O que acontece ao perguntar em quem votar para a IA? Estudo com 100 mil perguntas responde

RESUMO ＋

Estudo realizado pelo Free Systems, laboratório coordenado pelo professor Andy Hall em Stanford, em parceria com a Ranqia, analisou mais de 100 mil perguntas eleitorais feitas a modelos de inteligência artificial. A pesquisa identificou que os sistemas evitaram, na maior parte dos casos, recomendar explicitamente candidatos, mas apresentaram respostas personalizadas associando perfis políticos a nomes específicos. Os autores ressaltam que o levantamento não mede se essas respostas alteram o comportamento dos eleitores.

---

Ferramentas de inteligência artificial evitaram, na maior parte das vezes, recomendar explicitamente um candidato para o eleitor brasileiro, mas apresentaram respostas que aproximavam determinados perfis políticos de nomes específicos, segundo um estudo que analisou mais de 100 mil perguntas eleitorais no contexto das eleições de 2026.

A pesquisa identificou padrões de associação entre preferências políticas informadas pelo usuário e candidatos apresentados pelos modelos, mas não avaliou se essas respostas mudaram decisões de voto.

O levantamento foi realizado como iniciativa do Free Systems, laboratório coordenado pelo professor Andy Hall, de Stanford, em parceria com a Ranqia, empresa deep tech de infraestrutura de inteligência artificial.

Quando receberam informações sobre as preferências políticas do usuário, os modelos passaram a oferecer com mais frequência algum tipo de direcionamento personalizado, mesmo sem afirmar diretamente em quem votar.

Os autores, Letícia Auriemo e Luca Moreno-Louzada, avaliaram dez modelos de inteligência artificial por meio de APIs, além da versão pública do ChatGPT.

Os pesquisadores criaram nove perfis hipotéticos de eleitores brasileiros, descritos nas perguntas como moradores de São Paulo, para verificar como as respostas mudavam conforme as características apresentadas.

Mateus Souza Borges, cofundador da Ranqia, faz uma ressalva sobre a metodologia. Segundo ele, a pesquisa utilizou “perfis hipotéticos de eleitores situados em São Paulo” e “não entrevistou eleitores paulistas”. O objetivo foi testar como os modelos respondiam a diferentes combinações de preferências políticas, e não reproduzir a composição do eleitorado do estado.

O estudo separou as respostas em três categorias: quando o modelo indicava um candidato específico; quando fazia um direcionamento personalizado, como sugerir partidos ou listas de nomes alinhados ao perfil do usuário; e quando apresentava uma resposta neutra, com explicações sobre o processo eleitoral ou comparação não personalizada entre candidatos.

Modelos mudam respostas conforme perfil político informado

Segundo a pesquisa, quando os sistemas recebiam apenas informações demográficas, como idade, renda e escolaridade, praticamente não havia indicação de candidatos. Cerca de 1% das respostas apresentava algum tipo de direcionamento.

Esse comportamento mudava quando os comandos incluíam prioridades políticas. Com informações como defesa da democracia, segurança pública, valores familiares cristãos, privatização ou redução do tamanho do Estado, os modelos passaram a apresentar mais respostas associadas a determinadas escolhas políticas.

Com um conjunto mais amplo de atitudes políticas informado pelo usuário, cerca de uma em cada cinco respostas chegou a indicar um candidato específico, enquanto metade apresentou algum tipo de direcionamento personalizado.

Os pesquisadores identificaram diferenças entre os modelos. Sistemas como GPT, Claude e Gemini foram mais resistentes a indicar diretamente candidatos, enquanto modelos como Grok e DeepSeek apresentaram maior frequência de recomendações explícitas.

Os autores destacam que a questão central identificada pelo estudo não está apenas na recomendação direta, mas na forma como os modelos organizam as opções políticas apresentadas ao usuário.

Segundo Borges, essa classificação precisa ser interpretada com cautela. “O estudo identifica a organização das opções como um possível canal de influência, mas não demonstra que esse canal seja mais importante do que a recomendação direta, porque não medimos efeitos sobre eleitores”, afirma.

O pesquisador explica que o chamado direcionamento aparece quando “o sistema utiliza as preferências fornecidas para selecionar candidatos ou partidos e apresentá-los como opções especialmente adequadas àquele perfil”.

Ele ressalta que essa classificação descreve uma característica observável da resposta e “não comprova intenção política do fornecedor, manipulação ou mudança de voto”.

O estudo analisa o comportamento das respostas produzidas pelos modelos, mas não permite concluir se a inteligência artificial alterou a escolha de eleitores ou teve impacto no resultado de uma eleição.

Lula, Zema e Flávio Bolsonaro concentraram recomendações

Quando os modelos decidiram indicar um único candidato, as respostas ficaram concentradas em três nomes: Luiz Inácio Lula da Silva, Romeu Zema e Flávio Bolsonaro.

De acordo com o estudo, esses três candidatos representaram 98% das recomendações individuais feitas pelo ChatGPT Web e 94% das recomendações dos modelos de API analisados.

Os pesquisadores identificaram associações entre Lula e perfis de esquerda e progressistas, Zema e pautas ligadas a empreendedorismo, privatização e menor intervenção estatal, e Flávio Bolsonaro e perfis conservadores relacionados ao agronegócio e à direita.

O caso de Zema chamou atenção dos autores porque o governador de Minas Gerais apareceu com frequência nas respostas dos modelos, mesmo sem estar entre os nomes mais citados nas pesquisas eleitorais analisadas pelo estudo.

Segundo os pesquisadores, uma hipótese é que a identidade política associada ao candidato, especialmente uma agenda voltada ao setor privado e à redução do papel do Estado, facilite a associação feita pelos modelos quando o usuário informa prioridades econômicas semelhantes.

Borges afirma, porém, que o estudo não permite determinar a origem dessas associações. “Ele não permite determinar quanto dessas associações resulta de posições documentadas, da forma como os candidatos são apresentados publicamente ou de outros componentes do sistema”, diz.

Regra eleitoral brasileira impede recomendação de candidatos por IA

Os resultados do estudo foram analisados em um cenário de maior preocupação institucional sobre o papel da inteligência artificial nas eleições brasileiras.

O Tribunal Superior Eleitoral (TSE), órgão responsável pela organização e fiscalização das eleições no país, estabeleceu regras para limitar o uso de inteligência artificial durante o processo eleitoral. Entre as restrições está a proibição de que sistemas de IA recomendem ou priorizem candidatos, partidos ou federações, quando houver favorecimento ou direcionamento político-eleitoral.

A preocupação dos órgãos eleitorais é que ferramentas capazes de responder de forma personalizada possam interferir na forma como eleitores acessam e organizam informações políticas.

O estudo, no entanto, não conclui que os modelos analisados tenham violado regras eleitorais brasileiras.

“O estudo não determina se respostas específicas configuram infrações”, afirma Borges. Segundo ele, a pesquisa busca avaliar padrões de comportamento dos sistemas diante de diferentes comandos, e não fazer uma análise jurídica de casos concretos.

MPF monitora respostas de ferramentas de inteligência artificial

Além das regras estabelecidas pelo TSE, o tema também passou a ser acompanhado pelo Ministério Público Federal (MPF), que monitora o comportamento de plataformas de inteligência artificial durante o período eleitoral.

O acompanhamento busca avaliar como ferramentas respondem a perguntas relacionadas às eleições e se as plataformas adotam medidas para cumprir as normas eleitorais brasileiras.

A discussão envolve um desafio regulatório: sistemas de IA podem evitar uma recomendação direta de voto, mas ainda assim exercer influência ao selecionar informações, destacar determinados candidatos ou apresentar quais opções parecem mais compatíveis com o perfil informado pelo usuário.

Para os pesquisadores, porém, é necessário separar a análise do comportamento dos sistemas de uma eventual conclusão sobre seus efeitos políticos.

Borges afirma que avaliar apenas a existência de uma frase explícita de recomendação pode ser insuficiente. “É relevante examinar a resposta completa: quais alternativas aparecem, quais critérios orientam a seleção e se há uma conclusão personalizada de preferência”, afirma.

Segundo ele, nem toda seleção de informação representa favorecimento político-eleitoral. “Uma contribuição técnica para esse debate é desenvolver avaliações reproduzíveis, com critérios claros, rastreabilidade das fontes e testes em diferentes contextos”, diz.

O debate sobre qual deve ser o papel da IA nas eleições

Para os pesquisadores, a questão central não é apenas impedir que uma ferramenta diga ao eleitor em quem votar, mas entender como esses sistemas ajudam a organizar a informação política disponível.

Um modelo de inteligência artificial pode auxiliar eleitores a comparar propostas, entender diferenças entre programas de governo e analisar argumentos de candidatos. Ao mesmo tempo, essas respostas envolvem escolhas sobre quais informações recebem destaque.

O estudo afirma que a influência da inteligência artificial em eleições pode envolver não apenas recomendações diretas, mas também a forma como sistemas selecionam e apresentam informações políticas.

Borges ressalta, entretanto, que o levantamento não permite concluir se esse tipo de resposta altera escolhas eleitorais. Para medir esse efeito, seria necessário outro tipo de pesquisa, com participação de eleitores.

“O próximo passo seria um experimento controlado, com participantes distribuídos aleatoriamente entre diferentes condições de apresentação de informação”, afirma.

Segundo ele, um estudo desse tipo deveria avaliar fatores como seleção de nomes, ordem de apresentação, linguagem utilizada e eventuais mudanças em conhecimento, avaliação das alternativas e intenção declarada de voto.

Mesmo em um experimento que identificasse mudança de intenção declarada de voto, isso não equivaleria automaticamente a comprovar alteração no voto efetivo ou no resultado de uma eleição.

Os autores ressaltam que a pesquisa apresenta um retrato de como os sistemas responderam aos comandos utilizados durante o período analisado. O levantamento não permite afirmar se a inteligência artificial terá impacto no resultado das eleições brasileiras.

---

Perguntas frequentes

O estudo concluiu que a IA influencia o voto dos eleitores? ＋

Não. A pesquisa analisou respostas produzidas por modelos de inteligência artificial, mas não mediu mudança de comportamento eleitoral ou alteração na decisão de voto dos usuários.

A inteligência artificial recomendou candidatos diretamente? ＋

Na maior parte dos testes, os modelos evitaram recomendar explicitamente um candidato. O estudo identificou, porém, respostas personalizadas que associavam perfis políticos a determinados nomes.

O que os pesquisadores chamam de direcionamento personalizado? ＋

É quando o sistema utiliza preferências informadas pelo usuário para selecionar candidatos, partidos ou opções políticas e apresentá-los como mais adequados àquele perfil. Segundo os autores, essa classificação descreve a resposta, mas não comprova intenção política ou manipulação.

Os pesquisadores entrevistaram eleitores de São Paulo? ＋

Não. O estudo utilizou perfis hipotéticos de eleitores situados em São Paulo nas perguntas enviadas aos modelos de inteligência artificial.

O estudo afirma que houve violação das regras eleitorais brasileiras? ＋

Não. A pesquisa analisa padrões de resposta dos modelos e não determina se respostas específicas configuram infrações às normas eleitorais.

Quais candidatos apareceram com mais frequência nas recomendações individuais? ＋

Segundo o estudo, as recomendações individuais ficaram concentradas em Luiz Inácio Lula da Silva, Romeu Zema e Flávio Bolsonaro.

O que seria necessário para medir se a IA muda decisões eleitorais? ＋

Os pesquisadores afirmam que seria necessário um experimento controlado com participantes, comparando diferentes formatos de apresentação de informações e avaliando eventuais mudanças nas percepções e intenções declaradas de voto.