La inteligencia artificial en la gestión electoral latinoamericana: adopción incipiente, gobernanza pendiente

Un análisis empírico de los usos institucionales de la IA en diez países de la región, a partir del relevamiento de Gómez, G. y Martínez Elebi, C. (2026), Inteligencia artificial y gestión electoral: Un mapa de América Latina y el Caribe, IDEA Internacional, elaborado con el apoyo de OBSERVACOM (Observatorio Latinoamericano de Regulación, Medios y Convergencia). El informe original completo, con su metodología, cuestionario y anexos, puede descargarse desde este mismo artículo.

Introducción

La irrupción de la inteligencia artificial en el ámbito electoral ha generado un debate público crecientemente polarizado, concentrado en sus efectos sobre la desinformación, la producción de deepfakes y la manipulación del debate político. Sin embargo, como señala el informe de Gómez y Martínez Elebi (2026), existe un terreno menos explorado que resulta igualmente decisivo para la calidad democrática: la utilización de sistemas de IA por parte de los propios organismos electorales como herramienta de apoyo a la administración, planificación, monitoreo, validación y análisis de los procesos comiciales. Este desplazamiento del foco analítico —de la amenaza externa a la adopción institucional— exige una precisión conceptual rigurosa, pues en el debate público y, en ocasiones, en el institucional, se emplean de manera indistinta términos como automatización, digitalización, algoritmos o inteligencia artificial, aun cuando remiten a tecnologías con alcances, capacidades e implicancias radicalmente diferentes.

El presente artículo tiene como objetivo analizar el estado de adopción de la inteligencia artificial en la gestión electoral en América Latina y el Caribe a partir de la evidencia empírica recogida por Gómez y Martínez Elebi (2026) en el primer relevamiento sistemático realizado en la región. Frente a un contexto donde el debate público suele concentrarse en los impactos de la IA sobre la desinformación y la comunicación política, el estudio ofrece una visión inédita sobre cómo las propias autoridades electorales están utilizando estas herramientas en el ejercicio de sus funciones. Conocer el grado de adopción de la IA, los usos que se están desarrollando, las áreas donde se concentra la experimentación y los mecanismos de supervisión que acompañan estos procesos resulta fundamental para comprender cómo la transformación tecnológica comienza a incidir sobre la gestión electoral en América Latina y el Caribe (Gómez y Martínez Elebi, 2026). El artículo se estructura en siete secciones: en la primera se establece el marco conceptual; en la segunda se describe la metodología empleada; en la tercera se presentan las tendencias regionales; en la cuarta se analiza cada país; en la quinta se examina la gobernanza institucional; en la sexta se aborda el caso brasileño como excepción regulatoria; y en la séptima se formulan recomendaciones para una adopción responsable.

1. Marco conceptual: inteligencia artificial aplicada a la gestión electoral

1.1. Definición y delimitación conceptual

De acuerdo con la definición de la UNESCO (2021), la inteligencia artificial puede entenderse como un "conjunto de sistemas computacionales diseñados para realizar tareas que tradicionalmente requerían capacidades cognitivas humanas, como reconocer patrones, clasificar información, procesar lenguaje natural, generar contenido, realizar predicciones o asistir procesos de toma de decisiones". Bajo esta categoría convergen herramientas muy diversas: desde sistemas de aprendizaje automático orientados al análisis de grandes volúmenes de datos hasta aplicaciones de procesamiento de lenguaje natural, reconocimiento biométrico o inteligencia artificial generativa. Esta amplitud conceptual exige cautela, pues no toda digitalización institucional constituye inteligencia artificial, ni toda automatización administrativa plantea los mismos desafíos que un sistema capaz de aprender de datos, clasificar información de forma probabilística o generar respuestas dinámicas (Mittelstadt et al., 2016).

En el ámbito electoral, esta distinción resulta particularmente relevante porque la gestión de elecciones ya incorpora desde hace tiempo múltiples tecnologías digitales que no implican necesariamente inteligencia artificial. Registros electorales informatizados, sistemas de transmisión de resultados, bases de datos interoperables, expedientes electrónicos o plataformas de atención ciudadana forman parte de procesos de modernización tecnológica consolidados en numerosos países de la región. La irrupción de la IA, sin embargo, introduce una capa adicional de complejidad, no solo por las capacidades técnicas que incorpora, sino por el tipo de decisiones o tareas que potencialmente podría apoyar y, con ello, por los riesgos y desafíos regulatorios asociados (Gómez y Martínez Elebi, 2026).

1.2. La IA en el ciclo electoral: áreas de aplicación potencial

Para ordenar la observación empírica y evitar aproximaciones excesivamente abstractas, Gómez y Martínez Elebi (2026) toman como principal referente el trabajo desarrollado por IDEA Internacional en el informe La inteligencia artificial para la gestión electoral (IDEA Internacional, 2024), que identifica distintas áreas potenciales de aplicación de estas tecnologías a lo largo del ciclo electoral. Sobre esa base, los autores elaboran una matriz analítica adaptada al contexto latinoamericano que organiza los posibles usos institucionales de la IA en seis grandes dimensiones: (a) gestión del registro y la identidad electoral; (b) operaciones y logística electoral; (c) supervisión y control del proceso electoral; (d) procesamiento y validación de resultados; (e) comunicación y servicios a la ciudadanía; y (f) integridad del entorno informativo.

Dentro de estas categorías, el relevamiento se centra en prácticas específicas como la gestión de listas de votantes, verificación documental, biometría, planificación de recursos, estimación de costos, monitoreo de campañas, chatbots institucionales, monitoreo de desinformación, recuento y análisis de votos, y auditorías poselectorales. Esta clasificación no es meramente taxonómica: permite distinguir entre aplicaciones de apoyo administrativo —como la organización de información o la asistencia a tareas operativas— y aquellas con potencial impacto directo sobre derechos políticos, integridad electoral o confianza pública. Precisamente por ello, una revisión conceptual sobre IA y gestión electoral no puede limitarse a describir tecnologías disponibles, sino que requiere atender a las funciones institucionales en las que podrían desplegarse y a los distintos niveles de riesgo que entraña cada uso (Gómez y Martínez Elebi, 2026).

1.3. De la digitalización a la automatización inteligente: un salto cualitativo

La utilización de tecnologías digitales en la administración electoral no es un fenómeno nuevo. Desde hace décadas, distintos organismos electorales han incorporado herramientas informáticas para optimizar tareas administrativas, sistemas de transmisión de resultados, identificación biométrica, registros digitales o canales de atención ciudadana. Sin embargo, como subraya la Organización para la Cooperación y el Desarrollo Económicos (OCDE, 2019), la inteligencia artificial introduce un cambio cualitativo respecto de procesos previos de digitalización o automatización convencional.

A diferencia de los sistemas diseñados para ejecutar instrucciones predefinidas o automatizar tareas repetitivas bajo parámetros fijos, la IA permite realizar funciones más complejas, como el reconocimiento de patrones, la clasificación automatizada de grandes volúmenes de información, el procesamiento de lenguaje natural, la detección de anomalías o la generación dinámica de contenido. Un sistema que ejecuta reglas predeterminadas para ordenar datos o automatizar flujos documentales no presenta necesariamente los mismos riesgos que una herramienta que detecta patrones de comportamiento, evalúa similitudes biométricas o interactúa con usuarios mediante procesamiento automatizado del lenguaje (Mittelstadt et al., 2016). Este salto cualitativo amplía significativamente el tipo de tareas institucionales potencialmente alcanzadas por estas tecnologías y, con ello, también los riesgos y desafíos regulatorios asociados.

Desde una perspectiva funcional, la inteligencia artificial aplicada a la gestión electoral puede abarcar un espectro amplio de actividades: tareas vinculadas con la administración del registro electoral y la verificación de identidad; la optimización logística y operativa del proceso electoral; el procesamiento, validación o análisis de documentación; la detección de anomalías o inconsistencias; la atención automatizada a consultas ciudadanas; el monitoreo del entorno digital e informativo; e incluso ciertas funciones asociadas a fiscalización o control administrativo. No obstante, el impacto de estas tecnologías no se limita a los resultados que producen, sino que se extiende a cómo transforman procesos internos de toma de decisiones, distribución de responsabilidades y cultura organizacional dentro de los organismos electorales (Gómez y Martínez Elebi, 2026). Esta dimensión institucional, que trasciende el mero análisis tecnológico, constituye el eje vertebrador del análisis empírico que se presenta en las secciones siguientes.

2. Metodología de la investigación

2.1. Diseño mixto: encuesta regional y entrevistas de profundización

La investigación que sustenta el presente artículo se desarrolló a partir de una estrategia metodológica mixta, combinando técnicas cuantitativas y cualitativas para relevar el estado de adopción de herramientas de inteligencia artificial por parte de autoridades electorales de América Latina y el Caribe (Gómez y Martínez Elebi, 2026). El diseño del estudio tomó como principal antecedente el trabajo desarrollado por IDEA Internacional en el informe La inteligencia artificial para la gestión electoral (IDEA Internacional, 2024), que identifica distintas áreas potenciales de aplicación de estas tecnologías. Sobre esa base, se elaboró una matriz analítica adaptada a los objetivos de esta investigación y al contexto regional latinoamericano, que permitió operacionalizar el análisis en torno a seis áreas de la gestión electoral identificadas como ámbitos potenciales de aplicación de la inteligencia artificial: gestión del registro y la identidad electoral; operaciones y logística electoral; supervisión y control del proceso electoral; procesamiento y validación de resultados; comunicación y servicios a la ciudadanía; e integridad del entorno informativo (Gómez y Martínez Elebi, 2026). Estas categorías funcionaron como marco común para la construcción de los instrumentos de investigación y para el análisis comparado de los distintos casos nacionales.

La primera etapa consistió en la aplicación de una encuesta estructurada dirigida a autoridades electorales de la región. El cuestionario combinó preguntas cerradas y abiertas organizadas en torno a diversas dimensiones de análisis: nivel de digitalización institucional; usos actuales, pilotos o exploratorios de inteligencia artificial; evaluación de riesgos y salvaguardas; transparencia y relación con la ciudadanía; protección de datos y seguridad de la información; y percepciones institucionales sobre desafíos, oportunidades y recomendaciones para otras autoridades electorales (Gómez y Martínez Elebi, 2026). El anexo II del informe (Gómez y Martínez Elebi, 2026) reproduce íntegramente el cuestionario aplicado, lo que permite a otros investigadores replicar el estudio o contrastar sus resultados.

Como complemento de la encuesta, se realizaron siete entrevistas semiestructuradas con funcionarios y equipos técnicos de organismos electorales de Argentina, Chile, Colombia, Costa Rica, México y Panamá. Estas entrevistas tuvieron una duración aproximada de entre 45 minutos y una hora y se estructuraron a partir de una pauta común. Su objetivo principal fue profundizar en los usos identificados durante la encuesta, comprender mejor los contextos institucionales en los que se desarrollan las iniciativas relevadas y recoger información cualitativa sobre los procesos de implementación, la toma de decisiones, las capacidades institucionales, la evaluación de riesgos y los aprendizajes acumulados (Gómez y Martínez Elebi, 2026). La articulación entre la revisión documental, la encuesta regional y las entrevistas de profundización permitió construir una visión amplia sobre el estado actual de la inteligencia artificial en la gestión electoral en América Latina y el Caribe.

2.2. Universo de estudio y muestra de países

La encuesta fue respondida por 13 autoridades electorales pertenecientes a 10 países de América Latina: Argentina, Bolivia, Chile, Colombia, Costa Rica, Ecuador, México, Panamá, República Dominicana y Uruguay (Gómez y Martínez Elebi, 2026). En aquellos países donde la gestión electoral se encuentra distribuida entre más de un organismo, se procuró relevar la perspectiva de las distintas instituciones involucradas, lo que permitió incorporar experiencias y enfoques diferenciados sobre el uso de inteligencia artificial en la gestión electoral. Así, en Argentina participaron la Dirección Nacional Electoral (DINE) y la Cámara Nacional Electoral (CNE); en Colombia, la Registraduría Nacional del Estado Civil (RNEC) y el Consejo Nacional Electoral (CNE); y en República Dominicana, la Junta Central Electoral (JCE) y el Tribunal Superior Electoral (TSE) (Gómez y Martínez Elebi, 2026). Esta pluralidad institucional dentro de un mismo sistema electoral permitió captar heterogeneidades que un análisis exclusivamente agregado por país habría ocultado.

El anexo I del informe (Gómez y Martínez Elebi, 2026) detalla las fuentes de información, incluyendo los nombres y cargos de las personas que respondieron la encuesta y de los entrevistados en la fase cualitativa. Esta transparencia metodológica, al identificar a los informantes clave, permite evaluar la autoridad y representatividad de las respuestas. Las autoridades participantes ocupan posiciones de responsabilidad estratégica —direcciones de tecnología, comunicaciones, planificación o coordinación de proyectos—, lo que otorga un alto grado de fiabilidad a la información proporcionada.

2.3. Matriz analítica y categorías de análisis

La matriz analítica elaborada para este estudio (tabla 1 del informe) (Gómez y Martínez Elebi, 2026) distingue seis grandes dimensiones de la gestión electoral, dentro de las cuales se relevaron prácticas específicas, tal como se ha indicado en la sección anterior. Para cada una de las categorías de análisis se distinguió entre aplicaciones en uso activo, proyectos piloto, iniciativas en fase de exploración y ausencia de utilización (Gómez y Martínez Elebi, 2026). De este modo, el estudio no se limitó a registrar implementaciones efectivas, sino que también buscó comprender cómo las autoridades electorales están incorporando la inteligencia artificial a sus agendas institucionales y cuáles son las áreas donde se identifican mayores expectativas de adopción futura.

La investigación también incluyó una revisión de literatura académica, documentos de organismos internacionales, publicaciones especializadas y fuentes institucionales vinculadas con inteligencia artificial, democracia, integridad electoral y gobernanza digital. Esta revisión permitió contextualizar los resultados obtenidos mediante las encuestas y entrevistas, identificar antecedentes relevantes y situar los hallazgos en el marco de los debates conceptuales y normativos más recientes sobre la materia (Gómez y Martínez Elebi, 2026). La bibliografía final del informe (Gómez y Martínez Elebi, 2026) recoge las principales referencias consultadas, muchas de las cuales se incorporan también al presente artículo.

2.4. Limitaciones y cautelas interpretativas

Dado el carácter emergente de la incorporación de inteligencia artificial en la gestión electoral y la rápida evolución de las tecnologías analizadas, los resultados presentados deben interpretarse como una fotografía de un proceso en desarrollo. En varios de los casos relevados, las iniciativas identificadas se encontraban en etapas de exploración, prueba piloto o evaluación institucional en el momento de realizar el estudio, por lo que algunas de las tendencias observadas podrían experimentar cambios en el corto y mediano plazo (Gómez y Martínez Elebi, 2026). El propio informe advierte que se trata de una "foto en pleno y dinámico movimiento" (Gómez y Martínez Elebi, 2026, p. 4), lo que exige una lectura prudente y no extrapolable linealmente a contextos futuros.

Otra limitación relevante, señalada por los autores, es que el estudio no analiza la aplicación de IA en la función jurisdiccional de las autoridades electorales, una dimensión importante y sensible que debería ser objeto de futuras investigaciones debido a sus particularidades de desarrollo diferenciado y especializado (Gómez y Martínez Elebi, 2026). La exclusión de esta área no obedece a un descuido, sino a la decisión deliberada de acotar el objeto de estudio a funciones administrativas y operativas de la gestión electoral, dejando para trabajos posteriores el análisis de la actividad contencioso-electoral y sus especificidades en materia de IA.

Finalmente, los autores subrayan que en algunos casos determinadas herramientas pueden presentarse como innovaciones recientes asociadas a la expansión de la IA generativa, mientras que en otros se trata de automatizaciones, sistemas predictivos o herramientas algorítmicas que ya venían siendo utilizadas sin necesariamente ser conceptualizadas públicamente como "inteligencia artificial" (Gómez y Martínez Elebi, 2026). Esta ambigüedad terminológica, lejos de ser un mero problema de definición, tiene consecuencias analíticas significativas, pues muestra que el debate no se limita a nuevas tecnologías emergentes, sino que también abarca procesos previos de automatización institucional que hoy adquieren nuevas implicancias bajo el paraguas de la IA.

3. Panorama regional: tendencias y hallazgos generales

De la investigación realizada emergen seis conclusiones y tendencias regionales claras sobre el estado de adopción de inteligencia artificial en la gestión electoral, aunque se observan diferencias en cuanto a madurez, alcance, prioridades institucionales y enfoques de gobernanza de las distintas autoridades electorales latinoamericanas (Gómez y Martínez Elebi, 2026). El "mapa de calor" presentado en el informe base (tabla 3.1) sintetiza visualmente estas diferencias, permitiendo identificar de manera comparada qué tipos de usos de IA presentan mayor desarrollo, cuáles permanecen en etapas exploratorias y en qué áreas directamente no se registran implementaciones (Gómez y Martínez Elebi, 2026). La visualización confirma que la adopción regional no sigue un patrón uniforme: mientras algunos organismos concentran usos más diversificados y operativos —particularmente en comunicación con la ciudadanía, monitoreo del entorno informativo y ciertas funciones de apoyo a la gestión electoral—, otros se mantienen en fases preliminares de evaluación o directamente sin incorporación efectiva de estas tecnologías (Gómez y Martínez Elebi, 2026).

3.1. La IA en la agenda institucional, pero con adopción desigual

La primera tendencia constatada por el estudio es que la inteligencia artificial ya ingresó en la agenda institucional electoral de la región, pero su adopción efectiva sigue siendo desigual y, en muchos casos, limitada (Gómez y Martínez Elebi, 2026). Incluso en países donde no existen implementaciones concretas —como Uruguay o Ecuador— las autoridades electorales identifican posibles aplicaciones futuras, evalúan pruebas de concepto o incorporan la discusión en su horizonte de planificación tecnológica (Gómez y Martínez Elebi, 2026). Esto muestra que la conversación dejó de ser puramente prospectiva: aun donde no hay despliegues operativos, la IA ya forma parte del repertorio de herramientas consideradas por los organismos electorales (Gómez y Martínez Elebi, 2026). Sin embargo, la región está lejos de exhibir un patrón homogéneo de adopción y se caracteriza por un panorama marcadamente fragmentado. Algunos organismos muestran desarrollos concretos y relativamente sofisticados —como el Servicio Electoral de Chile (Servel), la Registraduría Nacional del Estado Civil de Colombia o el Instituto Nacional Electoral de México—, mientras otros permanecen en etapas exploratorias o con experiencias piloto acotadas, y unos cuantos aún no han comenzado a utilizarla (Gómez y Martínez Elebi, 2026). Incluso dentro de un mismo país se observan diferencias significativas entre organismos con competencias complementarias, como ocurre en Argentina, Colombia o República Dominicana (Gómez y Martínez Elebi, 2026). Esto podría sugerir que la incorporación de IA depende menos de una estrategia estatal integral y más de funciones específicas, capacidades institucionales diferenciales, culturas organizacionales, prioridades funcionales y liderazgo interno (Gómez y Martínez Elebi, 2026).

3.2. Usos concentrados en funciones de apoyo y monitoreo

Una segunda tendencia es que la inteligencia artificial tiende a incorporarse primero en funciones complementarias, de soporte o monitoreo, antes que en procesos electorales centrales altamente sensibles. Los usos más frecuentes se concentran en comunicación institucional y atención ciudadana —chatbots, asistencia informativa, generación de contenidos—, monitoreo del entorno digital, escucha social, detección de patrones anómalos, observación de redes sociales o campañas de desinformación, y apoyo a tareas administrativas o analíticas internas (Gómez y Martínez Elebi, 2026). En cambio, la incorporación en funciones más críticas, como el procesamiento de resultados, la biometría, la validación documental o la fiscalización automatizada, aparece en menos casos y generalmente bajo condiciones más acotadas, con fuerte supervisión humana o en etapas experimentales (Gómez y Martínez Elebi, 2026).

El relevamiento confirma mucha cautela respecto del uso de IA en funciones electorales críticas. Incluso entre los organismos más avanzados en cuanto a la implementación de IA, persiste una preocupación transversal por preservar la supervisión humana, limitar los márgenes de automatización y evitar afectaciones a la transparencia, confianza pública o integridad electoral (Gómez y Martínez Elebi, 2026). No se observa, al menos por ahora, una tendencia hacia la delegación de decisiones electorales sensibles en sistemas automatizados. Más bien, lo que emerge de la investigación de las experiencias regionales es que la región se encuentra en una etapa de incorporación gradual, instrumental y cuidadosamente acotada de esta tecnología (Gómez y Martínez Elebi, 2026).

3.3. El monitoreo del entorno informativo como vector principal de adopción

Una tercera tendencia, particularmente significativa, es que el monitoreo del entorno informativo se perfila como uno de los principales vectores de adopción de IA en organismos electorales (Gómez y Martínez Elebi, 2026). Autoridades electorales de Chile, Costa Rica, República Dominicana, México, Colombia, Panamá y Argentina muestran distintos niveles de desarrollo o exploración en herramientas orientadas a observar redes sociales y monitorear campañas digitales para, entre otros objetivos, detectar desinformación y anticipar riesgos comunicacionales que el organismo debe poder conocer lo antes posible (Gómez y Martínez Elebi, 2026). El impacto de la IA generativa —particularmente su capacidad para facilitar la producción masiva de deepfakes, contenidos sintéticos y otras formas de manipulación informativa— aparece como uno de los principales factores que están impulsando a las autoridades electorales a incorporar herramientas tecnológicas para monitorear y responder a dichos riesgos (Gómez y Martínez Elebi, 2026).

Esto se observa con claridad en varios de los casos relevados, donde las primeras o principales aplicaciones de IA no están orientadas a la administración electoral tradicional, sino al monitoreo del entorno informativo digital y de las redes sociales, la detección de desinformación o el seguimiento de las campañas políticas en las plataformas digitales (Gómez y Martínez Elebi, 2026). En autoridades electorales de países como Chile, Costa Rica, México, Colombia o República Dominicana, las preocupaciones vinculadas con la circulación de contenidos manipulados o el uso de IA por actores políticos aparecen explícitamente como un importante motivo que impulsa estas iniciativas (Gómez y Martínez Elebi, 2026). Al respecto, no todos los organismos parecen querer resolver los mismos problemas ni asignan el mismo valor estratégico a estas tecnologías. Mientras algunos incorporan IA principalmente como respuesta defensiva frente a amenazas externas (como desinformación, empleo de IA por actores políticos, incidentes de seguridad o riesgos reputacionales) priorizando el monitoreo del entorno digital, otros priorizan su actualización tecnológica en la cuestión logística, la atención ciudadana, la fiscalización o el procesamiento interno de la información, es decir, como herramienta para mejorar procesos internos, automatizar tareas administrativas o ganar eficiencia operativa (Gómez y Martínez Elebi, 2026).

3.4. Digitalización previa: condición necesaria pero no suficiente

Una cuarta conclusión es que la digitalización previa aparece como condición habilitante, pero no suficiente, para la adopción de inteligencia artificial. Países como Ecuador muestran altos niveles de digitalización institucional sin un uso actual de IA, mientras Uruguay presenta niveles medios de desarrollo tecnológico sin implementación efectiva de esta tecnología (Gómez y Martínez Elebi, 2026). Esto indica que la madurez digital facilita la discusión y puede ofrecer infraestructura de base, pero no determina automáticamente la incorporación de estas herramientas. Factores como la cultura institucional, la percepción del riesgo, el liderazgo organizacional, la disponibilidad presupuestaria, las capacidades técnicas y las decisiones estratégicas parecen igualmente decisivos (Gómez y Martínez Elebi, 2026).

De hecho, el estudio muestra que la adopción no necesariamente responde a una lógica lineal de modernización tecnológica. En algunos casos, la decisión de no avanzar con determinadas aplicaciones no refleja falta de capacidad, sino elecciones institucionales deliberadas basadas en criterios de prudencia, proporcionalidad o priorización de recursos. Panamá y Uruguay ofrecen ejemplos ilustrativos de esta lógica, donde la discusión no gira únicamente en torno a la viabilidad técnica, sino también a la conveniencia de destinar recursos significativos a herramientas cuya utilidad institucional todavía no aparece claramente justificada (Gómez y Martínez Elebi, 2026).

3.5. Gobernanza institucional: heterogeneidad y estadio incipiente

En este ámbito, una quinta conclusión del estudio es que la gobernanza institucional de la IA sigue siendo heterogénea y, en muchos casos, todavía incipiente (Gómez y Martínez Elebi, 2026). Algunos organismos muestran avances más estructurados, con políticas internas, grupos especializados, protocolos o evaluaciones formales de riesgo, como ocurre en autoridades electorales de Chile, Colombia o México. Sin embargo, en buena parte de la región predominan enfoques ad hoc, lineamientos en desarrollo o evaluaciones caso por caso (Gómez y Martínez Elebi, 2026). Esto resulta particularmente relevante porque varios organismos ya utilizan herramientas de IA sin contar necesariamente con reglas internas claras sobre su utilización, qué límites deben tener o cómo evaluar sus riesgos. Por ejemplo, algunos organismos utilizan herramientas de monitoreo del entorno digital, chatbots o apoyo en tareas internas, pero todavía se encuentran elaborando lineamientos institucionales o evaluando cómo abordar cuestiones de transparencia, protección de datos, supervisión humana o rendición de cuentas frente a posibles errores (Gómez y Martínez Elebi, 2026). En algunos casos, además, tampoco existen equipos específicos responsables de supervisar estos desarrollos ni procedimientos formales para evaluar previamente la implementación o el funcionamiento posterior de estas herramientas (Gómez y Martínez Elebi, 2026).

En ese sentido, surge una paradoja importante: la conciencia sobre los riesgos parece más extendida que la existencia de mecanismos concretos para gestionarlos (Gómez y Martínez Elebi, 2026). Las preocupaciones vinculadas con seguridad de la información, transparencia, privacidad, riesgos éticos, impactos sobre derechos humanos o sesgos aparecen de forma recurrente en casi todos los casos analizados. Sin embargo, son mucho menos frecuentes las referencias a mecanismos claros de auditoría, reparación, control externo o transparencia pública activa. La preocupación institucional existe, pero los instrumentos de gobernanza todavía se encuentran en una etapa temprana de desarrollo (Gómez y Martínez Elebi, 2026).

3.6. Barreras percibidas: más allá de lo tecnológico

Una sexta conclusión encontrada en la investigación es que las principales barreras percibidas para adoptar IA en la gestión electoral no son exclusivamente tecnológicas (Gómez y Martínez Elebi, 2026). Junto con limitaciones presupuestarias o regulatorias, aparecen obstáculos vinculados con capacidades humanas, falta de personal especializado, resistencia organizacional al cambio, dependencia de proveedores o plataformas externas, y dificultades para evaluar con precisión riesgos y beneficios. En algunos casos, incluso organismos con voluntad de adopción identifican como principal desafío la construcción de capacidades institucionales internas para gobernar adecuadamente estas herramientas (Gómez y Martínez Elebi, 2026).

En resumen, el panorama regional indica una transición temprana pero visible hacia la incorporación de inteligencia artificial en la gestión electoral, en un proceso desigual, fragmentado y todavía en construcción, donde conviven innovación, cautela, experimentación institucional y debates abiertos sobre gobernanza democrática de estas tecnologías (Gómez y Martínez Elebi, 2026). Se constata una lógica de adopción incremental y prudente de la IA por parte de las autoridades electorales de la región. Aún en los casos más avanzados, la IA aparece predominantemente como herramienta de apoyo o asistencia, más que como sustituto de decisiones humanas. Los organismos parecen comenzar por aplicaciones percibidas como más controlables, reversibles o de menor impacto directo sobre la integridad electoral, antes de avanzar hacia procesos donde un error automatizado podría afectar la confianza pública en el sistema (Gómez y Martínez Elebi, 2026).

4. Análisis por país: heterogeneidad institucional y trayectorias divergentes

Este apartado presenta el análisis desagregado de los países que participaron efectivamente del relevamiento, a partir de las respuestas aportadas por autoridades electorales mediante encuestas y, en casos seleccionados, por entrevistas de profundización orientadas a complementar, contextualizar o precisar la información (Gómez y Martínez Elebi, 2026). Dado que en varios países la administración electoral se distribuye entre más de un organismo con competencias diferenciadas, el análisis incorpora, cuando corresponde, las respuestas de múltiples autoridades electorales nacionales, lo que permite captar mejor la heterogeneidad institucional existente dentro de cada sistema (Gómez y Martínez Elebi, 2026). Los países incluidos son Argentina, Bolivia, Colombia, Costa Rica, Chile, Ecuador, México, Panamá, República Dominicana y Uruguay (Gómez y Martínez Elebi, 2026). El análisis por país permite observar con mayor detalle cómo se materializan —o no— las distintas formas de incorporación de inteligencia artificial en la gestión electoral en América Latina y el Caribe, evidenciando diferencias significativas tanto en términos de nivel de adopción como de prioridades funcionales, capacidades institucionales y enfoques de gobernanza (Gómez y Martínez Elebi, 2026).

4.1. Argentina

Argentina presenta un escenario de adopción limitada pero concreta de inteligencia artificial en la gestión electoral, con desarrollos incipientes y fragmentados entre sus principales organismos electorales (Gómez y Martínez Elebi, 2026). Aunque existen algunas experiencias de uso efectivo, no se observa una estrategia institucional consolidada ni una incorporación transversal de estas herramientas (Gómez y Martínez Elebi, 2026).

La experiencia más concreta proviene de la Dirección Nacional Electoral (DINE), que utilizó inteligencia artificial durante el proceso electoral de 2025 para apoyar el procesamiento de telegramas electorales en el centro de cómputos. La herramienta se empleó para orientar correctamente telegramas escaneados cuando se encontraban invertidos, facilitar su lectura automatizada y detectar posibles inconsistencias en el material digitalizado. Se trató de una implementación deliberadamente acotada, diseñada para minimizar riesgos en una etapa particularmente sensible del proceso electoral. La DINE también incorporó herramientas de IA en comunicación institucional y atención ciudadana mediante chatbots informativos y apoyo en la elaboración de contenidos explicativos para canales digitales (Gómez y Martínez Elebi, 2026).

La Cámara Nacional Electoral, por su parte, evidencia una agenda más activa de exploración, aunque todavía sin implementaciones institucionales consolidadas en procesos formales. El área donde aparece mayor potencial de desarrollo es el control del financiamiento político, en la que la inteligencia artificial se considera como herramienta para agilizar los cruces de grandes volúmenes de información provenientes de distintas fuentes, detectar inconsistencias y apoyar tareas de auditoría que actualmente requieren revisión manual intensiva. La prioridad institucional, sin embargo, es avanzar —siempre que resulte viable— con desarrollos propios o infraestructuras bajo control institucional, evitando la dependencia de plataformas comerciales externas para funciones sensibles (Gómez y Martínez Elebi, 2026). También existen exploraciones vinculadas al monitoreo del entorno informativo y de campañas digitales, tanto para seguimiento de publicidad política en plataformas como para detección de desinformación que pueda afectar la integridad del proceso electoral (Gómez y Martínez Elebi, 2026).

Un rasgo distintivo del caso argentino es la fuerte cautela con la que se evalúa cualquier incorporación tecnológica. Más que una lógica de adopción acelerada o experimentalismo tecnológico, predomina una aproximación selectiva que prioriza identificar dónde estas herramientas pueden aportar mejoras reales de eficiencia, calidad o capacidad de análisis, evitando incorporaciones motivadas únicamente por tendencias tecnológicas o presiones de modernización (Gómez y Martínez Elebi, 2026). Esta prudencia también se extiende a preocupaciones sobre transparencia, sesgos, dependencia tecnológica y posibles cuestionamientos públicos sobre imparcialidad o legitimidad de herramientas utilizadas en funciones sensibles. Las limitaciones para una adopción más amplia no responden únicamente a restricciones técnicas o presupuestarias, sino también a la propia estructura institucional del sistema electoral argentino, donde competencias estratégicas se encuentran distribuidas entre distintos organismos, lo que dificulta una agenda integrada de innovación tecnológica. A ello se suma una cultura institucional particularmente conservadora frente a cambios que puedan afectar la percepción de integridad electoral (Gómez y Martínez Elebi, 2026).

4.2. Bolivia

Bolivia presenta un escenario de digitalización media de sus procesos electorales, pero sin implementación actual de herramientas de inteligencia artificial en la gestión electoral (Gómez y Martínez Elebi, 2026). Aunque el Tribunal Supremo Electoral identifica avances en áreas relevantes del ciclo electoral —como gestión del registro e identidad electoral, operaciones logísticas, supervisión del proceso y procesamiento de resultados—, estas capacidades no se traducen, hasta el momento, en aplicaciones concretas de IA (Gómez y Martínez Elebi, 2026).

No existen usos activos de inteligencia artificial en ninguna de las categorías relevadas, incluyendo administración del padrón, logística electoral, supervisión de campañas, validación de resultados, servicios de atención a la ciudadanía o monitoreo del entorno informativo. La ausencia de implementación se explica, según el propio enfoque institucional, por la falta de disponibilidad tecnológica para incorporar este tipo de herramientas dentro del proceso electoral (Gómez y Martínez Elebi, 2026). Aun así, el caso boliviano muestra que existe una identificación relativamente clara de posibles áreas de aplicación futura. Entre los usos potenciales aparecen el análisis automatizado de consistencia de información electoral, la detección de inconsistencias en actas antes de su consolidación y publicación, el análisis comparativo de firmas de jurados electorales para verificación de autenticidad, así como el control logístico de materiales electorales mediante contraste automatizado entre inventarios y despachos (Gómez y Martínez Elebi, 2026).

4.3. Colombia

Colombia aparece como uno de los casos de mayor incorporación institucional de inteligencia artificial en la gestión electoral entre los países relevados, aunque con niveles de desarrollo diferenciados entre sus dos principales autoridades electorales (Gómez y Martínez Elebi, 2026). La Registraduría Nacional del Estado Civil (RNEC) y el Consejo Nacional Electoral (CNE) muestran un escenario donde ya existen usos concretos de estas tecnologías en funciones institucionales, combinados con exploraciones en otras áreas y una creciente preocupación por su regulación (Gómez y Martínez Elebi, 2026).

La Registraduría Nacional, que reporta un alto nivel de digitalización institucional, presenta el mayor grado de adopción efectiva. Entre los usos activos se encuentra la aplicación de biometría facial en eventos electorales, en el marco de la gestión del registro y la identidad electoral, así como la utilización de modelos para mejorar procedimientos electorales, vinculados a operaciones y logística institucional. También realiza un uso activo de herramientas de IA en el área de comunicación y servicios a la ciudadanía (Gómez y Martínez Elebi, 2026). Además, el organismo ha desarrollado aplicaciones más sofisticadas de inteligencia artificial orientadas a optimizar procedimientos electorales específicos. Entre ellas se destaca una herramienta propia basada en OCR, machine learning y análisis automatizado de patrones para apoyar la validación de firmas de candidaturas independientes o respaldadas por grupos significativos de ciudadanos. Su implementación respondió al volumen excepcional de apoyos presentados en el proceso electoral reciente —más de 26 millones de firmas—, permitiendo automatizar tareas que previamente se realizaban de forma manual como la comparación con bases de datos oficiales, la detección de registros duplicados, de inconsistencias y de patrones anómalos, así como la generación de alertas para revisión especializada posterior. La Registraduría sostiene que la herramienta permitió reducir significativamente los tiempos de procesamiento sin sustituir instancias de validación humana, que continuaron interviniendo en etapas clave del procedimiento (Gómez y Martínez Elebi, 2026).

Este caso también permite observar un mayor grado de institucionalización del uso de inteligencia artificial dentro del organismo. Más allá de aplicaciones puntuales, la Registraduría cuenta con un área específica de analítica de datos e inteligencia artificial, integrada a su estructura de planeación, con procedimientos formalizados para el diseño, implementación y seguimiento de proyectos tecnológicos. Estas iniciativas se articulan con mecanismos internos de evaluación de riesgos, control de calidad y supervisión. A ello se suma una política restrictiva en materia de infraestructura y tratamiento de datos, que prioriza el empleo de servidores propios y evita el procesamiento de información sensible en entornos externos no controlados. Esta experiencia da cuenta de un enfoque más estructurado de incorporación tecnológica, en el que la inteligencia artificial no aparece únicamente como herramienta de apoyo operativo, sino como parte de una estrategia institucional de modernización y toma de decisiones basada en datos (Gómez y Martínez Elebi, 2026).

Por su parte, el Consejo Nacional Electoral, que reporta un nivel medio de digitalización, tiene una adopción más acotada y focalizada. El principal uso corresponde a la exploración de herramientas de IA aplicadas a vigilancia electoral, mientras que no reporta implementaciones activas en procesamiento de resultados, comunicación institucional ni otras áreas del ciclo electoral (Gómez y Martínez Elebi, 2026). Uno de los rasgos más relevantes del caso colombiano es que ambos organismos identifican factores distintos como impulsores del empleo de estas tecnologías. Mientras la Registraduría vincula su adopción principalmente con objetivos internos de mejora procedimental y eficiencia institucional, el Consejo Nacional Electoral asocia su exploración con desafíos del entorno digital contemporáneo, como la desinformación, los contenidos manipulados mediante IA y los incidentes de seguridad. Esto refleja aproximaciones institucionales complementarias, donde un organismo prioriza aplicaciones administrativas y operativas mientras el otro pone el foco en vigilancia y control electoral (Gómez y Martínez Elebi, 2026). En materia de gobernanza, ambos organismos se encuentran en procesos de evaluación de riesgos, aunque con niveles distintos de formalización (Gómez y Martínez Elebi, 2026).

4.4. Costa Rica

Costa Rica presenta un escenario de adopción selectiva de inteligencia artificial en la gestión electoral, con aplicaciones concretas en comunicación institucional, monitoreo del entorno digital y apoyo operativo, aunque sin incorporación en funciones centrales del proceso electoral como el registro de votantes, el procesamiento de resultados o supervisión directa del acto electoral (Gómez y Martínez Elebi, 2026). Se trata de un caso de alta digitalización institucional, pero con un uso deliberadamente acotado de estas tecnologías. Esa distinción es relevante porque el Tribunal Supremo de Elecciones cuenta con desarrollos tecnológicos robustos en áreas sensibles —incluyendo sistemas propios para transmisión de resultados preliminares, infraestructura tecnológica electoral y herramientas biométricas de identificación—, pero no considera que muchas de esas aplicaciones constituyan inteligencia artificial en sentido estricto, aunque sí automatizaciones (Gómez y Martínez Elebi, 2026). Esto permite observar que un alto nivel de sofisticación digital no necesariamente implica la adopción de IA en áreas sensibles o complejas, sino que depende también de las definiciones institucionales sobre qué tecnologías incorporar, con qué fines y bajo qué condiciones (Gómez y Martínez Elebi, 2026).

La incorporación de IA se concentra principalmente en herramientas de soporte. En comunicación y servicios a la ciudadanía, el Tribunal Supremo de Elecciones utiliza un chatbot informativo sobre candidaturas, desarrollado en colaboración con la Universidad de Costa Rica, además de soluciones con IA integrada para diseño y asistencia en tareas cotidianas de gestión institucional. En paralelo, existen usos más estratégicos en monitoreo del entorno informativo, mediante herramientas de escucha social basadas en IA orientadas a detectar tendencias, riesgos comunicacionales y dinámicas de desinformación, así como aplicaciones vinculadas con ciberseguridad e infraestructura tecnológica (Gómez y Martínez Elebi, 2026).

Fuera de esas áreas, la incorporación de estas tecnologías sigue estando poco institucionalizada. En varios casos, los funcionarios emplean estas herramientas de manera individual para resolver tareas operativas, entre ellas la organización logística o la planificación de distribución de materiales, más que como una política institucional formalmente definida. Esta situación explica, en parte, por qué la discusión sobre gobernanza aparece como una necesidad urgente: el proceso de incorporación ya está en marcha, aunque sin lineamientos internos consolidados (Gómez y Martínez Elebi, 2026). Más que una resistencia de principio a estas tecnologías, el caso costarricense muestra una tensión entre apertura a su potencial utilidad y cautela frente a sus riesgos. La eventual incorporación de IA en funciones más sustantivas no aparece impulsada tanto por una agenda de innovación tecnológica sino por necesidades operativas concretas. En particular, el creciente volumen y complejidad de ciertas tareas administrativas —como la revisión de candidaturas, la validación de requisitos o la planificación logística en elecciones locales con miles de postulaciones y cientos de tipos de papeletas distintas— podría volver cada vez más difícil sostener estos procesos exclusivamente mediante revisión humana, especialmente en un contexto de restricciones presupuestarias (Gómez y Martínez Elebi, 2026). Al mismo tiempo, el debate institucional pone fuerte énfasis en condiciones previas para una adopción responsable. Entre ellas destacan la necesidad de lineamientos internos claros, capacitación transversal del personal, criterios sobre la información que puede utilizarse en herramientas externas y cuál no, así como mecanismos para evitar dependencias tecnológicas excesivas respecto de proveedores privados. También emerge una preocupación más estructural: que la automatización no erosione capacidades técnicas acumuladas dentro de los propios organismos electorales ni debilite saberes institucionales estratégicos construidos durante décadas (Gómez y Martínez Elebi, 2026).

4.5. Chile

Chile es otro de los países más avanzados en cuanto a la incorporación institucional de inteligencia artificial en la gestión electoral entre los países relevados (Gómez y Martínez Elebi, 2026). El Servicio Electoral de Chile (Servel) reporta un alto nivel de digitalización de sus procesos electorales y una adopción concreta de herramientas de IA en múltiples áreas, combinando usos ya operativos con experiencias piloto y procesos de exploración (Gómez y Martínez Elebi, 2026).

Las aplicaciones abarcan distintas dimensiones del ciclo electoral. En el ámbito de la comunicación y los servicios a la ciudadanía, Servel utiliza un chatbot institucional vía web para brindar información a las y los ciudadanos. En materia de integridad del entorno informativo, desarrolla además herramientas más sofisticadas orientadas al análisis de la conversación digital, con fines preventivos y estratégicos. Según el organismo, estas herramientas permiten detectar tempranamente riesgos, identificar patrones de desinformación o comunicación tóxica, orientar campañas institucionales y apoyar procesos de toma de decisiones. Este es uno de los casos en la región donde la IA aparece integrada de forma explícita a tareas de monitoreo del ecosistema informativo electoral (Gómez y Martínez Elebi, 2026).

Chile también incorpora aplicaciones de inteligencia artificial en dimensiones operativas más sensibles del proceso electoral. Entre ellas se incluyen herramientas de apoyo para controles de integridad en el procesamiento de resultados, mediante cruces automatizados entre sistemas paralelos de cómputo que permiten detectar inconsistencias o anomalías en la evolución de los datos, así como mecanismos de comparación entre actas digitalizadas y registros ingresados para identificar errores de digitación o discrepancias evidentes durante el procesamiento electoral. Aunque el sistema de votación y escrutinio en Chile continúa siendo fundamentalmente manual, estas aplicaciones muestran una integración puntual de IA orientada a fortalecer controles de consistencia, velocidad de verificación y resguardo de la integridad operativa del proceso (Gómez y Martínez Elebi, 2026).

Otro rasgo distintivo del caso chileno es la existencia de una estructura institucional de gobernanza interna para el empleo de IA. Servel cuenta con lineamientos institucionales para regular el uso de estas herramientas, articulados con marcos nacionales de referencia sobre inteligencia artificial y protección de datos. Su implementación se integra a estructuras preexistentes de control institucional, particularmente en materia de seguridad de la información, mediante instancias formales de revisión y supervisión. A ello se suma una política restrictiva respecto de la utilización de herramientas externas no autorizadas para el tratamiento de información sensible, así como procesos permanentes de capacitación y sensibilización del personal sobre riesgos asociados a sesgos, errores automatizados, alucinaciones y supervisión humana de resultados (Gómez y Martínez Elebi, 2026).

En el plano de la infraestructura tecnológica, la inteligencia artificial también cumple un rol en la protección de sistemas críticos vinculados al proceso electoral. El organismo utiliza herramientas automatizadas para monitoreo de amenazas y respuesta temprana frente a incidentes de ciberseguridad que puedan afectar la disponibilidad o integridad de los entornos tecnológicos asociados al procesamiento y publicación de resultados. Esto muestra una concepción de la IA que excede la eficiencia operativa o el monitoreo comunicacional, incorporándola también como componente de resiliencia institucional frente a riesgos tecnológicos (Gómez y Martínez Elebi, 2026). En materia de gestión de riesgos, la institución identifica preocupaciones vinculadas con riesgos legales, éticos, impactos sobre derechos humanos y seguridad de la información, lo que refleja una aproximación relativamente integral al problema. También reporta medidas específicas de protección de datos y seguridad de la información, con un enfoque preventivo y de reacción, así como políticas de transparencia activa respecto del uso institucional de estas herramientas, mediante información publicada en su sitio web y comunicados oficiales (Gómez y Martínez Elebi, 2026). El caso de Servel evidencia una comprensión amplia de los desafíos estratégicos asociados a la IA en contextos electorales. Entre los eventos que impulsaron este enfoque, Servel identifica expresamente el empleo de IA por parte de actores políticos o candidatos, así como la circulación de desinformación y contenidos manipulados con esta tecnología, lo que sugiere que parte de su adopción tecnológica responde no solo a objetivos de modernización administrativa, sino también a la necesidad de fortalecer capacidades institucionales frente a nuevos riesgos del ecosistema digital (Gómez y Martínez Elebi, 2026).

4.6. Ecuador

Ecuador presenta un escenario de alta digitalización de sus procesos electorales, pero sin implementación actual de herramientas de inteligencia artificial en la gestión electoral (Gómez y Martínez Elebi, 2026). Aunque existen avances tecnológicos en distintas áreas del ciclo electoral, esa infraestructura no se ha traducido, hasta el momento, en aplicaciones concretas de IA en funciones operativas o sustantivas. El único desarrollo identificado se ubica en una etapa exploratoria vinculada a infraestructura tecnológica, específicamente a través de una prueba de concepto para evaluar una eventual incorporación de inteligencia artificial en herramientas de seguridad perimetral. Esto evidencia un interés inicial por explorar estas tecnologías, aunque todavía fuera del núcleo de la administración electoral propiamente dicha (Gómez y Martínez Elebi, 2026). La principal preocupación frente a una eventual adopción gira en torno a la protección de los datos personales de los electores, lo que sitúa desde el inicio el debate en términos de privacidad, seguridad y resguardo institucional. En esa misma línea, aparece la necesidad de contar con normas y reglamentos específicos que definan condiciones claras para cualquier uso futuro de estas herramientas en el ámbito electoral (Gómez y Martínez Elebi, 2026). En términos comparativos, Ecuador representa un caso de alta madurez digital sin adopción efectiva de inteligencia artificial, donde el desarrollo tecnológico institucional no necesariamente deriva en la incorporación automática de estas herramientas. Más que una agenda de implementación predomina una fase de reflexión y preparación regulatoria, con especial énfasis en la protección de datos (Gómez y Martínez Elebi, 2026).

4.7. México

En el caso de México, el Instituto Nacional Electoral (INE) exhibe un destacado desarrollo institucional en materia de exploración e incorporación de inteligencia artificial en la gestión electoral (Gómez y Martínez Elebi, 2026). En este sentido, presenta un alto grado de digitalización institucional y una aproximación amplia a la incorporación de herramientas de IA en distintas dimensiones del ciclo electoral. A diferencia de otros casos donde aparece restringida a usos experimentales o puntuales, el INE desarrolla iniciativas en múltiples áreas (Gómez y Martínez Elebi, 2026).

El INE explora la utilización de IA para la lectura automatizada de actas del Programa de Resultados Electorales Preliminares (PREP), clasificación y respuesta automática a oficios, plataformas digitales de atención ciudadana y análisis de información vinculada a fiscalización electoral. Asimismo, incorpora aplicaciones exploratorias en logística electoral, incluyendo herramientas para ubicación de casillas, promoción del voto y modelos predictivos de participación ciudadana. A ello se suman usos activos en comunicación institucional, donde utiliza IA para la generación de imágenes y videos, así como exploraciones vinculadas a la detección de deepfakes, en respuesta a preocupaciones sobre desinformación y manipulación de contenidos (Gómez y Martínez Elebi, 2026).

En el ámbito del control del financiamiento político, el INE avanza en modelos predictivos para identificar comportamientos anómalos, patrones de gasto inconsistentes y posibles alertas de auditoría a partir del procesamiento automatizado de grandes volúmenes de información provenientes de reportes partidarios, registros fiscales, datos bancarios y publicidad digital. El objetivo no es automatizar decisiones sancionatorias, sino fortalecer capacidades de supervisión mediante sistemas de detección temprana de riesgos. En paralelo, se exploran aplicaciones de IA generativa para la clasificación automática de oficios, la asignación interna de trámites y la generación asistida de respuestas preliminares, siempre bajo supervisión humana (Gómez y Martínez Elebi, 2026). El impulso hacia estas herramientas parece estar claramente asociado a amenazas emergentes del entorno digital. Entre los factores que promueven este desarrollo, la institución identifica como eventos relevantes el uso de IA por parte de actores políticos o candidatos, la circulación de contenidos manipulados o desinformación, así como incidentes de seguridad (Gómez y Martínez Elebi, 2026).

Otro rasgo distintivo del caso mexicano es la existencia de una estructura de gobernanza relativamente desarrollada para el empleo de inteligencia artificial. La entidad cuenta con lineamientos internos sobre uso responsable y ético de estas tecnologías, construidos a partir de estándares internacionales y articulados con un esquema de supervisión institucional que evalúa previamente las herramientas propuestas para su implementación. Esta estructura incluye un grupo interdisciplinario especializado que revisa proyectos, define criterios de utilización y establece restricciones específicas para el tratamiento de información sensible, incluyendo limitaciones al uso de herramientas abiertas o no autorizadas (Gómez y Martínez Elebi, 2026). A esto se une una política activa de capacitación institucional orientada a fortalecer capacidades internas y promover una adopción responsable, con formación extendida a gran escala dentro de la organización. En materia de datos personales, el INE no informa la utilización de datos personales de votantes en sistemas de IA, aunque señala la existencia de protocolos específicos de validación y seguridad (Gómez y Martínez Elebi, 2026).

4.8. Panamá

Panamá presenta un escenario de exploración institucional y adopción limitada de inteligencia artificial en la gestión electoral, con desarrollos todavía incipientes y concentrados principalmente en monitoreo del entorno digital y potenciales herramientas de apoyo a la comunicación con la ciudadanía, más que en funciones centrales del proceso electoral (Gómez y Martínez Elebi, 2026). Uno de los avances más claros aparece en el monitoreo digital vinculado a campañas electorales, publicidad política y conversación en redes sociales. El Tribunal Electoral ha desarrollado capacidades internas para seguimiento del entorno digital, incluyendo vigilancia sobre publicidad electoral, fiscalización de financiamiento político en plataformas y monitoreo de fenómenos como actividad automatizada o comportamientos sospechosos en redes sociales. Este trabajo se articula además con iniciativas más amplias como el Pacto Ético Digital impulsado en procesos recientes y con experiencias institucionales de abordaje de violencia política digital, particularmente contra mujeres candidatas. Sin embargo, estas capacidades no se traducen todavía en un uso consolidado de inteligencia artificial específicamente orientado a automatizar decisiones o procesos electorales críticos (Gómez y Martínez Elebi, 2026).

En materia de adopción más directa de IA, el principal desarrollo en evaluación es un chatbot institucional pensado para atención ciudadana, información electoral y eventualmente tareas de alfabetización pública. Su implementación no llegó a concretarse en el último proceso electoral, principalmente por limitaciones de tiempo y recursos, aunque permanece como una línea de trabajo abierta de cara al próximo ciclo electoral. También existen exploraciones sobre posibles usos en fiscalización del financiamiento político, cruce automatizado de información y validación de firmas para candidaturas independientes, aunque sin implementaciones activas hasta el momento (Gómez y Martínez Elebi, 2026). A diferencia de otros países con mayor despliegue, Panamá mantiene al margen de estas herramientas varias funciones sensibles del proceso electoral. El padrón electoral continúa actualizándose mediante mecanismos tradicionales integrados al registro civil y la cedulación; el recuento de votos sigue siendo manual y a cargo de la ciudadanía que integra las mesas electorales; y no existen aplicaciones de IA en auditorías postelectorales o la validación automatizada de resultados. Esta decisión refleja una postura institucional cautelosa frente a los posibles impactos sobre la integridad del proceso (Gómez y Martínez Elebi, 2026).

Más que una barrera estrictamente tecnológica, el caso panameño parece atravesado por una lógica de priorización estratégica y restricciones de recursos. La evaluación institucional no gira únicamente en torno a si una herramienta es técnicamente viable, sino a si su implementación justifica los costos económicos, humanos y operativos involucrados frente a otras necesidades del sistema electoral. Esta mirada introduce una dimensión menos visible en otros casos del relevamiento: la discusión no solo sobre riesgos, sino también sobre proporcionalidad, utilidad real y asignación eficiente de recursos públicos (Gómez y Martínez Elebi, 2026). En términos de gobernanza, el panorama sigue siendo incipiente. No existen aún lineamientos institucionales específicos sobre utilización de inteligencia artificial, estructuras formales de evaluación ética o legal, ni procesos sistemáticos de capacitación o alfabetización interna, aunque estas necesidades son identificadas como desafíos pendientes. También aparece con fuerza una preocupación por el tratamiento de datos personales y por el uso no supervisado de herramientas abiertas por parte del propio personal institucional (Gómez y Martínez Elebi, 2026).

4.9. República Dominicana

República Dominicana presenta un escenario de incorporación limitada pero concreta de inteligencia artificial en la gestión electoral, con enfoques diferenciados entre sus principales órganos electorales y sin una estrategia institucional homogénea (Gómez y Martínez Elebi, 2026). Mientras la Junta Central Electoral muestra un enfoque más pragmático y orientado al monitoreo del entorno digital, el Tribunal Superior Electoral mantiene una postura más cautelosa, centrada en la evaluación y el resguardo de las garantías institucionales (Gómez y Martínez Elebi, 2026). El principal uso concreto proviene de la Junta Central Electoral, que desarrolla una herramienta piloto para seguimiento de redes sociales en el marco de preocupaciones vinculadas con la desinformación y los contenidos manipulados mediante IA. Se trata del único empleo operativo identificado entre ambas instituciones, centrado en la integridad del entorno informativo, más que en funciones centrales de administración electoral como el registro, la logística o el procesamiento de resultados (Gómez y Martínez Elebi, 2026). Por su parte, el Tribunal Superior Electoral no incorpora actualmente herramientas de inteligencia artificial en sus procesos, aunque el tema forma parte de su agenda de evaluación institucional. Su enfoque pone el acento en los riesgos que una eventual automatización podría generar sobre principios como transparencia, supervisión humana y confianza pública en el proceso electoral (Gómez y Martínez Elebi, 2026). Más que por el nivel de digitalización —que en ambos organismos es relativamente significativo, aunque con distinto grado de desarrollo—, la diferencia principal entre ambas instituciones radica en sus perspectivas de gobernanza. Mientras el Tribunal plantea la necesidad de evaluaciones previas que contemplen riesgos legales, éticos, impactos sobre derechos humanos, seguridad de la información y transparencia, la experiencia piloto de la Junta Central Electoral avanza con un esquema menos estructurado en materia de evaluación de riesgos y transparencia pública (Gómez y Martínez Elebi, 2026).

4.10. Uruguay

Uruguay presenta un escenario de evaluación preliminar respecto de la utilización de inteligencia artificial en la gestión electoral, sin implementaciones concretas hasta el momento (Gómez y Martínez Elebi, 2026). Aunque la Corte Electoral identifica un nivel medio de digitalización y avances en distintas áreas de modernización institucional, ese desarrollo no se ha traducido en la incorporación efectiva de herramientas de IA en ninguna de las fases del proceso electoral. No existen aplicaciones de inteligencia artificial en gestión de padrones e identidad electoral, logística, supervisión de campañas, procesamiento de resultados, comunicación con la ciudadanía ni monitoreo del entorno informativo. Por tanto, el caso uruguayo refleja una etapa de observación y análisis sobre posibles usos futuros, sin decisiones institucionales de implementación en el corto plazo (Gómez y Martínez Elebi, 2026). La aproximación aparece marcada por cautela institucional. Las principales preocupaciones identificadas se concentran en riesgos legales, seguridad de la información y transparencia, lo que sugiere que cualquier eventual incorporación estaría condicionada por consideraciones de gobernanza y resguardo de garantías más que por una lógica inmediata de innovación tecnológica (Gómez y Martínez Elebi, 2026).

5. Gobernanza de la IA en la gestión electoral: riesgos, salvaguardas y transparencia

La gobernanza de la inteligencia artificial en el ámbito electoral constituye uno de los desafíos más acuciantes que emergen del relevamiento regional. La investigación evidencia una paradoja significativa: la conciencia sobre los riesgos asociados al uso de IA parece más extendida que la existencia de mecanismos concretos para gestionarlos (Gómez y Martínez Elebi, 2026). Las preocupaciones vinculadas con seguridad de la información, transparencia, privacidad, riesgos éticos, impactos sobre derechos humanos o sesgos aparecen de forma recurrente en casi todos los casos analizados. Sin embargo, son mucho menos frecuentes las referencias a mecanismos claros de auditoría, reparación, control externo o transparencia pública activa. La preocupación institucional existe, pero los instrumentos de gobernanza todavía se encuentran en una etapa temprana de desarrollo (Gómez y Martínez Elebi, 2026).

5.1. Evaluación de riesgos: conciencia extendida, instrumentos escasos

Uno de los hallazgos más relevantes del estudio es que la evaluación de riesgos asociados a la IA no se ha institucionalizado de manera sistemática en la mayoría de los organismos electorales de la región (Gómez y Martínez Elebi, 2026). Si bien algunos organismos muestran avances más estructurados, con políticas internas, grupos especializados, protocolos o evaluaciones formales de riesgo —como ocurre en Chile, Colombia o México—, en buena parte de la región predominan enfoques ad hoc, lineamientos en desarrollo o evaluaciones caso por caso (Gómez y Martínez Elebi, 2026).

El informe de Gómez y Martínez Elebi (2026) documenta que varios organismos ya utilizan herramientas de IA sin contar necesariamente con reglas internas claras sobre su utilización, qué límites deben tener o cómo evaluar sus riesgos. Por ejemplo, algunos organismos utilizan herramientas de monitoreo del entorno digital, chatbots o apoyo en tareas internas, pero todavía se encuentran elaborando lineamientos institucionales o evaluando cómo abordar cuestiones de transparencia, protección de datos, supervisión humana o rendición de cuentas frente a posibles errores (Gómez y Martínez Elebi, 2026). En algunos casos, además, tampoco existen equipos específicos responsables de supervisar estos desarrollos ni procedimientos formales para evaluar previamente la implementación o el funcionamiento posterior de estas herramientas (Gómez y Martínez Elebi, 2026).

La investigación también revela diferencias significativas en los enfoques de evaluación de riesgos entre organismos. Mientras algunos centran sus preocupaciones en riesgos reputacionales o legales, otros adoptan una mirada más amplia que incluye dimensiones éticas, impactos sobre derechos humanos, seguridad de la información y transparencia (Gómez y Martínez Elebi, 2026). Esta heterogeneidad refleja no solo diferentes capacidades institucionales, sino también distintas culturas organizacionales y percepciones sobre el significado y alcance de la IA en contextos electorales.

5.2. Protección de datos y seguridad de la información

La protección de datos personales y la seguridad de la información emergen como preocupaciones centrales en la mayoría de los organismos electorales relevados (Gómez y Martínez Elebi, 2026). En países como Ecuador, la principal preocupación frente a una eventual adopción de IA gira en torno a la protección de los datos personales de los electores, lo que sitúa desde el inicio el debate en términos de privacidad, seguridad y resguardo institucional (Gómez y Martínez Elebi, 2026). En Uruguay, las principales preocupaciones identificadas se concentran en riesgos legales, seguridad de la información y transparencia (Gómez y Martínez Elebi, 2026). Esta cautela es particularmente relevante en el contexto electoral, donde los organismos manejan volúmenes masivos de datos personales sensibles de los ciudadanos, incluyendo información biométrica en algunos casos.

Las medidas de protección de datos y seguridad de la información presentan, sin embargo, niveles de desarrollo muy heterogéneos (Gómez y Martínez Elebi, 2026). La Registraduría Nacional de Colombia, por ejemplo, ha adoptado una política restrictiva en materia de infraestructura y tratamiento de datos, que prioriza el empleo de servidores propios y evita el procesamiento de información sensible en entornos externos no controlados (Gómez y Martínez Elebi, 2026). Esta experiencia da cuenta de un enfoque más estructurado, en el que la protección de datos se integra como un componente central de la estrategia institucional de incorporación tecnológica. En otros casos, como el de la Junta Central Electoral de República Dominicana, las medidas de protección de datos y seguridad de la información son menos explícitas o se encuentran en proceso de definición (Gómez y Martínez Elebi, 2026).

El Servicio Electoral de Chile (Servel), por su parte, ha integrado la protección de datos en su estructura de gobernanza interna, con políticas restrictivas respecto de la utilización de herramientas externas no autorizadas para el tratamiento de información sensible, así como procesos permanentes de capacitación y sensibilización del personal sobre riesgos asociados a sesgos, errores automatizados y alucinaciones (Gómez y Martínez Elebi, 2026). En México, el INE cuenta con protocolos específicos de validación y seguridad, aunque no informa la utilización de datos personales de votantes en sistemas de IA (Gómez y Martínez Elebi, 2026). Esta diversidad de enfoques sugiere que la protección de datos en contextos de IA electoral todavía carece de estándares comunes en la región, y que los organismos avanzan a diferentes ritmos y con distintos niveles de sofisticación.

5.3. Transparencia activa y comunicación pública

La transparencia en el empleo de sistemas de IA constituye otro de los aspectos más débiles de la gobernanza institucional en la región (Gómez y Martínez Elebi, 2026). El estudio revela que son pocos los organismos que han desarrollado políticas de transparencia activa respecto del uso institucional de estas herramientas. Chile constituye una excepción, con políticas de transparencia activa mediante información publicada en su sitio web y comunicados oficiales (Gómez y Martínez Elebi, 2026). Colombia también reporta avances, aunque con diferencias entre organismos: la Registraduría comunica estas iniciativas a través de redes sociales, mientras que el Consejo Nacional Electoral aún se encuentra en etapa exploratoria respecto de los canales de comunicación (Gómez y Martínez Elebi, 2026).

En la mayoría de los casos, sin embargo, no existe una comunicación pública sistemática sobre el uso de herramientas de IA por parte de los organismos electorales. Esta opacidad —que en algunos casos puede deberse a la naturaleza incipiente de los desarrollos— plantea interrogantes significativos desde la perspectiva de la rendición de cuentas y la confianza pública. Como señala el informe base, la confianza pública en los organismos electorales constituye un activo institucional fundamental que no puede darse por sentado cuando se incorporan tecnologías cuyas lógicas de funcionamiento no son comprensibles para la ciudadanía (Gómez y Martínez Elebi, 2026). La transparencia no es solo un imperativo ético: es también una estrategia de resiliencia democrática frente a narrativas de deslegitimación que pueden aprovechar la opacidad tecnológica para erosionar la confianza en los resultados de las elecciones, así como en el proceso electoral y en los propios organismos electorales (Gómez y Martínez Elebi, 2026).

5.4. El principio de supervisión humana como eje transversal

Uno de los principios más consistentemente afirmados por los organismos electorales relevados es la necesidad de preservar la supervisión humana en todas las aplicaciones de IA que puedan afectar derechos fundamentales o la integridad electoral (Gómez y Martínez Elebi, 2026). El estudio confirma que, en ninguno de los casos analizados, la IA sustituye decisiones electorales centrales. Incluso en los organismos más avanzados, como la Registraduría de Colombia o el Servel de Chile, el uso de IA se concibe como complemento de procesos dirigidos por personas, no como su sustituto (Gómez y Martínez Elebi, 2026).

Este principio de supervisión humana —que IDEA Internacional identificó como eje transversal de mitigación de riesgos (IDEA Internacional, 2024)— se manifiesta de diversas formas en la práctica institucional. En Colombia, por ejemplo, la herramienta de validación de firmas basada en IA permitió reducir significativamente los tiempos de procesamiento sin sustituir instancias de validación humana, que continuaron interviniendo en etapas clave del procedimiento (Gómez y Martínez Elebi, 2026). En México, las exploraciones de IA generativa para la clasificación automática de oficios y la generación asistida de respuestas preliminares se diseñan siempre bajo supervisión humana (Gómez y Martínez Elebi, 2026). En Chile, los procesos de capacitación y sensibilización del personal incluyen expresamente la importancia de la supervisión humana de resultados (Gómez y Martínez Elebi, 2026).

La investigación sugiere que esta cautela no es meramente retórica, sino que responde a una comprensión institucional de los riesgos asociados a la automatización de funciones electorales sensibles. Los organismos electorales son conscientes de que un error automatizado en el procesamiento de resultados, la validación de candidaturas o la gestión del padrón podría tener consecuencias graves para la confianza pública en la integridad del proceso electoral (Gómez y Martínez Elebi, 2026). Por ello, la supervisión humana se institucionaliza como un requisito no negociable para cualquier aplicación que afecte derechos fundamentales: el padrón electoral, el procesamiento de resultados, la validación de candidaturas y la fiscalización del financiamiento político (Gómez y Martínez Elebi, 2026). Esta prudencia, lejos de representar un retraso tecnológico, puede interpretarse como una respuesta institucional apropiada ante tecnologías cuyas implicancias para la integridad democrática siguen siendo objeto de debate (Gómez y Martínez Elebi, 2026).

6. El caso brasileño: una excepción regulatoria en la región

El panorama latinoamericano y caribeño en materia de regulación de la inteligencia artificial vinculada a procesos electorales se caracteriza por avances desiguales, enfoques fragmentados y una marcada distancia entre el ritmo de desarrollo tecnológico y la capacidad de respuesta normativa (Gómez y Martínez Elebi, 2026). Si bien el uso de herramientas basadas en IA —especialmente aquellas asociadas a la inteligencia artificial generativa— se ha expandido de manera acelerada en campañas electorales, en la producción y circulación de contenidos políticos, así como en la interacción entre actores políticos y ciudadanía, los marcos regulatorios aún no logran acompañar este proceso con la misma velocidad ni con el mismo nivel de especificidad (Gómez y Martínez Elebi, 2026). En este contexto de heterogeneidad regulatoria, Brasil emerge como la excepción más significativa de la región, con un desarrollo normativo que no tiene parangón en los demás países latinoamericanos (Gómez y Martínez Elebi, 2026).

6.1. La Resolución TSE 23.732/2024

El principal instrumento normativo vinculado a la IA en procesos electorales en Brasil es la Resolución TSE 23.732, aprobada a principios de 2024 por el Tribunal Superior Electoral (TSE) (Gómez y Martínez Elebi, 2026; TSE, Res. 23.732/2024). Esta norma constituye una actualización de la Resolución 23.610/2019 (TSE, Res. 23.610/2019), que regula la propaganda electoral, los espacios oficiales gratuitos de campaña en medios audiovisuales y las conductas ilícitas durante las campañas (Gómez y Martínez Elebi, 2026). La Resolución 23.732 incorpora reglas específicas sobre la utilización de inteligencia artificial en la propaganda política, reconoce expresamente los riesgos derivados de la IA generativa y tiene por objeto evitar la manipulación de la voluntad del electorado mediante contenidos audiovisuales falsificados, garantizar la transparencia informativa frente al electorado y restringir el uso engañoso de sistemas conversacionales basados en IA durante las campañas (Gómez y Martínez Elebi, 2026).

La relevancia de esta norma trasciende el ámbito brasileño. Como señala el informe de Gómez y Martínez Elebi (2026), Brasil representa el caso más robusto de la región en materia de gobernanza electoral de la inteligencia artificial, al integrar de manera explícita esta tecnología dentro de las reglas del proceso democrático y establecer mecanismos operativos para mitigar sus riesgos. El TSE no se limita a establecer principios generales, sino que actúa como autoridad reguladora con facultades para supervisar, interpretar y hacer cumplir estas disposiciones durante las campañas electorales (Gómez y Martínez Elebi, 2026). Esta capacidad de implementación y supervisión distingue el caso brasileño de otros países donde la reflexión normativa sobre IA y elecciones permanece en fases preliminares o no ha desembocado en instrumentos vinculantes.

6.2. Prohibiciones, obligaciones y responsabilidades

El marco normativo aprobado por el TSE establece un conjunto de obligaciones, prohibiciones y responsabilidades concretas que afectan a distintos actores del proceso electoral (Gómez y Martínez Elebi, 2026). Entre las disposiciones más relevantes se encuentran las siguientes:

En primer lugar, la resolución establece una prohibición expresa de deepfakes en propaganda electoral. Se restringe el uso, en la propaganda electoral, de contenidos fabricados o manipulados digitalmente para simular imágenes o sonidos de personas reales de manera engañosa (Gómez y Martínez Elebi, 2026). Esta prohibición, que constituye una de las medidas más estrictas de la región, responde a la preocupación por el impacto de los contenidos sintéticos en la capacidad de los electores para formar juicios informados sobre las candidaturas y sus propuestas.

En segundo lugar, la norma impone una obligación de identificación de contenido generado con inteligencia artificial. Cualquier contenido electoral producido o alterado mediante IA debe incluir una advertencia clara y visible informando esa circunstancia. En el caso de audio, la advertencia debe ser sonora; en contenidos audiovisuales, visual; y, en otros formatos, adecuada al medio correspondiente (Gómez y Martínez Elebi, 2026). Esta exigencia de transparencia informativa busca garantizar que los electores puedan distinguir entre contenidos auténticos y aquellos que han sido generados o modificados mediante tecnologías de IA, preservando así la integridad del debate público.

En tercer lugar, la resolución introduce restricciones al empleo de chatbots y sistemas automatizados. Se prohíbe la utilización de herramientas automatizadas para simular la interacción humana con los votantes o inducir a error respecto de la identidad del emisor (Gómez y Martínez Elebi, 2026). Esta disposición responde a la preocupación por el uso de sistemas conversacionales basados en IA que puedan generar confusión sobre la naturaleza y origen de las comunicaciones políticas, afectando la capacidad de los ciudadanos para evaluar críticamente la información recibida.

Finalmente, la regulación también refuerza las obligaciones de los intermediarios digitales, estableciendo que las plataformas deben actuar con celeridad ante la circulación de contenidos manifiestamente ilícitos o engañosos que vulneren la normativa electoral, incluyendo aquellos vinculados al uso indebido de inteligencia artificial (Gómez y Martínez Elebi, 2026). Esta disposición reconoce el papel central que las plataformas digitales desempeñan en la circulación de información política y establece responsabilidades concretas para su moderación durante los períodos electorales.

6.3. Lecciones para el resto de la región

El caso brasileño ofrece enseñanzas significativas para el resto de los países latinoamericanos que se encuentran en fases más tempranas de regulación de la IA en contextos electorales (Gómez y Martínez Elebi, 2026). En primer lugar, demuestra que es posible articular una respuesta normativa específica y operativa sin necesidad de esperar a marcos regulatorios generales sobre inteligencia artificial. La Resolución 23.732 se inserta en la normativa electoral preexistente, actualizando y adaptando disposiciones ya consolidadas a los desafíos planteados por las nuevas tecnologías. Este enfoque incremental y sectorial puede resultar más viable que la elaboración de leyes generales sobre IA, cuyo proceso legislativo suele ser más lento y complejo.

En segundo lugar, el caso brasileño ilustra la importancia de que la autoridad electoral cuente con facultades normativas y de supervisión para abordar los desafíos de la IA. El TSE no se limita a interpretar la ley, sino que dispone de competencias para dictar regulaciones vinculantes y hacerlas cumplir durante el proceso electoral (Gómez y Martínez Elebi, 2026). Esta capacidad regulatoria, que no todos los organismos electorales de la región poseen en el mismo grado, resulta decisiva para una respuesta ágil y eficaz ante un fenómeno tecnológico que evoluciona a gran velocidad.

En tercer lugar, el enfoque brasileño pone de relieve la necesidad de abordar la IA en las elecciones desde una perspectiva integral que combine prohibiciones (como la de deepfakes), obligaciones de transparencia (como el etiquetado de contenidos generados por IA) y responsabilidades de las plataformas digitales (Gómez y Martínez Elebi, 2026). Este enfoque multidimensional reconoce que los riesgos de la IA en contextos electorales no pueden abordarse mediante una única medida, sino que requieren un conjunto articulado de instrumentos normativos que actúen sobre distintos puntos de la cadena de producción y circulación de información política.

Finalmente, el caso brasileño subraya la urgencia de avanzar en marcos regulatorios en el resto de la región. Como señala el informe de Gómez y Martínez Elebi (2026), la evidencia del relevamiento confirma que la adopción de IA por parte de los organismos electorales va por delante de los marcos regulatorios nacionales. Mientras los marcos generales de IA —como el Reglamento europeo o las primeras normativas latinoamericanas— ofrecen principios orientadores, los contextos electorales requieren normas específicas que contemplen los riesgos singulares que plantea su utilización: el impacto sobre el sufragio, la integridad informativa, la privacidad de los votantes y la confianza pública en las instituciones (Gómez y Martínez Elebi, 2026). En este sentido, la experiencia brasileña constituye un referente obligado para los países de la región que buscan desarrollar respuestas normativas propias ante los desafíos de la IA en los procesos electorales.

7. Recomendaciones para una adopción responsable de la IA en la gestión electoral

A partir de los hallazgos del estudio y en diálogo con el marco conceptual de IDEA Internacional (2024), el informe de Gómez y Martínez Elebi (2026) formula un conjunto de recomendaciones para organismos electorales, gobiernos y actores del sistema democrático regional. Estas recomendaciones complementan y actualizan las planteadas en el trabajo de 2024, incorporando la evidencia empírica recogida en el relevamiento regional y el nuevo contexto tecnológico que enfrentan las autoridades electorales de América Latina y el Caribe (Gómez y Martínez Elebi, 2026). A continuación, se presentan de manera sistematizada y desarrollada.

7.1. Fortalecimiento de capacidades internas

La primera recomendación, y quizás la más transversal, se refiere a la necesidad de construir capacidades internas antes de escalar la adopción tecnológica (Gómez y Martínez Elebi, 2026). La información recogida en el estudio confirma lo que IDEA Internacional anticipó en 2024: sin infraestructura de gobernanza interna —equipos especializados, protocolos de evaluación de riesgos, criterios éticos, mecanismos de auditoría— la adopción de IA puede producir dependencia tecnológica sin mecanismos adecuados de rendición de cuentas (Gómez y Martínez Elebi, 2026). Los organismos electorales deberían priorizar la formación de equipos técnicos propios, la elaboración de políticas institucionales de uso de IA y la definición de criterios claros sobre qué información puede o no procesarse con herramientas externas, antes de avanzar hacia implementaciones más complejas (Gómez y Martínez Elebi, 2026). Esta recomendación responde a la evidencia de que, en varios países, el empleo de IA se apoya en plataformas comerciales externas sin que existan criterios claros sobre qué información puede procesarse en esos entornos (Gómez y Martínez Elebi, 2026).

7.2. Marcos institucionales de gobernanza adaptados al contexto electoral

El estudio revela que muchos de los organismos analizados carecen todavía de lineamientos formalizados para el empleo de IA (Gómez y Martínez Elebi, 2026). Estos marcos deberían contemplar, como mínimo: criterios de necesidad y proporcionalidad en la adopción de cada herramienta; supervisión humana obligatoria en decisiones de alto impacto; mecanismos de reparación frente a impactos negativos; y transparencia activa hacia la ciudadanía sobre qué sistemas de IA se utilizan y con qué fines (Gómez y Martínez Elebi, 2026). La experiencia de países como Chile, Colombia y México, donde se observan avances más estructurados en esta materia, ofrece referentes útiles para el resto de la región (Gómez y Martínez Elebi, 2026). La gobernanza de la IA no puede ser un añadido posterior a la implementación tecnológica, sino que debe integrarse en el diseño mismo de los proyectos y en la cultura organizacional de los organismos electorales.

7.3. Monitoreo del entorno informativo como función estratégica permanente

La evidencia recopilada muestra que el monitoreo de redes sociales, la detección de desinformación y la observación de campañas digitales se han convertido en el principal vector de adopción de IA en los organismos electorales de la región (Gómez y Martínez Elebi, 2026). Esta función debería reconocerse como una responsabilidad institucional permanente —no solo reactiva— y dotada de recursos, metodologías y marcos normativos adecuados (Gómez y Martínez Elebi, 2026). Los organismos que todavía no han avanzado en esta área deberían considerarla una prioridad, dada la aceleración documentada de las amenazas de desinformación basadas en IA generativa (Gómez y Martínez Elebi, 2026). El informe subraya que en varios países las primeras aplicaciones de IA no están orientadas a la administración electoral tradicional sino a la detección temprana de posibles riesgos para la integridad electoral (Gómez y Martínez Elebi, 2026), lo que convierte al monitoreo del entorno informativo en un área estratégica de primer orden.

7.4. Preservación de la supervisión humana

En ninguno de los casos analizados, la IA sustituye decisiones electorales centrales (Gómez y Martínez Elebi, 2026). Este principio de supervisión humana —que IDEA Internacional identificó en 2024 como eje transversal de mitigación de riesgos (IDEA Internacional, 2024)— debe ser institucionalizado explícitamente como requisito no negociable para cualquier aplicación que afecte derechos fundamentales: el padrón electoral, el procesamiento de resultados, la validación de candidaturas y la fiscalización del financiamiento político (Gómez y Martínez Elebi, 2026). La incorporación de IA en estas áreas debería diseñarse siempre como complemento de procesos dirigidos por personas, no como su sustituto (Gómez y Martínez Elebi, 2026). Esta recomendación no supone un rechazo a la automatización, sino una delimitación prudente de sus alcances en funciones particularmente sensibles para la integridad democrática.

7.5. Regulaciones nacionales y marcos regionales específicos

La evidencia del relevamiento confirma que la adopción de IA por parte de los organismos electorales va por delante de los marcos regulatorios nacionales (Gómez y Martínez Elebi, 2026). Mientras los marcos generales de IA —como el Reglamento europeo o las primeras normativas latinoamericanas— ofrecen principios orientadores, los contextos electorales requieren normas específicas que contemplen los riesgos singulares que plantea su utilización: el impacto sobre el sufragio, la integridad informativa, la privacidad de los votantes y la confianza pública en las instituciones (Gómez y Martínez Elebi, 2026). Los organismos electorales deberían participar activamente en el diseño de esas regulaciones (tomando iniciativa, cuando sea posible), aportando su conocimiento técnico y su perspectiva democrática (Gómez y Martínez Elebi, 2026). Los espacios de coordinación y articulación, como los promovidos por IDEA Internacional, podrían desempeñar un papel importante en la elaboración de estándares comunes para la región (Gómez y Martínez Elebi, 2026).

7.6. Protocolos de evaluación de riesgo previos

La conciencia sobre los riesgos está más extendida que los instrumentos para gestionarlos (Gómez y Martínez Elebi, 2026). Los organismos electorales deberían institucionalizar evaluaciones de impacto previas a toda implementación de IA, con especial atención a los sesgos algorítmicos que afecten desproporcionadamente a comunidades históricamente marginadas, a la privacidad de datos biométricos y a posibles efectos sobre la participación electoral de grupos vulnerables (Gómez y Martínez Elebi, 2026). Esta recomendación busca llenar el vacío identificado en el estudio, donde la preocupación institucional por los riesgos no se traduce en mecanismos sistemáticos de evaluación previa, monitoreo durante la implementación o reparación frente a impactos negativos (Gómez y Martínez Elebi, 2026).

7.7. Autonomía tecnológica y prevención de dependencia de proveedores

El estudio revela que en varios países el empleo de IA se apoya en plataformas comerciales externas sin que existan criterios claros sobre qué información puede procesarse en esos entornos (Gómez y Martínez Elebi, 2026). Experiencias como las de la Registraduría Nacional de Colombia —que prioriza servidores propios y evita procesar datos sensibles en entornos externos— o la Cámara Nacional Electoral de Argentina —que enfatiza el desarrollo institucional propio antes que la adquisición de soluciones comerciales— ofrecen referentes útiles (Gómez y Martínez Elebi, 2026). La infraestructura electoral, en su dimensión tecnológica, no debe quedar en manos de actores privados sin mecanismos robustos de auditoría, transparencia y garantías que preserven la autonomía institucional (Gómez y Martínez Elebi, 2026).

7.8. Cooperación regional e intercambio de buenas prácticas

El panorama fragmentado que muestra el relevamiento no constituye solo un diagnóstico: también representa una oportunidad (Gómez y Martínez Elebi, 2026). La heterogeneidad de experiencias convierte a la región en un espacio privilegiado para el intercambio de lecciones aprendidas, la coproducción de estándares y la cooperación técnica entre organismos electorales (Gómez y Martínez Elebi, 2026). Las autoridades electorales con mayor desarrollo deberían ser incentivadas a sistematizar y compartir sus aprendizajes, mientras que los organismos multilaterales deberían facilitar plataformas de intercambio que democraticen el acceso a capacidades técnicas y marcos de gobernanza (Gómez y Martínez Elebi, 2026). El caso de Servel en Chile, que señala explícitamente la necesidad de cooperación entre actores públicos e intercambio de experiencias (Gómez y Martínez Elebi, 2026), ejemplifica esta demanda creciente de articulación regional.

7.9. Integración de la IA en las agendas de ciberseguridad electoral

La evidencia regional pone de manifiesto que la IA ya cumple un rol en la protección de sistemas críticos en algunos países, pero también que la mayoría de los organismos no ha actualizado sus protocolos de ciberseguridad para responder a las nuevas amenazas que introduce la IA generativa: ciberestafas de mayor calidad, la generación automatizada de reportes falsos e intentos de manipulación de personal mediante deepfakes de audio o video (Gómez y Martínez Elebi, 2026). IDEA Internacional identificó en 2024 este riesgo como prioritario (IDEA Internacional, 2024); la investigación regional confirma ahora su carácter urgente (Gómez y Martínez Elebi, 2026). Los organismos electorales deberían integrar la dimensión de la IA en sus estrategias de ciberseguridad y colaborar con agencias especializadas del Estado (Gómez y Martínez Elebi, 2026).

7.10. Transparencia activa y construcción de confianza ciudadana

La confianza pública en los organismos electorales constituye un activo institucional fundamental que no puede darse por sentado cuando se incorporan tecnologías cuyas lógicas de funcionamiento no son comprensibles para la ciudadanía (Gómez y Martínez Elebi, 2026). Los organismos que utilizan IA deberían comunicar activamente qué herramientas emplean, para qué funciones, con qué salvaguardas y bajo qué supervisión (Gómez y Martínez Elebi, 2026). Esta transparencia no es solo un imperativo ético: es también una estrategia de resiliencia democrática frente a narrativas de deslegitimación que pueden aprovechar la opacidad tecnológica para erosionar la confianza en los resultados de las elecciones, así como en el proceso electoral y en los propios organismos electorales (Gómez y Martínez Elebi, 2026). La experiencia de Chile, que ha desarrollado políticas de transparencia activa mediante información publicada en su sitio web y comunicados oficiales (Gómez y Martínez Elebi, 2026), ofrece un referente en esta dirección.

Conclusiones

Una fotografía en movimiento

El relevamiento realizado entre diez autoridades electorales de América Latina y el Caribe ofrece, por primera vez, una base empírica comparada sobre el estado de adopción institucional de la inteligencia artificial en la gestión electoral de la región (Gómez y Martínez Elebi, 2026). Sus hallazgos permiten actualizar, matizar y en algunos casos reformular las orientaciones prospectivas formuladas en 2024 por IDEA Internacional en La inteligencia artificial para la gestión electoral (IDEA Internacional, 2024), que constituye el principal referente conceptual y metodológico de este trabajo (Gómez y Martínez Elebi, 2026). La fotografía que emerge es la de una transición ya iniciada, pero todavía incipiente, desigual y marcadamente fragmentada (Gómez y Martínez Elebi, 2026).

A diferencia de lo que podría anticiparse a partir de los debates globales sobre el avance acelerado de la IA, la región no refleja una trayectoria de adopción masiva ni uniforme. Predomina una lógica de incorporación incremental, selectiva y conscientemente cautelosa, donde los organismos electorales priorizan funciones de apoyo antes que la automatización de decisiones electorales centrales (Gómez y Martínez Elebi, 2026). Esta prudencia, lejos de representar un retraso, puede interpretarse como una respuesta institucional apropiada ante tecnologías cuyas implicancias para la integridad democrática siguen siendo objeto de debate. Además, riesgos como los sesgos, la opacidad algorítmica, la dependencia de proveedores y la erosión de la confianza pública se encuentran insuficientemente mitigados en la mayoría de los contextos (Gómez y Martínez Elebi, 2026).

Al mismo tiempo, la investigación confirma que la reflexión sobre IA en las autoridades electorales de la región ya no es meramente prospectiva. Incluso en países sin implementaciones concretas, los organismos electorales identifican áreas de aplicación futura, evalúan condiciones habilitantes y discuten marcos de gobernanza (Gómez y Martínez Elebi, 2026). Esto indica que la ventana para diseñar políticas, regulaciones y estrategias institucionales sigue abierta, pero no lo estará indefinidamente. A medida que las herramientas de IA se vuelvan más accesibles y su uso se generalice en la administración pública, los organismos electorales se enfrentarán a presiones crecientes para adoptarlas, lo que hace urgente establecer condiciones de gobernanza antes de que la adopción se consolide sin los resguardos necesarios (Gómez y Martínez Elebi, 2026).

Implicaciones para la democracia y la integridad electoral

Los hallazgos de la investigación tienen implicaciones profundas para la democracia y la integridad electoral en América Latina y el Caribe. En primer lugar, el estudio evidencia que la incorporación de IA en la gestión electoral no puede evaluarse únicamente en términos de eficiencia operativa o modernización institucional (Gómez y Martínez Elebi, 2026). Incluso aplicaciones orientadas a optimizar funciones administrativas pueden generar riesgos significativos si afectan derechos fundamentales, introducen sesgos discriminatorios, aumentan la opacidad de decisiones públicas o erosionan la confianza ciudadana en la integridad electoral (Gómez y Martínez Elebi, 2026). Esta advertencia, que los autores del informe formulan con claridad, debería guiar cualquier proceso de adopción tecnológica en el ámbito electoral.

En segundo lugar, el estudio pone de manifiesto una tensión estructural entre la rapidez de la innovación tecnológica y la capacidad de los marcos institucionales para regularla (Gómez y Martínez Elebi, 2026). La evidencia regional muestra que la adopción de IA por parte de los organismos electorales va por delante de los marcos regulatorios nacionales y, en muchos casos, de los propios lineamientos internos de las instituciones (Gómez y Martínez Elebi, 2026). Esta asincronía no es neutral: puede generar situaciones en las que se utilicen herramientas de IA sin que existan criterios claros sobre transparencia, protección de datos, supervisión humana o rendición de cuentas (Gómez y Martínez Elebi, 2026). El caso brasileño, con la Resolución TSE 23.732 (TSE, Res. 23.732/2024), demuestra que es posible articular una respuesta normativa específica y operativa (Gómez y Martínez Elebi, 2026), pero también subraya el retraso del resto de la región en esta materia.

En tercer lugar, la investigación revela que el monitoreo del entorno informativo se ha convertido en el principal vector de adopción de IA en los organismos electorales (Gómez y Martínez Elebi, 2026). Esta tendencia, impulsada por la preocupación ante la desinformación y los contenidos manipulados mediante IA generativa, sitúa a las autoridades electorales en un rol creciente de vigilancia del ecosistema digital (Gómez y Martínez Elebi, 2026). Si bien esta función es necesaria para proteger la integridad del proceso electoral, también plantea interrogantes sobre los límites de la intervención institucional en el debate público, la protección de la libertad de expresión y la proporcionalidad de las medidas adoptadas. El estudio no ofrece respuestas definitivas a estas preguntas, pero las sitúa en el centro de la agenda de investigación futura.

Finalmente, la investigación subraya la importancia de la cooperación regional como mecanismo de aprendizaje institucional y construcción de capacidades (Gómez y Martínez Elebi, 2026). El panorama fragmentado que muestra el relevamiento no constituye solo un diagnóstico: también representa una oportunidad para el intercambio de lecciones aprendidas, la coproducción de estándares y la cooperación técnica entre organismos electorales (Gómez y Martínez Elebi, 2026). En un contexto donde la tecnología evoluciona a gran velocidad y los riesgos trascienden las fronteras nacionales, la articulación regional se vuelve no solo conveniente, sino imprescindible.

Agenda de investigación futura

El estudio de Gómez y Martínez Elebi (2026) abre múltiples líneas de investigación que deberían ser abordadas en trabajos futuros. En primer lugar, el propio informe señala que no se analizó la aplicación de IA en la función jurisdiccional de las autoridades electorales, una dimensión importante y sensible que debería ser objeto de futuras investigaciones debido a sus particularidades de desarrollo diferenciado y especializado (Gómez y Martínez Elebi, 2026). La actividad contencioso-electoral, con sus específicos requisitos de garantías procesales, imparcialidad y motivación de las decisiones, presenta desafíos propios que merecen un análisis separado.

En segundo lugar, sería necesario profundizar en el análisis de los impactos de la IA sobre grupos vulnerables y comunidades históricamente marginadas. El estudio regional, aunque identifica esta preocupación, no la desarrolla empíricamente (Gómez y Martínez Elebi, 2026). Investigaciones futuras deberían examinar si los sistemas de IA utilizados en la gestión electoral introducen sesgos discriminatorios que afecten desproporcionadamente a mujeres, comunidades indígenas, personas LGBTQIA+ o personas con discapacidad, y si los mecanismos de supervisión y reparación existentes son suficientes para abordar estos riesgos.

En tercer lugar, sería valioso realizar estudios longitudinales que permitan seguir la evolución de la adopción de IA en los organismos electorales a lo largo del tiempo. Dado el carácter emergente del fenómeno, una fotografía como la que ofrece este estudio necesita ser actualizada periódicamente para captar cambios en las tendencias, la aparición de nuevos usos y la consolidación o modificación de los marcos de gobernanza. El propio informe advierte que algunas de las tendencias observadas podrían experimentar cambios en el corto y mediano plazo (Gómez y Martínez Elebi, 2026), lo que subraya la necesidad de un monitoreo continuo.

En cuarto lugar, sería deseable ampliar el universo de países analizados para incluir aquellos que no participaron en el relevamiento, así como profundizar en el análisis comparado de las experiencias de gobernanza de la IA en contextos electorales. El estudio se limita a diez países de la región (Gómez y Martínez Elebi, 2026); una ampliación permitiría identificar patrones adicionales y contrastar hipótesis con mayor robustez estadística.

En definitiva, la investigación aquí reseñada constituye un punto de partida, no de llegada. Su principal contribución es haber puesto sobre la mesa evidencia empírica sistemática sobre un fenómeno sobre el que existía escasa información, y haber formulado preguntas que deben guiar la investigación futura y la acción institucional. La inteligencia artificial está transformando la gestión electoral en América Latina y el Caribe, pero el ritmo, la dirección y las consecuencias de esa transformación dependen aún de decisiones institucionales, regulatorias y democráticas que están por tomarse.

Bibliografía

Normativa

Tribunal Superior Eleitoral (Brasil) (2024). Resolução 23.732, de 27 de fevereiro de 2024. Disponible en: https://www.tse.jus.br/legislacao/compilada/res/2024/resolucao-no-23-732-de-27-de-fevereiro-de-2024.

Tribunal Superior Eleitoral (Brasil) (2019). Resolução 23.610, de 18 de dezembro de 2019. Disponible en: https://www.tse.jus.br/legislacao/compilada/res/2019/resolucao-no-23-610-de-18-de-dezembro-de-2019.

Doctrina

Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., y Floridi, L. (2016). "The ethics of algorithms: Mapping the debate". Big Data & Society, 3(2). DOI: 10.1177/2053951716679679.

Documentos institucionales

Gómez, G. y Martínez Elebi, C. (2026). Inteligencia artificial y gestión electoral: Un mapa de América Latina y el Caribe. IDEA Internacional, con el apoyo de OBSERVACOM. DOI: 10.31752/46252. ISBN: 978-91-8137-192-5 (versión en pdf); 978-91-8137-191-8 (versión impresa).

Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO) (2021). Recomendación sobre la ética de la inteligencia artificial. París: UNESCO. Disponible en: https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa.

IDEA Internacional (2024). La inteligencia artificial para la gestión electoral. Estocolmo: IDEA Internacional. Disponible en: https://www.idea.int/publications/catalogue/artificial-intelligence-electoral-management.

Organización para la Cooperación y el Desarrollo Económicos (OCDE) (2019). "OECD AI Principles overview". Disponible en: https://oecd.ai/en/ai-principles.

---

Descarga el informe original completo —Gómez y Martínez Elebi (2026), con su metodología, mapa de calor por país, cuestionario íntegro y anexos— en el enlace PDF adjunto a este artículo.