Ingeniero reveló cómo creó el modelo que anticipó el triunfo de Keiko Fujimori

Luis Rivera, ingeniero de software y docente de la Universidad Peruana de Ciencias Aplicadas (UPC), ganó notoriedad durante la campaña electoral de 2026 al anticipar —con un enfoque de análisis y proyección— un resultado favorable para Keiko Fujimori frente a Roberto Sánchez.

Tras el reconocimiento recibido en su casa de estudios, el especialista explicó a Infobae Perú los criterios detrás de su estimación y cómo construyó el modelo que lo puso en el centro de la conversación pública.

¿Cómo era tu modelo y por qué fue capaz de anticipar el resultado de las elecciones 2026 en la segunda vuelta?

Creo que la idea clave fue usar los datos de la primera vuelta y alimentarse de una cantidad masiva de información de manera barata. Lo que hago es descargar las 93 mil mesas, aproximadamente, de la primera vuelta y, luego, ir descargando las mesas que van llegando en la segunda vuelta hasta completar, otra vez, las 92.766 mesas en segunda vuelta.

Es una forma progresiva de ir tomando los datos que la ONPE ofrece gratuitamente. Me parece excelente el servicio de datos abiertos que han dado. Lo tradicional es hacer encuestas antes de la elección; lo que yo hice fue, después de la elección, una vez que la ONPE iba subiendo sus datos, yo los iba descargando automáticamente.

¿Qué tipo de algoritmo usaste y con qué modelo trabajaste? ¿Aplicaste alguna fórmula en particular?

Básicamente, usé una regresión para proyectar cómo las mesas de primera vuelta se transferirían a segunda vuelta. Lo bueno es que, en nuestro sistema electoral, las mesas se repiten: son exactamente los mismos votantes entre primera vuelta y segunda vuelta. Entonces, para cada mesa veo qué votación tengo en primera vuelta y qué votación tengo en segunda vuelta.

Antes ya habías proyectado que Roberto Sánchez iba a pasar a segunda vuelta, mientras que las encuestas todavía lo ubicaban por debajo. ¿Cómo llegaste a esa predicción?

En realidad, la idea de la proyección electoral surge en la misma primera vuelta. Voy armando sistemas que van avanzando y evolucionando, con algoritmos cada vez más precisos. En un momento me decidí por Roberto Sánchez y esa proyección se quedó estática. Ahí sigue colgado el sitio web: desde más o menos el 60% del conteo, Roberto Sánchez ya estaba fijo. En otro momento di el estimado y la diferencia fue de 129 votos entre lo que yo proyecté como diferencia para Roberto Sánchez y lo que salió en realidad.

Cuando hiciste pública tu predicción de la segunda vuelta, ¿qué nivel de confianza tenías y en qué te basabas para sostener que Keiko Fujimori iba a ganar?

Para tener ese nivel de seguridad, probé el algoritmo en todos los años pasados, en las elecciones que ya están en el histórico de la ONPE: 2006, 2011, 2016 y 2021. En todos los casos daba la predicción correcta desde el 5 % del conteo. Por margen de seguridad, cuando di la predicción estaba alrededor del 30 % del conteo. Desde ese momento, en ningún año erraba la predicción. Además, tenía modelos alternativos que también daban la misma predicción, pero el más exacto fue con el que di la proyección de 50,15 para Keiko y 49,85 para Sánchez.

¿Qué herramientas y tecnologías usaste para desarrollar el modelo y presentarlo?

Las tecnologías que usé para hacer el modelo estadístico fueron, básicamente, Python. Python tiene varias librerías de machine learning, como scikit-learn, y por dentro usa bastante esa librería llamada sk-scikit-learn. La parte que muestra cómo funciona, por fuera, está hecha en otras tecnologías: está hecha en React, una tecnología web donde el usuario puede ver el mapa, seleccionar el tipo de mapa, hacer clic en los distintos departamentos y distritos y ver cómo… Pero la tecnología base es Python.

¿Qué peso tuvo el voto en el extranjero dentro de tu algoritmo?

Fue una de las mayores fuentes de incertidumbre, porque hay muchas partes, sobre todo en Estados Unidos, donde Keiko Fujimori pierde 20 mil votos respecto a la elección de 2021. En el momento en que doy la predicción en Epicentro, digo: si el ausentismo fuera el mismo este año que en 2021, Keiko ganaría por alrededor de 75 mil votos.

Pero por los reportes que iban llegando de cancillería —que decían que hubo más ausentismo—, y también por un reporte de encuestadoras que informaban que iba a haber más ausentismo que las veces pasadas, lo reduje a 50 mil. Entonces, decía: si fuera un ausentismo como los años pasados, sería 75 mil; pero según los reportes que nos iban llegando, sería 50 mil, y eso quedó muy cerca de lo que terminó siendo: alrededor de 49.641 votos.

Mencionas que lo replicaste con elecciones anteriores. ¿Cómo validaste el modelo con datos históricos?

Sí, como visión retrospectiva. Me descargué las elecciones históricas de 2006, 2011, 2016 y 2021 y corrí el algoritmo en todas esas elecciones en un escenario realista. Nuestras elecciones tienen la particularidad de que primero llegan los votos urbanos: llega Lima y Lima se llena muy rápido.

Luego llegan grandes ciudades, algunas del sur también, y después se van llenando los lugares rurales, que son distritos difíciles de llegar, por ejemplo, el datel del Marañón. Entonces, el modelo tiene que ser capaz de llenar esos huecos sin asumir que es uniforme. No puede asumir que el datel del Marañón vota igual que Lima y llenarlo con esa información. Tiene que ser lo suficientemente inteligente para completar esos huecos correctamente.

¿Usaste inteligencia artificial en algún punto del proceso?

Usé inteligencia artificial para programar. La idea fue usar un agente de IA para que me diera muchas alternativas distintas de modelos. Tenía alrededor de 20 modelos distintos de algoritmos y los probé contra los años pasados. De esos, escogí los dos mejores, los que tuvieron menor cantidad de error. Luego le volví a pedir a la IA: “Hazme de cada uno de estos dos, diez variantes distintas y prueba las nuevas veinte variantes”. Me quedé con la mejor variante de todas.

En lo que me ayudó la IA fue a programar muchos algoritmos distintos, probarlos y hacer que “evolucionen”, entre comillas. Pero fue clave la supervisión humana: yo leí el funcionamiento de cada algoritmo.

En algún momento detecté que la IA, por irse por el camino más fácil, estaba usando la data del conteo al 100 % de años pasados para predecir al 30%. Eso es inválido: está “viendo el futuro” y haciéndome pensar que predice, pero es falso. En la noche electoral yo no iba a tener el conteo al 100 % hasta casi un mes después. La supervisión humana fue muy importante. También ayudó poder programar decenas de algoritmos de manera rápida: yo, como una persona, habría necesitado muchas más horas hombre para hacer lo mismo.

¿Qué proyecciones tienes para las elecciones de Lima?

Todavía es muy incierto. Se están definiendo los candidatos. Están apelando si López Aliaga puede o no postular, o si puede o no renunciar a su cargo en el Senado. Todavía es incierto, y hay muchos candidatos con situaciones parecidas: no es el único a nivel nacional.

Habría que esperar a que se cierre ese tema y luego aplicar el algoritmo para las elecciones regionales y municipales, que es un poco distinto porque, por ejemplo, en las municipales no hay segunda vuelta: el que gana por votos gana y ya. En las regionales sí hay segunda vuelta, si es necesario. A veces también hay un solo candidato y gana automáticamente. Hay muchos detalles que afinar para las siguientes elecciones.