Pablo Zavala · Evaluación de seguridad de IA · Ingeniería de investigación

Heard.now y la escucha cívica verificable

Heard.now plantea la IA cívica como un ciclo de escucha verificable: residentes hablan en lenguaje claro, los aportes privados quedan detrás de una frontera de publicación, los límites de muestra acompañan cada hallazgo y las campañas muestran qué cambió.

julio 6, 2026 · 7 min

La mayoría de la tecnología de campañas ayuda a los políticos a hablar más rápido. Heard.now apunta en la dirección opuesta: ¿puede una campaña escuchar a escala, mantener útiles las palabras de los residentes, reducir la exposición de las personas detrás de esas palabras y volver con una respuesta pública: qué dijeron los residentes, qué cambió y qué afirmaciones quedan fuera del alcance de los datos?

Esa última cláusula importa. "Escuchar" es una de las promesas más fáciles en política y una de las más difíciles de verificar. Un candidato puede hacer una reunión pública, leer algunos correos, citar una encuesta y decir que la comunidad habló. Cada canal captura algo. Cada canal también pierde algo. Las reuniones públicas privilegian a quienes tienen tiempo y confianza institucional. La investigación sobre participación cívica muestra una voz desigual según recursos, educación y fluidez institucional; las herramientas digitales no borran ese patrón por sí solas. Las encuestas obligan a la gente a entrar en opciones predefinidas. Los buzones recogen historias, pero rara vez las convierten en un registro público. Las redes sociales convierten la indignación en medición porque la indignación es fácil de contar.

La pregunta útil no es si la IA puede hacer que las campañas sean más eficientes. Las campañas ya son eficientes para transmitir mensajes. La mejor pregunta es si la IA puede hacer que escuchar sea más responsable.

Heard es un ciclo de escucha verificable

El panel público de Heard es una demostración sintética de inteligencia de campaña. Muestra 296 respuestas sintéticas para un escenario de alcaldía de Pittsburgh en abril de 2026, y luego separa áreas de política, temas, vecindarios, advertencias de coordinación, composición de muestra y acciones recomendadas. La página dice con claridad que las respuestas son sintéticas y no provienen de votantes reales de Pittsburgh.

La demostración no debe leerse como evidencia de que votantes reales apoyan una política, de que una elección se movería o de que un sistema de IA descubrió la voluntad de un distrito. Debe leerse como una hipótesis de producto: aportes cívicos desordenados pueden convertirse en un informe de escucha estructurado si el sistema conserva evidencia, marca salvedades y obliga a la campaña a enfrentar lo que la gente realmente dijo.

El mejor movimiento de la demo es su tratamiento de aportes coordinados. Seguridad pública parece dominar en el conteo bruto, pero el panel separa un pico de 100 respuestas de incidencia organizada de las respuestas fuera de las reglas de coordinación de la demo. El panel conserva esa posición organizada como aporte válido dentro del escenario sintético, mientras impide que una ráfaga duplicada parezca una prioridad amplia. Un sistema de escucha debe preservar la organización y hacerla legible.

El primer deber es revelar los límites

El ejemplo del pico coordinado apunta a la regla más amplia: el aporte cívico es selectivo. Los estándares de transparencia de AAPOR y el trabajo de Pew sobre encuestas opt-in apuntan a la misma disciplina: decir cómo se reclutó a la gente, quién respondió, qué puede sostener la muestra y qué queda fuera de su alcance. Un canal de escucha puede revelar lo que residentes autoseleccionados decidieron decir. Un canal autoseleccionado describe hablantes, en lugar de estimar la opinión del distrito.

Eso no es una debilidad que deba ocultarse. Es un hecho que debe publicarse.

Un informe serio de Heard.now debería poner los límites de participación junto a cada conclusión. Si los residentes republicanos o cercanos al Partido Republicano están subrepresentados, hay que decirlo. Si un subgrupo es demasiado pequeño, sus hallazgos deben marcarse como direccionales. Si el aporte vino de un enlace de campaña, un grupo comunitario, un código QR o difusión pagada, el canal debe nombrarse. Si la campaña pidió hablar antes de tener espacio real para decidir, también debe decirlo.

La guía de la OCDE sobre participación ciudadana parte de esta premisa: la participación es significativa solo cuando la gente puede afectar la decisión. El espectro IAP2 hace la misma distinción con otro vocabulario. Informar, consultar, involucrar, colaborar y empoderar son promesas distintas. Heard.now debería ayudar a una campaña a cumplir la promesa que realmente hizo.

La privacidad debe ser concreta

La privacidad no es un eslogan. En escucha cívica, la gente puede escribir sobre renta, escuelas, policía, enfermedad, trabajo, familia, inmigración, deuda y miedo. Un sistema que invita esas historias tiene que minimizar datos personales antes de que la historia se convierta en registro cívico.

La siguiente sección describe mi módulo local de referencia para la idea de Heard, no una afirmación verificada sobre la arquitectura de producción de Heard.now. Ese módulo trata la privacidad como una propiedad del sistema, no como un párrafo en una política. El texto libre del residente se desidentifica antes de almacenarse. El contacto opcional para seguimiento se guarda por separado y queda fuera de la superficie de consulta de la campaña. La campaña lee vistas públicas aprobadas, no tablas crudas. Los temas y documentos de nivel individual deben superar un piso de k-anonimato basado en mensajes distintos antes de aparecer. Un extracto público portable omite por construcción envíos crudos, contactos, códigos ZIP, agentes de usuario y documentos por debajo del piso.

La afirmación de privacidad debe mantenerse modesta. La minimización queda por debajo del anonimato perfecto. La desidentificación por patrones puede perder una descripción que identifique a la persona. Los cortes pequeños todavía pueden crear riesgo de inferencia. El piso de k-anonimato cuenta mensajes normalizados distintos, en lugar de personas verificadas, de modo que bloquea parte del duplicado pero deja riesgo de paráfrasis coordinada. Despliegues en el sector público pueden activar obligaciones de registros públicos, retención y supresión que cambian por jurisdicción. La afirmación honesta es más estrecha y más fuerte: el prototipo reduce exposición, limita salidas de nivel individual y vuelve verificable la frontera de publicación. Cumplimiento legal, separación de roles de producción, retención por modelos externos y derecho electoral quedan fuera de la afirmación del módulo de referencia.

La columna técnica es aburrida a propósito

El prototipo local es deliberadamente ordinario. Su fuente de verdad es SQLite. La campaña puede consultar vistas públicas con SQL de solo lectura. Un autorizador de SQLite bloquea lecturas directas de tablas privadas, columnas sensibles, lecturas de tablas de esquema, funciones inseguras y escrituras al nivel de la base de datos. Las exportaciones CSV son seguras frente a fórmulas. Un manejador de progreso limita consultas costosas.

El agrupamiento de temas corre sin conexión y de forma determinista. El sistema no necesita un LLM para decidir qué temas existen. La frontera del LLM está donde debe estar: ayudar a que la conversación con el residente sea clara y adaptativa, con una alternativa local si el proveedor no está disponible. La salida del modelo se analiza como datos, no se ejecuta como autoridad.

La capa de auditoría también es simple. Cada guardado agrega un registro encadenado por hash. Los extractos publicados llevan anclas que pueden verificarse después contra un registro fuente o extracto retenido, para detectar si el registro fuente fue recortado detrás del extracto. Eso no vuelve el registro a prueba de manipulación. Hace que la manipulación sea más difícil de ocultar.

La postura de diseño que más confío en IA cívica usa primitivas aburridas, límites explícitos y verificaciones que una persona escéptica puede volver a ejecutar. En una corrida separada del módulo de referencia SDRAEH el 6 de julio de 2026, `PYTHONDONTWRITEBYTECODE=1 PYTHONPATH=src python3 -B -m sdraeh verify` reportó 12/12 verificaciones aprobadas. Ese comando verifica el módulo local de referencia SDRAEH, no la producción de Heard.now. La página pública actual de zavalab mantiene una afirmación más estrecha: una muestra pública sintética con una ruta de verificación 7/7.

La IA debe organizar atención, no fabricar mandatos

La postura de verificación importa porque Heard.now entra en un campo lleno. Decidim, CitizenLab/Go Vocal, EngagementHQ, Polis y otros sistemas ya recolectan, organizan y reportan aporte público. Heard gana lugar solo si el personal de campaña puede rastrear cada recomendación hasta evidencia sin exponer residentes, ver salvedades de muestra junto a cada afirmación y publicar un registro de seguimiento con solicitudes aceptadas, rechazadas y pendientes.

Polis y vTaiwan muestran una vía para la computación en la práctica democrática: ayudar a grupos grandes a expresar, agrupar y comparar puntos de vista sin colapsar el desacuerdo en un consenso falso. Team Mirai pertenece aquí como analogía actual de política mediada por tecnología. Heard debería tomar esa moderación para la escucha de campañas, porque cada ejemplo trata la computación como una forma de organizar atención en vez de reemplazar la política.

Heard.now ocupa una categoría más pequeña que Polis o una asamblea ciudadana. El producto califica como deliberación solo cuando residentes razonan entre sí bajo un proceso diseñado para ese propósito. Aun así, su tarea más estrecha sigue siendo valiosa: facilitar aportes en lenguaje claro, preservar la estructura de lo que residentes dijeron, reducir la exposición de las personas detrás de esas palabras y hacer que la campaña responda.

Ese paso de respuesta es donde muchos sistemas fallan. Recoger dolor es barato. Cerrar el ciclo cuesta. Una campaña que pide a la gente decir la verdad sobre su vida debe más que una prueba de mensaje. Debe una cuenta pública de lo que escuchó, qué cambió, qué se negó a cambiar y por qué.

El estándar que quiero para Heard.now

Un sistema riguroso de escucha cívica debería cumplir cinco pruebas.

Primero, los residentes deberían poder hablar en lenguaje claro. La interfaz debe hacer una pregunta útil a la vez y evitar convertir una historia humana en formulario antes de que la persona termine de pensar.

Segundo, el análisis debería preservar evidencia. Temas, resúmenes y recomendaciones deben seguir siendo auditables internamente contra el aporte subyacente sin exponer mensajes privados en público.

Tercero, la privacidad debe ser una frontera técnica. Minimizar datos antes de almacenarlos, separar contacto de contenido, publicar solo vistas o extractos aprobados y declarar el riesgo residual.

Cuarto, los límites de muestra deben acompañar cada hallazgo. El aporte autoseleccionado puede orientar atención. No debe hacerse pasar por encuesta.

Quinto, la campaña debe cerrar el ciclo. Un informe de escucha sin registro visible de acción es solo un buzón más bonito.

Estas pruebas son difíciles porque hacen que escuchar sea menos conveniente para la institución que escucha. Ese es el punto. Los pisos de k-anonimato, las salvedades públicas, las fronteras de consulta, las verificaciones de extractos y los registros de auditoría no prueban buena fe. Hacen que la afirmación de escucha sea más inspeccionable.

El final honesto

Heard.now sostiene una promesa democrática más estrecha.

La promesa es más pequeña y más exigente. Una campaña que pide a la gente hablar debe reducir su exposición, preservar el registro, revelar los límites y mostrar qué cambió. La IA puede ayudar a organizar partes de ese trabajo. El coraje político sigue perteneciendo a los humanos.

Por eso el producto debería mantenerse aburrido, local y verificable tanto tiempo como sea posible. El futuro de la IA cívica no debería ser un megáfono más fluido. Debería ser un sistema de escucha que deja registro.

Fuentes