Le verifiche sui chatbot interrogano di solito i modelli attraverso le API, che non sono il prodotto usato dalle persone. Mancano le istruzioni di sistema, gli strumenti e soprattutto la memoria, con cui ChatGPT riassume le conversazioni passate per personalizzare le risposte. Il progetto Algorithms+Elections di Princeton ha fatto il contrario. Negli ultimi giorni prima del voto di metà mandato del 2026, 160 utenti americani di cinque stati con sfide competitive per il Senato hanno installato un’estensione che inviava dal loro account le stesse domande elettorali, due volte con la memoria attiva e due senza. Due giudici automatici di aziende diverse, Anthropic e OpenAI, hanno valutato l’orientamento di ogni risposta su una scala da meno tre a più tre, senza sapere se fosse personalizzata. Con la memoria attiva le risposte si spostano verso il partito dell’utente, di poco ma in modo statisticamente chiaro, e non lo fanno con raccomandazioni esplicite ma con ciò che scelgono di mettere in evidenza. ChatGPT ha consigliato apertamente un voto in 2 risposte su 576; per gli utenti democratici, però, la quota di risposte che nominava per primo il candidato repubblicano è scesa dal 56 al 48 per cento. I risultati sono preliminari, come avvertono gli autori, e l’effetto misurato è piccolo, circa un decimo di punto sulla scala. Basta però a violare uno standard più debole della neutralità: che la risposta a una domanda politica non dipenda da chi la pone.
What does ChatGPT say about the election? Depends on who’s asking!
Dato che corregge Un chatbot può non dire mai per chi votare e tuttavia rispondere in modo diverso a seconda di chi chiede: la neutralità minima, che la risposta non dipenda dall’interlocutore, non è rispettata.
In dialogo con → Generative AI and News Report 2026: From Standalone Tools to Information Infrastructure