Un trabajo de la DINE pone la lupa sobre el papel que podrían cumplir distintas herramientas digitales en la previa, la campaña, el durante y el post de las jornadas comiciales. Ejemplos de otros países y de jurisdicciones provinciales.
En un informe especial, la Dirección Nacional Electoral (DINE) expone una serie de particularidades vinculadas a las próximas elecciones (2027) y el uso de la Inteligencia Artificial aplicada en los procesos vinculados a los comicios.
El estudio fue llamado: “Inteligencia Artificial para la gestión electoral. Potencialidades, buenas prácticas y experiencias aplicadas para organismos de gestión, administración y control electoral” y puntualiza cuatro momentos en los que puede la IA brindar soporte. A saber: etapa pre-electoral, período de campaña, jornada electoral y escrutinio y post-electoral.
Entre los fundamentos del informe, se destaca que “el propósito del trabajo es identificar buenas prácticas, experiencias comparadas y potenciales aplicaciones de la IA en organismos de gestión, administración y control electoral”.
Y agregan que se analizó “de qué manera estas herramientas pueden contribuir a optimizar procesos administrativos, fortalecer la integridad electoral, ampliar la accesibilidad, mejorar la transparencia institucional y aumentar la eficiencia operativa”.
En este sentido, el informe aclara: “Ningún organismo internacional, autoriza ni recomienda delegar decisiones autónomas a la IA. Por el contrario, los estándares internacionales coinciden en afirmar que la IA debe desempeñar exclusivamente un rol de apoyo a la toma de decisiones humanas”.
“La responsabilidad jurídica, la fe pública, la fiscalización y las decisiones que afectan derechos políticos siguen siendo competencias indelegables de las autoridades electorales y los actores humanos del proceso”, agrega.
Etapa pre-electoral
Durante la fase pre-electoral, la IA actúa principalmente como una aliada administrativa, de seguridad biométrica y logística para optimizar recursos y prevenir errores o fraudes.
Depuración del padrón electoral: Se utilizan algoritmos de análisis masivo para detectar registros de ciudadanos fallecidos, inconsistencias o duplicidades complejas que pasarían desapercibidas a escala humana, tal como lo hacen el Instituto Nacional Electoral (INE) de México, el RENIEC de Perú, o consorcios multiestatales en Estados Unidos como ERIC.
Registro de candidatos y avales: Herramientas como EleccIA en Perú (JNE) ayudan a agilizar de forma supervisada la revisión de expedientes, solicitudes de inscripción y planes de gobierno de los candidatos
Asimismo, algoritmos de visión artificial y redes neuronales permiten cotejar firmas en planillas de avales y detectar de forma automática candidaturas simultáneas incompatibles
Diseño de boletas («ballot proofing»): Se emplean modelos de IA para cotejar de forma masiva que los cientos de variantes de boletas de votación cumplan exactamente con los requisitos legales de nombres, cargos y orden de candidatos antes de su impresión definitiva, reduciendo la fatiga visual humana
Planificación logística: Mediante modelos predictivos y simulaciones, como la simulación basada en agentes (ABS) probada en el condado de Fulton, EE. UU., los organismos estiman la afluencia de votantes por hora para distribuir de manera exacta mesas, materiales y personal, previniendo cuellos de botella y largas esperas
Período de campaña
En esta etapa, la IA se enfoca en resguardar la integridad del debate democrático, facilitar la fiscalización y mejorar la cercanía con el ciudadano
Monitoreo del financiamiento político: Herramientas de aprendizaje automático automatizan la revisión de declaraciones de gastos de campaña cruzando bases de datos masivas.
Ejemplos de esto son el Tribunal Superior Electoral (TSE) de Brasil para auditar rendiciones de cuentas y la iniciativa del INE en México proyectada para 2027 que busca la fiscalización preventiva en tiempo real contra el lavado de dinero.
Combate a la desinformación y contenidos sintéticos (deepfakes): Mediante procesamiento de lenguaje natural (PLN) y monitoreo de redes, entes como la Junta Electoral Central de España identifican de forma temprana campañas coordinadas de desinformación (como cambios inexistentes de horarios de votación o cierres falsos de escuelas) para emitir desmentidos rápidos.
Información electoral y accesibilidad: Se emplean chatbots automatizados —como Tina en Argentina o Tira-Dúvidas en Brasil— para responder dudas de votantes sobre padrones y lugares de votación.
Además, tecnologías de asistencia basadas en IA, como el lector portátil OrCam MyEye 2.0 en Israel, permiten que votantes ciegos lean instrucciones y boletas para ejercer su voto de forma autónoma
Jornada electoral y escrutinio
Durante el día de la votación y el conteo provisorio, la IA se destina a tareas estrictamente técnicas y de apoyo, manteniendo el núcleo del escrutinio de forma analógica o digital cerrada
Autenticación biométrica de identidad: Sistemas en tiempo real (aplicados en Filipinas, Honduras o el voto anticipado en Coahuila, México) verifican la identidad del elector en las mesas confrontándola con las bases de datos nacionales para prevenir fraudes de doble identidad.
Lectura de actas y telegramas de mesa: Se emplean tecnologías de reconocimiento óptico de caracteres (OCR) y de texto manuscrito (HTR)
Un ejemplo experimental fue el uso de modelos de visión (Vision Transformers) en las elecciones de Corrientes, Argentina, en 2023, que permitió acelerar la lectura de telegramas para el tablero interactivo de resultados preliminares, detectando inconsistencias matemáticas de manera automática
Límites estrictos en la toma de decisiones: Las fuentes recalcan que en esta fase ningún organismo internacional autoriza o recomienda delegar decisiones autónomas a la IA. El conteo oficial y la resolución final dependen de las autoridades humanas y de los fiscales
Fase posterior a los comicios
Según el reporte, una vez finalizados los comicios, la IA asume un papel clave en las auditorías de control y en el aprendizaje institucional continuo.
La auditoría de resultados y detección de fraudes es vital para confrontar los datos de votación reales con modelos predictivos previamente entrenados, los organismos pueden identificar con rapidez posibles anomalías, inconsistencias matemáticas o patrones de fraude
Además, puede realizar aportes valiosos en estadística y perfeccionamiento operativo: Permite procesar de forma masiva los datos de participación y rendimiento técnico para elaborar informes y generar evidencia empírica útil para optimizar los procesos de las próximas elecciones.
Fuente: El Litoral