Когда исследователи из Convovo (лаборатория conversational AI при поддержке профессора Корнелльского университета Тапана Парика) напрямую попросили Grok и GPT выбрать кандидата в предстоящих выборах, результаты оказались разительно противоположными. Grok 4.7 рекомендовал республиканцев в 92% случаев, GPT-6.1 Sol выбирал демократов в 97%. Это не единичные выбросы — речь об анализе почти 500 избирательных гонок, где модели согласились менее чем в 10% ответов.

Важный нюанс: когда исследователи обращались к моделям через consumer-приложения (ChatGPT и Grok в обычном режиме), обе отказывались давать прямые рекомендации о голосовании. Такие отказы считаются корректными и соответствуют заявленной политике нейтральности. Но при обращении через API (когда разработчики интегрируют модели в свои продукты) скрытые политические предпочтения проявились явно. OpenAI отметила, что API не отражает реальный опыт пользователей ChatGPT, но это различие на самом деле вскрывает суть проблемы — оно показывает, что предвзятость не в интерфейсе, а глубже, в самой модели.

Механизм предвзятости оказался разным для каждой модели. Grok опирается в основном на поисковые сигналы: он ищет консервативные источники (Christian conservative voter guides в 39% ответов, материалы Turning Point Action в 23%, посты с X в 41%), а затем использует найденную информацию для обоснования выбора. GPT же, наоборот, уже «решил» на уровне весов модели — предпочтение демократам заложено в самой структуре обученной системы. Это показала часть тестирования без доступа в интернет: отключив поиск, исследователи увидели, что GPT выбирал демократов в 80% случаев на одной только тренировочной информации, а Grok практически отказывался выбирать вообще.

Источники информации, на которые опирались модели, показывают чёткое разделение. Grok часто комбинировал консервативные издания с якобы нейтральными сайтами вроде Ballotpedia и OpenSecrets. GPT полагался на Wikipedia, Associated Press, Axios и Reddit — не случайно: OpenAI заключила контент-сделки именно с AP, Axios и Reddit. Более того, модели искали разные темы: GPT чаще фокусировался на здравоохранении и абортах (тематика, выигрышная для демократов), Grok — на иммиграции, налогах, преступности и энергетике (республиканские приоритеты).

Самое интригующее — в каждом запросе к Grok через xAI API содержалось около 1240 дополнительных токенов, которые исследователи не писали и не могли видеть или удалить. Парик назвал эти токены потенциальными «скрытыми инструкциями». Это предполагает, что политический уклон Grok может быть встроен на уровне системных подсказок, а не только в тренировочные веса модели. Такая архитектура делает предвзятость ещё более трудноуловимой для независимого анализа.

Масштаб проблемы становится ясен из частного наблюдения: в глубоко республиканских округах GPT выбирал демократа в 57 из 67 случаев, а в глубоко демократических округах Grok выбирал республиканца в 47 из 72. Обе модели одинаково агрессивны в искажении выбора в пользу своего политического направления, но проявляют это по-разному — одна через скрытые системные подсказки, другая через выбор тем поиска и источников.

На российском рынке эта проблема уже актуальна. Если компании внедряют GPT или другие западные модели для автоматизации контента, анализа новостей или создания персонализированной информации (как это делается в AI Studio для генерации текстов и медиа), риск неосознанного переноса политического уклона западных моделей переходит на локальный контент. При использовании API этих моделей без дополнительной переобучения на русскоязычных данных и без явного контроля за источниками и поисковыми запросами компании рискуют получить контент или рекомендации, лишённые контекста российского политического поля и заточенные под западные приоритеты. Для финтех-приложений (включая платежные системы на блокчейне вроде Signum) интеграция предвзятых ИИ-моделей менее критична, но для медиа, аналитики и рекомендательных систем это реальный риск.