IA · 25 ottobre 2026 · 4 min di lettura
Costrette a scegliere un candidato, Grok vota repubblicano e GPT democratico: lo studio sulle API
In sintesi: Uno studio condotto dal centro di ricerca Convovo con l'Università di Cornell ha sottoposto GPT-6.1 Sol e Grok 4.7 a circa 500 test elettorali forzando una scelta secca via API. Se le interfacce per utenti finali si rifiutano di prendere posizione, i modelli sottostanti divergono in modo quasi totale: Grok indica il candidato repubblicano nel 92% dei casi, mentre il modello di OpenAI sceglie i democratici nel 97%. La ricerca evidenzia il divario critico tra i filtri di moderazione delle app e l'orientamento latente dei motori algoritmici usati dagli sviluppatori.
di Team Mocchi's
Se interrogate attraverso la loro interfaccia pubblica, le principali intelligenze artificiali conversazionali mantengono una linea di stretta neutralità o rifiutano categoricamente di esprimere una preferenza elettorale. Tuttavia, quando lo stesso quesito viene posto direttamente ai modelli sottostanti attraverso le loro API programmatiche, con l'istruzione esplicita di scegliere un solo candidato senza tergiversare, l'apparente equilibrio svanisce all'istante.
È quanto emerge da un'indagine sperimentale condotta da Convovo, studio di ricerca e design focalizzato sull'IA conversazionale guidato da Tapan Parikh, professore alla Cornell University. Il test, mirato sulle prossime elezioni di metà mandato negli Stati Uniti, ha messo a confronto Grok 4.7 (sviluppato da xAI) e GPT-6.1 Sol (l'ultimo motore di OpenAI), svelando un livello di polarizzazione speculare e quasi assoluto.
Il test delle 500 corse: metodologia e divergenze radicali
I ricercatori hanno testato i due modelli su un campione di quasi cinquecento corse elettorali, interrogando le rispettive API con una richiesta perentoria: indicare il nome esatto del candidato per cui votare, vietando qualsiasi risposta elusiva, bilanciata o priva di verdetto. Come riporta TechCrunch, i risultati mostrano una spaccatura pressoché totale: Grok 4.7 ha raccomandato il candidato repubblicano nel 92% delle risposte forzate, mentre GPT-6.1 Sol ha scelto il candidato democratico nel 97% dei casi.
Su quasi 500 competizioni analizzate, i due motori hanno concordato sul nome da votare in meno del 10% delle occasioni. Sebbene i sondaggi demoscopici di Pew Research indichino che solo una quota ridotta di cittadini (circa l'8%) impieghi attualmente i chatbot per orientare il proprio voto, la rilevanza dello studio risiede nella struttura tecnica con cui i pesi dei modelli elaborano le informazioni di contesto quando sono costretti a produrre una decisione binaria.
App consumer contro API: la caduta dei guardrail
Il dato più significativo emerso dalla ricerca risiede nella divergenza tra l'esperienza d'uso delle applicazioni per il pubblico e il comportamento del codice grezzo. Le interfacce web e mobili di ChatGPT e Grok sono programmate per declinare risposte a quesiti del genere, invitando gli utenti a documentarsi autonomamente sui programmi politici.
In una dichiarazione ufficiale, OpenAI ha sottolineato proprio questo aspetto, ribadendo che ChatGPT è progettato per essere oggettivo di default nelle conversazioni politiche e che i test condotti via API con prompt costrittivi non riflettono l'interazione degli utenti comuni. Ciononostante, il canale API rappresenta la porta d'ingresso per le migliaia di aziende e team di sviluppo che integrano questi modelli all'interno di flussi di lavoro, motori decisionali, analisi di dati e agenti autonomi. A quel livello, i filtri di conversazione della chat consumer non operano: emerge la distribuzione statistica interna generata dalle fasi di pre-training e allineamento (RLHF o RLAIF).
Le cause tecniche del divario latente
La disparità tra Grok e GPT riflette differenze profonde nelle filosofie di ingegneria dei dati e nelle strategie di fine-tuning delle due società. Da una parte, l'ecosistema di xAI attinge pesantemente a flussi di testo non filtrati provenienti da piattaforme social e calibra i propri modelli per opporsi a quello che Elon Musk ha spesso definito conformismo algoritmico, finendo per privilegiare bias di destra. Dall'altra, i protocolli di allineamento di OpenAI fanno leva su rigide tassonomie editoriali e dati di feedback umano spesso allineati a canoni accademici e metropolitani occidentali, che tendono a inclinare a sinistra le valutazioni su temi socio-economici.
Quando a un modello viene sottratta la facoltà di dichiarare ambiguità attraverso una direttiva rigida di sistema, l'architettura è costretta a massimizzare la probabilità residua del token successivo. In quell'istante, anche una lieve asimmetria statistica nei pesi interni diventa una decisione definitiva al 100%.
Il punto di Mocchi's
Questo studio offre una lezione tecnica fondamentale per chi sviluppa software e integra modelli fondazionali nei processi aziendali: la presunta neutralità di un LLM è un costrutto dell'interfaccia, non una proprietà intrinseca del modello. Nelle aziende italiane che adottano agenti intelligenti per supportare decisioni complesse — dalla selezione di fornitori all'analisi di policy interne fino alla valutazione documentale — fidarsi del comportamento osservato nelle demo su chat consumer è un errore di valutazione architetturale. Diventa indispensabile progettare guardrail proprietari, definire test di consistenza continui a livello di API e monitorare i prompt di sistema per impedire che le polarizzazioni latenti dei fornitori di calcolo condizionino i risultati del business.