El 24 de junio de 2026, The Washington Post publicó un experimento que debería preocupar a cualquier profesional que da por hecho que una Inteligencia Artificial describe la realidad de forma neutral. El periódico sometió a ChatGPT, Gemini, Claude, Grok y otros modelos a las mismas preguntas políticas y encontró diferencias notables en cuánto se inclinaba cada uno hacia un lado. Si una Inteligencia Artificial no es neutral ni en temas donde existe consenso sobre qué significa ser equilibrado, tampoco hay garantía de que lo sea describiendo tu negocio.
Un experimento sencillo que reveló algo incómodo
La idea del experimento de The Washington Post era, en el fondo, sencilla: hacer las mismas preguntas políticas diseñadas por investigadores a varios de los sistemas de Inteligencia Artificial más usados del mundo y comparar el tono y la orientación de sus respuestas. No se trataba de preguntas ambiguas ni capciosas, sino de cuestiones donde es razonable esperar que un sistema bien calibrado ofrezca los argumentos de más de un lado.
El resultado, publicado el 24 de junio de 2026, mostró que esa expectativa no siempre se cumple. Cada modelo mostró una orientación distinta, y ninguno resultó perfectamente neutral.
Vale la pena detenerse en ese detalle: ninguno. Ni siquiera el modelo con mejor resultado de equilibrio llegó al cien por cien de respuestas balanceadas. Esto no es una acusación contra una empresa concreta, es una característica estructural de cómo funcionan hoy estos sistemas, entrenados con enormes cantidades de texto que, como cualquier texto humano, no está libre de puntos de vista.
Qué hizo exactamente The Washington Post el 24 de junio de 2026
El equipo de investigación probó ChatGPT, Gemini, Claude, Grok, DeepSeek y Arya con preguntas políticas diseñadas para detectar inclinación ideológica, midiendo tres tipos de respuesta posibles: una respuesta que solo ofrecía el argumento de la izquierda, una que solo ofrecía el de la derecha, o una que presentaba ambos lados de forma equilibrada.
Ese diseño permite algo que pocas veces se mide con tanta claridad: no solo si un modelo se inclina hacia un lado, sino con qué frecuencia se molesta en mostrar los dos lados de un debate en lugar de quedarse con uno solo.
Los números: ChatGPT, Gemini, Claude y Grok comparados
Los resultados no fueron uniformes. ChatGPT mostró la inclinación más marcada: según el estudio, ofreció respuestas de izquierda el 80% de las veces, presentó ambos lados del debate en solo un 17% de los casos, y dio una respuesta exclusivamente de derecha apenas un 3% de las veces.
Gemini quedó en el otro extremo, con el mejor resultado de equilibrio: un 93% de sus respuestas presentaron ambos lados de la cuestión, frente a un 7% solo de izquierda. Claude se situó en un punto intermedio, con un 57% de respuestas equilibradas, mientras que el resto se inclinó hacia la izquierda sin que ninguna respuesta se inclinara exclusivamente hacia la derecha. Grok, el asistente de Inteligencia Artificial de X, también mostró una ligera inclinación hacia la izquierda, según recogió The Washington Post.
Ese último dato llama especialmente la atención porque Grok se promociona a menudo como una alternativa menos condicionada por sesgos convencionales, y es ampliamente usado por una audiencia de perfil conservador en la red social X. Que incluso ese modelo mostrara, según el estudio, una ligera inclinación hacia la izquierda, refuerza la idea de que ningún sistema escapa por completo a este fenómeno, independientemente de su reputación o de cómo se presenta ante el público.
Por qué esto no es un problema exclusivamente político
Es tentador leer estos datos solo como una noticia sobre política y pasar a otra cosa. Sería un error. Lo relevante de este experimento no es de qué lado se inclina cada modelo en un debate concreto, es que se ha demostrado, con metodología y con cifras, que estos sistemas no son espejos neutrales de la información que procesan.
Si un modelo de Inteligencia Artificial toma partido de forma medible en un terreno donde existen normas relativamente claras sobre qué es una respuesta equilibrada, con dos posturas reconocidas y estudiadas durante décadas, no hay razón para asumir que sea más neutral en terrenos donde esas normas no existen en absoluto, como la descripción de un profesional o un negocio concreto.
Si un modelo no es neutral hablando de política, por qué sería neutral hablando de tu negocio
Aquí está el giro que de verdad importa para ti. Cuando un cliente potencial le pregunta a ChatGPT, Gemini o Claude sobre tu sector, sobre un competidor tuyo o sobre ti directamente, no hay ningún panel de investigadores midiendo si esa respuesta está equilibrada. No hay un estudio de The Washington Post revisando cada consulta.
Lo que hay es un modelo entrenado con fuentes que tú no elegiste, con pesos y prioridades internas que la propia empresa apenas explica en público, respondiendo sobre ti con la misma falta de neutralidad garantizada que mostró al hablar de temas donde sí hubo forma de medirlo.
Piensa en un ejemplo concreto y alejado de la política. Si dos profesionales de tu misma especialidad tienen presencia digital de calidad muy distinta, uno con una web cuidada, reseñas recientes y artículos que lo mencionan, y otro con una presencia mínima o desactualizada, es razonable esperar que una Inteligencia Artificial hable con más detalle y más seguridad del primero que del segundo, aunque el segundo sea igual de bueno en su trabajo o incluso mejor. Eso también es un sesgo, aunque no tenga nada que ver con ideología.
Lo que sesgo significa en la práctica cuando te describe a ti
El sesgo no siempre se manifiesta como una opinión explícita. Puede ser mucho más sutil: qué información destaca primero sobre ti, qué omite, qué fuente prioriza si hay varias versiones de un mismo hecho, o incluso a qué competidor menciona antes que a ti cuando alguien pregunta por profesionales de tu sector en tu zona.
Ese tipo de sesgo no requiere ninguna intención política. Puede venir simplemente de qué contenido sobre ti existe en internet, de cómo está redactado, de qué tan reciente es, o de qué peso le da el modelo a una fuente frente a otra. El resultado práctico es el mismo que en el experimento de política: una respuesta que no es neutral, aunque nadie lo haya decidido a propósito.
Para un profesional de 45 o 50 años que construyó su reputación durante décadas fuera de internet, este tipo de sesgo puede ser invisible hasta que causa un daño concreto: un cliente que menciona algo inexacto que «le dijo la Inteligencia Artificial», o que simplemente elige a otro profesional porque el sistema lo mencionó primero y con más detalle, sin que exista ninguna razón objetiva de calidad detrás de esa diferencia.
Ningún modelo es un espejo neutral de la realidad
Conviene desmontar una idea instalada, la de que una Inteligencia Artificial simplemente «sabe» las cosas de forma objetiva, como si consultara una enciclopedia perfecta. No lo hace. Cada modelo procesa, prioriza y a veces distorsiona la información según cómo fue entrenado, y el experimento de The Washington Post lo demuestra con números concretos en un terreno donde, por una vez, había forma de comprobarlo con precisión.
Fuera de ese terreno, en temas como tu reputación profesional, no hay estudios comparativos publicados cada mes. Eso no significa que el problema desaparezca, significa que nadie te avisa cuando ocurre, y que la única forma de saberlo es comprobarlo tú mismo.
Esa es, en el fondo, la lección más útil del experimento de The Washington Post para alguien que no trabaja en política ni en tecnología. No importa tanto hacia qué lado se inclina cada modelo en un debate ajeno a tu negocio. Importa que quede demostrado, con datos, que ninguno de estos sistemas es el árbitro neutral que muchos asumen sin cuestionarlo.
Qué puedes hacer al respecto: comprobar, no asumir
La conclusión práctica de este estudio no es dejar de usar ChatGPT, Gemini o Claude, ni desconfiar de todo lo que dicen. Es dejar de asumir que lo que dicen sobre ti es automáticamente exacto, completo y equilibrado, y empezar a comprobarlo de forma directa, como harías con cualquier fuente que sabes que puede tener un ángulo propio.
Javier G. Amblar lleva 27 años ayudando a profesionales a construir y defender su reputación, primero frente a medios y audiencias humanas, y ahora frente a sistemas que deciden, con sus propios sesgos incorporados, qué contar de ti cuando tú no estás delante para corregirlo.
La diferencia entre 2026 y hace diez años no es que antes la información fuera perfecta y ahora no lo sea. La información nunca fue neutral del todo, ni en un periódico ni en una conversación de pasillo. La diferencia es que ahora una sola conversación con una Inteligencia Artificial puede decidir, en segundos, si un cliente potencial confía en ti o pasa al siguiente resultado, y esa conversación tiene el mismo tipo de sesgo que el estudio detectó en temas políticos, solo que sin nadie midiéndolo.
Puedes comprobar hoy mismo, sin necesidad de esperar a que alguien publique un estudio sobre tu sector, qué dicen ChatGPT, Gemini y Perplexity de ti con el diagnóstico de RADAR.
Sobre el autor
Javier G. Amblar acumula 27 años de experiencia como consultor estratégico y ha formado a más de 33.000 profesionales en 55 países. Fue profesor asociado del IE Business School, donde recibió el Premio a la Excelencia Docente, y ha colaborado en RTVE, Telemadrid, Onda Cero y EsRadio. Es autor del libro Liderazgo (Editatum, 2018).
Su canal de YouTube supera los 368.000 suscriptores y su comunidad en línea reúne a más de 500.000 personas que siguen su trabajo sobre reputación profesional y visibilidad ante la Inteligencia Artificial.
Con RADAR ayuda a profesionales a comprobar y corregir qué dicen de ellos ChatGPT, Gemini y Perplexity, y con Evolution acompaña a quienes quieren traducir su experiencia en autoridad e ingresos propios.
