Análisis de afinidad de votantes mediante el uso de IA (LLMs y RAG)

🌐 Publicación

👉 Enlace (LinkedIn)

📝 Descripción

Proyecto exploratorio que utiliza un modelo de lenguaje (LLM) potenciado con la técnica de Retrieval-Augmented Generation (RAG) para analizar y simular la afinidad entre perfiles de votantes ficticios y candidatos presidenciales en Chile. El objetivo no era predecir resultados electorales, sino investigar el potencial de estas tecnologías para analizar escenarios sociales complejos.

🛠️ Metodología

1. Recopilación de Datos: Se construyó una base de conocimiento con entrevistas, planes de gobierno y noticias de los candidatos (~150,000 caracteres por candidato), junto con información sobre el contexto nacional y las preocupaciones de los votantes (~50,000 caracteres).
2. Generación de Perfiles: Se crearon 1,000 perfiles de votantes ficticios con características y prioridades aleatorias para simular un electorado diverso.
3. Procesamiento y Consulta: Mediante un prompt diseñado específicamente, se le pidió al LLM que evaluara la afinidad de cada perfil de votante con las propuestas de los candidatos, considerando el contexto del país.
4. Puntuación y Análisis: Se asignó un puntaje a cada candidato según la afinidad resultante (3 puntos para la más alta, 2 para la segunda y 1 para la última), permitiendo una cuantificación de los resultados.

💡 Tecnologías utilizadas

• Modelo de Lenguaje (LLM): Gemma3 (versiones 4b y 1b-it-fp16)
• Base de Datos Vectorial: ChromaDB
• Modelo de Embeddings: all-MiniLM-L6-v2
• Conceptos Clave: RAG (Retrieval-Augmented Generation), Prompt Engineering, Data Science
• Lenguaje: Python

📈 Resultados y Conclusiones

El modelo asignó puntuaciones de afinidad a los candidatos (ej. Jeannette Jara: 2410, José Antonio Kast: 2009, Evelyn Matthei: 1496). El proyecto demostró con éxito que la combinación de LLM y RAG es una herramienta viable para explorar escenarios complejos, abriendo camino a su uso en contextos analíticos más allá de la simple generación de texto.

🔮 Trabajo Futuro

Se identificaron áreas de mejora que limitaron el rendimiento pero que revelan oportunidades futuras:

• Calidad de la Información: Aumentar la cantidad y mejorar el procesamiento de los datos.
• Potencia del Modelo: Utilizar LLMs más grandes y precisos.
• Optimización de Prompts: Refinar las instrucciones para mejorar la lógica y precisión del modelo.
• Complejidad de Perfiles: Desarrollar perfiles de votantes más elaborados para obtener resultados más segmentados y precisos.