¿Qué aportará la IA a los procesos electorales?

polifonIA.org | México | En nuestros días, el debate público sobre IA (Inteligencia Artificial) y las elecciones se encuentra permeado por el temor hacia los videos falsos y la desinformación. Lo primero que hay precisar es que es una preocupación legítima, pero muy parcial.

La pregunta más fructífera —y la que aquí exploramos— es otra: ¿cómo pueden las propias autoridades electorales usar la IA para administrar mejor los comicios, y dónde está la línea que no deberían cruzar?

Tomando como base el informe de referencia de International IDEA, ofrecemos un mapa de usos posibles a lo largo del ciclo electoral y de los límites éticos e institucionales que los acompañan, con atención al contexto latinoamericano.

Como se sabe, IDEA Internacional es una organización intergubernamental formada por 14 miembros fundadores. Se creó a raíz de una conferencia celebrada en Estocolmo en 1995.

No todo son deepfakes

Buena parte de la conversación sobre IA y elecciones se ha concentrado en el papel que la tecnología puede tener en la generación y difusión de desinformación.[1]

Es un tema importante, pero el impacto de la IA sobre los procesos electorales es mucho más amplio: abarca desde la manera en que los organismos electorales pueden incorporar estas herramientas en su trabajo cotidiano hasta los usos que otros actores —campañas, atacantes informáticos— pueden darles.

Desplazar el foco del pánico a la administración permite una pregunta más útil: ¿qué funciones puede cumplir la IA al servicio de elecciones libres, justas y seguras?

Conviene recordar, además, que la IA no es nueva en este campo. Hace años que se emplean sistemas que hoy calificaríamos como tales: programas de aprendizaje automático para depurar padrones, sistemas biométricos basados en aprendizaje profundo para cotejar huellas o rostros, o herramientas de comparación de firmas.[2]

Lo que ha cambiado no es la presencia de la IA, sino su potencia: los avances en aprendizaje profundo y en modelos generativos han ampliado tanto las oportunidades como los riesgos. International IDEA agrupa el potencial constructivo en tres grandes funciones: ampliar la accesibilidad, proteger la integridad de la información y optimizar la planificación logística.[3]

El ciclo electoral

El informe de IDEA ordena los usos posibles a lo largo de las tres fases del ciclo electoral. Recorrerlas ayuda a ver dónde la IA aporta de verdad y dónde solo añade riesgo.

Etapa preelectoral: planear, registrar, informar

La etapa preelectoral concentra la planificación. Aquí la IA brilla en tareas de optimización: depurar el padrón detectando registros duplicados o inconsistentes; estimar dónde ubicar casillas y cuántas mesas y funcionarios asignar para minimizar la distancia que recorre el votante; y prever costos y necesidades logísticas.[4]

Estos modelos pueden hacer la jornada más accesible y ágil, sobre todo en territorios extensos o de población dispersa.

Otro frente prometedor es la educación cívica. Los asistentes conversacionales —chatbots— entrenados con las preguntas frecuentes del organismo electoral pueden orientar al votante («dónde voto», «qué documentos necesito») de forma más intuitiva que navegar un sitio web.

La cautela técnica es decisiva: deben construirse con generación aumentada por recuperación (RAG), que obliga al modelo a responder solo con información predefinida y verificada, para evitar que «alucine» datos falsos.[5]

Desarrollo de la elección: monitorear, verificar, contar

En la fase electoral, la IA puede vigilar el entorno informativo —detectando tendencias de desinformación o violaciones a los períodos de veda—, apoyar la verificación biométrica de identidad y clasificar automáticamente las quejas que los votantes publican en redes sobre incidentes en casilla (máquinas averiadas, filas, irregularidades), remitiéndolas a la autoridad competente.

El uso más sensible es el conteo. Los sistemas de reconocimiento óptico (OCR/OMR) ya se emplean para leer boletas y actas; la IA puede mejorarlos en los casos difíciles, con precisiones reportadas muy altas.

Pero incluso tasas de error ínfimas son problemáticas para la integridad y la confianza, sobre todo con modelos de «caja negra» cuyos errores son difíciles de explicar al público.[6]

Un complemento valioso es el análisis de participación en tiempo real y la detección de anomalías: variaciones inusuales por casilla o región que funcionan como alerta temprana para auditorías focalizadas.[7]

Después de la elección: auditaría necesaria

En la etapa poselectoral, las mismas capacidades de detección de anomalías sirven para reforzar las auditorías y los reconteos. La lógica es siempre la misma: la IA propone señales; las personas verifican y deciden.

Como veremos, ese orden de prelación no es un detalle técnico, sino la condición misma de su legitimidad.

Una mirada latinoamericana

América Latina no es espectadora de este proceso. Brasil ocupa un lugar destacado: su Tribunal Superior Electoral figura, junto a la Ley de Inteligencia Artificial de la Unión Europea y la orden ejecutiva estadounidense, entre los tres marcos regulatorios que el informe de IDEA reseña como referencia mundial.[8]

La región no solo adopta tecnología: empieza a producir normas sobre su uso, un dato relevante para pensar la soberanía regulatoria desde el Sur.

Al mismo tiempo, la región concentra riesgos específicos. Un análisis de IDEA sobre las elecciones de Brasil y México de 2024 examina cómo las herramientas de IA se usan para crear, curar y moderar contenido político en línea, con atención particular a sus efectos sobre grupos marginados como mujeres, comunidades indígenas y personas LGBTQIA+.[9]

A ello se suma una agenda de accesibilidad de enorme potencial democrático: la traducción automática a lenguas indígenas —México reconoce 68—, los materiales en lectura fácil y la asistencia a personas con discapacidad pueden ampliar el sufragio efectivo de poblaciones históricamente excluidas.

En un estado como Yucatán, con fuerte presencia maya, es un caso de uso directo y socialmente significativo.

La región ofrece también lecciones de prudencia. En 2025, la Comisión Electoral de Albania probó una herramienta de análisis de imágenes con IA para acelerar el conteo, pero la desplegó solo en el 3 % de los centros y mantuvo el conteo manual en paralelo:[10] un modelo de adopción gradual y verificable que contrasta con experiencias menos cuidadosas, como el sistema Sirekap de escaneo de actas en Indonesia, cuestionado por irregularidades en los datos de conteo.[11]

Los límites: por qué la IA puede erosionar la confianza

El mismo informe que mapea las oportunidades insiste en los riesgos. No son objeciones marginales: son la razón por la que la IA debe entrar en la maquinaria electoral con extrema cautela.

• La paradoja de la interpretabilidad. Los modelos de aprendizaje profundo ganan en precisión lo que pierden en transparencia: oscurecen cómo y por qué llegan a un resultado. Una IA opaca en el conteo no añade certeza, la destruye, porque sus errores no pueden explicarse al público.[12]
• Discriminación y exclusión. Los sistemas biométricos y de reconocimiento facial fallan de forma desproporcionada con personas no blancas; el cotejo de firmas ha mostrado precisiones tan bajas como 74,3 %.[13] Herramientas de depuración mal calibradas han llegado a arriesgar la baja indebida de cientos de votantes elegibles para evitar un solo voto fraudulento.[14]
• Vigilancia y derechos. La videovigilancia con IA en las casillas y la actuación policial predictiva plantean serios riesgos para la privacidad y la libertad de expresión, y pueden desalentar la participación de votantes históricamente vigilados.[15]
• El sesgo del Norte. La mayoría de los grandes modelos están optimizados para el inglés y el contexto estadounidense, por lo que pueden pasar por alto matices locales —lenguas, plataformas, códigos culturales— cruciales en contextos latinoamericanos.[16]

Las condiciones para un uso responsable

Si hay un principio que atraviesa el informe de IDEA, es este: la IA debe ser un complemento del juicio humano, nunca su reemplazo. De ahí se derivan condiciones concretas. La supervisión humana real —el principio de human in the loop— debe ser efectiva: la IA señala, las personas verifican. Los sistemas requieren pruebas, auditorías y comparación con los métodos existentes antes de cualquier despliegue, y deben usarse como método adicional, no sustitutivo, en tareas críticas como el conteo. Y todo ello debe descansar en marcos legales claros y respetuosos de los derechos.

Es revelador que el propio informe de IDEA no se pronuncie sobre si los organismos electorales deben o no usar IA. Ofrece un marco para decidir con responsabilidad y recomienda reglas claras, transparentes y respetuosas de los derechos.[17] Esa neutralidad deliberada es, en sí misma, una posición: la tecnología no decide por nosotros; lo hacen las instituciones y los valores que pongamos por delante.

Conclusión: la IA como colaborada del voto

El mayor aporte de la inteligencia artificial a las elecciones no vendrá de sustituir el juicio humano en el momento del voto —donde el consenso técnico sigue prefiriendo el rastro en papel y la simplicidad verificable— sino de las capas que rodean al acto de votar: la logística, la accesibilidad, la atención ciudadana, la detección de anomalías, la fiscalización y la defensa informativa. Es ahí donde la IA puede innovar sin comprometer lo único que vuelve legítima a una elección: la confianza verificable de quienes participan en ella. La pregunta del título, entonces, tiene una respuesta provisional pero clara: la IA puede hacer mucho en la periferia del voto, a condición de no tocar su núcleo sin transparencia, supervisión y derechos por delante.

Fuentes

• Juneja, P. (2024). Artificial Intelligence for Electoral Management. International IDEA. Fuente principal de este artículo. https://www.idea.int/publications/catalogue/artificial-intelligence-electoral-management
• International IDEA. AI for Electoral Actors. Proyecto y serie de talleres sobre uso responsable de la IA por organismos electorales. https://www.idea.int/project/ai-electoral-actors

Lecturas recomendadas

• International IDEA (2025). AI and Information Integrity: Latin American experiences. Policy Paper No. 34. Casos de Brasil y México 2024. https://www.idea.int
• International IDEA (2026). From pilot to policy: how electoral bodies are responsibly adopting AI. Experiencias reales de integración, incluido el piloto de Albania. https://www.idea.int/news/pilot-policy-how-electoral-bodies-are-responsibly-adopting-ai
• AAAS — EPI Center. The Future of Voting Technology. Advertencias de seguridad sobre voto en línea y blockchain. https://www.aaas.org/epi-center/future-voting-technology

Créditos

Texto elaborado con asistencia de Claude Opus 4.8, publicado en polifonia.org.

El informe de International IDEA citado como fuente principal se distribuye bajo licencia Creative Commons BY-NC-SA 3.0.

Imagen de portada: Gemini 3.1 Pro.

Notas

[1]P. Juneja, «Artificial Intelligence for Electoral Management», International IDEA, Estocolmo, 2024. DOI: 10.31752/idea.2024.31. https://www.idea.int

[2]El Electronic Registration Information Center (ERIC) de EE. UU. usa aprendizaje automático para depurar padrones; los sistemas biométricos emplean aprendizaje profundo para cotejar datos. Juneja (2024), cap. 1.2.

[3]International IDEA, «Smart Elections: is AI the Next Wave in Electoral Management?»: funciones de accesibilidad, integridad de la información y planificación logística. https://www.idea.int

[4]Juneja (2024), cap. 2.2: gestión del padrón, asignación de recursos y ubicación de casillas como problemas de optimización.

[5]Juneja (2024), cap. 2.2.3: asistentes conversacionales entrenados con preguntas frecuentes mediante generación aumentada por recuperación (RAG) para evitar alucinaciones.

[6]Juneja (2024), cap. 2.3.4: sistemas OCR/OMR y visión por computadora para el conteo; se reportan precisiones de hasta 99,98 %, pero incluso tasas bajas de error preocupan a la integridad y la confianza, sobre todo con modelos poco interpretables.

[7]Juneja (2024), cap. 2.3.4: análisis de participación en tiempo real y detección de anomalías como alerta para auditorías focalizadas.

[8]Juneja (2024), cap. 4.3: el Tribunal Superior Electoral de Brasil figura, junto a la Ley de IA de la UE y la Orden Ejecutiva de EE. UU., entre los tres marcos regulatorios reseñados por el informe.

[9]International IDEA, «Artificial Intelligence and Information Integrity: Latin American experiences», Policy Paper No. 34, 2025, sobre las elecciones de Brasil y México de 2024 y sus efectos en grupos marginados. https://www.idea.int

[10]International IDEA, «From pilot to policy: how electoral bodies are responsibly adopting AI» (2026): el piloto de análisis de imágenes con IA de la Comisión Electoral de Albania (2025), con conteo manual en paralelo. https://www.idea.int

[11]Juneja (2024), cap. 2.3.4: el sistema Sirekap de escaneo de actas en Indonesia fue objeto de controversia por irregularidades en los datos de conteo (Suhenda 2024).

[12]Juneja (2024): los modelos de aprendizaje profundo oscurecen cómo y por qué producen un resultado; una IA opaca en el conteo dificulta explicar sus errores al público.

[13]Juneja (2024), cap. 2.2.1: la herramienta Crosscheck (EE. UU.) llegó a arriesgar la baja indebida de al menos 300 votantes elegibles para evitar un solo voto doble; el cotejo de firmas puede tener una precisión tan baja como 74,3 %.

[14]Juneja (2024), caps. 2.2.1 y 2.3.2: los sistemas biométricos pueden fallar de forma desproporcionada para personas no blancas, produciendo exclusión discriminatoria, y plantean riesgos de privacidad y vigilancia.

[15]Juneja (2024), caps. 2.3.1 y 2.3.3: la videovigilancia con IA y la actuación policial predictiva plantean serios riesgos para la privacidad y la libertad de expresión.

[16]Juneja (2024): la mayoría de los grandes modelos de lenguaje están optimizados para el inglés y el contexto estadounidense, por lo que pueden pasar por alto matices locales.

[17]Juneja (2024), Resumen ejecutivo: el informe no se pronuncia sobre si los organismos electorales deben usar IA; ofrece un marco y recomienda reglas claras, transparentes y respetuosas de los derechos, con supervisión humana, pruebas y auditoría.