El noventa por ciento. Esa es la participación aproximada del gasto en IA de pago en la Cámara que fluye hacia las arcas de OpenAI. Mientras la prensa gusta de hablar de la «carrera armamentística de la IA» como una batalla entre laboratorios, la batalla real por la burocracia ya está ganada. Los registros de gastos de la Cámara muestran que ChatGPT no es solo una herramienta para unos pocos pasantes con conocimientos tecnológicos; se ha convertido en el sistema operativo por defecto para una parte significativa de Capitol Hill. Esto no se trata solo de unas pocas suscripciones; se trata de una migración sistémica de la mano de obra gubernamental hacia un único punto final propietario.
Según TechCrunch, las oficinas del Congreso dependen del chatbot para todo, desde redactar memorandos y resumir legislación hasta manejar la interminable faena de comunicaciones con los constituyentes. En apariencia, esto parece una victoria para la eficiencia. ¿Por qué dedicar cuatro horas a resumir un proyecto de ley de asignaciones de 600 páginas cuando un prompt puede hacerlo en seis segundos? (Y seamos honestos, la mayoría del personal preferiría hacer cualquier otra cosa). Pero la eficiencia es una métrica peligrosa cuando el resultado es la ley del país. La verdadera fricción no es el costo mensual del plan Pro —que es un error de redondeo en un presupuesto federal—, sino el hecho de que estas herramientas se están usando como sustituto de la lectura crítica.
Hay una diferencia fundamental entre usar un LLM para pulir una nota de agradecimiento a un donante y usarlo para sintetizar los matices de una enmienda legislativa. Lo primero es una tarea administrativa; lo segundo es una tarea cognitiva. Cuando un miembro del personal le pide a un modelo que resuma un proyecto de ley, no solo está ahorrando tiempo: está externalizando el acto real de leer y comprender. Estamos avanzando efectivamente hacia un sistema donde las personas que redactan las leyes dependen de una caja negra para decirles qué están escribiendo. Esto convierte el proceso legislativo en un juego de «teléfono descompuesto» donde la primera persona de la cadena es un predictor probabilístico de tokens que en realidad no sabe qué es una «ley».
Es un poco como un piloto que depende totalmente del piloto automático sin saber cómo volar realmente el avión. Funciona perfectamente hasta que los sensores fallan, y de repente el piloto está mirando un avión que se estrella sin saber qué palanca tirar. En el contexto del Congreso, el «fallo» no es un estrellamiento: es una alucinación. Una «no» sutilmente mal colocada o una cláusula fabricada en un resumen puede cambiar por completo el significado de una política. O tal vez esté exagerando el riesgo —algunos podrían argumentar que un humano siempre revisa el resultado—, pero los registros sugieren que la escala es demasiado grande para que la verificación manual sea la red de seguridad principal. En una base de código, tienes un compilador para detectar errores. En la legislación, el «compilador» es el sistema legal, y los errores allí se llaman demandas y crisis constitucionales.
¿Queremos realmente que las personas que redactan el código tributario lo traten como un prompt de ensayo de secundaria? La brecha de responsabilidad aquí es asombrosa. Si un miembro del personal pasa por alto un detalle en un proyecto de ley, es un error humano y hay una cadena clara de rendición de cuentas. Si un modelo alucinó una disposición y esa disposición se convierte en la base para una votación de comité, ¿quién es responsable? La suscripción a OpenAI la paga el contribuyente, pero el costo de una sola alucinación de alto perfil en un resumen publicado será mucho mayor que cualquier tarifa mensual de API. Estamos intercambiando rigor cognitivo por una entrega más rápida de correos electrónicos, un intercambio que se ve genial en una hoja de cálculo de productividad pero terrible en un tribunal.
Para el cuarto trimestre de 2026, veremos la primera investigación formal de ética del Congreso desencadenada por una cláusula alucinada en un resumen legislativo publicado. Es inevitable. El mero volumen de uso reportado en estos registros de gastos significa que la «certeza estadística» de un error grave ya se ha alcanzado. Solo estamos esperando el documento específico que cause la explosión. Esto no es una cuestión de «si» sino de «cuándo», ya que la brecha entre la confianza del modelo y su precisión es exactamente donde nacen las leyes más peligrosas.
Es un desastre esperando un catalizador.
