Veel paar aastat tagasi pidi valija, kes soovis kontrollida linnapea kandidaati, minema tema veebilehele, sirvima meediat (sealhulgas „traditsioonilisi” kanaleid), vaatama debatti, küsima tuttavatelt või kerima läbi mitu Google'i otsingutulemust. Täna võib ta üha sagedamini teha midagi lihtsamat – küsida oma lemmik vestlusrobotilt (suurelt keelemudelilt).
Ta ei pea isegi… teadma nimesid. Ta ei pea teadma, kes kuulub millisesse komiteesse. Ta ei pea jälgima pressikonverentse. Üldiselt, ei pea ta palju. Kuid ta võib. Ta võib küsida: „kes Krakowis omab parimat transpordiprogrammi?”, „milline kandidaat on seotud Nowa Hutaga?”, „kes soovib muuta Puhta Transporti Piirkonda?”, „kas PiS kandidaat omab kohaliku omavalitsuse kogemust?”, „kes räägib nendes valimistes konkreetselt elukalliduse küsimustest?”.
Ja ta saab vastuse.
Ei linkide loetelu. Ei klassikaline otsingutulemus. Ei neutraalne dokumentide baas. Ta saab syntetiseeritud poliitilise maastiku kirjelduse, mille LLM koostab selle põhjal, mida mudel leiab, mäletab, tõlgendab, oluliseks peab ja sobivasse hierarhiasse paigutab. Ja see on mõeldud just sellele kasutajale, kes on osaliselt „kasvatatud” oma „Tamagotchi” kolmanda kümnendi (kuidas see kõlab!) XXI sajandi versioonina. Ainult et ta ei toida ega pese seda nuppudega, vaid viskab sellele tükkideks iseennast, mis paljastavad harjumused.
See on uus kampaania kiht. Vaikne, privaatne, raske jälgida ja – kohalikes valimistes – potentsiaalselt väga oluline.
Krakow kui kohalike valimiste laboratoorium GenAI ajastul
Krakow on hea koht, et näha seda muutust praktikas. See ei ole väike omavalitsus, kuid ka mitte riiklik kampaania, kus iga kandidaat on pidevalt kohal peavoolumeedias. GUSi andmete kohaselt oli Krakowis 2025. aasta lõpuks 816 614 elanikku. See on suure ja keerulise linnakogukonna näide: keskus, Nowa Huta, äärelinna piirkonnad, ülikoolid, turism, äri, transport, konfliktid roheluse üle, ruumiline planeerimine, linna teenuste hinnad ja linna juhtimise viis. allikas: Krakow numbrites
Lisaks on olemas erakordne poliitiline kontekst. 24. mai 2026. aasta kohaliku rahvahääletuse käigus oli Krakowi linnapea tagasikutsumise hääletuse osalus 29,99% — piisavalt, et rahvahääletus oleks kehtiv ja otsustav. Samal ajal toimunud linnavolikogu tagasikutsumise hääletuse osalus oli 29,97%, seega seaduslikku piiri ei ületatud. Tundub, et erinevus on minimaalne, kuid poliitilised tagajärjed on täiesti erinevad. allikas: Krakowi linn
Krakowil on ka värske kogemus väga tasavägisest konkurentsist. 2024. aasta presidendivalimiste teises voorus sai Aleksander Miszalski 51,04% häältest, samas kui Łukasz Gibała 48,96%. PKW andmetel oli erinevus 5434 häält. allikas: Rzeczpospolita
Need on numbrid, mille puhul tasub tähele panna iga uut teabeallikat. Mitte sellepärast, et chatbot „valib Krakowi linnapea”. See on liiga tugev väide. Kuid sellepärast, et kampaanias, kus paar tuhat häält võib tulemusi muuta, on oluline ka see, kes on nähtav, kes on tähelepanuta jäetud, millega on seotud ja kuidas on kirjeldatud generatiivse tehisintellekti vastustes, mille poole kasutajad üha enam pöörduvad.
Valija ei otsi ainult. Valija räägib
Oluline muutus ei seisne selles, et AI suudab genereerida reklaami, meem või deepfake. See on muidugi oluline, kuid see on juba piisavalt hästi tuntud teema. Sellest räägitakse palju, selle kohta on kampaaniaid – vähem või rohkem sotsiaalseid. Vähem või rohkem valimiskomiteede poolt rahastatud.
Huvi pakkuvam ja vähem ilmne muutus seisneb selles, et LLM-idest saavad isiklikud teabe nõustajad. Valija ei pruugi küsida: „mis on Michał Drewnickiego programm”. Ta ei pruugi isegi seda nime mäletada. Ta võib küsida: „kes Krakowis omab kohaliku omavalitsuse kogemust?”, „milline kandidaat räägib Nowa Hutast?”, „kes omab konkreetset, selget seisukohta SCT osas?”, „kas Krakowi PiS kandidaat on ainult parteiline või omab ka kohalikke kogemusi?”.
Sellised küsimused on palju lähemal tegelikule otsustusprotsessile. Inimesed harva võrdlevad kogu programme algusest lõpuni. (muide… milline partei 2024. aastal kirjeldas oma selget valimisprogrammi, mitte ei lasknud end juhtida muutuvatest küsitlustest, hüüdlausetest kampaaniatel ja sotsiaalmeedias mõõdetud müra?) Tihti otsitakse vastuseid oma probleemile: sõidud, hinnad, rohelus, kool, kõnnitee, parkimine, akna taga asuv ehitus, segaduse tunne ametiasutuses või puuduv mõju linna otsustele.
Just siin suured keelemudelid hakkavad toimima kui uus vahendaja. Nad mitte ainult ei edasta teavet. Nad korraldavad maastikku. Valivad, milliseid kandidaate mainida. Otsustavad, millised faktid on olulised. Lühendavad keerulise konteksti paariks lõiguks. Ja sageli teevad nad seda viisil, mida me ei näe klassikalises meedia jälgimises, SEO-s ega sotsiaalmeedia analüüsis. Seega võib oletada, et küsitlusfirmad ja nende „ülesehitused” muutuvad üha enam peamisteks kommentaaride teemadeks pärast valimiste väljakuulutamist.
See ei ole enam tehnoloogiline nišš
Kui keegi arvab, et „vestlusrobotid” on endiselt tudengite ja tehnoloogia valdkonna mänguasjad, siis andmed jahutavad kiiresti seda arusaama. Gemius/PBI raporti kohaselt kasutas juunis 2025. aastal ChatGPT-d Poolas üle 9,3 miljoni reaalse kasutaja. See tähendas 31,4% internetikasutajatest ja 28,6% 7–75-aastaste elanike seas. Raport näitas ka, et ChatGPT kasutajate seas on ülekaalus alla 35-aastased, ning 25–34-aastaste seas oli juuni keskmine kasutusaeg 2 tundi ja 42 minutit. allikas: Gemius/PBI
Euroopa tasandil teatas Eurostat, et 2025. aastal kasutas generatiivset AI-d 32,7% 16–74-aastastest ELi elanikest. 16–24-aastaste seas oli see protsent juba 63,8%. allikas: Eurostat
See on oluline, sest nooremad valijad on samal ajal rühm, kes on rohkem avatud uute teabevahendite kasutamisele ja rühm, kes kohalikes valimistes on sageli vähem stabiilne osalus. Ei pea eeldama, et kogu kampaania liigub massiliselt tehisintellekti toetatud süsteemidesse. Piisab, kui märkida, et olulise osa kasutajate jaoks vestlemine vestlusrobotiga muutub üheks loomulikuks teabe korraldamise viisiks.
AI kui tööriist uudiste, poliitika ja otsuste jaoks
Reuters Institute andmed näitavad, et AI vestlusrobotid on juba kasutusel teabe tarbimiseks, kuigi nad ei domineeri veel. 2026. aastal deklareeris 10% 45 turul küsitletutest, et nad kasutavad AI vestlusroboteid uudiste jaoks nädalas, võrreldes 7% eelmisel aastal. Veel huvitavam on see, kuidas inimesed neid kasutavad: 42% uudiste vestlusrobotite kasutajatest esitab süvenda küsimusi, 35% kasutab neid viimaste uudiste saamiseks, 34% kokkuvõtmiseks, 30% keeruliste teemade lihtsustamiseks ja 33% allikate usaldusväärsuse hindamiseks. allikas: Reuters Institute Digital News Report
See on peaaegu valmis kirjeldus valija käitumisest kohaliku kampaania ajal. „Selgita mulle, mis on Puhta Transporti Piirkond.” „Kokkuvõte kandidaatide erinevustest.” „Kes on usaldusväärne transpordi teemal?”. „Kas sellel kandidaadil on tõesti kohaliku omavalitsuse kogemus?”. „Millised allikad kinnitavad tema väiteid?”.
Siin lõpetab AI olemast lihtsalt tekstide kirjutamise tööriist. See muutub avaliku reaalsuse liideseks.
Kõige tugevam hoiatav signaal – valijad küsivad juba GenAI-lt valimiste kohta
Üks huvitavamaid numbreid pärineb 2024. aasta Ühendkuningriigi parlamendivalimiste uuringust. Esinduslik uuring 2499 täiskasvanu seas näitas, et nädal enne valimisi kasutas 32% vestlusrobotite kasutajatest (13% kõigist valimisõiguslikest valijatest) vestlusrobotit teabe otsimiseks, mis on otseselt seotud valimisotsusega. allikas: arXiv, uuring UK 2024
See ei ole marginaalne detail. See on signaal, et vestlusrobotid sisenevad valimisprotsessi keskmesse: mitte abstraktse tehnoloogiana, vaid tööriistana, mida kasutatakse siis, kui valija teeb otsuse, korraldab argumendid või püüab mõista poliitilist maastikku. Sageli vahetult enne valimisjaoskonda sisenemist.
Oluline on, et selle uuringu autorid ei tee lihtsat alarmistlikku järeldust. 2858 osalejaga katsetes leiti, et vestlusrobotite kasutamine ei halvendanud poliitilist teadlikkust; vastupidi, see suurendas seda sama palju kui traditsiooniline internetiotsing. allikas: AI Security Institute
Ja just seetõttu on teema huvitavam kui tavaline lugu ohust. Aeg on truism. Isegi selle rõhutamiseks panen selle paksuks, et see silma paistaks. Pole tänu väärt…
LLM-id võivad aidata valijatel paremini mõista poliitikat. Kuid nad võivad ka eksitada, jätta välja, lihtsustada, valeaegseid kandidaate tuvastada või luua teatud tõlgendamisraame.
Teine külg – vestlusrobotite vastused võivad olla vigased
Probleem on selles, et mudelite vastused näivad olevat korraldatud, kindlad ja täielikud, isegi kui need sisaldavad lünki. Sa tead… nagu see, keda kohtasid ülikooli peol, tulevane insener (kui saatus ja professorid lubavad) AGH-st, kes kaitsma jääb seisukohta, mis kolm õlut tagasi ei oleks isegi arutluse alla tulnud ;)
EBU ja BBC uuring hõlmas üle 3000 vastuse, mille genereerisid neli AI assistenti (ChatGPT, Copilot, Gemini ja Perplexity) 14 keeles. 45% vastustest sisaldas vähemalt ühte olulist probleemi, 31% oli tõsiste probleemidega allikatega ja 20% sisaldas tõsiseid probleeme täpsusega, sealhulgas aegunud või hallutsineeritud teavet. allikas: EBU/BBC
Kohalikes valimistes võib see risk olla suurem kui riiklikus kampaanias. Kohalikud allikad on rohkem hajutatud. Kandidaadid võivad olla (ja on, nagu me kohe tõestame) vähem tuntud. Kontekst muutub kiiremini. Eelmise tsükli nimed võivad seguneda uute kandidaatidega. Programmid võivad olla avaldatud järk-järgult. (kui need üldse valmivad, aga sellest olen juba rääkinud ja rohkem nõelu ei tule… vähemalt mitte) Ja kasutajate küsimused on sageli lühikesed, kõnekeelsed ja ebatäpsed.
Üldiselt mudeli puhul on palju andmeid. Kohaliku Krakowi linnapea kandidaadi puhul peab see koostama pildi BIP-ist, kohalikest meediatest, kandidaadi veebilehelt, sotsiaalmeedia postitustest, küsitlustest, pressikonverentside aruannetest ja jooksva sündmuse kohta. See on ideaalne olukord näiliselt väikeste, kuid poliitiliselt oluliste vigade jaoks: ametikohtade segamine, konkurendi tähelepanuta jätmine, aegunud kandidaadi määramine, kellelegi liiga kitsaste etiketide andmine või vastuse toetamine eelmiste valimiste allikatega.
Oluline pöördepunkt: GenAI ei pea valetama, et mõjutada
AI ja valimiste arutelus keskendutakse liiga palju „valeinfodele”. Samal ajal võib kohaliku kampaania jaoks olla sama oluline midagi peenemat: esindatus.
Mudel ei pruugi anda valeinfot. Ta võib lihtsalt kirjeldada kandidaati peamiselt partei kaudu, jättes välja tema kohaliku omavalitsuse kogemuse. Ta võib mainida teda PiS-i küsimuses, kuid mitte transpordi küsimuses. Ta võib kirjutada SCT-st, kuid jätta välja linna transpordi teema. Ta võib vastata küsimusele Nowa Huta kohta, ilma et mainiks isikut, kes ise ehitab osa oma kommunikatsioonist selle linnaosa seostest. Ta võib paigutada kandidaadi nimekirja lõppu, kuigi ta on ametlikult üks olulisemaid osalejaid võistluses.
See ei pea olema „viga” lihtsas mõttes. See võib olla tagajärg allikate hierarhiale, andmete värskusele, teabe kättesaadavusele, küsimuse sõnastamise viisile ja mudeli genereeritud vastuse mehhanismile.
Traditsioonilises SEO-s võideldi positsiooni nimel otsingutulemustes. LLM-ide maailmas muutub üha olulisemaks küsimus: kas kandidaat ilmub üldse vastuses, milliste küsimuste puhul ta ilmub, millega ta seostatakse ja kellega teda võrreldakse.
Seda mehhanismi on hästi näha Michał Drewnickiego uuringus (millest räägitakse laiemalt hiljem tekstis). 250 vastuses süvauuringu mudelid mainisid kandidaati 87,6% juhtudest, kui kasutaja nimetas tema nime, kuid ainult 5,0% juhtudest, kui küsimus ei sisaldanud nime ja puudutas probleemi, kandidaatide kategooriat või linna teemat. Teisisõnu: nime põhjal tunnustamine ei tähenda veel temaatilist nähtavust.
Aga kui vastus mitte ainult ei informeerib, vaid ka mõjutab arvamust?
Peab olema ettevaatlik. Need olid kontrollitud katsed, mitte tõend, et vestlusrobotid ise otsustavad reaalsed valimised. Osalejad teadsid, et nad räägivad AI-ga, ja mõjutamise suund oli randomiseeritud. Autorid ja kommentaatorid rõhutasid selliste uuringute piiranguid ning erinevust katsetingimuste ja reaalse kampaania vahel. allikas: Nature Asia
Aga üks järeldus on raske ignoreerida. See kõlab enam-vähem nii: mudelite vastused võivad olla veenvad mitte sellepärast, et need on emotsionaalsed, agressiivsed või manipuleerivad klassikalises mõttes. Uurijate sõnul tulenes nende jõud sageli sellest, et nad genereerisid palju väiteid, argumente ja näiliselt asjakohaseid põhjendusi. Cornell rõhutas, et kui mudelitele anti piiratud võimalus kasutada fakte, vähenes nende veenvus; samas olid veenvamad mudelid sageli vähem täpsed. allikas: Cornell Chronicle
See on kohaliku kampaania probleem. Valija võib saada vastuse, mis on rahulik, asjalik, hästi kõlav ja parteilisest toonist vaba. Ja ometi võib see vastus tugevdada teatud kandidaadi kuvandit.
Krakowi näide, ehk Michał Drewnicki LLM-ide vastustes
Sellises kontekstis Michał Drewnickiego, PiS kandidaadi Krakowi linnapea valimistel, uuring on hea näide sellest, mida tuleb kohalikes poliitikates hakata mõõtma.
Ei ole küsimus ainult selles, kas GenAI tunneb kandidaadi nime. See on kõige lihtsam tase. Palju huvitavamad on sügavamad küsimused:
Kas mudelid tuvastavad Michał Drewnickit kui PiS kandidaati Krakowi ennetähtaegsetel valimistel?
Kas nad tunnevad ära tema avalikud ametid – linnavolikogu liige ja Krakowi linnavolikogu aseesimees?
Kas nad eristavad praegust valimiskonteksti 2024. aasta kohalike valimiste kontekstist?
Kas nad seostavad teda ainult PiS-iga või ka kohaliku omavalitsuse kogemusega?
Kas ta ilmub vastustes küsimustele, mis ei sisalda tema nime, kuid puudutavad teemasid, mis on tema avalikus profiilis: transport, SCT, Nowa Huta, ruumiline planeerimine, elukalliduse küsimused, suhe ametiasutuste ja elanike vahel?
Kas mudelid suudavad eristada ametlikke teateid, meedia aruandeid, kampaania deklaratsioone ja oma tõlgendusi?
Uuringu viis läbi selle teksti tagasihoidlik autor 03.07.2026.
Uuringus, mis viidi läbi meie autori tööriistaga Semantio, analüüsisin 250 vastust Michał Drewnickit puudutavate küsimuste kohta Krakowi presidendivalimiste kontekstis. Materjal on saadud analüüsist, mis hõlmas 50 unikaalset stsenaariumi, mis käivitati viies süsteemis: ChatGPT, Gemini, Grok, DeepSeek ja Google Overview. Iga süsteem vastas esitatud 50 stsenaariumile. Stsenaariumid jagati muu hulgas vastavalt kavatsuse funnel'i etapile: 80 vastust teadlikkuse etapis, 85 kaalumise etapis ja 85 otsustamise etapis. Eraldi analüüsiti küsimusi, mis sisaldasid kandidaadi nime, ning probleemiküsimusi ilma nime mainimata.
Kõige tugevam tulemus puudutab erinevust nime põhjal tunnustamise ja spontaanse nähtavuse vahel. Kogu materjalis oli 170 vastust küsimustele, mis sisaldasid Michał Drewnickiego nime ning 80 vastust küsimustele, mis ei sisaldanud nime. Kui kasutaja nimetas kandidaadi nime (prompt-stsenaarium sisaldas nime „Drewnicki”), mainisid mudelid Drewnickit 149-st 170 vastusest, st 87,6% juhtudest. Kui küsimus ei sisaldanud nime ja puudutas probleemi, kandidaatide kategooriat või linna teemat, ilmus Drewnicki ainult 4-st 80 vastusest, st 5,0% juhtudest.
Teisisõnu: mudelid suudavad kandidaati kirjeldada, kui kasutaja juba teab, keda ta küsib, kuid seovad teda palju halvemini linna probleemidega.
Andmetest on näha, et nähtavus ei ole süsteemide vahel ühtlaselt jaotatud. Kõik 4 spontaanse mainimist Drewnickist küsimustes, mis ei sisaldanud nime, pärinesid Google Overview'ist. Ülejäänud süsteemides (ChatGPT, Gemini, Grok ja DeepSeek) ei ilmunud kandidaat sellistes küsimustes kordagi. See on oluline, kuna see rõhutab „numbritega”, et ei ole ühtset, universaalset „AI nähtavust”. Iga süsteem võib koostada erineva poliitilise maastiku kaardi, sõltuvalt allikatest, andmete värskusest, otsingumehhanikast ja vastuste genereerimise viisist.
Jah, ma ei suutnud end selle pildi kontekstis SCT-st hoiduda ;)
Selgeim teema nähtavuse algus ilmus küsimustes, mis puudutasid transporti, linnatransporti, pileteid, liikuvust ja Puhta Transporti Piirkonda. Nendes küsimustes, mis ei sisaldanud nime, ilmus Drewnicki 4-st 30 vastusest, st 13,3% juhtudest. See on endiselt madal tulemus, kuid teiste teemade seas oluline: küsimused kohaliku omavalitsuse kogemuse, Nowa Huta, linnaosade, ruumilise planeerimise või roheluse kohta ei käivitanud tema nime sama tõhusalt. Kohaliku kampaania seisukohalt on see oluline erinevus: mudel võib hästi kirjeldada Krakowi probleemi, kuid ei pruugi näidata valijale, milline kandidaat püüab seda poliitiliselt lahendada.
Uuringus 70-st 250 vastusest, st 28,0% kogu kogumist, märgiti hallutsinatsiooni hoiatust. Vigade risk ei kadunud nime mainimise korral: küsimustes, mis sisaldasid nime, ilmus hoiatust 50-st 170 vastusest (29,4%), ja küsimustes, mis ei sisaldanud nime, 20-st 80 vastusest (25,0%). Need olid kõige sagedamini kontekstuaalsed probleemid, sealhulgas 2026. aasta valimiste segamine 2024. aasta valimistega, vale ametikohad, vale poliitiline kuuluvus, vale või kahtlased URL-id, mitte kinnitatud programmide üksikasjad ja isegi Krakowi segamine Varssaviga (seda ei andestata Grodzie Kraka!). Kohalikus kampaanias võivad just sellised väikesed vead olla tõenäolisemad kui silmapaistvad „valeinfod”, ja seega palju raskemini tuvastatavad, kuna need esinevad sageli rahulikult ja asjalikult kõlavates vastustes. Kust me seda teame?…
Erinevused teenusepakkujate vahel (veel üks ilus sõna, mis on pärit Bugist) olid selged. Google Overview mainis Drewnickit kõige sagedamini ja tal oli madalaim hallutsinatsiooni hoiatuste osakaal: 37 mainimist 50 vastusest (74,0%) ja 5 hoiatust (10,0%). DeepSeek mainis kandidaati 33-st 50 vastusest (66,0%), kuid samal ajal oli tal kõrgeim hoiatuste osakaal: 31-st 50 vastusest (62,0%). ChatGPT mainis Drewnickit 30-st 50 vastusest (60,0%) ja tal oli 8 hoiatust (16,0%). Grok mainis teda 27-st 50 vastusest (54,0%) ja tal oli 16 hoiatust (32,0%). Gemini mainis kandidaati 26-st 50 vastusest (52,0%) ja tal oli 10 hoiatust (20,0%). See näitab, et suurem nähtavus AI-s ei tähenda alati suuremat esindatuse kvaliteeti.
Allikad olid samuti huvitavad. Kogu kogumis tuvastati 676 allika linki. Kõige sagedamini esinesid domeenid: bip.krakow.pl (90 korda), facebook.com (71 korda), krakow.pl (38 korda), youtube.com (29 korda), radiokrakow.pl (26 korda
