For blot få år siden måtte en vælger, der ønskede at undersøge en kandidat til borgmesterposten i byen, besøge hans hjemmeside, gennemgå medierne (herunder de "traditionelle"), se debatter, spørge venner eller scrolle gennem flere sider med Google-resultater. I dag kan man oftere gøre noget enklere – stille et spørgsmål til sin foretrukne chatbot (et stort sprogmodel).
Man behøver ikke engang… at kende navnene. Man behøver ikke vide, hvem der er fra hvilket udvalg. Man behøver ikke følge pressekonferencer. Generelt, man behøver ikke meget. Men man kan. Man kan spørge: "Hvem har det bedste transportprogram i Kraków?", "Hvilken kandidat er knyttet til Nowa Huta?", "Hvem ønsker at ændre Zonen for Ren Transport?", "Har PiS-kandidaten kommunal erfaring?", "Hvem taler konkret om leveomkostningerne i disse valg?".
Og man vil få et svar.
Ikke en liste med links. Ikke et klassisk søgeresultat. Ikke en neutral dokumentbase. Man vil få en syntetisk beskrivelse af den politiske scene, bygget af LLM'en baseret på, hvad modellen finder, husker, fortolker, anser for vigtigt og organiserer i en passende hierarki. Og det til den bruger, der delvist har "opdraget" sit eget "Tamagotchi" fra den tredje dekade (hvordan lyder det!) i det 21. århundrede. Bare at man ikke fodrer det og vasker det ved at trykke på knapper, men kaster bidder af sig selv, der afslører vaner.
Dette er et nyt lag i valgkampen. Stille, privat, svær at overvåge og – i lokale valg – potentielt meget betydningsfuld.
Kraków som laboratorium for valg i GenAI-æraen
Kraków er et godt sted at se denne ændring i praksis. Det er ikke en lille kommune, men heller ikke en landsdækkende kampagne, hvor hver kandidat konstant er til stede i de store medier. Ifølge GUS-data havde Kraków ved udgangen af 2025 816.614 indbyggere. Det er en stor, kompleks byorganisme: med centrum, Nowa Huta, perifere distrikter, universiteter, turisme, erhvervsliv, transport, konflikter om grønne områder, arealplanlægning, priser på kommunale tjenester og byens forvaltning. kilde: Kraków i tal
Derudover er der en unik politisk kontekst. Ved den lokale folkeafstemning den 24. maj 2026 var valgprocenten for afstemningen om at afsætte borgmesteren i Kraków 29,99 % — tilstrækkeligt til at gøre afstemningen gyldig og afgørende. I den parallelle afstemning om at afsætte byrådet var valgprocenten 29,97 %, hvilket betød, at den lovbestemte grænse ikke blev overskredet. Forskellen er tilsyneladende minimal, men de politiske konsekvenser er helt forskellige. kilde: Byen Kraków
Kraków har også frisk erfaring med meget tæt konkurrence. I anden runde af præsidentvalget i 2024 fik Aleksander Miszalski 51,04 % af stemmerne, mens Łukasz Gibała fik 48,96 %. Ifølge rapporter baseret på PKW-data var forskellen 5434 stemmer. kilde: Rzeczpospolita
Dette er tal, hvor man skal være opmærksom på hver ny informationskilde. Ikke fordi chatbotten "vælger borgmesteren i Kraków". Det er en for stærk påstand. Men fordi i en kampagne, hvor et par tusinde stemmer kan ændre resultatet, er det også vigtigt, hvem der er synlig, hvem der bliver overset, hvad de forbindes med, og hvordan de bliver beskrevet i svarene fra generativ kunstig intelligens, som brugerne i stigende grad henvender sig til.
Vælgeren søger ikke kun. Vælgeren taler
Den vigtigste ændring er ikke, at AI kan generere en annonce, meme eller deepfake. Det har selvfølgelig også betydning, men det er allerede et velkendt emne. Der tales meget om det, der er kampagner – mere eller mindre sociale. Mere eller mindre betalt af bestemte valgudvalg.
En mere interessant og mindre åbenlys ændring vedrører det faktum, at LLM'er bliver private informationsrådgivere. Vælgeren kan vælge ikke at spørge: "Hvad er Michał Drewnickis program?". Han kan endda ikke huske dette navn. Men han kan spørge: "Hvem har erfaring i kommunalbestyrelsen i Kraków?", "Hvilken kandidat taler om Nowa Huta?", "Hvem har en konkret, klar holdning til SCT?", "Er PiS-kandidaten i Kraków kun partipolitisk, eller har han lokal erfaring?".
Sådanne spørgsmål er meget tættere på den reelle beslutningsproces. Folk sammenligner sjældent hele programmer fra ende til anden. (for resten… hvilken af partierne i 2024 beskrev sit klare valgprogram, og ikke bare flød med skiftende meningsmålinger, råb på møder og klager målt i "sociale medier"?) Ofte søger de svar på deres eget problem: transport, priser, grønne områder, skoler, fortove, parkering, byggeri udenfor vinduet, en følelse af kaos i kommunen eller mangel på indflydelse på byens beslutninger.
Her begynder store sprogmodeller at fungere som en ny mægler. De leverer ikke kun information. De organiserer scenen. De vælger, hvilke kandidater der skal nævnes. De beslutter, hvilke fakta der anses for væsentlige. De forkorter komplekse kontekster til et par afsnit. Og de gør ofte dette på en måde, som vi ikke ser i klassisk medieovervågning, SEO eller analyse af sociale medier. Dermed kan man antage, at meningsmålingsbureauer og deres "fejl" vil blive et af de vigtigste emner i kommentarerne efter exit polls.
Det er ikke længere en teknologisk niche
Hvis nogen antager, at "chatbots" stadig er en leg for studerende og tech-branchen, vil data hurtigt nedkøle denne opfattelse. Ifølge en rapport fra Gemius/PBI brugte mere end 9,3 millioner reelle brugere ChatGPT i Polen i juni 2025. Det betød 31,4 % af internettet og 28,6 % af befolkningen i alderen 7–75 år. Rapporten viste også, at blandt ChatGPT-brugere er der en overrepræsentation af personer under 35 år, og i aldersgruppen 25–34 år var den gennemsnitlige brugstid i juni 2 timer og 42 minutter. kilde: Gemius/PBI
På europæisk plan oplyste Eurostat, at 32,7 % af EU-borgerne i alderen 16–74 år brugte generativ AI-værktøjer i 2025. I aldersgruppen 16–24 år var denne andel allerede 63,8 %. kilde: Eurostat
Dette er vigtigt, fordi yngre vælgere samtidig er en gruppe, der er mere tilbøjelig til at bruge nye informationsværktøjer og en gruppe, der ofte har en mindre stabil valgprocent i lokale valg. Man behøver ikke antage, at hele kampagnen vil overgå til AI-støttede systemer. Det er nok at bemærke, at for en betydelig del af brugerne bliver samtalen med chatbotten en af de naturlige måder at organisere information på.
AI som et værktøj til nyheder, politik og beslutninger
Data fra Reuters Institute viser, at AI-chatbots allerede bruges til at forbruge information, selvom de stadig ikke dominerer. I 2026 erklærede 10 % af de adspurgte på 45 markeder, at de ugentligt brugte AI-chatbots til nyheder, op fra 7 % året før. Endnu mere interessant er det, hvordan folk bruger dem: 42 % af brugerne af nyhedschatbots stiller opfølgende spørgsmål, 35 % bruger dem til at få de seneste oplysninger, 34 % til at opsummere, 30 % til at forenkle komplekse emner, og 33 % til at vurdere kildernes troværdighed. kilde: Reuters Institute Digital News Report
Dette er næsten en klar beskrivelse af vælgerens adfærd i en lokal kampagne. "Forklar mig, hvad der sker med Zonen for Ren Transport." "Opsummer forskellene mellem kandidaterne." "Hvem er troværdig i transportspørgsmål?" "Har denne kandidat virkelig erfaring i kommunalbestyrelsen?" "Hvilke kilder bekræfter hans erklæringer?".
I dette øjeblik stopper AI med at være blot et værktøj til at skrive tekster. Det bliver et interface til den offentlige virkelighed.
Den stærkeste advarsel – vælgerne spørger allerede GenAI om valg
Et af de mest interessante tal stammer fra en undersøgelse om parlamentsvalget i Storbritannien i 2024. En repræsentativ undersøgelse af 2499 voksne viste, at i ugen før valget brugte 32 % af chatbot-brugerne (13 % af alle berettigede vælgere) konverserende AI til at søge information direkte relateret til valgbeslutningen. kilde: arXiv, undersøgelse UK 2024
Dette er ikke en marginal detalje. Det er et signal om, at chatbots træder ind i selve valgprocessen: ikke som en abstrakt teknologi, men som et værktøj, der bruges, når vælgeren netop træffer en beslutning, organiserer argumenter eller forsøger at forstå den politiske scene. Ofte lige før de træder ind i valgstedet.
Det er vigtigt, at forfatterne af denne undersøgelse ikke fremsætter en simpel alarmistisk konklusion. I en række eksperimenter med 2858 deltagere fandt de, at brugen af chatbots ikke forværrede den politiske viden; tværtimod øgede den den i samme omfang som traditionel internetsøgning. kilde: AI Security Institute
Og netop derfor er emnet mere interessant end en almindelig fortælling om trusler. Tid til en truism. Jeg vil endda fremhæve det, så det bliver mere iøjnefaldende. Ingen årsag…
LLM'er kan hjælpe vælgere med at forstå politik bedre. Men de kan også forvirre, udelade, forenkle, identificere kandidater forkert eller skabe bestemte fortolkningsrammer.
Den anden side – chatternes svar kan være mangelfulde
Problemet er, at modellerne giver indtryk af at være organiserede, sikre og komplette, selv når de indeholder huller. Du ved… som den person, du mødte til en studenterfest, en kommende ingeniør (hvis skæbne og professorer tillader det) fra AGH, der vil insistere på sin holdning, som for tre øl siden ikke ville være kommet ind i diskussionen ;)
En undersøgelse fra EBU og BBC omfattede over 3000 svar genereret af fire AI-assistenter (ChatGPT, Copilot, Gemini og Perplexity) på 14 sprog. 45 % af svarene indeholdt mindst ét væsentligt problem, 31 % havde alvorlige problemer med kilderne, og 20 % indeholdt alvorlige problemer med nøjagtigheden, herunder forældede eller hallucinerede oplysninger. kilde: EBU/BBC
I lokale valg kan denne risiko være større end i en landsdækkende kampagne. Lokale kilder er mere spredte. Kandidaterne er ofte (og er, som vi snart vil bevise) mindre kendte. Konteksten ændrer sig hurtigere. Navne fra den tidligere cyklus kan blandes med nye kandidaturer. Programmer offentliggøres ofte i etaper. (hvis de overhovedet bliver til noget, men det har jeg allerede skrevet om, og der vil ikke komme flere stikpiller… forhåbentlig) Og brugernes spørgsmål er ofte korte, uformelle og upræcise.
Ved en landsdækkende leder har modellen normalt mange data. Ved en lokal kandidat til borgmesterposten i Kraków skal den samle et billede fra BIP, lokale medier, kandidatens hjemmeside, sociale medieindlæg, meningsmålinger, rapporter fra pressekonferencer og aktuelle begivenheder. Dette er ideelle betingelser for tilsyneladende små, men politisk betydningsfulde fejl: forveksling af funktioner, udeladelse af konkurrenter, tilskrivning af forældede kandidaturer, tildeling af en for snæver etiket eller basering af svar på kilder fra tidligere valg.
Den vigtigste drejning: GenAI behøver ikke at lyve for at påvirke
I diskussionen om AI og valg fokuseres der for meget på "falske nyheder". Imidlertid kan repræsentation være lige så vigtig for en lokal kampagne.
Modellen kan vælge ikke at give falske oplysninger. Den kan blot beskrive kandidaten primært gennem partiet og udelade hans kommunale erfaring. Den kan nævne ham ved spørgsmålet om PiS, men ikke ved spørgsmålet om transport. Den kan skrive om SCT, men udelade emnet om offentlig transport. Den kan svare på spørgsmålet om Nowa Huta uden at nævne den person, der selv bygger en del af sin kommunikation omkring forbindelserne til denne del af byen. Den kan placere kandidaten sidst på listen, selvom han formelt er en af de væsentlige deltagere i løbet.
Det behøver ikke at være en "fejl" i simpel forstand. Det kan være en konsekvens af hierarkiet af kilder, datakvalitet, tilgængelighed af information, spørgsmålets formulering og mekanikken i det genererede svar fra modellen.
I traditionel SEO kæmpede man om placeringen i søgeresultaterne. I LLM-verdenen bliver spørgsmålet om, hvorvidt kandidaten overhovedet vises i svaret, ved hvilke spørgsmål han vises, hvad han forbindes med, og hvem han sammenlignes med, stadig vigtigere.
Denne mekanisme kan ses tydeligt i Michał Drewnickis undersøgelse (diskuteret mere detaljeret senere i teksten). I 250 svar fra deep dive-undersøgelsen nævnte modellerne kandidaten i 87,6 % af tilfældene, når brugeren nævnte hans navn, men kun i 5,0 % af tilfældene, når spørgsmålet ikke indeholdt navnet og handlede om problemer, kategorier af kandidater eller byemner. Med andre ord: genkendelse ved navn betyder ikke nødvendigvis tematisk synlighed.
Og hvis svaret ikke kun informerer, men også skubber meninger?
Her kommer et andet vigtigt datasæt ind. Undersøgelser beskrevet af Cornell viste, at en kort samtale med en chatbot kan flytte politiske meninger betydeligt. I eksperimenter udført i fire lande flyttede LLM-baserede chatbots vælgerpræferencer med 10 procentpoint eller mere i mange tilfælde. I eksperimenter i Canada og Polen var effekten omkring 10 procentpoint, og i en af undersøgelserne flyttede den mest overbevisende optimerede model vælgernes meninger med 25 procentpoint. kilde: Cornell Chronicle
Det skal siges forsigtigt. Det var kontrollerede eksperimenter, ikke bevis for, at chatbots selv vil afgøre reelle valg. Deltagerne vidste, at de talte med AI, og retningen for påvirkningen blev randomiseret. Forfatterne og kommentatorerne understregede selv begrænsningerne ved sådanne undersøgelser og forskellen mellem eksperimentelle betingelser og den virkelige kampagne. kilde: Nature Asia
Men én konklusion er svær at ignorere. Den lyder nogenlunde sådan: modellerne kan være overbevisende, ikke fordi de er følelsesladede, aggressive eller manipulerende i klassisk forstand. Ifølge forskerne skyldtes deres styrke ofte, at de genererede mange påstande, argumenter og tilsyneladende saglige begrundelser. Cornell understregede, at når modellerne blev begrænset i deres mulighed for at bruge fakta, faldt deres overbevisning; samtidig var mere overbevisende modeller ofte mindre præcise. kilde: Cornell Chronicle
Dette er kernen i problemet i en lokal kampagne. Vælgeren kan få et svar, der er roligt, sagligt, velformuleret og uden partipolitisk tone. Og alligevel kan dette svar styrke et bestemt billede af kandidaten.
Eksemplet Kraków, eller Michał Drewnicki i LLM-svar
I denne kontekst er undersøgelsen af Michał Drewnicki, PiS-kandidaten til borgmesterposten i Kraków, et godt eksempel på, hvad der skal begynde at måles i lokal politik.
Det handler ikke kun om spørgsmålet: "Kender GenAI kandidatens navn?". Det er det simpleste niveau. Meget mere interessante er de dybere spørgsmål:
Identificerer modellerne korrekt Michał Drewnicki som PiS-kandidat i det tidlige valg i Kraków?
Genkender de hans offentlige funktioner – byrådsmedlem og næstformand for Kraków byråd?
Adskiller de den aktuelle valgkontekst fra kommunalvalget i 2024?
Forbinder de ham udelukkende med PiS, eller også med lokal kommunal erfaring?
Viser han sig i svarene på spørgsmål, der ikke indeholder hans navn, men vedrører emner, der er til stede i hans offentlige profil: transport, SCT, Nowa Huta, arealplanlægning, leveomkostninger, forholdet mellem myndigheder og borgere?
Kan modellerne skelne mellem officielle oplysninger, medieberetninger, kampagneerklæringer og egne fortolkninger?
Undersøgelsen blev udført af denne teksts beskedne forfatter den 03/07/2026.
I undersøgelsen, der blev udført med vores eget værktøj Semantio, analyserede jeg 250 svar vedrørende Michał Drewnicki i konteksten af præsidentvalget i Kraków. Materialet er resultatet af en analyse, der omfattede 50 unikke scenarier, aktiveret i fem systemer: ChatGPT, Gemini, Grok, DeepSeek og Google Overview. Hver system svarede på de stillede 50 scenarier. Scenarierne blev opdelt blandt andet efter intentionstrappen: 80 svar på awareness-niveauet, 85 på consideration-niveauet og 85 på decision-niveauet. Spørgsmål, der indeholdt kandidatens navn, blev analyseret separat fra problematiske spørgsmål uden navn.
Den mest markante forskel vedrører genkendelse ved navn og spontan synlighed. I hele materialet var der 170 svar på spørgsmål, der indeholdt navnet Michał Drewnicki og 80 svar på spørgsmål uden navn. Når brugeren nævnte kandidatens navn (prompt-scenariet indeholdt navnet "Drewnicki"), nævnte modellerne Drewnicki i 149 ud af 170 svar, hvilket svarer til 87,6 % af tilfældene. Når spørgsmålet ikke indeholdt navnet og handlede om et problem, en kategori af kandidater eller et byemne, dukkede Drewnicki kun op i 4 ud af 80 svar, hvilket svarer til 5,0 % af tilfældene.
Med andre ord: modellerne kan beskrive kandidaten, når brugeren allerede ved, hvem han spørger om, men de forbinder ham meget dårligere med byens problemer.
Dataene viser også, at synligheden ikke er ligeligt fordelt mellem systemerne. Alle 4 spontane omtaler af Drewnicki i spørgsmål uden navn kom fra Google Overview. I de øvrige systemer (ChatGPT, Gemini, Grok og DeepSeek) dukkede kandidaten ikke op en eneste gang ved sådanne spørgsmål. Dette er vigtigt, da det "på tallene" understreger, at der ikke findes én, universel "synlighed i AI". Hver system kan opbygge et andet kort over den politiske scene, afhængigt af kilderne, datakvaliteten, søgemekanikken og måden, svarene genereres på.
Ja, jeg kunne ikke lade være med at inkludere dette billede i konteksten af SCT ;)
Den mest markante spontane synlighed dukkede op ved spørgsmål om transport, offentlig transport, billetter, mobilitet og Zonen for Ren Transport. I spørgsmål uden navn vedrørende dette område dukkede Drewnicki op i 4 ud af 30 svar, hvilket svarer til 13,3 % af tilfældene. Det er stadig et lavt resultat, men i forhold til de øvrige emner er det betydningsfuldt: spørgsmål om kommunal erfaring, Nowa Huta, distrikter, arealplanlægning eller grønne områder aktiverede ikke hans navn lige så effektivt. Set fra en lokal kampagnes synspunkt er dette en vigtig forskel: modellen kan godt beskrive Krakóws problem, men den viser ikke nødvendigvis vælgeren, hvilken kandidat der forsøger at politisere dette problem.
I 70 ud af 250 svar, svarende til 28,0 % af hele datasættet, blev der markeret hallucinationsadvarsler. Fejlrisikoen forsvandt ikke efter at have nævnt navnet: ved spørgsmål med navn dukkede advarslen op i 50 ud af 170 svar (29,4 %), mens den ved spørgsmål uden navn dukkede op i 20 ud af 80 svar (25,0 %). Ofte var dette kontekstuelle problemer, såsom forveksling af valgene i 2026 med valgene i 2024, forkerte offentlige funktioner, forkert politisk tilknytning, forkerte eller mistænkelige URL'er, ubekræftede programdetaljer og i enkelte tilfælde endda forveksling af Kraków med Warszawa (det tilgiver man ikke i Kraków!). I en lokal kampagne kan sådanne små fejl være mere sandsynlige end spektakulære "falske nyheder", og dermed meget sværere at fange, da de ofte optræder i svar, der lyder rolige og saglige. Hvor kender vi det fra?…
Forskellene mellem udbyderne (endnu et smukt ord fra Bug-floden) var tydelige. Google Overview nævnte oftest Drewnicki og havde den laveste andel af hallucinationsadvarsler: 37 omtaler i 50 svar (74,0 %) og 5 advarsler (10,0 %). DeepSeek nævnte kandidaten i 33 ud af 50 svar (66,0 %), men havde samtidig den højeste andel af advarsler: 31 ud af 50 svar (62,0 %). ChatGPT nævnte Drewnicki i 30 ud af 50 svar (60,0 %) og havde 8 advarsler (16,0 %). Grok nævnte ham i 27 ud af 50 svar (54,0 %) og havde 16 advarsler (32,0 %). Gemini nævnte kandidaten i 26 ud af 50 svar (52,0 %) og havde 10 advarsler (20,0 %). Dette viser, at større synlighed i AI ikke altid betyder bedre kvalitet i repræsentationen.
Kilderne var også interessante. I hele datasættet blev der identificeret 676 kildelinks. De mest hyppige domæner var: bip.krakow.pl (90 gange), facebook.com (71 gange), krakow.pl (38 gange), youtube.com (29 gange), radiokrakow.pl (26 gange), lovekrakow.pl (23 gange), drewnicki.pl (22 gange) og ztp.krakow.pl (22 gange). Kandidatens officielle domæne var derfor til stede, men det var bestemt ikke dominerende. Billedet af Drewnicki i AI blev også bygget af BIP, lokale medier, kommunale kilder, Facebook, YouTube og andre mellemliggende domæner.
Samtidig var der i 115 ud af 250 svar ikke nogen kildelink, hvilket udgør 46,0 % af hele materialet. Forskellene mellem systemerne var store: Google Overview gav links i hvert svar, ChatGPT i 43 ud af 50, DeepSeek i 31 ud af 50, Grok i 10 ud af 50, mens Gemini kun gav links i <
