Ese modelo está muerto desde hace muchos años, pero no necesariamente nos sentimos cómodos con ello.

Actualmente, el término “comunicación algorítmica” define el momento en el que nos encontramos. Los procesos de intercambio se sostienen sobre datos, predicciones y una alta personalización de contenido. La manera de construir las narrativas y las estrategias para orientar la atención es distinta. El mensaje no transita hacia “la masa”, sino hacia microaudiencias: identidades fragmentadas detectadas de manera eficaz por los algoritmos.

La comunicación algorítmica exhibe que el proceso dejó de ser un flujo uniforme para convertirse en un sistema dinámico donde cada persona recibe una versión distinta del mundo. El cambio parecerá irrelevante para muchos, pero los profesionales de la comunicación sabemos que transforma desde el marketing hasta la política y la creación de contenido.

¿Qué es la comunicación algorítmica?

La comunicación algorítmica es un sistema en el que los mensajes se difunden mediante algoritmos que analizan comportamientos, intereses, patrones de consumo y señales de atención. No es solo segmentación, sino predicción. Los algoritmos deciden qué contenido mostrar, cuándo y a qué perfil de usuario, tomando como base miles de variables que cambian en tiempo real.

¿Cómo operan los algoritmos?

Los algoritmos son los arquitectos invisibles de la comunicación.

Algoritmo comunicacional: Conjunto de reglas, instrucciones y procedimientos computacionales que procesa datos para seleccionar, ordenar, personalizar y distribuir o moderar mensajes y contenidos entre determinados usuarios, influyendo así en qué se comunica, a quién, cuándo y con qué nivel de visibilidad.

La comunicación algorítmica adapta el flujo del proceso como si fuera un traje a la medida de cada persona. Los sistemas observan qué miras, cuánto tiempo permaneces, qué ignoras, qué contenido compartes, qué te frena y qué te impulsa a realizar una acción. Con toda esta información, construyen un flujo de contenido que se adapta a ti. A diferencia de la comunicación masiva, la comunicación algorítmica no busca únicamente alcance, sino maximizar la eficiencia al acertar con cada individuo.

En este escenario, la personalización de contenido se convierte en el nuevo estándar de la comunicación digital. No recibes solo lo que está en tendencia o es popular, sino lo que resulta relevante para tu perfil. Esto redefine la comunicación porque la convierte en una experiencia individual.

El sistema comunicativo contemporáneo no es puramente humano y cada vez lo será menos. Es un espacio compartido con actores no humanos capaces de producir mensajes, dirigir significado e influir en la conciencia colectiva.

Los sistemas de comunicación algorítmica no son neutrales, sino que operan como dispositivos psicopolíticos digitales que posibilitan sesgos de confirmación y dietas informativas personalizadas. La diferencia crucial respecto de los medios tradicionales es que el juicio editorial humano queda relegado a un segundo plano. La curación algorítmica utiliza análisis predictivos sin supervisión editorial humana, privilegiando sistemáticamente los intereses de las plataformas y sus modelos de negocio.

¿Por qué la personalización es el nuevo estándar comunicativo?

La personalización opera en dos direcciones. Por un lado, el usuario personaliza el mensaje de manera activa al interactuar con la plataforma; sin embargo, no tiene control real sobre el proceso desplegado por el algoritmo. La pregunta clave es si estamos personalizando, si estamos siendo personalizados o si, quizá, estamos siendo despersonalizados mediante una aparente individualización que responde a lógicas comerciales.

¿Cómo los algoritmos moldean la atención y las narrativas?

La predicción es el mecanismo central de la comunicación algorítmica. El sistema de comunicación reemplazó la pregunta de “¿Qué es importante?” por “¿Qué es probable que este usuario específico consuma, comparta o comente?”.

Este factor es un cambio enorme porque la lógica predictiva prioriza el engagement sobre la relevancia pública o la calidad informativa. Los algoritmos están impulsados por el comportamiento de los usuarios y las métricas de interacción, seleccionando contenido que frecuentemente refuerza creencias preexistentes. El riesgo es la homogeneidad ideológica.

¿Cómo se crean las burbujas informativas y las microrrealidades?

En la era de la comunicación algorítmica y la inteligencia artificial (IA), las burbujas informativas alcanzaron un nivel superior. El mecanismo es sencillo: los algoritmos de redes sociales muestran contenidos que el usuario ya acepta y con los que empatiza, con el fin de evitar el descontento y mantenerlo conectado durante el mayor tiempo posible. Esto crea una burbuja que imposibilita o reduce las probabilidades de que el usuario conozca una perspectiva distinta que derive en una visión crítica de la realidad.

Eli Pariser afirma que el individuo ya no realiza el ejercicio activo de exclusión, sino que es insertado en un ecosistema informativo personalizado por los cálculos predictivos de las plataformas. Las cámaras de eco son el fenómeno complementario: espacios digitales donde el disenso desaparece y las opiniones afines se auto-refuerzan constantemente.

El efecto es negativo y dañino, generando una fragmentación de la realidad compartida. Cuando los ciudadanos son expuestos a narrativas que solo refuerzan sus creencias, se limita la posibilidad de la deliberación pública y se empobrece el debate democrático. La polarización ideológica se amplifica debido a esta dinámica.

¿Qué implica esta transición para marcas, creadores y medios?

La comunicación algorítmica exige un cambio de paradigma: no convencer a las audiencias, sino priorizar legibilidad y relevancia para los sistemas automatizados.

El enfoque SEO evolucionó de la densidad de palabras clave hacia la claridad contextual. Los motores de búsqueda generativa y los modelos de lenguaje prefieren el contenido directo, estructurado y basado en hechos. El contenido debe incluir introducciones claras, jerarquías de encabezados descriptivas y metadatos que permitan a los algoritmos procesar y citar la información.

Los creadores de contenido debemos adoptar la “comunicación para sistemas”. La información esencial se coloca al inicio del texto, antes del contexto y de las explicaciones desarrolladas. Asimismo, los encabezados deben expresar respuestas, no temas; las listas tienen que comunicar información, no rellenar espacios. La estructura deja de ser un adorno y se convierte en el canal que facilita la interpretación y la redistribución del contenido.

Las marcas están obligadas a desarrollar la “alfabetización algorítmica”: comprender cómo funcionan los mecanismos mediante los cuales las plataformas priorizan el contenido; cuál es el alcance y el impacto de los efectos de red sobre los mensajes; y cómo cambia el sentimiento en tiempo real a través de los ecosistemas digitales.

¿Qué habilidades exige la nueva comunicación algorítmica?

El comunicador debe actualizar y robustecer su caja de herramientas. El predominio de la comunicación algorítmica demanda un conjunto de competencias que no formaban parte del repertorio tradicional. La competencia crítica consiste en entender cómo funcionan los sistemas de inteligencia artificial, cómo influyen en las decisiones y cómo estructuran las interacciones profesionales. Actualmente, el comunicador, al igual que otros expertos del área, debe adquirir competencias para operar en entornos laborales integrados por IA.

La lista de habilidades incluye:

• Capacidad de estructurar información para legibilidad algorítmica. Habilidad de escribir con claridad semántica, coherencia discursiva y adecuación comunicativa, evitando ambigüedades y términos vagos que los sistemas no puedan interpretar de forma correcta.
• Pensamiento analítico y manejo de datos. Habilidad de comprender el funcionamiento de los algoritmos y emplear soluciones analíticas que permitan interpretar datos y tomar decisiones estratégicas basadas en ellos.
• Doble alfabetización. Habilidad de mapear ecosistemas digitales y negociar significado en ellos, entendiendo cómo se amplifican los mensajes y cómo se desplaza el sentimiento en tiempo real.
• Gestión ética de agentes cognitivos. Competencias de supervisión estratégica de sistemas de IA integrados, con capacidad para comprender la lógica de los sistemas, identificar sesgos y supervisar su comportamiento.

¿Cuáles son los riesgos y dilemas éticos de la comunicación algorítmica?

La comunicación algorítmica no es neutral. La personalización de contenido amplifica sesgos, refuerza creencias y polariza comunidades. Las burbujas informativas aíslan a las personas en narrativas que solo ratifican lo que ya creen, eliminando los beneficios del diálogo y la comprensión colectiva.

¿Cómo afecta la polarización y la manipulación informativa?

La autonomía humana está en riesgo ante el elevado nivel de persuasión impulsado por la IA generativa. Estos sistemas no solo transmiten mensajes, sino que los adaptan a vulnerabilidades individuales, aprenden de las interacciones y refinan sus enfoques en tiempo real, eludiendo las barreras naturales frente al carácter invasivo de la publicidad. La eficacia de este modelo se debe a interfaces conversacionales amigables y adaptables de manera instantánea.

Los modelos de negocio de las plataformas más influyentes del mundo están basados en el engagement, por lo que caen en dinámicas como la manipulación de la información, la polarización y la difusión de contenido engañoso. Debemos asumir que los algoritmos están diseñados para maximizar la atención por sobre cualquier otro aspecto, incluyendo la construcción de una sociedad democrática informada.

¿Qué desafíos plantea para la privacidad y la autonomía?

El diseño de las interfaces, la curación algorítmica de contenidos y la explotación de datos y sesgos conductuales permiten orientar decisiones de consumo, permanencia, interacción social y formación de opiniones.

Los riesgos identificados por la investigación incluyen la disminución de la privacidad, la manipulación emocional, la publicidad dirigida, la ingeniería de la atención, las noticias falsas, la desinformación y el surgimiento de cámaras de eco que refuerzan, en lugar de desafiar, las creencias de los usuarios.

La persuasión algorítmica a niveles subconscientes y personalizados puede tener efectos significativos sobre la autonomía cognitiva de las personas y su derecho a formar opiniones y tomar decisiones independientes.

La entrada De la comunicación masiva a la comunicación algorítmica: el nuevo sistema nervioso de la era digital se publicó primero en Cabaña Informativa.

Los modelos de IA complementan la estrategia humana porque tienen la capacidad de procesar miles de discursos, identificar patrones cognitivos y mapear estructuras narrativas con una precisión inédita. Atención: esto no quiere decir que la IA haya reemplazado la estrategia política, pero sí amplifica la capacidad humana para entender la construcción de marcos, la activación de significados y la articulación de narrativas que moldean la percepción pública.

En este artículo vamos a abordar cómo se diseña la arquitectura narrativa en contextos políticos y cómo la IA se convirtió en una herramienta clave para analizar, moldear y comprender estos procesos sin caer en propaganda ni en predicciones electorales.

Cómo funciona el framing en comunicación política

Antes de profundizar en el framing político, exploremos el concepto de los marcos cognitivos. El lingüista George Lakoff los definía como “estructuras mentales inconscientes, codificadas físicamente en circuitos neuronales, que determinan cómo las personas comprenden el mundo”.

En los terrenos de la política, el framing no consiste solo en presentar información: su objetivo es activar estructuras cognitivas preexistentes, las cuales organizan la experiencia y orientan el juicio. Para ello, debemos entender que las palabras activan marcos y que la negación de un marco termina reforzándolo. Tomemos el ejemplo del propio Lakoff, quien, al pedirles explícitamente a sus estudiantes “No piensen en un elefante”, ocasiona que piensen en el animal casi de forma inevitable.

Pero ¿para qué sirve conocer esto? La implicación política es directa: cuando argumentamos contra la posición contraria, la regla dice que no debemos utilizar su lenguaje. Si lo hacemos, activaremos precisamente el marco cognitivo que deseamos combatir. Si utilizamos conceptos como “alivio fiscal”, estaremos orientando el pensamiento a ver los impuestos como una aflicción, al político que propone recortarlos como un héroe y a quienes se oponen como villanos.

En Comunicación Política, el framing opera en tres niveles:

• Activación cognitiva: Cada mensaje activa un marco mental [seguridad, justicia, libertad, orden, progreso, etc.]. La audiencia interpreta el contenido a través de ese marco, incluso si no es consciente del proceso.
• Arquitectura del mensaje: El orden de los argumentos, la selección de los datos, la omisión consciente de elementos y el énfasis en otros constituyen la estructura narrativa. La arquitectura define lo que la audiencia percibirá como causa, aquello que será interpretado como consecuencia y lo que se asume como solución.
• Contraste narrativo: Toda narrativa política se sostiene sobre contrastes: antes/después, problema/solución, amenaza/protección, caos/orden. El contaste es el motor emocional del framing político.

Gracias a los avances actuales de la IA, ahora es posible analizar estos elementos con una precisión que antes era imposible. Los modelos de lenguaje actuales pueden identificar patrones de metáforas, estructuras de contraste, marcos dominantes y puntos de tensión narrativa en grandes volúmenes de discursos.

Modelos cognitivos: Lakoff, modelos mentales y activación del marco

George Lakoff plantea una idea valiosa: las personas piensan a través de estructuras conceptuales como metáforas y marcos, no mediante una lógica literal. Bajo su punto de vista, el lenguaje refleja una profunda organización mental, y los argumentos políticos funcionan o dan resultados porque activan esas estructuras.

Los modelos mentales a través de los cuales la gente interpreta el mundo derivan de la experiencia diaria y los patrones incorporados, los cuales luego pueden expresarse a través de metáforas. Los mensajes políticos impactan en la población porque encienden marcos preexistentes. Las personas tienden a evaluarlos bajo el lente de un marco específico más que como un conjunto de datos crudos o aislados.

Para Lakoff, una pregunta central sobre el discurso político es: ¿qué marco activa el mensaje?, incluso antes de preguntar si es verdad o no. Este es el motivo por el cual su enfoque resulta tan conveniente para la comunicación política, las estrategias de campaña y el análisis de discurso.

El pensamiento del lingüista desafía la visión ilustrada de la racionalidad: la creencia de que presentar hechos por sí solos será suficiente para persuadir a las personas. La ciencia cognitiva demuestra que los hechos tienen que encajar con los marcos existentes para ser aceptados. Si los hechos contradicen esos marcos, los marcos permanecen porque derivan de una construcción diaria y firme, mientras que los hechos rebotan hacia la nada.

Arquitectura del mensaje: orden, énfasis, omisión y contraste

La arquitectura del mensaje está relacionada con las dimensiones sobre las que actúa el framing político.

• Orden: La secuencia en la que se presentan los elementos determina qué marco se activa primero y la lente cognitiva que se usará para gestionar el resto de la información.
• Énfasis: Qué aspectos se destacan y cuáles se minimizan. El framing es, en líneas simples, seleccionar, enfatizar y estructurar información para construir una narrativa particular.
• Omisión: Lo que no se dice es tan importante como lo que se dice. Los marcos operan tanto por inclusión como por exclusión.
• Contraste: La oposición entre marcos rivales establece el campo de batalla cognitivo.

Ingeniería narrativa: cómo la IA transforma el storytelling político

El concepto Narrative Engineering (Ingeniería narrativa) exhibe la caducidad de la propaganda tradicional. Esta última es comunicación unidireccional enfocada en el llamado a la acción, por lo que ha perdido efectividad en una realidad digital que se caracteriza por el intercambio y flujos bidireccionales. La ingeniería narrativa se enfoca en intervenciones sistémicas sutiles diseñadas para alterar los entornos cognitivos a lo largo del tiempo, en lugar de buscar cambios actitudinales o de comportamiento inmediatos.

IA como herramienta de análisis discursivo: la IA se usa cada vez más para identificar líneas argumentales, comparar cómo diferentes fuentes enmarcan el mismo tema y revelar puntos de convergencia y divergencia en las narrativas. Los modelos ayudan a ejecutar análisis narrativos a gran escala sin perder transparencia ni matices. Los resultados están diseñados para ser rastreables hasta la evidencia original.

IA como asistente de construcción narrativa: los modelos de lenguaje de última generación tienen una capacidad brutal para evaluar el framing y la estructura narrativa de cualquier texto. Gracias a estos avances, podemos obtener análisis detallados del encuadre y la estructura de un discurso. De esta forma, contamos con herramientas poderosas para evaluar la coherencia narrativa de discursos y documentos, identificar los marcos activados en diferentes contextos comunicativos y detectar cambios en el framing entre distintos emisores o a lo largo del tiempo.

El uso de la IA para tareas de framing político evita caer en análisis superficiales de los sentimientos. Los modelos de lenguaje grandes, pre-entrenados con vastos corpus diversos, han demostrado habilidades emergentes en razonamiento complejo y seguimiento de instrucciones.

Pese a ello, todavía existen riesgos éticos y límites profesionales en la integración de la IA para trabajos de framing político. En la actualidad, empieza a cobrar fuerza el concepto de los “enjambres de IA”. Los bots tradicionales de “copiar-pegar” empiezan a quedar obsoletos; en su lugar, diferentes actores malintencionados o motivados por sus propios intereses están creando comunidades coordinadas. Se trata de flotas de personas apoyadas por IA para adaptarse en tiempo real a entornos, infiltrarse en grupos y fabricar la apariencia de acuerdo público a escala.

La ilusión de que “todos están diciendo esto”, puede influir en creencias y normas incluso cuando las afirmaciones individuales son discutidas.

Técnicas impulsadas por IA para el framing estratégico

Clasificación de marcos

La clasificación sistemática de los marcos es fundamental para el análisis político. Un marco de referencia consolidado incluye cuatro categorías centrales:

• Marco moral: Apela a los valores, los principios éticos y las concepciones del bien y el mal.
• Marco económico: Enfatiza en los costos, los beneficios, la eficiencia y las consecuencias materiales.
• Marco institucional: Se enfoca en los procedimientos, las normas, los roles y las estructuras de gobierno.
• Marco emocional: Activa respuestas afectivas desde el miedo hasta la esperanza.

Ingeniería de prompts para análisis político responsable

¡Vamos a la dimensión práctica! La ingeniería de prompts consiste en el diseño de las instrucciones para que una IA analice temas políticos de forma clara, neutral, verificable y útil para la toma de decisiones. En términos simples, es saber cómo pedirles a los modelos que comparen, sinteticen y evalúen discursos sin caer en sesgos, propaganda o afirmaciones no sustentadas.

No estaremos pidiéndole a la IA que opine sobre el discurso político, sino que la guiaremos para producir análisis cívicos y balanceados. Un prompt tiene que definir contexto, tarea, formato, límites y criterios de verificación. El enfoque responsable deriva de la neutralidad en el lenguaje, el uso de fuentes verificables, la separación entre hechos, interpretación y opinión, el reconocimiento de sesgos y limitaciones, y la presentación de varias perspectivas cuando el tema es controversial.

Un enfoque estructurado incluirá:

• Definición clara de la tarea: consiste en especificar el tipo de análisis (identificación de marcos, evaluación de coherencia narrativa, detección de sesgos, etc.)
• Codebook de categorías: establecer las categorías predefinidas (consecuencias económicas, interés humano, conflicto ético y moral, etc.)
• Instrucciones de formato: especificar el formato de salida deseado para facilitar las tareas posteriores.
• Verificación humana: incorporar los flujos de trabajo que permitan a los investigadores inspeccionar, cuestionar y refinar las interpretaciones generadas por los modelos de IA.

La IA permite analizar el framing político desde una perspectiva estructural. Los modelos tienen la capacidad de clasificar marcos en categorías como marcos morales, marcos económicos, marcos institucionales y marcos emocionales. Aunado a esto, son eficaces para la detección de sesgos, tonos, polarización y patrones de lenguaje que influyen en la percepción pública. Las herramientas de análisis semántico permiten identificar aspectos como:

• Conceptos que se asocian entre sí
• Palabras que funcionan como disparadores cognitivos
• Temas que generan tensión narrativa
• Elementos que refuerzan o debilitan un marco

La ingeniería de prompts es una habilidad estratégica que consiste en saber cómo pedir análisis de framing político sin caer en sesgos. Ayuda a solicitar mapas narrativos sin inducir predicciones electorales y a obtener insights sin generar contenido partidista.

Narrativa dinámica: cómo la IA ayuda a mapear influencia, resonancia y percepción pública

Las narrativas políticas no son estáticas: evolucionan, se fragmentan, se expanden y se reconfiguran de acuerdo con el contexto. La IA permite mapear estas dinámicas a través de:

1. Mapas de resonancia narrativa
2. Nodos discursivos
3. Percepción pública sin segmentación electoral
4. Detección de tensiones

Mapas de resonancia narrativa

Son modelos que identifican elementos de una narrativa que generan mayor eco en el discurso político, qué conceptos se amplifican y cuáles se diluyen.

Los mapas de resonancia narrativa permiten visualizar cómo narrativas determinadas conectan con diferentes audiencias. Por ejemplo, herramientas como el Audience Resonance Index (ARI) recurren a IA para comprender la receptividad emocional de ciertas audiencias y predecir quién se va a involucrar con contenido específico.

Dentro del análisis político, los mapas de resonancia ayudan a ver qué marcos emocionales activa un discurso. Esto es útil para detectar por qué un mensaje moviliza a ciertos públicos y fracasa en otros. En el caso de un discurso sobre migración, un tema controversial, el mensaje podría resonar como una crisis en un grupo y como derechos humanos en otro. El mapa ayuda a identificar las palabras, metáforas y valores que están produciendo esa diferencia en la interpretación.

Identificación de nodos discursivos

Los nodos discursivos son puntos de convergencia donde múltiples narrativas se cruzan y se refuerzan mutuamente. La IA facilita la identificación de estos puntos mediante el análisis de patrones de co-ocurrencia de términos, actores y marcos a través de grandes corpus de textos. Estos nodos son estratégicos porque permiten conectar temas distintos bajo un mismo marco.

Existen proyectos que identifican líneas argumentales, comparan diferentes fuentes a la hora de enmarcar un mismo tema y revelan los puntos donde las narrativas convergen, divergen o entran en conflicto. La IA ayuda a los investigadores a comprender cómo se construye el significado público, cómo viaja el conflicto narrativo a través de los ecosistemas mediáticos, etc.

Debemos ver los nodos discursivos como centros de gravedad semánticos; alrededor de ellos se conectan otras expresiones que refuerzan una visión del mundo. En el análisis político del discurso, esto ayuda a ver cómo se construyen hegemonía, identidad y legitimidad.

En líneas generales, se identifican observando:

• Palabras que se repiten con frecuencia.
• Términos que organizan otros conceptos.
• Ideas que sostienen el “sentido común” del discurso.
• Elementos que aparecen como evidentes o incuestionables.

Ejemplo. En un discurso sobre la seguridad, el concepto “orden” puede ser un nodo discursivo. A su alrededor podrían oscilar términos como “control”, “ley”, “frontera” o “disciplina”.

Percepción pública sin segmentación electoral

Las herramientas de IA sirven para analizar cómo se recibe un discurso político sin ejecutar una segmentación de grupos electorales, lo cual evita prácticas prohibidas. Se estudian patrones de lenguaje, no perfiles demográficos.

El análisis de audiencias con IA debe enmarcarse en límites éticos y legales. La segmentación electoral basada en datos sensibles está prohibida en muchos contextos; el enfoque debe centrarse en el análisis del discurso y la resonancia narrativa sin cruzar hacia el ilegal terreno de la microsegmentación electoral.

El análisis de las audiencias tiene como objetivo comprender necesidades, valores, motivaciones y formas de respuesta de un público. Dentro de contextos políticos, esto es legítimo si se emplea para entender cómo circulan los mensajes y cómo se interpretan, pero no podemos caer en la ilegalidad de perfilar personas con fines de persuasión electoral dirigida. Evidentemente, esto último ocurre con excesiva frecuencia bajo la mesa. Esto último se traduce en manipulación electoral personalizada.

Detección de tensiones

Las narrativas políticas tienen contradicciones internas. La IA ayuda a identificar dónde se rompe la coherencia, los puntos donde se pierde el marco y los elementos que hacen que la narrativa deje de ser efectiva.

Es un proceso de detección de fricciones entre relatos; permite medir qué tan estable es un marco narrativo cuando existen cambios de contexto, fuente o tiempo. La IA detecta patrones de lenguaje, contradicciones, repeticiones y desplazamientos semánticos que señalan tensión o coherencia.

Un punto de tensión aparece si dos o más marcos compiten dentro del mismo tema. Por ejemplo, un discurso sobre IA puede alternar entre la presentación de dicha tecnología como “amenaza” o como “herramienta”. La variación indica conflicto narrativo o disputa por el sentido dominante. Pero ¿cómo identifica la IA estos puntos de tensión? Lo hace reconociendo cambios bruscos de tono o polaridad emocional, palabras contradictorias entre sí, actores presentados de forma distinta, eventos o causas que aparecen con explicaciones incompatibles y repetición de metáforas opuestas.

En análisis político, esto ayuda a detectar si un actor público sostiene un relato consistente o si está adaptando su discurso según audiencia, coyuntura o plataforma. También permite ver cuándo distintas voces del mismo campo político repiten un marco común y cuándo empiezan a fracturarse.

Conclusión: IA, framing político y responsabilidad estratégica

La inteligencia artificial no sustituye la estrategia política, pero sí amplifica la capacidad humana para comprender cómo se construyen los marcos, cómo se articulan las narrativas y cómo se organiza el significado en el discurso público. Su valor radica en el análisis, la claridad y la capacidad de detectar patrones que antes pasaban desapercibidos.

El futuro de la comunicación política no será dominado por máquinas, sino por estrategas capaces de utilizar la IA de forma ética, responsable y profesional. La narrativa política seguirá siendo humana; la IA simplemente nos permite verla con mayor profundidad.

La entrada Framing político e inteligencia artificial: principios cognitivos e ingeniería del discurso se publicó primero en Cabaña Informativa.

¿Qué quiero decir con esto? Un estratega improvisado solo producirá mensajes más rápido con ayuda de la IA, pero la probabilidad de que estos sean de mala calidad será elevada. En el estado actual de las cosas y la innovación tecnológica, los profesionales de la comunicación política deben, antes de cualquier otra cosa, dominar los fundamentos de las estrategias de las campañas electorales.

Análisis del contexto y el diagnóstico inicial

Todas las campañas deben iniciar respondiendo una pregunta: ¿Dónde estamos parados?

Sin embargo, el cuestionamiento no busca una respuesta sencilla y rápida, sino un diagnóstico profundo del escenario y los actores. En líneas generales, apuntamos a obtener un panorama nutrido a través de los siguientes procesos:

• Análisis FODA (Fortalezas, Oportunidades, Debilidades y Amenazas) del candidato y de los adversarios.
• Mapeo de actores (aliados, opositores, indecisos, medios de comunicación).
• Estudio del clima de opinión (Principales preocupaciones de la ciudadanía y temas que dominan la conversación pública).
• Revisión de campañas anteriores (Qué estrategias funcionaron y cuáles ofrecieron malos resultados).

Impulso IA en el diagnóstico

En la actualidad, podemos utilizar herramientas de escucha social como Brandwatch o Talkwalker para identificar de manera precisa los temas que movilizan al electorado. Otra línea de acción es el diseño y alimentación de un modelo de IA con encuestas previas para obtener un diagnóstico automático de las fortalezas y las debilidades. A pesar de los avances y mejoras constantes de la IA, el juicio humano todavía sigue siendo necesario para la interpretación de los matices culturales y políticos.

• La IA acelera el análisis FODA mediante generadores automáticos como Venngage o SEMRush, los cuales procesan datos de redes y encuestas para identificar patrones clave en minutos. El uso de herramientas como SpyFu es útil para identificar las estrategias publicitarias rivales, optimizando fortalezas propias y mitigando amenazas competitivas.
• El mapeo de los actores y la opinión pública se enriquecerá con herramientas de escucha social en tiempo real, tales como Brandwatch, Talkwalker o SentiOne. Estas plataformas analizan menciones en redes para la segmentación de electores y la detección de preocupaciones ciudadanas en economía o seguridad. Lo anterior permite un diagnóstico dinámico del clima de opinión, combinado con Big Data para un microtargeting preciso.
• La IA es indispensable para la revisión de campañas pasadas. Alimentar el modelo con datos históricos ofrecerá resultados útiles y prácticos. Un modelo entrenado arrojará qué mensajes funcionaron y entregará insights accionables sobre efectividad. Las herramientas de escucha social aceleran este proceso, evaluando sentimientos y tendencias con mayor alcance que los métodos tradicionales, sobre todo, en una época dominada por la comunicación digital.
• La IA ofrece diagnósticos automáticos y segmentación avanzada, sin embargo, sobrevive el riesgo de caer en sesgos inherentes. Por ende, todavía no es tiempo de eliminar la interpretación humana a fin de darle matices culturales y éticos, asegurando estrategias alineadas con contextos locales. El secreto es encontrar el punto de equilibrio entre la eficiencia tecnológica con responsabilidad política.

Definición de objetivos estratégicos

Una campaña electoral sin objetivos claros terminará estrellándose. Definir a dónde se quiere llegar es fundamental; es como trazar una línea que evitará tomar caminos o decisiones equivocadas. Sin embargo, no nos sirve cualquier meta aspiracional, sino que necesitamos que los objetivos estén aterrizados a la realidad.

Los objetivos deben ser SMART (Specific, Measurable, Achievable, Relevant y Time-Bound).

• Específicos: La meta tiene que ser precisa y concreta, respondiendo qué, quién, dónde y cómo.
• Medible: Incluir indicadores cuantificables para rastrear el progreso, como porcentajes o números.
• Alcanzable: Factible con los recursos y capacidades disponibles, evitando metas irreales.
• Relevantes: Alineada con los objetivos mayores y el contexto estratégico.
• Temporal: Con un plazo definido para crear urgencia y facilitar el seguimiento.

Ejemplos concretos.

• Aumentar la intención de voto del 28% al 35% en los próximos 60 días.
• Reducir la imagen negativa del candidato en 10 puntos porcentuales entre mujeres de 30 a 45 años.
• Lograr 50,000 interacciones orgánicas en las redes sociales durante la primera semana de campaña.

Impulso IA en definición de objetivos

La IA transforma estos procesos gracias al modelado predictivo. Herramientas como Google Analytics 4 o plataformas como PredikData simulan escenarios, usando datos históricos para estimar las probabilidades de éxito con un alto porcentaje de precisión en contextos electorales. Lo anterior ayuda a la optimización de presupuestos y a realizar ajustes en las campañas en tiempo real.

Ejemplos.

• La IA puede analizar datos de 2024 para predecir que con un total de 500k impresiones en TikTok se mueve el 2% de los jóvenes indecisos durante una campaña electoral.
• Modelos de análisis de sentimiento proyectan impacto de narrativas en subgrupos, lo que ayuda a refinar los objetivos.

Existen diferentes plataformas y modelos impulsados por IA para realizar procesos de IA predictiva en escenarios electorales o políticos.

• Metrics. Especializada en predicción electoral con Machine Learning.
• Google Analytics 4 (GA4). Modelado predictivo de métricas como churn rate o revenue, adaptable a campañas para simular impacto de ads en interacciones y conversiones.
• PredikData. Plataforma de IA para modelado predictivo em marketing y política. Simula escenarios de inversión en ads basados en big data histórico.
• Agencia IA Electoral. Microsegmentación de votantes y predicción electoral con análisis de sentimiento en tiempo real.
• Modelos LLM con GPT-4o-mini. Adecuado para análisis de sentimiento político en redes, prediciendo emociones y polarización con few-shot learning.

Segmentación de las audiencias

La segmentación de audiencias en el marketing político también da un paso adelante con la integración de IA. Desde hace tiempo, la perfilación de los públicos y segmentos se ha vuelto mucho más detallada. Además de datos demográficos como edad, género, nivel educativo o ingresos, también se incluyen datos de comportamiento electoral y geolocalización.

Impulso IA en segmentación

La IA tiene mucho margen de acción en la segmentación de audiencias, especialmente, porque refina el tratamiento de los datos.

Microsegmentación basada en Machine Learning. Los modelos de Machine Learning pueden combinar miles de variables para identificar clústeres homogéneos que no son evidentes con el uso de reglas manuales. Se utilizan técnicas como clustering, árboles de decisión y modelos de clasificación.

Modelos predictivos. Los algoritmos predicen probabilidad de voto, cambio de preferencia o probabilidad de movilización. Estos modelos se entrenan con datos históricos y se validan con muestras holdout.

Integración con plataformas publicitarias. Servicios como Meta Ads y Google Ads permiten aplicar audiencias personalizadas y lookalikes. Muchas campañas combinan estos servicios con modelos propios para optimizar la entrega y presupuesto.

Construcción de la propuesta de valor y el mensaje central

Partimos de una premisa firme: El candidato no puede ser todo para todos. La propuesta de valor responde a “¿Qué problema resuelve este candidato que ninguno otro podría conseguir?”

Una vez contestada esa pregunta, debemos diseñar el mensaje central en una frase o una idea que resuma la campaña.

En esta etapa, necesitamos apegarnos a marcos conceptuales que han probado su eficacia a lo largo del tiempo. Entre ellos:

• VPSA (Valor, Problema, Solución y Acción). Empezar por un valor compartido, exponer el problema que representa una amenaza, ofrecer una solución concreta y cerrar con un llamado a la acción. Este esquema mantiene al mensaje con enfoque y le aporta un carácter movilizador.
• Propuesta de valor política (Posicionamiento). Es una frase que responde a qué hacemos distinto y por qué es importante. Tiene que ser breve, diferenciadora y verificable.
• Arquitectura de mensajes. Un árbol que va del mensaje central redactado en una línea a 3-5 mensajes de soporte y a pruebas/ejemplos (datos, historias, políticas). De esta manera, podemos asegurar la coherencia en todos los canales.

Guía práctica para definir la propuesta de valor

1. Mapear problemas reales. Listar entre 6-8 problemas percebidos por los microsegmentos. Priorizar la frecuencia y la intensidade emocional.
2. Identificar la ventaja competitiva. Qué ofrecerá el candidato que otros no (experiencia, enfoque, red de implementación, honestidad percibida). Es importante traducir esto en beneficios concretos.
3. Formular la promesa única. Es una frase que ronde entre las 8-12 palabras, la cual debe combinar el problema más la solución y el beneficio. Evitar vaguedades y usar verbos activos/no pasivos.
4. Construir el árbol de mensajes. Derivar del mensaje central entre 3-5 mensajes clave, cada uno de ellos con su prueba y llamado a la acción.
5. Validar con audiencia. Realiza focus Group, encuestas rápidas y tests digitales para comprobar el impacto y eficacia de los mensajes.

Impulso IA en propuesta de valor y mensaje central

La IA no puede convertirse en la mente creativa de la campaña electoral…todavía no. Sin embargo, las herramientas de las que disponemos actualmente enriquecen los procesos.

• Generación masiva de variantes. Pedir a los modelos de lenguaje que produzcan entre 30-100 versiones del mensaje central usando plantillas estructuradas, verificadas y aprobadas por criterio humano.
• Clasificación y filtrado automático. Usar modelos para agrupar variantes por tono (aspiracional, técnico, emocional) y por palabras clave.
• A/B Testing automatizado. Desplegar variantes em microaudiencias y medir CTR, tiempo de visualización, tasa de compartidos y cambio de intención declarada. Las plataformas publicitarias y herramientas de analítica permiten escalar este proceso.
• Regla clave. La IA acelera la iteración, pero el Insight político debe provenir de la investigación humana y la validación cualitativa.

Diseño del plan táctico (Mix de canales y actividades)

En esta etapa de las campañas electorales, el objetivo es definir las acciones, los medios, la frecuencia y el presupuesto disponible. Los componentes clásicos son la campaña en medios tradicionales, la campaña en medios digitales, las activaciones territoriales, las relaciones con los medios y la gestión de crisis.

La elección de los canales adecuados debe estar justificada y alineada con la estrategia. No es factible ni tolerable elegir por intuición.

¿Cómo decidir el mix de canales y la frecuencia de los mensajes?

1. Objetivo principal: Asignar peso a los canales de acuerdo con el objetivo principal. Por ejemplo, la movilización de gente va de la mano con activaciones y WhatsApp. En cambio, los medios digitales y la TV suelen ofrecer resultados sólidos para la persuasión.
2. Cobertura vs. Precisión: TV y vía pública compran cobertura, mientras que una campaña en medios digitales se inclina por la precisión. No están peleados. El mix equilibrado de ambos dispara campañas eficaces.
3. Frecuencia óptima: La regla práctica inicial es la de 3-7 exposiciones por semana en digital para mensajes clave; 2-4 spots semanales en TV en mercados prioritarios; activaciones territoriales semanales en distritos o localidades clave.
4. Rotación de creativos: No dejar que la gente se acostumbre a los materiales creativos. Renovarlos cada 7-14 días para evitar la fatiga y mejorar el aprendizaje algorítmico.
5. Sincronía on/offline: Coordinar picos digitales con mítines y apariciones mediáticas para amplificar el impacto.

¿Cómo asignar el presupuesto?

Las campañas no son lineales, sino que cada fase enfrenta objetivos distintos; por ende, el mix de canales varía dependiendo de las necesidades del momento. En un escenario normal, podemos identificar dos fases principales:

• Construcción de reconocimiento. La mayor cantidad de gente posible debe saber quién es el candidato y qué representa. En esta fase, el enfoque apunta al alcance y frecuencia de exposición.
  • TV/Medios digitales – Entre 40% y 60%. Prioriza canales de alto alcance.
  • Vía Pública – Alrededor de 20%. Refuerza presencia física y repetición visual.
  • Activaciones – Alrededor del 20%. Humaniza al candidato y fomenta la creación de contenido orgánico.
• Persuasión/Movilización. El objetivo es mover a la gente del conocimiento del candidato hacia el convencimiento y el apoyo electoral. En esta etapa, el enfoque se mueve hacia el cambio de actitud y la acción concreta.
  • Medios digitales segmentados – Alrededor del 50%. No busca alcance masivo, sino precisión quirúrgica.
  • Activaciones territoriales – Alrededor del 30%. El objetivo es el contacto directo, alimentar la credibilidad y GOTV (Get Out The Vote).
  • Prensa/Relaciones – Alrededor del 20%. Agenda pública, legitimidad y control narrativo.

En las campañas, los estrategas deben reservar entre el 10%-20% del presupuesto para las pruebas A/B. A esto, lo llamaremos la regla de la optimización. Es un paso que muchos suelen saltarse, aunque en los últimos años existe mayor conciencia sobre su importancia.

El fundamento detrás del presupuesto para testing es que lo que funciona en teoría no siempre da buenos resultados en campo, los algoritmos necesitan variantes para aprender y las audiencias cambian cada semana. Es necesario tener recursos para el laboratorio, disponer de una zona de aprendizaje. Normalmente, lo que se pone a prueba son materiales creativos, los ajustes en segmentos, los canales, los mensajes y los formatos.

Impulso IA en mix de canales

La IA ayuda a optimizar procesos en la selección y estrategia de canales para la campaña electoral.

• Programación y optimización. Las herramientas de IA predictiva sugieren horarios y formatos con mayor probabilidad de interacción. Además, automatiza la rotación de materiales creativos.
• Chatbots y asistentes conversacionales. La atención 24/7 para preguntas frecuentes, el registro de voluntarios y el triage de consultas aumentan el conocimiento político y ayudan a resolver dudas básicas del electorado.
• Análisis de sentimiento y escucha social. La IA contribuye a detectar crisis emergentes y temas en ascenso para lanzar respuestas oportunas o ajustar mensajes generales de las campañas.
• Automatización de pruebas. La IA ayuda a desplegar variantes de forma masiva durante las campañas, así como para al aprendizaje automático para generar materiales ganadores rápidamente.

Sistema de monitoreo y ajuste en tiempo real

Las campañas electorales son susceptibles a planificación, pero esto no debe confundirse con rigidez. Es importante definir los indicadores clave (KPIs) para saber si vamos por buen camino o es necesario girar el volante. El equipo detrás de la campaña debe contar con un sistema de monitoreo que permita ajustes en tiempo real. Pensemos en este mecanismo como un circuito continuo de recolección de datos, interpretación, detección de anomalías, decisiones tácticas, ajustes inmediatos y reevaluación.

A continuación, vamos a esbozar los diferentes tipos de indicadores y cómo usarlos en estos escenarios.

• Indicadores de proceso: Miden actividad, no impacto. Son utilizados para medir la disciplina operativa, detectar cuellos de botellas y evaluar productividad de equipos territoriales. Ojo: Muchas actividades no es igual a buenos resultados; recuerda que solo indican movimiento, no dirección.
  • Llamadas realizadas
  • Puerta a puerta
  • Volantes entregados
  • Publicaciones programadas
  • Eventos realizados
  • Voluntarios activos
• Indicadores de resultado: Miden los cambios reales en la percepción o intención. Son empleados para validar la eficacia del mensaje, ajustar la narrativa, priorizar segmentos o territorios, detectar riesgos reputacionales, etc. Atención: Si el mensaje no mueve atributos, no moverá la intención de voto.
  • Reconocimiento de nombre
  • Intención de voto
  • Favorabilidad
  • Atributos de imagen
  • Recordación de mensaje
• Indicadores digitales: Son los más rápidos y fáciles de medir. Se usan en campañas para optimizar los creativos, reasignar presupuesto, detectar temas emergentes y medir fatiga de audiencia. Engagement y persuasión no son lo mismo. Un video viral puede no mover siquiera un punto de intención de voto.
  • Alcance
  • Engagement rate
  • CTR
  • CPC
  • CPM
  • Conversiones (Registros, adhesiones, voluntarios)
  • Tiempo de visualización
  • Sentimiento en redes

Impulso IA en monitoreo

La IA no reemplaza el criterio político, pero proporciona herramientas y métodos que potencian la eficacia del monitoreo. Entre sus aportaciones principales están los dashboards integrados en tiempo real, la detección automática de anomalías y las recomendaciones automáticas.

Dashboards integrados en tiempo real. Herramientas como Power BI o Tableau permiten integrar encuestas, redes sociales, Google Analytics, datos territoriales, CRM de voluntarios y publicidad digital. Gracias a las funciones de IA, es posible unificar fuentes, limpiar datos, detectar patrones y predecir tendencias.

Detección automática de anomalías. La IA puede generar alertas por una caída repentina de sentimiento positivo, aumento de menciones negativas, disminución del CTR en un segmento clave, saturación de frecuencia en un distrito, pico de búsquedas sobre un tema sensible y caída de reconocimiento en un grupo demográfico. De esta forma, el equipo de campaña puede actuar antes de que el problema escale.

Recomendaciones automáticas. Algunas plataformas sugieren ajustes precisos como aumentar el presupuesto en X canal, reducir la frecuencia en Y segmento, cambiar un creativo fatigado, reemplazar un mensaje para lograr un mejor desempeño en un segmento concreto, etc.

Ciclo de ajuste en tiempo real

1. Recolección. Recopilar datos diarios medios digitales, territorio, prensa, encuestas rápidas y conversación pública.
2. Interpretación. Analizar tendencias, cambios, anomalías y comparaciones con semanas previas.
3. Diagnóstico. Definir estado actual, causas, afectaciones y riesgos.
4. Decisión. Si es necesario, ajustar mensajes, revaluar creativos, reasignar presupuestos, reforzar territorial, intervenir medios y activar protocolos de crisis.
5. Implementar. Ejecutar cambios en plataformas digitales, calendario editorial, territorio o prensa
6. Reevaluación. Medir impacto dentro del periodo establecido.

La finalidad de este artículo fue colocarte frente al mapa general de la comunicación política en campañas electorales, pero cada etapa y proceso abordado en este artículo admite (y exige) un mayor grado de especialización. Lo que es una realidad es que un consultor que ignora los fundamentos de las campañas está condenado al fracaso, incluso si tiene herramientas avanzadas de IA a su disposición.

La entrada Fundamentos de Comunicación Política: Estrategias de campaña electoral en la era de la IA se publicó primero en Cabaña Informativa.

El secretario mexicano de Economía, Marcelo Ebrard, está a favor de regular la IA (Inteligencia Artificial) para aprovechar todo el potencial sin sacrificar el comportamiento ético y transparente.

¿Qué propone Marcelo Ebrard sobre la regulación de la IA?

La integración de la Inteligencia Artificial (IA) en las diferentes industrias y sectores es un proceso imposible de parar. Gobiernos, empresas e individuos no dejarán de aprovechar las ventajas y oportunidades que abren las distintas herramientas basadas en IA. Sin embargo, no debemos perder de vista que esta innovación, la cual está desatando una nueva revolución tecnológica, conlleva amenazas y riesgos.

El secretario de Economía de México, Marcelo Ebrard, es consciente de esta dualidad cuando se habla de IA: En el marco de la cumbre de la Cooperación Económica Asia-Pacífico (APEC), celebrada en Corea del Sur, el funcionario federal habló sobre la necesidad de implementar la tecnología de forma ética, transparente y centrada en el ser humano. ¿Cómo conseguirlo? El camino más conveniente, a su parecer, sería mediante mecanismos e instrumentos de regulación.

Ebrard propuso la creación de un marco regional para regular la integración de la IA en los países miembro, esquemas que ayuden a no dar pasos en falso y a esquivar situaciones que potencien los peligros inherentes a una tecnología que podría cambiar el curso de las cosas.

“Necesitamos establecer marcos regionales que regulen la ética de la inteligencia artificial, las normas de ciberseguridad y la protección de la privacidad (…) Su implementación debe ser ética, transparente y centrada en el ser humano”, indicó.

Ebrard tocó una de las preocupaciones clave de la integración de la IA, como lo es la necesidad de garantizar la protección de los derechos individuales y la privacidad de los datos. Actualmente, existen múltiples dudas sobre las fuentes de información y las bases de datos que se utilizan para el entrenamiento de los diferentes modelos de inteligencia artificial. En la presentación del Plan México, habló sobre el interés del país azteca en estrechar vínculos con Asia para promover el desarrollo tecnológico con visión social.

“Proponemos fortalecer la gobernanza digital, trabajar juntos, fortalecer la cooperación y promover la innovación entre nosotros para garantizar que la tecnología siga siendo una herramienta para el crecimiento equitativo de todos”.

¿Por qué la regulación de IA es un tema prioritario?

Tal como lo señala Ebrard, los países deben trabajar en esquemas para regular la implementación de la IA en las diferentes esferas de la vida humana. El desafío es que el hombre lleva una carrera contra el tiempo, ya que las herramientas basadas en IA están transformando con gran velocidad distintos aspectos de la vida, la economía y la sociedad. Su uso sin un control adecuado puede generar riesgos significativos, tanto éticos como legales y sociales.

Una regulación efectiva brindará certezas a la protección de derechos humanos y la privacidad de los usuarios. La IA depende del manejo de grandes volúmenes de datos personales. La falta de regulación puede vulnerar la privacidad, generar discriminación y afianzar sesgos en decisiones automatizadas que afecten los derechos fundamentales.

Los sistemas críticos, principalmente aquellos que operan en salud, infraestructura primordial y transporte, tienen que funcionar de manera eficiente para evitar daños accidentales o malintencionados. La regulación deberá obligar a los distintos actores a utilizar sistemas que sean explicables y responsables, lo que generará confianza en los usuarios, las empresas y los gobiernos.

Por otro lado, la regulación de la IA contribuirá a mitigar el impacto social y económico de la IA. En los últimos meses, varias empresas han ejecutado despidos masivos de empleados, afectando la dinámica natural del mercado del trabajo e, incluso, acrecentado ciertas desigualdades. La puesta en marcha de esquemas responsables balancea el estímulo a la innovación tecnológica con medidas para controlar los riesgos, evitar la sobrerregulación e identificar los vacíos legales.

La creciente adopción de IA a nivel mundial exige respuestas rápidas y coordinadas para establecer marcos legales claros a nivel nacional, regional y global. Como expresó Marcelo Ebrard y otros líderes internacionales, la regulación de IA es urgente para garantizar un desarrollo tecnológico ético, seguro y que beneficie a todas las personas de forma equitativa.

¿Qué lugar ocupa México en el debate de la regulación de la IA?

México no es un país que esté a la vanguardia tecnológica ni una potencia en el sector de la informática. Pese a ello, tiene margen para tratar de regular la IA de manera eficaz, tal como lo propone el secretario Marcelo Ebrard. La clave está en la adopción de un enfoque estratégico, el establecimiento de alianzas internacionales y el aprovechamiento de marcos regulatorios globales y regionales.

México podría promover una regulación conjunta con países de Asia-Pacífico, a fin de fortalecer la gobernanza digital regional. De esta manera, evitará la dependencia unilateral de potencias tecnológicas. Sin embargo, tendrá que lidiar con desafíos específicos como su limitada capacidad tecnológica y el retraso evidente en innovación interna. A la par, deberá fortalecer el talento especializado y avanzar en el acceso de nuevas tecnologías para la población.

Las autoridades del país azteca deben seguir el camino de otras naciones y regiones del mundo. Este es el caso de la Unión Europea (UE), que es pionera incluso en la adopción de legislaciones para regular el uso de la IA. Al frente de este bloque, encontramos a países como lo son Francia, Alemania y Reino Unido.

De igual forma, Estados Unidos figura como referente en el tema de regulación de la IA, aunque con un enfoque más sectorial y menos restrictivo. Como era de esperarse, China está en el tablero con políticas más agresivas por parte del gobierno, pero también con inversiones masivas. En este caso, regula IA enfocándose en el desarrollo tecnológico y la seguridad pública, controlando impactos sociales y apoyando el uso estatal de la tecnología.

¿Qué piensas de la propuesta de Marcelo Ebrard para regular la IA en favor de la transparencia y la ética? Te leemos en la caja de comentarios y nuestras redes sociales.

La entrada Marcelo Ebrard, a favor de regular la IA se publicó primero en Cabaña Informativa.