Desde a apuração dos resultados eleitorais no domingo, dia 4, as divergências entre pesquisas de intenção de voto e os resultados das urnas têm reacendido debates públicos sobre a precisão dos métodos tradicionais de sondagem. Nesse contexto, a inteligência artificial (IA) tem sido apontada como uma possível solução para reduzir essas diferenças, sendo vista por alguns como a próxima fase na obtenção de dados eleitorais mais confiáveis. No entanto, a expectativa de que a IA possa substituir completamente as pesquisas tradicionais ainda encontra resistência e questionamentos no meio acadêmico e técnico.
Duas abordagens principais têm sido discutidas para que a IA contribua na melhoria das previsões eleitorais. A primeira envolve o uso de entrevistadores digitais, ou avatares que simulam a interação humana. Estudos indicam que esses avatares podem desempenhar um papel relevante na coleta de dados, especialmente ao criar uma conexão mais forte com os entrevistados, semelhante à relação estabelecida em sessões de psicoterapia. Essa estratégia se apoia na ideia de que, ao saberem que estão conversando com uma inteligência artificial, muitas pessoas se sentem mais à vontade para compartilhar sentimentos e opiniões, o que potencialmente aumenta a sinceridade nas respostas. Segundo dados do Cetic.br, 54% dos usuários de IA no Brasil já admitiram ter compartilhado emoções com essas ferramentas, uma tendência que também foi confirmada por pesquisas conduzidas pela CNN Brasil-Locomotiva.
A segunda abordagem refere-se à modelagem por IA dos vieses amostrais nas pesquisas eleitorais. Nesse método, são utilizados modelos preditivos de deep learning — tecnologia semelhante à empregada em análises de crédito bancário — para identificar e corrigir possíveis distorções nos dados coletados. Essa estratégia procura compensar a sub-representação de certos perfis, especialmente à direita, que frequentemente aparecem menos nas amostras tradicionais. Contudo, implementar essa técnica é complexo, pois requer a incorporação de informações que vão além do histórico eleitoral, incluindo dados de redes sociais e notícias atuais. Além disso, há o risco de manipulação arbitrária, o que coloca em dúvida a integridade dos resultados finais, que podem deixar de refletir fielmente as intenções declaradas pelos eleitores.
Alguns defensores da substituição total das pesquisas por IA comparam o potencial dessa tecnologia ao que ocorre na meteorologia, onde o uso de deep learning, sem resolver diretamente as equações físicas atmosféricas, consegue resultados comparáveis aos métodos tradicionais de previsão do tempo. A ideia seria criar “gêmeos digitais” dos eleitores, capazes de incorporar suas formas de pensar, influências de notícias e preferências, respondendo de forma periódica às pesquisas. Apesar do otimismo, estudos indicam que essa abordagem ainda apresenta limitações. Por exemplo, o Pew Research Center realizou um teste com uma réplica digital de participantes reais, usando o modelo Claude, da Anthropic, e constatou uma diferença média de aproximadamente 12 pontos percentuais entre as respostas simuladas e as respostas originais. Além disso, as réplicas tendem a ser mais assertivas na resolução de dúvidas, o que pode distorcer a representação da incerteza presente nas opiniões humanas.
Embora a tecnologia de IA possa aprimorar a construção de modelos preditivos e oferecer insights valiosos, especialistas alertam que ela não deve substituir a escuta direta e a coleta de dados tradicionais. A visão de que a IA é uma ferramenta auxiliar, e não uma infraestrutura cognitiva completa, é considerada a abordagem mais prudente neste momento. Assim, o uso de inteligência artificial na pesquisa eleitoral deve ser visto como um complemento, capaz de aprimorar a análise, mas não de substituir totalmente os métodos convencionais, cuja validade ainda é reconhecida como fundamental para a compreensão das intenções de voto.
