Después del microtargeting llega la persuasión adaptativa: cómo la IA aprende a convencer a cada votante en tiempo real.
Durante casi quince años, el microtargeting fue el terreno más avanzado de la comunicación política. Consistía en algo relativamente sencillo de explicar aunque complejo de ejecutar:
- Se identificaban perfiles.
- Se segmentaba el electorado.
- Se producían mensajes diferenciados.
- Se distribuían por canales.
- Se medían resultados.
- Se optimizaba, y vuelta a empezar.
La lógica era, en el fondo, la del marketing masivo aplicado con precisión quirúrgica. Ese fue el paradigma que popularizaron los grandes datos, los perfiles psicográficos y, en el ejemplo más notorio, el episodio Cambridge Analytica.
Ese modelo ya está siendo superado. Lo que viene no es una versión mejorada del microtargeting, sino otra cosa: persuasión adaptativa.
Este artículo continúa la serie sobre inteligencia artificial y comunicación política que vengo publicando en el blog. El primero, Los ciudadanos ya no le preguntarán a Google quién dice la verdad, se lo preguntarán a una IA, abría el marco con el paso del SEO al AEO. El segundo, No basta con detectar deepfakes: hay que detectar ecosistemas, planteó que la unidad de análisis es la operación completa. El tercero, ¿Y si el detector de deepfakes también se equivoca?, abordó la falibilidad técnica de los detectores. El cuarto, Gobernar cuando quien explica al ciudadano es una máquina, exploró qué le ocurre a un gobierno cuando quien explica su gestión al ciudadano es un sistema automático. El quinto, Qué delegar a la IA y qué no, propuso una frontera práctica entre las tareas de campaña que conviene delegar a la máquina y las que jamás deberían delegarse. Después, Rumania, Eslovaquia y Corea del Sur: tres casos reales de IA en elecciones aterrizó la serie en hechos verificables. Este capítulo entra en un terreno que todavía no tiene nombre estable en español y que probablemente merece uno propio: la persuasión política adaptativa.
De Cambridge Analytica a ChatGPT
Para entender la transición, conviene recordar el modelo anterior. El microtargeting político descansaba sobre una arquitectura muy determinada:
- Obtener datos masivos sobre el electorado.
- Construir perfiles psicográficos.
- Agrupar perfiles similares en segmentos.
- Diseñar mensajes específicos para cada segmento.
- Ejecutar campañas de anuncios personalizados.
Cambridge Analytica llevó ese modelo al extremo mediático, aunque no fuera técnicamente el primero ni necesariamente el más sofisticado. Sobre las bases conceptuales de esa fase ya escribí en Qué es el microtargeting y cómo aplicarla al marketing electoral y, sobre la lógica algorítmica de fondo, en La comunicación política y los algoritmos.
La característica esencial del microtargeting es que producía mensajes distintos para grupos distintos. Pero el mensaje, una vez producido, era fijo: se enviaba, se medía y se ajustaba en la campaña siguiente.
La IA generativa introduce una diferencia cualitativa. Ya no envía un mensaje fijo a cada segmento, sino que genera una conversación dinámica con cada persona, y esa conversación se ajusta en tiempo real según lo que cada persona responda, cuestione, ignore o valore. Ese salto no es cuantitativo, es de naturaleza.
Qué es exactamente la persuasión adaptativa
Conviene definirla con precisión, porque probablemente durante los próximos años la llamaremos con muchos nombres distintos. Persuasión política adaptativa es la capacidad de un sistema de inteligencia artificial para ajustar dinámicamente el contenido, el tono, la estructura y el ritmo de un argumento político según las respuestas, dudas, objeciones y estados emocionales del interlocutor concreto.
No es un mensaje personalizado, sino una interacción personalizada, y la diferencia importa. Un mensaje personalizado se produce antes del contacto, se dispara al receptor y adapta el contenido a un perfil probable: busca convencer con la mejor versión posible del argumento. Una interacción personalizada se construye durante el contacto, se recalibra continuamente y adapta la argumentación a la persona real que está respondiendo: busca encontrar en tiempo real qué versión del argumento convence a esa persona concreta.
Es una diferencia parecida a la que existe entre un spot de televisión y un vendedor experimentado. El spot habla a un tipo de espectador; el vendedor lee al cliente concreto que tiene delante, ajusta, prueba y avanza según lo que funciona. Solo que ahora ese vendedor puede estar operando a la vez en conversaciones con millones de personas, y aprendiendo de cada una.
La IA no solo sabe qué decirte: puede aprender cómo convencerte
Esta es probablemente la afirmación central del texto, y conviene detenerse en ella. Durante los últimos años hemos aprendido a preocuparnos por sistemas de IA que sabían qué decirnos para captar nuestra atención; los algoritmos de recomendación de las plataformas ya funcionaban así. Pero saber qué decirte para retener tu atención es un problema, y aprender cómo convencerte es otro.
El primero optimiza para el engagement: busca que mires más tiempo y opera sobre la reacción inmediata. El segundo optimiza para la persuasión: busca que cambies de opinión y opera sobre la modificación de creencias. Como desarrollé en La batalla política ya no es solo por lo que crees, sino por cómo decides qué creer, ese desplazamiento cambia el terreno de juego.
Los modelos generativos actuales reúnen las tres capacidades técnicas necesarias para operar en ese segundo terreno: comprensión lingüística sofisticada, capacidad de ajuste en tiempo real y aprendizaje a partir de cada interacción. No estamos hablando de ciencia ficción, sino de tecnología disponible hoy y de decisiones estratégicas que las campañas van a tener que tomar, muchas antes de lo que creen.
Un ejemplo hipotético que podría dejar de serlo
Imaginemos una campaña presidencial dentro de dos años. El equipo digital ha desplegado un sistema de conversación por WhatsApp para responder dudas sobre el candidato, y un votante escribe:
«No sé si votarlo. Me preocupa que suba impuestos.»
El sistema no responde con un mensaje predefinido. Analiza el mensaje y detecta la preocupación específica (impuestos), la actitud (indecisión) y el tono (preocupación, no hostilidad). Genera una respuesta adaptada a ese perfil, introduce datos verificables sobre la propuesta fiscal y termina invitando a la persona a compartir qué otra preocupación tiene.
La persona responde, el sistema aprende algo más y ajusta su siguiente intervención. Y la siguiente, y la siguiente. Multiplicado por decenas de miles de conversaciones simultáneas, con un aprendizaje que se agrega a nivel colectivo aunque cada interacción se sienta individual. En 2028 este escenario será cotidiano; en algunos países, mucho antes.
Los cuatro problemas que abre este cambio
Uno: el problema del consentimiento informado.
Cuando un ciudadano recibe un anuncio político, sabe que está viendo publicidad. Cuando lee un titular, sabe que está leyendo un medio. Cuando conversa con un sistema de IA, ¿sabe que está siendo persuadido? ¿Sabe con qué intensidad? ¿Sabe con qué método?
Este problema conecta directamente con las cuestiones de trazabilidad y responsabilidad que anticipé en La IA en la Política: ¿Avance tecnológico o amenaza democrática?.
Dos: el problema de la asimetría de recursos.
Las capacidades técnicas para operar sistemas de persuasión adaptativa a gran escala son costosas. Al principio, solo estarán al alcance de campañas grandes, con presupuesto importante y equipos técnicos avanzados. Eso puede ampliar la desigualdad estructural entre candidaturas.
Sobre este patrón general de desigualdad tecnológica en campañas ya reflexioné en ChatGPT: la inteligencia artificial al servicio de la comunicación política.
Tres: el problema de la manipulación emocional selectiva.
Un sistema adaptativo puede detectar qué emociones movilizan más a cada persona y utilizar esa información de forma sistemática: no para hablar de política, sino para hablar a las emociones más movilizables de cada individuo. Ahí la frontera entre comunicar y manipular se vuelve muy difusa.
Cuatro: el problema del aprendizaje agregado.
Cada interacción individual enseña al sistema, y ese aprendizaje mejora la efectividad futura sobre otros votantes con perfiles similares. Con suficiente escala, un sistema de persuasión adaptativa puede volverse cada vez mejor en convencer sin que ningún consultor humano sepa exactamente qué está funcionando y por qué. Eso plantea preguntas democráticas de primer orden.
¿Dónde termina la comunicación y empieza la manipulación?
Es la pregunta que ninguna serie sobre IA y política puede evitar, y no tiene respuesta fácil. Toda comunicación política intenta persuadir; ese es su propósito legítimo. Un candidato explica su propuesta, un partido defiende su programa, un gobierno justifica sus decisiones. Persuadir no es manipular.
Manipular implica algo más específico: utilizar información sobre la persona sin su conocimiento explícito, para explotar sus vulnerabilidades emocionales o cognitivas, con el objetivo de que adopte posiciones que en condiciones de plena información y reflexión probablemente no adoptaría.
La persuasión adaptativa puede utilizarse dentro de la primera categoría o dentro de la segunda, y la tecnología no decide sola de qué lado cae. Lo deciden quienes la diseñan, quienes la contratan y quienes la operan. Por eso este debate no es solo técnico, sino profundamente ético, y no puede quedar únicamente en manos de las plataformas o de los equipos de campaña.
Necesita un marco público de discusión, criterios comunes y regulación específica. En la Unión Europea, el Reglamento de Inteligencia Artificial ya clasifica como de alto riesgo los sistemas destinados a influir en el resultado de una elección o en el comportamiento de voto. En América Latina las reglas son todavía parciales, con normas puntuales como las del Tribunal Superior Electoral de Brasil sobre el uso de IA en campañas.
Qué puede hacer un equipo profesional serio
En este punto conviene ser concreto. No creo que la respuesta correcta sea prohibir la persuasión adaptativa: las prohibiciones generales rara vez funcionan cuando la tecnología es accesible y otros actores van a usarla igualmente. Creo que la respuesta pasa por cuatro decisiones que un equipo profesional serio puede tomar hoy.
Uno: transparencia sobre el uso de IA.
Que el ciudadano sepa cuándo está interactuando con un sistema automatizado y cuándo con una persona. No siempre es fácil comunicarlo sin romper la interacción, pero es la línea mínima sobre la que se puede construir todo lo demás.
Dos: distinción entre personalización y explotación.
Personalizar un mensaje según los intereses declarados de una persona es legítimo. Explotar vulnerabilidades emocionales detectadas sin consentimiento no lo es. La distinción existe, aunque exija criterio profesional caso por caso.
Tres: verificabilidad del argumento adaptativo.
Que las adaptaciones no introduzcan afirmaciones falsas o distorsiones significativas. Adaptar el tono es legítimo. Adaptar los datos según lo que el receptor prefiera oír no lo es.
Cuatro: registro y auditabilidad.
Que exista trazabilidad de qué dijo el sistema, a quién y por qué; no para exhibirlo públicamente, sino para que haya supervisión interna y capacidad de responder a auditorías externas si fueran necesarias.
Este marco no lo agota todo, pero establece los mínimos que separan una consultoría política responsable de una que no lo es. Sobre las líneas rojas profesionales, y sobre cómo evaluar si un consultor las tiene o no, escribí específicamente en Cómo elegir consultor político internacional.
De la escucha digital al diseño de conversaciones
Este cambio tiene además una consecuencia práctica para el trabajo cotidiano de un consultor de comunicación política. Durante años, la disciplina central fue la escucha digital: comprender qué se decía, quién lo decía, con qué intensidad y en qué comunidades. En Diagnóstico narrativo en seis pasos desarrollé el método completo de esa disciplina, y en El fin del social listening como contador de menciones expliqué hacia dónde está evolucionando.
La persuasión adaptativa añade una nueva capa profesional: el diseño de conversaciones. Ya no se trata solo de producir mensajes, sino de diseñar arquitecturas de interacción que sepan responder a preguntas, ajustar el tono, reconducir objeciones y adaptar el ritmo, manteniéndose siempre dentro del arco narrativo del candidato.
Esa disciplina todavía no tiene un nombre estandarizado, pero probablemente lo tenga pronto, y quien empiece a trabajarla ahora acumulará una ventaja competitiva importante en los próximos ciclos electorales.
Las Notas de Inteligencia Narrativa aplicadas al terreno adaptativo
En RRyCía venimos desarrollando un enfoque metodológico que llamamos Notas de Inteligencia Narrativa, orientado a comprender qué relatos emergen, quiénes los movilizan y cómo evolucionan. Esa disciplina, pensada inicialmente para el análisis del ecosistema informativo, se vuelve doblemente útil en el terreno de la persuasión adaptativa.
Un sistema de conversación política adaptativa necesita, para operar bien, tres cosas que solo el trabajo narrativo profundo puede aportar:
- Comprensión del contexto cultural específico donde va a operar.
- Conocimiento de las narrativas competidoras que va a encontrar.
- Disciplina ética sobre lo que puede y no puede decir en nombre del candidato.
Sin ese sustrato narrativo trabajado por humanos, un sistema adaptativo puede ser muy eficaz en lo táctico y errático en lo estratégico. Puede convencer a personas concretas de cosas que después dañan al candidato en el conjunto de la conversación pública, u optimizar para respuestas inmediatas y destruir el arco narrativo de largo plazo. Puede parecer que funciona, hasta que deja de funcionar.
La próxima campaña no tendrá un mensaje para cada segmento
Esa es probablemente la síntesis que conviene retener: la próxima campaña no tendrá un mensaje para cada segmento, sino una conversación para cada votante. Y quien no se prepare para esa transición llegará tarde.
Los ciclos electorales latinoamericanos de 2027 y 2028 (las intermedias mexicanas, las generales de Guatemala, las presidenciales argentinas o el ciclo dominicano de 2028) ya van a incorporar experimentos con estas capacidades. Algunos serán rudimentarios, otros sofisticados, y muchos operarán en zonas grises éticas.
La conversación pública sobre lo que es aceptable llegará después, probablemente cuando ya haya casos difíciles de resolver. Como suele ocurrir con la tecnología, el debate público llega detrás de la práctica, y Rumania ya ofreció un anticipo de lo que pasa cuando llega demasiado tarde.
Lo que este debate revela sobre la profesión
Termino con una idea que llevo tiempo defendiendo: los avances tecnológicos en comunicación política no eliminan la necesidad de criterio profesional, la amplifican. Cuanto más poderosas son las herramientas disponibles, más importa el criterio de quien las usa.
Un consultor sin método no gana con IA generativa: comete errores más rápido. Un candidato sin diagnóstico narrativo previo no gana con persuasión adaptativa: personaliza la incoherencia. Y una campaña sin líneas rojas no se defiende de la manipulación: la practica sin darse cuenta.
Por eso mi apuesta profesional pasa por la misma tesis que sostengo desde hace años: la verdadera innovación en comunicación política no consiste en usar herramientas nuevas, sino en integrarlas estratégica y responsablemente en un método que exista antes que ellas.
La IA cambia el instrumento, no la profesión. Y probablemente, en el próximo ciclo, esa distinción decida qué consultores siguen siendo relevantes y cuáles quedan atrapados en la fascinación por la herramienta.
Este artículo forma parte de la serie IA y comunicación política: guía completa de Ramón Ramón y RRyCía.
Lecturas relacionadas en este blog
- Los ciudadanos ya no le preguntarán a Google quién dice la verdad, se lo preguntarán a una IA
- No basta con detectar deepfakes: hay que detectar ecosistemas
- La democracia algorítmica y sus riesgos
- La comunicación política y los algoritmos
- ChatGPT: la inteligencia artificial al servicio de la comunicación política
- Qué es el microtargeting y cómo aplicarla al marketing electoral
- La IA en la Política: ¿Avance Tecnológico o Amenaza Democrática?
- Diagnóstico narrativo en seis pasos
- Cómo elegir consultor político internacional
- Qué es una Nota de Inteligencia Narrativa y cómo se construye
- Rumania, Eslovaquia y Corea del Sur: tres casos reales de IA en elecciones
¿Qué dice la inteligencia artificial de tu candidatura o tu institución?
Descúbrelo con nuestro autodiagnóstico AEO/GEO: quince preguntas, cinco pilares y un resultado inmediato.