Před několika lety musel volič, který chtěl prověřit kandidáta na primátora města, navštívit jeho webové stránky, procházet média (včetně těch „tradičních”), sledovat debaty, ptát se přátel nebo procházet několik stránek výsledků Google. Dnes čím dál častěji může udělat něco jednoduššího – položit otázku svému oblíbenému chatu (velkému jazykovému modelu).
Není dokonce ani nutné… znát jména. Není třeba vědět, kdo je z jakého výboru. Není nutné sledovat tiskové konference. Obecně, nemusí toho příliš mnoho. Ale může. Může se ptát: „Kdo má v Krakově nejlepší dopravní program?”, „Který kandidát je spojen s Novou Hutí?”, „Kdo chce změnit Zónu čisté dopravy?”, „Má kandidát PiS zkušenosti s místní samosprávou?”, „Kdo v těchto volbách konkrétně hovoří o životních nákladech?”.
A dostane odpověď.
Ne seznam odkazů. Ne klasický výsledek vyhledávání. Ne neutrální databázi dokumentů. Dostane syntetický popis politické scény, sestavený LLM na základě toho, co model najde, zapamatuje si, interpretuje, považuje za důležité a uspořádá do odpovídající hierarchie. A to pro uživatele, který si částečně „vychoval” své „Tamagotchi” z třetí dekády (jak to zní!) XXI. století. Jen ho nekrmí a nemyje stiskem tlačítek, ale hází mu kousky sebe sama, které odhalují jeho zvyky.
To je nová vrstva volební kampaně. Tichá, soukromá, obtížně monitorovatelná a – v místních volbách – potenciálně velmi významná.
Krakov jako laboratoř voleb v éře GenAI
Krakov je dobrým místem, kde lze tuto změnu vidět v praxi. Není to malá obec, ale také ne celostátní kampaň, ve které je každý kandidát neustále přítomen v hlavních médiích. Podle údajů GUS měl na konci roku 2025 Krakov 816 614 obyvatel. Je to velký, složitý městský organismus: s centrem, Novou Hutí, periferními čtvrtěmi, vysokými školami, turistikou, podnikáním, dopravou, konflikty o zeleň, územním plánováním, cenami městských služeb a způsobem správy města. zdroj: Krakov v číslech
K tomu se přidává výjimečný politický kontext. V místním referendu 24. května 2026 dosáhla účast v hlasování o odvolání primátora Krakova 29,99 % — dostatečně na to, aby bylo referendum platné a rozhodující. V paralelním hlasování o odvolání Rady města byla účast 29,97 %, takže zákonný práh nebyl překročen. Rozdíl se zdá být minimální, politické důsledky jsou však zcela odlišné. zdroj: Město Krakov
Krakov má také čerstvou zkušenost s velmi vyrovnanou soutěží. Ve druhém kole prezidentských voleb v roce 2024 získal Aleksander Miszalski 51,04 % hlasů, zatímco Łukasz Gibała 48,96 %. Podle zpráv založených na údajích PKW byl rozdíl 5434 hlasů. zdroj: Rzeczpospolita
To jsou čísla, při kterých je důležité dávat pozor na každý nový zdroj informačního vlivu. Ne proto, že chatbot „vybere primátora Krakova”. To je příliš silná teze. Ale proto, že v kampani, kde několik tisíc hlasů může změnit výsledek, má význam také to, kdo je viditelný, kdo je opomíjen, s čím je spojován a jak je popisován v odpovědích generativní umělé inteligence, po které se uživatelé stále častěji obracejí.
Volič nejen hledá. Volič se ptá
Nejdůležitější změna nespočívá v tom, že AI dokáže vygenerovat spot, meme nebo deepfake. To samozřejmě také má význam, ale je to již poměrně dobře prozkoumané téma. O tom se hodně mluví, existují kampaně – méně nebo více společenské. Méně nebo více placené konkrétními volebními výbory.
Zajímavější a méně zřejmá změna se týká toho, že LLM se stávají soukromými informačními poradci. Volič se nemusí ptát: „Jaký je program Michała Drewnického”. Možná si ani nepamatuje toto jméno. Může se ale ptát: „Kdo má v Krakově zkušenosti s místní samosprávou?”, „Který kandidát hovoří o Nové Hutě?”, „Kdo má konkrétní, jasné stanovisko k SCT?”, „Je kandidát PiS v Krakově pouze stranický, nebo má místní zkušenosti?”.
Takové otázky jsou mnohem blíže skutečnému rozhodovacímu procesu. Lidé zřídka porovnávají celé programy od začátku do konce. (mimochodem… která strana v roce 2024 popsala svůj jasný volební program, a nejela na vlně měnících se průzkumů, pokřiků na mítincích a hádání měřeného v „sociálních médiích”?) Častěji hledají odpovědi na své vlastní problémy: dojíždění, ceny, zeleň, škola, chodník, parkování, zástavba za oknem, pocit chaosu na úřadě nebo nedostatek vlivu na rozhodnutí města.
Právě zde velké jazykové modely začínají fungovat jako nový zprostředkovatel. Nejenže poskytují informace. Oni uspořádávají scénu. Vyberou, které kandidáty zmínit. Rozhodují, které fakta považovat za důležitá. Zkracují složitý kontext na několik odstavců. A často to dělají způsobem, který neuvidíme v klasickém monitorování médií, SEO ani analýze sociálních médií. Tím pádem lze předpokládat, že volební agentury a jejich „přestřelení” se stále více stanou jedním z hlavních témat komentářů po exit poolech.
To už není technologická nika
Pokud si někdo myslí, že „chatboti” jsou stále hračkou pro studenty a technologický sektor, data rychle ochlazují tento názor. Podle zprávy Gemius/PBI v červnu 2025 používalo ChatGPT v Polsku více než 9,3 milionu skutečných uživatelů. To představovalo 31,4 % internetových uživatelů a 28,6 % populace ve věku 7–75 let. Zpráva také ukázala, že mezi uživateli ChatGPT jsou nadměrně zastoupeni lidé mladší 35 let, a ve skupině 25–34 let byl průměrný čas používání v červnu 2 hodiny a 42 minut. zdroj: Gemius/PBI
Na evropské úrovni Eurostat uvedl, že v roce 2025 používalo nástroje generativní AI 32,7 % obyvatel EU ve věku 16–74 let. Ve skupině 16–24 let byl tento podíl již 63,8 %. zdroj: Eurostat
To je důležité, protože mladší voliči jsou zároveň skupinou, která je ochotnější používat nové informační nástroje a skupinou, která má v místních volbách často méně stabilní účast. Není třeba předpokládat masový přechod celé kampaně do systémů podporovaných umělou inteligencí. Stačí si uvědomit, že pro významnou část uživatelů se konverzace s chatbotem stává jedním z přirozených způsobů uspořádání informací.
AI jako nástroj pro zprávy, politiku a rozhodování
Data Reuters Institute ukazují, že AI chatboti jsou již používáni k konzumaci informací, i když stále nepřevládají. V roce 2026 10 % dotázaných na 45 trzích uvedlo, že týdně používají AI chatboti pro zprávy, oproti 7 % o rok dříve. Ještě zajímavější je, jak lidé tyto nástroje používají: 42 % uživatelů zpravodajských chatbotů klade prohlubující otázky, 35 % je používá k získání nejnovějších informací, 34 % k shrnutí, 30 % k zjednodušení složitých témat a 33 % k hodnocení důvěryhodnosti zdrojů. zdroj: Reuters Institute Digital News Report
To je téměř hotový popis chování voliče v místní kampani. „Vysvětli mi, o co jde se Zónou čisté dopravy”. „Shrň rozdíly mezi kandidáty”. „Kdo je důvěryhodný v otázce dopravy?”. „Má tento kandidát opravdu zkušenosti s místní samosprávou?”. „Jaké zdroje potvrzují jeho prohlášení?”.
V tomto okamžiku AI přestává být pouze nástrojem pro psaní textů. Stává se rozhraním pro veřejnou realitu.
Nejsilnější varovný signál – voliči se již ptají GenAI na volby
Jedno z nejzajímavějších čísel pochází z výzkumu týkajícího se parlamentních voleb ve Velké Británii v roce 2024. Reprezentativní studie 2499 dospělých ukázala, že v týdnu před volbami 32 % uživatelů chatbotů (13 % všech oprávněných voličů) používalo konverzační AI k hledání informací přímo souvisejících s volebním rozhodnutím. zdroj: arXiv, studie UK 2024
To není marginální detail. To je signál, že chatboti vstupují do samotného procesu voleb: ne jako abstraktní technologie, ale jako nástroj používaný v okamžiku, kdy volič právě činí rozhodnutí, uspořádává argumenty nebo se snaží pochopit politickou scénu. Často těsně před vstupem do volební místnosti.
Co je důležité, autoři této studie nevytvářejí jednoduchý alarmistický závěr. V sérii experimentů s účastí 2858 účastníků zjistili, že používání chatbotů nezhoršovalo politické znalosti; naopak, zvyšovalo je v podobné míře jako tradiční internetové vyhledávání. zdroj: AI Security Institute
A právě proto je téma zajímavější než obyčejný příběh o hrozbě. Je čas na truismus. Dokonce ho vyznačím tučně, aby byl nápadnější. Není zač…
LLM mohou pomáhat voličům lépe chápat politiku. Ale mohou také mást, opomíjet, zjednodušovat, neaktuálně identifikovat kandidáty nebo budovat určité interpretační rámce.
Druhá strana – odpovědi chatů mohou být vadné
Problém spočívá v tom, že odpovědi modelů vypadají uspořádaně, jistě a kompletně, i když obsahují mezery. Víš… jako ten poznaný na studentské párty budoucí inženýr (jak osud a profesoři dovolí) AGH, který bude s neochvějnou vytrvalostí obhajovat stanovisko, které by před třemi pivy ani nebylo předmětem diskuse ;)
Studie EBU a BBC zahrnovala více než 3000 odpovědí generovaných čtyřmi AI asistenty (ChatGPT, Copilot, Gemini a Perplexity) ve 14 jazycích. 45 % odpovědí obsahovalo alespoň jeden zásadní problém, 31 % mělo vážné problémy se zdroji a 20 % obsahovalo vážné problémy s přesností, včetně neaktuálních nebo halucinačních informací. zdroj: EBU/BBC
V místních volbách může být toto riziko větší než v celostátní kampani. Místní zdroje jsou více rozptýlené. Kandidáti bývají (a jsou, co si brzy dokážeme) méně známí. Kontext se mění rychleji. Jména z předchozího cyklu se mohou míchat s novými kandidaturami. Programy bývají publikovány postupně. (pokud vůbec vzniknou, ale o tom jsem již psal a více špendlíků nebude… snad) A otázky uživatelů bývají často krátké, hovorové a nepřesně formulované.
U celostátního lídra má model obvykle k dispozici spoustu dat. U místního kandidáta na primátora Krakova musí sestavit obraz z BIP, místních médií, webových stránek kandidáta, příspěvků na sociálních sítích, průzkumů, zpráv z konferencí a aktuálních událostí. To jsou ideální podmínky pro zdánlivě drobné, ale politicky významné chyby: záměna funkcí, opomenutí konkurenta, přiřazení neaktuální kandidatury, přidělení příliš úzké nálepky nebo opření odpovědi o zdroje z předchozích voleb.
Nejdůležitější zvrat: GenAI nemusí lhát, aby ovlivnila
V diskusi o AI a volbách se příliš mnoho pozornosti věnuje „falešným zprávám”. Mezitím pro místní kampaň může být stejně důležité něco subtilnějšího: reprezentace.
Model nemusí poskytnout falešnou informaci. Může jednoduše popsat kandidáta převážně podle strany a opomenout jeho zkušenosti s místní samosprávou. Může ho zmínit při otázce o PiS, ale ne při otázce o dopravě. Může napsat o SCT, ale opomenout téma městské dopravy. Může odpovědět na otázku o Nové Hutě, aniž by uvedl osobu, která si část své komunikace buduje kolem vazeb s touto částí města. Může umístit kandidáta na konec seznamu, přestože je formálně jedním z důležitých účastníků závodu.
To nemusí být „chyba” v jednoduchém smyslu. Může to být důsledek hierarchie zdrojů, čerstvosti dat, dostupnosti informací, způsobu formulace otázky a mechaniky odpovědi generované modelem.
V tradičním SEO se bojovalo o pozici ve výsledcích vyhledávání. Ve světě LLM se stále důležitější stává otázka: zda se kandidát vůbec objevuje v odpovědi, při jakých otázkách se objevuje, s čím je spojován a s kým je porovnáván.
Tento mechanismus je dobře vidět ve výzkumu Michała Drewnického (podrobněji rozebráno v další části textu). V 250 odpovědích z výzkumu deep dive modely zmínily kandidáta v 87,6 % případů, když uživatel uvedl jeho jméno, ale pouze v 5,0 % případů, když otázka neobsahovala jméno a týkala se problému, kategorie kandidátů nebo městského tématu. Jinými slovy: rozpoznatelnost podle jména ještě neznamená tematickou viditelnost.
A co když odpověď nejen informuje, ale také posouvá názor?
Zde se objevuje druhá klíčová sada dat. Výzkumy popisované Cornell ukázaly, že krátká konverzace s chatbotem může výrazně posunout politické názory. V experimentech prováděných ve čtyřech zemích chatboty založené na LLM posouvaly preference opozičních voličů o 10 procentních bodů nebo více v mnoha případech. V experimentech v Kanadě a Polsku byl efekt přibližně 10 procentních bodů, a v jedné ze studií nejvíce persvazivně optimalizovaný model posunul názory opozičních voličů o 25 procentních bodů. zdroj: Cornell Chronicle
Je třeba to říct opatrně. To byly kontrolované experimenty, a ne důkaz, že chatboty samy rozhodnou o skutečných volbách. Účastníci věděli, že mluví s AI, a směr persvaze byl randomizován. Sami autoři a komentátoři zdůraznili omezení takových studií a rozdíl mezi experimentálními podmínkami a skutečnou kampaní. zdroj: Nature Asia
Ale jeden závěr je těžké ignorovat. Zní přibližně takto: odpovědi modelů mohou být persvazivní ne proto, že jsou emocionální, agresivní nebo manipulativní v klasickém smyslu. Podle výzkumníků jejich síla často vyplývala z toho, že generovaly spoustu tvrzení, argumentů a zdánlivě věcných odůvodnění. Cornell zdůraznil, že když byly modelům omezeny možnosti používat fakta, jejich persvazivnost klesala; zároveň byly více persvazivní modely méně přesné. zdroj: Cornell Chronicle
To je jádro problému v místní kampani. Volič může dostat odpověď klidnou, věcnou, dobře znějící a bez stranického tónu. A přesto může tato odpověď posilovat určitou představu o kandidátovi.
Příklad Krakova, tedy Michał Drewnicki v odpovědích LLM
V tomto kontextu studie Michała Drewnického, kandidáta Práva a spravedlnosti na primátora Krakova, je dobrým příkladem toho, co je třeba začít měřit v místní politice.
Nejde pouze o otázku: „Zná GenAI jméno kandidáta?”. To je nejjednodušší úroveň. Mnohem zajímavější jsou hlubší otázky:
Identifikují modely Michała Drewnického správně jako kandidáta PiS v předčasných volbách v Krakově?
Rozpoznávají jeho veřejné funkce – městského radního a místopředsedy Rady města Krakova?
Rozlišují aktuální volební kontext od komunálních voleb v roce 2024?
Propojují ho výhradně s PiS, nebo také s místními zkušenostmi v samosprávě?
Objevuje se v odpovědích na otázky, které neobsahují jeho jméno, ale týkají se témat přítomných v jeho veřejném profilu: dopravy, SCT, Nové Hutě, územního plánování, životních nákladů, vztahu úřad–obyvatelé?
Dokážou modely rozlišit oficiální informace, mediální zprávy, volební prohlášení a vlastní interpretace?
Studii provedl skromný autor tohoto textu dne 03/07/2026.
V rámci studie realizované naším vlastním nástrojem Semantio jsem analyzoval 250 odpovědí týkajících se Michała Drewnického v kontextu prezidentských voleb v Krakově. Materiál je výsledkem analýzy zahrnující 50 unikátních scénářů, spuštěných v pěti systémech: ChatGPT, Gemini, Grok, DeepSeek a Google Overview. Každý systém odpověděl na zadaných 50 scénářů. Scénáře byly rozděleny mimo jiné podle fáze záměru: 80 odpovědí ve fázi awareness, 85 ve fázi consideration a 85 ve fázi decision. Samostatně byly analyzovány otázky obsahující jméno kandidáta a otázky problémové bez jména.
Nejsilnější výsledek se týká rozdílu mezi rozpoznatelností podle jména a spontánní viditelností. V celém materiálu bylo 170 odpovědí na otázky obsahující jméno Michała Drewnického a 80 odpovědí na otázky bez jména. Když uživatel uvedl jméno kandidáta (prompt-scenář obsahoval jméno „Drewnicki”), modely zmínily Drewnického v 149 ze 170 odpovědí, tedy v 87,6 % případů. Když otázka neobsahovala jméno a týkala se problému, kategorie kandidátů nebo městského tématu, Drewnicki se objevil pouze v 4 z 80 odpovědí, tedy v 5,0 % případů.
Jinými slovy: modely dokážou popsat kandidáta, když už uživatel ví, o koho se ptá, ale mnohem hůře ho samostatně spojují s problémy města.
V datech je také vidět, že viditelnost není rovnoměrně rozložena mezi systémy. Všechny 4 spontánní zmínky o Drewnickém v otázkách bez jména pocházely z Google Overview. V ostatních systémech (ChatGPT, Gemini, Grok a DeepSeek) se při takových otázkách kandidát neobjevil ani jednou. To je důležité, protože to „na číslech” zdůrazňuje, že neexistuje jedna, univerzální „viditelnost v AI”. Každý systém může budovat jinou mapu politické scény, závislou na zdrojích, aktuálnosti dat, mechanice vyhledávání a způsobu generování odpovědí.
Omlouvám se, nemohl jsem se udržet s tímto obrázkem v kontextu SCT ;)
Nejvýraznější náznak tematické viditelnosti se objevil při otázkách o dopravě, městské dopravě, jízdenkách, mobilitě a Zóně čisté dopravy. V otázkách bez jména týkajících se této oblasti se Drewnicki objevil v 4 z 30 odpovědí, tedy v 13,3 % případů. To je stále nízký výsledek, ale na pozadí ostatních témat významný: otázky o zkušenostech s místní samosprávou, Novou Hutí, čtvrtích, územním plánování nebo zeleni nevyvolávaly jeho jméno tak účinně. Z pohledu místní kampaně je to důležitý rozdíl: model může dobře popsat problém Krakova, ale nemusí nutně ukázat voličovi, který kandidát se snaží tento problém politicky zpracovat.
V 70 z 250 odpovědí, tedy v 28,0 % celého souboru, byl označen alert halucinační. Riziko chyby nezmizelo ani po uvedení jména: při otázkách s jménem se alert objevil v 50 ze 170 odpovědí (29,4 %), a při otázkách bez jména v 20 z 80 odpovědí (25,0 %). Nejčastěji šlo o problémy kontextuální, tedy míchání voleb 2026 s volbami 2024, chybnými veřejnými funkcemi, chybnou politickou afiliací, chybnými nebo podezřelými URL adresami, nepotvrzenými detaily programu a jednotlivě dokonce záměna Krakova s Varšavou (to se v Grodě Kraka neodpouští!). V místní kampani mohou být právě takové drobné chyby pravděpodobnější než spektakulární „falešné zprávy”, a tím pádem mnohem obtížněji odhalitelné, protože se často objevují v odpovědích znějících klidně a věcně. Odkud to známe?…
Rozdíly mezi poskytovateli (další krásné slovo z oblasti Bugu) byly výrazné. Google Overview nejčastěji zmiňoval Drewnického a měl nejnižší podíl alertů halucinačních: 37 zmínek ve 50 odpovědích (74,0 %) a 5 alertů (10,0 %). DeepSeek zmiňoval kandidáta v 33 z 50 odpovědí (66,0 %), ale zároveň měl nejvyšší podíl alertů: 31 z 50 odpovědí (62,0 %). ChatGPT zmiňoval Drewnického v 30 z 50 odpovědí (60,0 %) a měl 8 alertů (16,0 %). Grok zmiňoval ho v 27 z 50 odpovědí (54,0 %) a měl 16 alertů (32,0 %). Gemini zmiňoval kandidáta v 26 z 50 odpovědí (52,0 %) a měl 10 alertů (20,0 %). To ukazuje, že větší viditelnost v AI ne vždy znamená větší kvalitu reprezentace.
