Modelos

GPT-6.1 e Grok 4.7 mostram forte viés político em teste de escolha de candidatos

27 de outubro de 2026 · 2 min de leitura

Também publicado em Deutsch, Nederlands, English

green and black computer motherboard
Vishnu Mohanan / Unsplash

Um estudo divulgado pela estúdio de pesquisa de IA Convovo revelou que os modelos de linguagem Grok 4.7, da xAI, e GPT-6.1, da OpenAI, escolheram candidatos diferentes em mais de 90 por cento dos casos analisados. O teste utilizou 500 distritos eleitorais nos Estados Unidos e pediu que os modelos indicassem um único candidato a ser votado, sem ambiguidade. Grok recomendou candidatos republicanos em 92 por cento das respostas, enquanto GPT-6.1 apontou candidatos democratas em 97 por cento das respostas. A diferença nas escolhas refletiu padrões distintos de busca e fontes consultadas pelos dois sistemas. Grok consultou com frequência sites como Ballotpedia, OpenSecrets e VoteSmart, além de fontes conservadoras como o site da organização Turning Point Action, que apareceu em 23 por cento das respostas.

Em contraste, GPT-6.1 utilizou principalmente Wikipedia, Associated Press, Axios e Reddit como referências. A análise também mostrou que Grok buscou com mais intensidade temas como imigração, impostos, crime e política energética, enquanto GPT focou mais em saúde e políticas relacionadas ao aborto. Em regiões com predomínio republicano, GPT selecionou candidatos democratas em 57 dos 67 distritos analisados, e em áreas democráticas, Grok apoiou candidatos republicanos em 47 dos 72 distritos. Quando a internet foi desligada, Grok abandonou a forte tendência republicana, indicando que a escolha dos resultados depende mais do padrão de busca do que de instruções internas fixas.

O pesquisador Tapan Parikh, da Cornell University, coordenou o estudo e afirmou que os modelos carregam valores implícitos que influenciam suas respostas, mesmo quando não são explicitamente solicitados a tomar partido. O estudo ressalta a necessidade de maior transparência e avaliação contínua da neutralidade dos modelos de IA, especialmente em períodos eleitorais sensíveis.