RRyCía: sin investigación no hay estrategia; hay ocurrencia e improvisación. La inteligencia artificial multiplica extraordinariamente lo que un equipo puede hacer, pero multiplica con idéntica eficacia sus errores cuando la estrategia de partida es mala.
La próxima crisis electoral puede no parecerse a una crisis
Durante años imaginamos una campaña de desinformación como algo muy visible: un gran vídeo falso, un hashtag coordinado, una filtración, una noticia que explota en todas las redes durante unas horas.
El nuevo escenario puede ser bastante menos cinematográfico y, precisamente por eso, más difícil de comprender. Puede estar compuesto por treinta pequeños medios que nadie conoce, doscientas cuentas aparentemente normales, decenas de comentarios que parecen espontáneos, varios vídeos diferentes dirigidos a comunidades concretas, una pauta reducida pero extraordinariamente bien segmentada, una noticia extranjera transformada en relato local y una narrativa que va apareciendo poco a poco hasta que deja de parecernos una operación y comienza a parecernos simplemente «lo que la gente está diciendo».
Ese es el momento peligroso, porque una narrativa consigue su mayor victoria cuando deja de ser percibida como narrativa y pasa a convertirse en sentido común.
Por eso creo que la evolución metodológica de las campañas en los próximos años pasará necesariamente de la escucha digital a la inteligencia narrativa, y de ahí a la inteligencia de operaciones de influencia. No para encontrar conspiraciones detrás de cada conversación crítica, sino precisamente para hacer lo contrario: disponer de suficiente método para distinguir la crítica ciudadana real, que forma parte de cualquier democracia, de una acción coordinada diseñada para simularla.
La respuesta a la propaganda industrializada mediante inteligencia artificial no puede ser producir todavía más propaganda. Tiene que ser tener mejor inteligencia: entender antes, relacionar señales que aisladamente no significan nada, mirar también lo que ocurre fuera de nuestras fronteras y actuar cuando la narrativa todavía es una hipótesis emergente, no cuando ya se ha convertido en el marco desde el que todo el mundo interpreta la realidad.
Una nueva capa de la tecnopolítica
Cuando empecé a escribir sobre inteligencia artificial y política, buena parte del debate giraba alrededor de los riesgos de automatizar determinadas decisiones, los sesgos de los algoritmos o el impacto de los deepfakes. Esos problemas siguen ahí, pero estamos avanzando hacia algo bastante más estructural.
En mis artículos sobre AEO y GEO como nueva disciplina de posicionamiento reputacional en la era de la IA generativa y sobre qué significa gobernar cuando quien explica al ciudadano es una máquina, analizaba cómo cambia la intermediación informativa. Ahora aparece otra capa. La IA no solo está cambiando cómo se produce un mensaje o cómo llega al ciudadano. Empieza a cambiar la estructura económica y operativa mediante la que se puede intentar influir sobre él.
Eso es, para mí, lo realmente relevante del concepto Influence-as-a-Service. No porque tengamos que adoptar otra expresión tecnológica de moda, sino porque describe un cambio de escala que quienes trabajamos en campañas, gobiernos y gestión reputacional debemos empezar a incorporar a nuestros sistemas de inteligencia.
La tecnopolítica de los próximos años se jugará mucho menos en quién tenga acceso a la última herramienta de IA (porque terminarán teniéndola todos) y mucho más en quién sea capaz de comprender mejor qué está ocurriendo detrás de una conversación, distinguir señal de ruido y convertir esa comprensión en una decisión política antes que los demás.
La herramienta se democratiza. La capacidad de interpretar no. Y ahí seguirá estando buena parte de la ventaja estratégica.