En agosto de 2026, la detención en Bolivia de Fernando Cerimedo, exasesor del presidente argentino Javier Miel y conocido como el «Rey de los Trolls», puso en el punto de mira a una industria que llevaba años operando en la sombra de la política latinoamericana. La policía boliviana descubrió una granja de bots en una propiedad vinculada a Cerimedo, y fiscales e investigadores documentaron su presunta participación en campañas electorales en al menos seis países de la región, entre ellos Argentina, Chile, Brasil y México.
El vínculo con Perú es particularmente directo, como bien menciona La Encerrona, una fotografía que circuló en estos días lo muestra con Keiko Fujimori, reforzando la pista de que «Marinos y argentinos forman parte de la red». Fujimori negó que Cerimedo hubiera participado en ninguna de las elecciones, pero la expareja de Cerimedo testificó que sí lo había hecho: él mismo le dijo que había estado en contacto con el equipo de la candidata en Perú. En Chile, las autoridades abrieron una investigación formal sobre sus supuestos vínculos con el referéndum de rechazo y la campaña electoral de Kast. En este contexto, el de una red transnacional que genera consenso digital y exporta desinformación de elección en elección, es relevante la siguiente pregunta: ¿Representan las granjas de trolls una amenaza a la democracia y por qué la regulación peruana de la inteligencia artificial ya tiene algo que decir al respecto?
Cuando hablamos de fábricas de trolls, solemos pensar en cuentas falsas, propaganda, insultos o tendencias creadas artificialmente. Todo esto forma parte del problema; sin embargo, la amenaza más profunda reside en otra parte: en cómo entendemos el mundo.
Los seres humanos somos criaturas profundamente sociales. Para sobrevivir, aprender y tomar decisiones, hemos desarrollado mecanismos que nos permiten utilizar el comportamiento y las opiniones de los demás como información. Si mucha gente se mueve en una misma dirección, probablemente haya una razón. Si varias personas independientes nos advierten de algo perjudicial, es razonable prestar atención.
El problema surge cuando alguien descubre que puede falsificar esa misma señal. Una fábrica de trolls puede hacer que una sola organización política o una opinión política parezca estar compuesta o sostenida por cientos, miles o decenas de miles de personas diferentes. Puede convertir una postura minoritaria en una aparente mayoría, repetir una declaración hasta que se convierta en conocimiento común o generar espontáneamente indignación, entusiasmo o rechazo.
La inteligencia artificial lleva esta capacidad a un nivel completamente nuevo: ya no es necesario emplear a cientos de personas para gestionar cientos de identidades. Basta con programar y dejar que la granja de trolls haga todo el trabajo y, desde septiembre de 2025, el Reglamento peruano de Inteligencia Artificial incluye una prohibición que podría afectar directamente a este tipo de uso de la IA.
Creemos en otras personas por una buena razón
La influencia de la sociedad en nuestras creencias no es una especulación reciente surgida con las redes sociales. Existe una larga tradición de investigación sobre el aprendizaje social, la conformidad y la influencia de la información. La premisa es sencilla: en tiempos de incertidumbre, las acciones y creencias de los demás pueden servir como información adicional que nos ayuda a formar nuestros propios juicios.
Desde la perspectiva de la teoría de la evolución cultural, se ha sugerido que cierta tendencia a aprender de la mayoría podría haber sido adaptativa. En 1998, Joseph Henrich y Robert Boyd modelaron lo que se conoce como conformist transmission: bajo ciertas condiciones, la adopción de los comportamientos más comunes dentro de un grupo permite la adquisición de métodos que otros miembros de la comunidad han encontrado útiles. 1
Existe evidencia experimental que lo respalda. En 2012, Daniel Haun, Yvonne Rekers y Michael Tomasello descubrieron que los niños pequeños eran más propensos a imitar un comportamiento realizado por tres personas diferentes que un comportamiento realizado tres veces por una sola persona2. El cerebro parece prestar atención a cuántas personas independientes realizan una conducta, no solo a cuántas veces se observa.
La neurociencia también ha encontrado correlatos de este proceso. En 2009, Vasily Klucharev y sus colegas utilizaron imágenes por resonancia magnética para demostrar que cuando el juicio de un participante discrepaba del grupo, aparecía actividad similar al error de predicción en regiones asociadas con mecanismos de aprendizaje; y la magnitud de esa respuesta predecía cambios posteriores de valoración hacia la opinión colectiva.3 Un estudio posterior4 halló que estos cambios iban acompañados de modificaciones en regiones asociadas con la representación subjetiva de los valores, como el núcleo accumbens y la corteza orbitofrontal: la información social puede cambiar no solo el comportamiento externo, sino también nuestra propia valoración.
A este mecanismo se suma el efecto de verdad ilusoria (illusory truth effect): la mera exposición repetida a una afirmación incrementa su percepción de veracidad, incluso sin nuevas evidencias. Hasher, Goldstein y Toppino lo documentaron ya en 1977 (mucho antes de que Internet siquiera existiera como lo conocemos hoy),5 y un metaanálisis de Alice Dechêne y sus colegas en 2010 confirmó su consistencia en 51 estudios.6
En 2015 se descubrió que la repetición podría aumentar la percepción de verdad incluso frente a afirmaciones que contradecían conocimientos que los participantes ya tenían.7 Y, en 2018, ya iniciado el fenómeno y la problemática de las fake news, se argumentó que incluso una sola exposición previa a titulares falsos aumentaba posteriormente su percepción de exactitud, efecto que persistía una semana y aparecía incluso cuando los titulares incluían advertencias disputando su veracidad.8
Tenemos, entonces, dos piezas clave de la evaluación social de nuestro cerebro que una granja de trolls o una granja de bots puede explotar simultáneamente:
repetición → familiaridad → mayor plausibilidad
pluralidad de personas → consenso aparente → información social adicional
La estructura real de una granja de trolls es:
Un operador → cien cuentas → cien mensajes
La estructura percibida por el usuario de redes de sociales, con más o menos alfabetización digital y/o mediática puede ser:
Cien ciudadanos → cien experiencias independientes → una conclusión compartida.
Ahí está el engaño. La granja de trolls no necesita conseguir que creamos directamente una mentira. Puede intentar algo más sutil: alterar nuestra percepción de aquello que los demás creen. Y sabemos que esas señales importan incluso en entornos digitales. En 2013, Lev Muchnik, Sinan Aral y Sean Taylor mostraron mediante un experimento aleatorizado a gran escala que un único voto positivo introducido artificialmente en una plataforma de noticias aumentó en 32 % la probabilidad de recibir otra valoración positiva y elevó, en promedio, las valoraciones finales en 25 %.9 La manipulación inicial terminaba convocando comportamiento humano auténtico. La frontera entre lo artificial y lo orgánico comienza a desaparecer.
La granja de trolls como exploit cognitivo y la IA
En seguridad informática, un exploit aprovecha una vulnerabilidad de un sistema. La metáfora es útil pero con una precisión importante: la influencia social no es originalmente una falla, es una funcionalidad (lo cual lo hace peor). Aprender de otros ha sido fundamental para la transmisión cultural humana. Usar el consenso como información permite evitar tener que comprobar personalmente cada cosa que sabemos.
La granja de trolls convierte esa característica en superficie de ataque ya que fabrica aquello que nuestro cerebro interpreta razonablemente como evidencia social. No intenta únicamente introducir información falsa dentro del debate, sino que falsifica el propio debate.
Antes, sostener cientos de identidades requería cientos de personas. Los modelos generativos reducen drásticamente ese costo: un sistema puede producir miles de variaciones lingüísticas de una misma narrativa, adoptar diferentes registros, estilos y preocupaciones, y mantener conversaciones adaptadas a diferentes públicos.
Los estudios disponibles indican que el contenido producido por modelos de lenguaje puede ser políticamente persuasivo. En 2025, se publicó en Nature Communications tres experimentos prerregistrados con 4.829 participantes que encontraron cambios pequeños pero estadísticamente significativos en posiciones sobre distintas políticas públicas, con una eficacia comparable a mensajes escritos por personas comunes.10 Existe además evidencia de que los modelos generativos permiten escalar la persuasión personalizada, adaptando mensajes a características psicológicas de sus destinatarios.11
Y los bots amplifican. Chengcheng Shao y sus colegas analizaron 14 millones de mensajes publicados en Twitter entre 2016 y 2017 y encontraron que los bots desempeñaban un papel desproporcionado en la difusión de contenidos de baja credibilidad, especialmente en las primeras etapas de propagación, y que usuarios humanos posteriormente compartían ese contenido.12
La IA combina lo que antes estaba separado: automatización + generación de contenido + personalización + multiplicación de identidades + interacción continua. Una persona puede adquirir artificialmente la apariencia de una multitud y, de esta forma, aprovechar el exploit cognitivo mencionado previamente.
Ahora bien, es importante mencionar que las granjas de trolls no son dispositivos mágicos capaces de cambiar automáticamente la ideología o el voto de cualquier persona. La evidencia sobre campañas reales es más compleja. Un estudio publicado en Nature Communications en 2023 analizó la exposición de usuarios estadounidenses de Twitter a la operación de la Internet Research Agency rusa durante las elecciones de 2016. Aunque millones estuvieron potencialmente expuestos a ese contenido, la exposición estuvo fuertemente concentrada y los investigadores no encontraron evidencia de relación significativa entre esa exposición y cambios en actitudes, polarización o comportamiento electoral.13
No obstante, no hace falta demostrar que una fábrica de trolls puede decidir unas elecciones por sí sola para comprender su amenaza ya que puede aumentar artificialmente la visibilidad de ciertas posturas, distorsionar la percepción de qué opiniones constituyen la mayoría, crear la impresión de consenso donde no existe; y, sobre todo, puede difundir desinformación sobre la propia sociedad.
Una democracia presupone que las personas pueden observar y responder a las posturas de los demás. Si alguien cree estar escuchando a cien ciudadanos, pero en realidad interactúa con cien representantes controlados por la misma organización, las condiciones en las que se forma su voluntad política se ven distorsionadas. El problema entonces ya no se limita a la libertad de expresión. Se convierte también en un problema de autonomía y, en elecciones, autonomía para tomar decisiones políticas.
Y el Reglamento peruano de IA ya tiene algo que decir
Desde septiembre de 2025, el Perú cuenta con el Reglamento de la Ley N.° 31814, aprobado mediante Decreto Supremo N.° 115-2025-PCM. Su artículo 23.1.a considera indebido destinar sistemas basados en IA a “influir de manera engañosa o manipulativa en la toma de decisiones” de las personas, con mención expresa al aprovechamiento de “vulnerabilidades cognitivas, emocionales o socioeconómicas” y a la afectación de la autonomía decisional.
Una granja de trolls operada mediante inteligencia artificial puede encajar en esta disposición. No porque toda influencia política sea manipulación (persuadir forma parte de la democracia), sino porque el elemento cualitativamente diferente aparece cuando se falsifica deliberadamente la identidad o independencia de quienes supuestamente participan en la conversación para aprovechar la influencia que ese consenso aparente tendrá sobre otras personas. Es decir, cuando se aprovecha la vulnerabilidad cognitiva reseñada previamente.
El usuario puede observar conscientemente cada publicación. Lo que desconoce es la verdadera estructura de aquello que observa. Cree que A, B, C, D y E llegaron independientemente a determinada opinión cuando, en realidad sucedió que:
Persona u organización → opinión o posición → sistema de IA → A, B, C, D y E..
En este punto, lo jurídicamente relevante es analizar si la granja de trolls, potenciada mediante el uso de IA, genera un engaño o aprovecha una vulnerabilidad de las personas y cómo ello puede afectar la autonomía política de las personas.
Hay además una limitación práctica importante. El Reglamento no establece por sí mismo un régimen sancionador integral. Es decir, tenemos una prohibición normativa importante, pero todavía no se puede se puede operativizar. Tenemos la prohibición pero no su forma de hacerla efectiva.
La democracia presupone personas
La inteligencia artificial obliga a mirar una capa anterior a la del contenido. Antes de preguntarnos qué se está diciendo, tendremos que preguntarnos cada vez más quiénes existen realmente detrás de quienes lo están diciendo.
Una democracia depende en buena medida de nuestra capacidad para observar a los demás. Miramos qué preocupa a nuestros vecinos. Evaluamos qué ideas parecen ganar respaldo. Discutimos, imitamos, cuestionamos y cambiamos de opinión. Todo ello se apoya sobre un presupuesto extremadamente básico: que las otras personas, efectivamente, sean otras personas. Las granjas de trolls atacan ese presupuesto, y la inteligencia artificial permite hacerlo con una capacidad inédita de escala, variación y automatización.
El riesgo más profundo no está en que una máquina pueda escribir propaganda particularmente brillante. Está en que una máquina pueda fabricar sociedad: puede fabricar una multitud donde existe un operador, puede fabricar consenso donde existe una estrategia y puede fabricar espontaneidad donde existe coordinación.
Y al hacerlo aprovecha algo íntimo y profundamente humano: nuestra confianza en que observar a los demás nos ayuda a comprender el mundo. La misma arquitectura cognitiva que hizo posible nuestra vida colectiva se convierte, ahora, en una superficie de ataque contra ella.

Director Ejecutivo
Abogado por la Pontificia Universidad Católica del Perú.
Joseph Henrich y Robert Boyd, ‘The Evolution of Conformist Transmission and the Emergence of Between-Group Differences’, Evolution and Human Behavior 19, n.° 4 (1998), pp. 215-241.↩
Daniel B. M. Haun, Yvonne Rekers y Michael Tomasello, ‘Majority-Biased Transmission in Chimpanzees and Human Children, but Not Orangutans’, Current Biology 22, n.° 8 (2012), pp. 727-731.↩
Vasily Klucharev et al., ‘Reinforcement Learning Signal Predicts Social Conformity’, Neuron 61, n.° 1 (2009), pp. 140-151.↩
Jamil Zaki, Jessica Schirmer y Jason P. Mitchell, ‘Social Influence Modulates the Neural Computation of Value’, Psychological Science 22, n.° 7 (2011), pp. 894-900.↩
Lynn Hasher, David Goldstein y Thomas Toppino, ‘Frequency and the Conference of Referential Validity’, Journal of Verbal Learning and Verbal Behavior 16, n.° 1 (1977), pp. 107-112.↩
Alice Dechêne et al., ‘The Truth About the Truth: A Meta-Analytic Review of the Truth Effect’, Personality and Social Psychology Review 14, n.° 2 (2010), pp. 238-257.↩
Lisa K. Fazio et al., ‘Knowledge Does Not Protect Against Illusory Truth’, Journal of Experimental Psychology: General 144, n.° 5 (2015), pp. 993-1002.↩
Gordon Pennycook, Tyrone D. Cannon y David G. Rand, ‘Prior Exposure Increases Perceived Accuracy of Fake News’, Journal of Experimental Psychology: General 147, n.° 12 (2018), pp. 1865-1880.↩
Lev Muchnik, Sinan Aral y Sean J. Taylor, ‘Social Influence Bias: A Randomized Experiment’, Science 341, n.° 6146 (2013), pp. 647-651.↩
Hui Bai et al., ‘LLM-Generated Messages Can Persuade Humans on Policy Issues’, Nature Communications 16 (2025), art. 6037.↩
S. C. Matz et al., ‘The Potential of Generative AI for Personalized Persuasion at Scale’, Scientific Reports 14 (2024), art. 4692.↩
Chengcheng Shao et al., ‘The Spread of Low-Credibility Content by Social Bots’, Nature Communications 9 (2018), art. 4787.↩
Gregory Eady et al., ‘Exposure to the Russian Internet Research Agency Foreign Influence Campaign on Twitter in the 2016 US Election and Its Relationship to Attitudes and Voting Behavior’, Nature Communications 14 (2023), art. 62.↩
