Cada vez más gente pregunta a un chatbot qué propone tal partido, qué portátil comprar o si una noticia es verdad. Lo hace porque parece neutral: no tiene carné de partido, no cobra comisión y responde con datos. De ahí salen varias preguntas. ¿Es objetiva una inteligencia artificial o solo lo parece? ¿Puede alguien ajustarla para que te convenza de comprar un producto o de votar a un candidato? ¿Sirve de algo descargarse un modelo y usarlo en casa? ¿La usan ya los gobiernos para decidir? ¿Y podría usarse al revés, para vigilar a los gobiernos?
Desde diciembre de 2025 hay datos para responder a varias de estas preguntas. Ese mes, Nature y Science publicaron el mismo día dos estudios con más de 80.000 participantes en cuatro países [1, 2]. Ambos llegaron a la misma conclusión: una conversación corta con un chatbot cambia opiniones políticas, y lo hace más que la publicidad electoral clásica.
Recuerda que en pensar es gratis sólo citaremos datos y fuentes fiables que superen nuestro filtro de contenido. Al final de cada post hay una guía práctica sobre el tema tratado si tiene sentido que exista.
Una conversación mueve más que un anuncio
El equipo de David Rand y Gordon Pennycook, de la Universidad de Cornell, aprovechó tres elecciones reales mientras sucedían: las presidenciales de Estados Unidos de 2024, las federales de Canadá de 2025 y las presidenciales de Polonia de 2025 [1]. Los participantes indicaban su preferencia en una escala de 0 a 100. Después conversaban con un chatbot comercial, como GPT-4o o DeepSeek, asignado al azar para defender a uno de los dos candidatos principales y con instrucciones de ser respetuoso y basarse en hechos.
En Estados Unidos, con 2.306 participantes, el chatbot pro-Harris movió a los votantes de Trump 3,9 puntos hacia Harris. Es un efecto unas cuatro veces mayor que el de los anuncios de vídeo medidos en las campañas de 2016 y 2020. El chatbot pro-Trump movió a los votantes de Harris 1,5 puntos. En Canadá y Polonia el efecto rondó los 10 puntos: cambió su intención de voto aproximadamente uno de cada diez participantes, frente a uno de cada veinticinco en Estados Unidos. Una explicación probable, que el estudio no demuestra, es que el electorado estadounidense estaba muy polarizado y tenía el voto decidido desde hacía meses. Unos 41 días después se conservaba en torno a un tercio del cambio.
El límite principal es que los participantes sabían que hablaban con una IA que iba a intentar convencerlos. En la vida real, lo difícil para una campaña es conseguir que alguien del bando contrario abra esa conversación.
Cómo convencen los modelos
Cabría pensar que la IA convence con trucos psicológicos o adaptando el mensaje al perfil del votante. El estudio de Science, dirigido por Kobi Hackenburg (Universidad de Oxford y AI Security Institute británico) y Ben Tappin (London School of Economics), lo comprobó con la mayor muestra reunida hasta ahora [2]. Pusieron a 19 modelos de lenguaje a intentar convencer a casi 77.000 británicos sobre 707 temas políticos y verificaron una a una 466.769 afirmaciones hechas por las máquinas.
El factor decisivo resultó ser la densidad de información: el número de afirmaciones concretas y verificables por conversación. Explicaba en torno al 44 % de la variación en la persuasión, y el 75 % en los modelos comerciales ajustados por sus empresas. En el estudio de Nature, quitarle al chatbot los hechos y las pruebas redujo la persuasión más de la mitad en Canadá y casi un 80 % en Polonia [1]. Personalizar el mensaje según la edad o la ideología aportó poco. Solo en debates cortos, GPT-4 ganaba a un humano en el 64 % de los casos sin empate cuando conocía datos básicos de su rival; sin esos datos, persuadía igual que una persona [3].
El post-entrenamiento específico para persuadir, es decir, el ajuste que se hace después del entrenamiento general, aumentó la persuasión hasta un 51 %. Pedirle al modelo que aportara información la aumentó un 27 %. El tamaño del modelo importó menos: Llama 3.1, un modelo abierto de 8.000 millones de parámetros, igualó o superó a GPT-4o una vez ajustado para persuadir. El modelo más optimizado movió 25 puntos a los votantes contrarios.
El hallazgo más importante es que lo que aumentaba la persuasión reducía la exactitud. Cuando a GPT-4.5 se le pedía mucha información, solo el 56 % de sus afirmaciones eran correctas en un experimento, frente al 70 % con otras instrucciones. Rand lo explica así: si se presiona al modelo para dar cada vez más datos, se le acaba la información exacta y empieza a rellenar, para variar. Los autores pidieron expresamente a un modelo que inventara datos, y eso no aumentó la persuasión. La inexactitud es un efecto secundario de acumular datos, no una estrategia del modelo. En el estudio de Nature, la exactitud media fue alta, de 90 sobre 100. Aun así, en los tres países y en los doce modelos probados, los chatbots que defendían al candidato de derecha cometieron más errores que los que defendían al de izquierda. El estudio documenta el patrón pero no establece su causa.
La misma herramienta que desmonta bulos
Convencer con datos no es malo en sí mismo. En 2024, el mismo grupo publicó en Science un experimento con 2.190 personas que creían en alguna teoría conspirativa, del covid-19 al supuesto fraude electoral de 2020 [4]. Tras tres rondas de conversación con GPT-4 Turbo, que rebatía sus pruebas concretas, la creencia bajó una media del 20 % y seguía así dos meses después. El modelo no rebajó la creencia en conspiraciones que resultaron ser reales, y un verificador profesional encontró que el 99,2 % de sus afirmaciones eran ciertas y ninguna falsa.
La gente cambia de opinión ante argumentos concretos con datos, y eso es una buena noticia. El problema es que los datos convencen igual si son ciertos que si no lo son.
¿Es objetiva la IA?
Se suele pensar que un chatbot será más neutral que un periódico porque su empresa quiere clientes de todas las ideologías. Algo de eso hay, pero la neutralidad no es una propiedad natural de estos sistemas. Es el resultado de decisiones humanas, y esas decisiones cambian. Hay al menos tres vías documentadas por las que un chatbot deja de ser neutral.
La primera es el dueño. En julio de 2025, el investigador Jeremy Howard comprobó que Grok 4, el chatbot de xAI, la empresa de Elon Musk, buscaba la opinión de Musk antes de responder sobre el conflicto entre Israel y Palestina: 54 de sus 64 citas remitían a él [5]. The New York Times analizó miles de respuestas de Grok y concluyó que xAI lo había retocado para dar respuestas más conservadoras en muchos temas, a veces en línea con las prioridades de Musk [6]. Un ejemplo: preguntado por la mayor amenaza para la civilización occidental, Grok respondió que la desinformación. Musk se quejó en público, prometió arreglarlo para la mañana siguiente y al día siguiente la respuesta era la baja natalidad. Para estos cambios no hizo falta reentrenar el modelo: bastaba con editar sus instrucciones.
La segunda es el Estado. Desde agosto de 2023, la ley china obliga a los servicios de IA abiertos al público a “adherirse a los valores socialistas fundamentales” [7]. Cuando NewsGuard probó DeepSeek con quince bulos de origen chino, ruso e iraní, el 60 % de sus respuestas adoptó la perspectiva del Gobierno chino, incluso cuando la pregunta no mencionaba China [8].
La tercera es cualquiera con recursos para llenar internet de contenido. La red Pravda, unas 150 webs que el servicio francés de vigilancia de injerencias extranjeras atribuye a una empresa radicada en la Crimea ocupada, publicó en 2024 unos 3,6 millones de artículos de propaganda prorrusa. Casi nadie los lee, y no hace falta: están pensados para que los lean los chatbots. NewsGuard puso a prueba a los diez principales asistentes y encontró que repetían esos bulos el 33 % de las veces [9]. La técnica se llama LLM grooming: manipular los datos de los que aprenden y se alimentan los modelos de lenguaje.
A esto se suma un sesgo que viene del propio negocio. Los modelos se entrenan en parte para que sus respuestas gusten, y lo que gusta es que te den la razón. Es la complacencia (en inglés, sycophancy). En abril de 2025, OpenAI tuvo que retirar una actualización de GPT-4o por ser excesivamente complaciente, y reconoció que ese comportamiento no figuraba de forma explícita en sus pruebas internas [10].
Modelos Propios
Un modelo abierto, como Qwen, Llama o Mistral, ejecutado en el propio ordenador, resuelve parte del problema. Nadie le cambia las instrucciones de un día para otro, no muestra anuncios, no envía las conversaciones a ninguna empresa y, sin búsqueda web, no consulta en tiempo real webs contaminadas.
Lo que no resuelve es el sesgo aprendido durante el entrenamiento, que queda en los pesos del modelo: los miles de millones de valores numéricos que el usuario descarga. El ingeniero Pete Warden ejecutó Qwen 3 en su portátil, sin conexión a internet, y la censura sobre Tiananmén seguía ahí [11]. Un estudio de la empresa alemana Aleph Alpha probó modelos chinos con 967 temas vetados en China. En Tiananmén, Taiwán y Xinjiang, la mayoría seguía la línea oficial del Partido Comunista; en preguntas no políticas respondían de forma equilibrada casi siempre [12]. Tener los pesos permite modificarlos: Perplexity reentrenó DeepSeek R1 con unas 40.000 preguntas sobre temas censurados y publicó una versión que sí responde [13]. Pero un trabajo de 2026 aún sin revisión por pares encontró que las versiones “sin censura” que circulan por internet dejan de negarse a responder sobre Taiwán sin eliminar el sesgo [14]. Además, la misma libertad sirve para lo contrario: el estudio de Science demostró que un modelo abierto pequeño puede convertirse en un persuasor tan eficaz como uno comercial [2].
Un modelo local es más estable y transparente que uno en la nube, pero no más objetivo. Y los modelos que caben en un ordenador doméstico saben menos y se equivocan más.
También te venden cosas
El mismo mecanismo sirve para recomendar una cafetera. Aounon Kumar e Himabindu Lakkaraju demostraron en 2024, con un catálogo inventado, que basta añadir a la ficha de un producto una secuencia de texto optimizada para el modelo para que pase de no aparecer en las recomendaciones a ser la primera [15]. Es el posicionamiento en buscadores aplicado a los chatbots. Además, OpenAI empezó a probar anuncios en ChatGPT en febrero de 2026, asegurando que no influyen en las respuestas [16]. Es una promesa que nadie de fuera puede comprobar. Lo que sí es un hecho es que el chatbot más usado del mundo tiene ahora un incentivo económico para que compres ciertos productos.
La IA en el poder Político
No hay ningún caso documentado en el que un chatbot haya decidido una elección o una ley persuadiendo a un gobernante. Pero ya participa en el poder. En agosto de 2025, el primer ministro sueco, Ulf Kristersson, reconoció que consulta ChatGPT y Le Chat “bastante a menudo” para tener una segunda opinión [17]. La investigadora Virginia Dignum, de la Universidad de Umeå, resumió la crítica en una frase: “No hemos votado a ChatGPT”. En Porto Alegre (Brasil), en 2023, un concejal presentó una ordenanza redactada íntegramente por ChatGPT sin decírselo a nadie. Los 36 concejales la aprobaron por unanimidad, y él mismo admitió después que, si lo hubiera contado antes, ni siquiera se habría votado [18].
El caso más llamativo es el de Albania. En septiembre de 2025 nombró “ministra” de contratación pública a Diella, un asistente de IA del portal de trámites del Gobierno, con la promesa de que los concursos públicos quedarían libres de corrupción [19]. Un año después no se había publicado ninguna evaluación de sus resultados. En diciembre de 2025 fue detenida la directora de la agencia que la desarrolló, AKSHI, y la fiscalía anticorrupción investiga a su cúpula por amañar concursos a favor de un grupo criminal [20]. En octubre de 2026, el Tribunal Constitucional albanés concluyó que Diella no es legalmente ministra y recordó que la IA no puede crear ni sustituir responsabilidades públicas [21]. El problema no era la tecnología. Diella dependía del mismo Gobierno al que debía vigilar.
La IA como vigilante, no como ministra
Donde la IA sí ha funcionado contra la corrupción, el diseño es el contrario: la máquina señala casos sospechosos, una persona investiga, y quien la controla es independiente de quien gasta. En Brasil, la Contraloría General y el Tribunal de Cuentas usan Alice, una herramienta que revisa a diario las licitaciones publicadas y avisa a los auditores. Según la OCDE, sus alertas llevaron a suspender o cancelar licitaciones por más de 9.700 millones de reales entre 2019 y 2022 [22]. También en Brasil, un grupo de programadores financiado por micromecenazgo creó a Rosie, un programa que revisaba los reembolsos de gastos de los diputados. Detectó más de 8.000 sospechosos, y el equipo denunció más de 600 ante el Congreso [23]. En Ucrania, Transparencia Internacional vigila el sistema público de contratación electrónica con indicadores automáticos de riesgo, como ahorros inusuales de más del 60 % o proveedores que solo trabajan con un cliente, y usa aprendizaje automático para decidir qué concursos revisar primero [24].
La IA también puede ayudar a tomar mejores decisiones colectivas. Google DeepMind entrenó la llamada máquina de Habermas como mediador, no como persuasor [25]. Con 5.734 británicos discutiendo temas como el Brexit o el salario mínimo, la mayoría prefirió las declaraciones de grupo redactadas por la IA a las de un mediador humano, y los grupos terminaron menos divididos, sin que se dejaran fuera las posturas minoritarias. Hay críticas razonables: buscar el acuerdo no es lo mismo que deliberar. Aun así, es la misma capacidad que usa un chatbot de campaña, puesta al servicio de encontrar puntos en común en lugar de ganar votos.
Sería interesante poner en marcha propuestas para contrastar automáticamente lo que dicen los políticos con los presupuestos y las votaciones publicadas, detectar contratos troceados para no superar los umbrales que obligan a un concurso abierto, o explicar a cualquier ciudadano qué cambia una ley. Ninguna de estas ideas funciona sin datos públicos abiertos y legibles por máquina, sin que el código de la herramienta pueda auditarse, y sin una persona responsable al final del proceso.
Posibles futuros
Hay fuerzas que empujan en direcciones opuestas. Las empresas han empezado a medir el sesgo político de sus modelos: OpenAI afirma que GPT-5 lo redujo un 30 % y que menos del 0,01 % de sus respuestas reales lo muestra [26]. Son cifras propias, sin verificación independiente, y que dejan fuera las respuestas con búsqueda web. A la vez, cada gobierno define qué entiende por neutral. Una orden ejecutiva estadounidense de julio de 2025 exige que los modelos que compra la Administración federal no favorezcan “dogmas ideológicos” como las políticas de diversidad, equidad e inclusión [27]. Sus defensores lo ven como la corrección de un sesgo progresista; sus críticos, como la sustitución de un sesgo por otro. China exige por ley lo contrario. Y la contaminación no ha parado: un análisis de octubre de 2025 seguía encontrando propaganda de medios afines al Kremlin en aproximadamente una de cada cinco respuestas de chatbots sobre la invasión de Ucrania [28].
Yo pienso que los grandes modelos serán cada vez más prudentes ante preguntas políticas directas, porque es lo que se mide y lo que genera titulares. El sesgo se desplazará a lo que no se mide: qué producto recomiendan, qué fuentes eligen al buscar y qué decide un agente que compra o gestiona algo por ti. En las campañas, el obstáculo de que alguien quiera hablar con el chatbot se reduce si este no se presenta como propaganda. La Ley de Inteligencia Artificial europea clasifica como de alto riesgo los sistemas diseñados para influir en el voto, pero esas obligaciones se han aplazado hasta diciembre de 2027 [29].
Referencias
[1] Lin, H., Czarnek, G., Lewis, B., White, J. P., Berinsky, A. J., Costello, T., Pennycook, G. y Rand, D. G. (2025). Persuading voters using human–artificial intelligence dialogues. Nature, 648, 394–401. https://doi.org/10.1038/s41586-025-09771-9
Experimentos aleatorizados durante elecciones reales en EE. UU. (n = 2.306), Canadá (n = 1.530) y Polonia (n = 2.118), más una consulta en Massachusetts; seguimiento a unos 41 días. Los participantes sabían que hablaban con una IA persuasiva.
Fiable.
[2] Hackenburg, K., Tappin, B. M., Hewitt, L., Saunders, E., Black, S., Lin, H., Fist, C., Margetts, H., Rand, D. G. y Summerfield, C. (2025). The levers of political persuasion with conversational artificial intelligence. Science, 390(6777). https://doi.org/10.1126/science.aea3884
Tres experimentos con 76.977 participantes británicos, 19 modelos y 707 temas; verificación de 466.769 afirmaciones. Financiado por el Gobierno británico.
Fiable.
[3] Salvi, F., Horta Ribeiro, M., Gallotti, R. y West, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 9(8), 1645–1653. https://doi.org/10.1038/s41562-025-02194-6
Estudio prerregistrado con 900 participantes de EE. UU. en debates breves y estructurados.
Fiable.
[4] Costello, T. H., Pennycook, G. y Rand, D. G. (2024). Durably reducing conspiracy beliefs through dialogues with AI. Science, 385(6714), eadq1814. https://doi.org/10.1126/science.adq1814
Dos experimentos con 2.190 creyentes en teorías conspirativas; seguimiento a 2 meses; verificación profesional de 128 afirmaciones.
Fiable.
[5] MacRumors (2025). Grok 4 ‘truth-seeking’ AI consults Musk’s stance on sensitive topics. https://www.macrumors.com/2025/07/11/grok-4-ai-consults-musk-sensitive-topics/
Recoge la documentación de Jeremy Howard; el comportamiento variaba entre usuarios.
Con reservas.
[6] Conger, K. et al. (2025). How Elon Musk is remaking Grok in his image. The New York Times. Entrevista a la autora en WBUR: https://www.wbur.org/hereandnow/2025/10/20/grok-elon-musk-conservative
Análisis periodístico de miles de respuestas.
Con reservas.
[7] Administración del Ciberespacio de China y otros seis organismos (2023). Medidas provisionales para la gestión de los servicios de inteligencia artificial generativa, en vigor desde el 15 de agosto de 2023. http://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm
Marco normativo.
[8] Wang, M., Sadeghi, M. y Lin, C. (2025). Chinese chatbot phenom is a disinformation machine. NewsGuard. https://www.newsguardtech.com/?p=29194
Auditoría con 15 bulos de la base de datos propia de NewsGuard. No revisada por pares.
Con reservas.
[9] NewsGuard (2025). A well-funded Moscow-based global ‘news’ network has infected Western artificial intelligence tools worldwide with Russian propaganda. https://www.newsguardrealitycheck.com/p/a-well-funded-moscow-based-global
Auditoría de 10 chatbots con 15 narrativas falsas (450 respuestas). No revisada por pares.
Con reservas.
[10] OpenAI (2025). Expanding on what we missed with sycophancy. https://openai.com/index/expanding-on-sycophancy/
Análisis publicado por la propia empresa.
Con reservas.
[11] Warden, P. (2025). Why the Chinese government taught AI to lie. https://petewarden.com/tag/china/
Prueba individual de Qwen 3 ejecutado localmente sin conexión. Demostración puntual.
Con reservas.
[12] Aleph Alpha (2026). Evaluación de sesgo político en modelos chinos, citada por The Decoder: https://the-decoder.com/chinese-ai-models-parrot-state-doctrine-or-refuse-to-answer-on-sensitive-topics/
Benchmark propio con 967 temas; modelos de Alibaba, DeepSeek y Moonshot AI frente a modelos occidentales (Claude Sonnet 5, 70 % de respuestas equilibradas; Mistral Small, 92 %). Aleph Alpha compite con los modelos chinos en el mercado europeo.
Con reservas.
[13] Perplexity AI (2025). Open-sourcing R1 1776. https://perplexity.ai/hub/blog/open-sourcing-r1-1776
Post-entrenamiento con unas 40.000 preguntas sobre unos 300 temas censurados; evaluación propia.
Con reservas.
[14] Uncensored is not unbiased: Abliteration removes refusals but not script-dependent bias about Taiwan (2026). arXiv:2610.29342. https://arxiv.org/abs/2610.29342
Preprint sin revisión por pares; preguntas en chino tradicional, chino simplificado e inglés.
Reciente.
[15] Kumar, A. y Lakkaraju, H. (2024). Manipulating large language models to increase product visibility. arXiv:2404.07981. https://arxiv.org/abs/2404.07981
Catálogo ficticio de cafeteras; preprint; no mide efectos sobre consumidores reales.
Con reservas.
[16] eWeek (2026). The ads are here: ChatGPT starts serving up sponsored suggestions. https://www.eweek.com/fr/news/openai-tests-ads-in-chatgpt/
La afirmación de que los anuncios no influyen en las respuestas es de la empresa y no está auditada externamente.
Con reservas.
[17] Bryant, M. (2025, 5 de agosto). ‘We didn’t vote for ChatGPT’: Swedish PM under fire for using AI in role. The Guardian. https://www.theguardian.com/technology/2025/aug/05/chat-gpt-swedish-pm-ulf-kristersson-under-fire-for-using-ai-in-role
La cita de Virginia Dignum procede de Dagens Nyheter.
Fiable (hecho periodístico verificable).
[18] Associated Press (2023, 30 de noviembre). Brazilian city enacts an ordinance that was secretly written by ChatGPT. https://www.click2houston.com/tech/2023/11/30/brazilian-city-enacts-an-ordinance-secretly-written-by-a-surprising-new-staffer-chatgpt/
Fiable (hecho periodístico verificable).
[19] Procurement Magazine, a partir de Reuters (2025). The new normal? Albania puts AI in charge of procurement. https://procurementmag.com/news/albania-ai-procurement-minister
Fiable como hecho.
[20] Çela, L. (2026, 11 de agosto). Albania’s cheerful ‘AI minister’ is the product of a government agency under investigation for massive corruption. OCCRP. https://www.occrp.org/en/feature/albanias-cheerful-ai-minister-is-the-product-of-a-government-agency-under-investigation-for-massive-corruption
Investigación periodística sobre un caso judicial abierto; nadie ha sido procesado; el contrato de desarrollo de Diella no está entre los investigados.
Con reservas.
[21] Albanian Daily News (2026). Albania’s Constitutional Court rejects opposition bid to overturn ‘Diella’ appointment. https://albaniandailynews.com/news/albania-s-constitutional-court-rejects-opposition-bid-to-overturn-diella-appointment
Resolución del 8 de octubre de 2026, adoptada por mayoría.
Fiable (hecho verificable).
[22] Observatorio de Innovación del Sector Público de la OCDE. Robot Alice – Bid, contract and notice analyser. https://oecd-opsi.org/innovations/robot-alice-bid-contract-and-notice-analyser
Datos aportados por la propia institución brasileña; no es una evaluación independiente.
Con reservas.
[23] Data Science Brigade (2017). Brazilian group develops an AI to help in public expenditures monitoring. https://medium.com/data-science-brigade/brazilian-group-develops-an-ai-to-help-in-public-expenditures-monitoring-757900c99552
Datos de los propios autores del proyecto; los casos señalados son sospechas, no irregularidades probadas.
Con reservas.
[24] Transparencia Internacional Ucrania (2017). The new electronic monitoring tool for ProZorro is launched. https://ti-ukraine.org/en/news/the-new-electronic-monitoring-tool-for-prozorro-is-launched/
Descripción del sistema de indicadores de riesgo; no evalúa resultados.
Con reservas.
[25] Tessler, M. H., Bakker, M. A., Jarrett, D., Sheahan, H., Chadwick, M. J., Koster, R., Evans, G., Campbell-Gillingham, L., Collins, T., Parkes, D. C., Botvinick, M. y Summerfield, C. (2024). AI can help humans find common ground in democratic deliberation. Science, 386(6719), eadq2852. https://doi.org/10.1126/science.adq2852
Experimentos con 5.734 participantes británicos, parte de ellos reclutados de forma representativa; comparación con mediadores humanos.
Fiable.
[26] OpenAI (2025, 9 de octubre). Defining and evaluating political bias in LLMs. https://openai.com/index/defining-and-evaluating-political-bias-in-llms
Evaluación propia con unas 500 preguntas sobre 100 temas, puntuadas por un modelo de IA; excluye las respuestas con búsqueda web.
Con reservas.
[27] Orden Ejecutiva 14319, Preventing Woke AI in the Federal Government (23 de julio de 2025). https://www.whitehouse.gov/presidential-actions/2025/07/preventing-woke-ai-in-the-federal-government/
Marco normativo.
[28] The Register (2025, 28 de octubre). Chatbots parrot Putin’s propaganda about the illegal invasion of Ukraine. https://www.theregister.com/2025/10/28/chatbots_still_parrot_russian_state/
Información periodística sobre un análisis de respuestas de chatbots.
Con reservas.
[29] Reglamento (UE) 2024/1689 de Inteligencia Artificial, anexo III, punto 8(b), y Reglamento Ómnibus Digital sobre IA (aprobación final del Consejo el 29 de junio de 2026), que aplaza las obligaciones del anexo III al 2 de diciembre de 2027.