Vielä muutama vuosi sitten äänestäjän, joka halusi tarkistaa kaupungin pormestarin ehdokkaan, oli pakko vierailla hänen verkkosivustollaan, selata medioita (mukaan lukien "perinteisiä"), katsoa debatti, kysyä ystäviltä tai selata useita Google-hakuja. Tänään yhä useammin hän voi tehdä jotain yksinkertaisempaa – kysyä suosikkichatbotiltaan (suurelta kielimallilta).
Hänen ei tarvitse edes… tietää nimiä. Hänen ei tarvitse tietää, kuka kuuluu mihin komiteaan. Hänen ei tarvitse seurata lehdistötilaisuuksia. Yleisesti ottaen, hänen ei tarvitse tehdä paljoakaan. Mutta hän voi. Hän voi kysyä: "Kuka Krakowassa on paras liikennesuunnitelma?", "Kuka ehdokas on yhteydessä Nowa Hutaan?", "Kuka haluaa muuttaa Puhdistetun Liikenteen Aluetta?", "Onko PiS:n ehdokkaalla kunnallista kokemusta?", "Kuka puhuu näissä vaaleissa konkreettisesti elinkustannuksista?".
Ja hän saa vastauksen.
Ei linkkilistaa. Ei perinteistä hakutulosta. Ei neutraalia asiakirjatietokantaa. Hän saa synteettisen kuvauksen poliittisesta kentästä, joka on rakennettu LLM:n perusteella sen mukaan, mitä malli löytää, muistaa, tulkitsee, pitää tärkeänä ja järjestää oikeaan hierarkiaan. Ja tämä on suunnattu käyttäjälle, joka on osittain "kasvattanut" itselleen "Tamagotchinsa" kolmannelta vuosikymmeneltä (kuulostaako se oudolta!) XXI vuosisadalla. Vain hän ei ruoki sitä eikä pese sitä painamalla nappuloita, vaan heittää palasia itsestään, jotka paljastavat hänen tottumuksiaan.
Tämä on uusi vaalikampanjan taso. Hiljainen, yksityinen, vaikeasti seurattava ja – paikallisvaaleissa – potentiaalisesti erittäin merkittävä.
Krakova vaalilaboratoriona GenAI:n aikakaudella
Krakova on hyvä paikka nähdä tämä muutos käytännössä. Se ei ole pieni kunta, mutta ei myöskään valtakunnallinen kampanja, jossa jokainen ehdokas on jatkuvasti läsnä päämedioissa. Tilastokeskuksen mukaan vuoden 2025 lopussa Krakovan asukasluku oli 816 614. Se on suuri, monimutkainen kaupunkielämä: keskustasta, Nowa Hutasta, periferiasta, yliopistoista, turismista, liiketoiminnasta, liikenteestä, vihreästä tilasta, kaavoituksesta, kaupunkipalveluiden hinnoista ja kaupungin hallinnasta. lähde: Krakova luvuissa
Lisäksi on poikkeuksellinen poliittinen konteksti. 24. toukokuuta 2026 pidetyssä paikallisessa kansanäänestyksessä Krakovan pormestarin erottamista koskevassa äänestyksessä äänestysprosentti oli 29,99 % – riittävästi, jotta kansanäänestys oli voimassa ja ratkaiseva. Samanaikaisessa äänestyksessä kaupunginvaltuuston erottamisesta äänestysprosentti oli 29,97 %, joten laillista rajaa ei ylitetty. Ero on näennäisesti minimaalinen, mutta poliittiset seuraukset täysin erilaiset. lähde: Krakovan kaupunki
Krakovalla on myös tuore kokemus erittäin tasaisesta kilpailusta. Vuoden 2024 presidentinvaalien toisella kierroksella Aleksander Miszalski sai 51,04 % äänistä, ja Łukasz Gibała 48,96 %. PKW:n tietojen mukaan ero oli 5434 ääntä. lähde: Rzeczpospolita
Nämä ovat lukuja, joiden yhteydessä on syytä olla varovainen jokaisen uuden tiedonlähteen suhteen. Ei siksi, että chatbot "valitsee Krakovan pormestarin". Se on liian vahva väite. Mutta siksi, että kampanjassa, jossa muutama tuhat ääntä voi muuttaa tuloksen, merkitystä on myös sillä, kuka on näkyvissä, kuka on sivuutettu, mihin hänet yhdistetään ja miten häntä kuvataan generatiivisen tekoälyn vastauksissa, joihin käyttäjät turvautuvat yhä useammin.
Äänestäjä ei vain etsi. Äänestäjä keskustelee
Tärkein muutos ei ole se, että AI pystyy tuottamaan mainoksen, meemin tai deepfaken. Tämä on tietenkin myös merkittävää, mutta se on jo melko hyvin tunnettu aihe. Siitä puhutaan paljon, ja siitä on kampanjoita – vähemmän tai enemmän sosiaalisia. Vähemmän tai enemmän tiettyjen vaalipuolueiden rahoittamia.
Kiinnostavampi ja vähemmän ilmeinen muutos liittyy siihen, että LLM:t alkavat toimia yksityisinä tiedonneuvonantajina. Äänestäjä ei ehkä kysy: "Mikä on Michał Drewnickin ohjelma?". Hän ei ehkä edes muista tätä nimeä. Hän voi sen sijaan kysyä: "Kuka Krakowassa on kunnallista kokemusta?", "Kuka ehdokas puhuu Nowa Hutasta?", "Kuka on selkeästi ja konkreettisesti SCT:n suhteen?", "Onko Krakovan PiS:n ehdokas vain puolueellinen, vai onko hänellä paikallista kokemusta?".
Sellaiset kysymykset ovat paljon lähempänä todellista päätöksentekoprosessia. Ihmiset harvoin vertaavat koko ohjelmia alusta loppuun. (sivumennen sanoen… mikä puolue vuonna 2024 kuvasi selkeän vaaliohjelmansa, eikä vain seurannut muuttuvia mielipidekyselyjä, huutoja vaalikoitoksissa ja "sosiaalisen median" mittaamista?) Useammin he etsivät vastauksia omaan ongelmaansa: kuljetus, hinnat, vihreys, koulu, jalkakäytävä, pysäköinti, ikkunan takana oleva rakentaminen, kaaoksen tunne virastossa tai vaikutusmahdollisuuksien puute kaupungin päätöksiin.
Juuri tässä suuret kielimallit alkavat toimia uutena välittäjänä. Ne eivät vain tarjoa tietoa. Ne järjestävät kenttää. Ne valitsevat, ketkä ehdokkaat mainitaan. Ne päättävät, mitkä faktat ovat merkityksellisiä. Ne tiivistävät monimutkaisen kontekstin muutamaan kappaleeseen. Ja usein ne tekevät sen tavalla, jota emme näe perinteisessä mediaseurannassa, SEO:ssa tai sosiaalisen median analyysissä. Tämän myötä voidaan olettaa, että mielipidekyselyt ja niiden "virheet" tulevat yhä enemmän olemaan yksi pääaiheista keskusteluissa vaalitulosten jälkeen.
Tämä ei ole enää teknologinen niši
Jos joku olettaa, että "chatbotit" ovat edelleen vain opiskelijoiden ja teknologia-alan lelu, tiedot viilentävät tämän käsityksen nopeasti. Gemius/PBI:n raportin mukaan kesäkuussa 2025 ChatGPT:tä käytti yli 9,3 miljoonaa todellista käyttäjää Puolassa. Tämä tarkoitti 31,4 %:a interneteistä ja 28,6 %:a 7–75-vuotiaasta väestöstä. Raportti osoitti myös, että ChatGPT:n käyttäjistä oli yli edustettuna alle 35-vuotiaat, ja 25–34-vuotiaiden ryhmässä keskimääräinen käyttöaika kesäkuussa oli 2 tuntia ja 42 minuuttia. lähde: Gemius/PBI
Euroopan tasolla Eurostat ilmoitti, että vuonna 2025 generatiivista AI:ta käytti 32,7 % EU:n 16–74-vuotiaista asukkaista. 16–24-vuotiaiden ryhmässä tämä osuus oli jo 63,8 %. lähde: Eurostat
Tämä on tärkeää, koska nuoremmat äänestäjät ovat samalla ryhmä, joka on alttiimpi käyttämään uusia tiedonlähteitä ja ryhmä, joka paikallisvaaleissa usein on vähemmän vakaa äänestysprosentiltaan. Ei tarvitse olettaa, että koko kampanja siirtyy massiivisesti tekoälyä tukeviksi järjestelmiksi. Riittää, että huomataan, että merkittävälle osalle käyttäjistä keskustelu chatbotin kanssa alkaa olla yksi luonnollisista tavoista järjestää tietoa.
AI uutisten, politiikan ja päätösten työkaluna
Reuters-instituutin tiedot osoittavat, että AI-chatbotteja käytetään jo tiedon kuluttamiseen, vaikka ne eivät vielä dominoi. Vuonna 2026 10 % tutkituista 45 markkinoilla ilmoitti käyttävänsä AI-chatbotteja uutisiin viikoittain, kun edellisvuonna osuus oli 7 %. Vielä kiinnostavampaa on se, miten ihmiset käyttävät niitä: 42 % uutis-chatbotin käyttäjistä esittää syventäviä kysymyksiä, 35 % käyttää niitä saadakseen viimeisimmät tiedot, 34 % tiivistää, 30 % yksinkertaistaa monimutkaisia aiheita ja 33 % arvioi lähteiden luotettavuutta. lähde: Reuters Institute Digital News Report
Tämä on lähes valmis kuvaus äänestäjän käyttäytymisestä paikallisessa kampanjassa. "Selitä minulle, mistä on kyse Puhdistetun Liikenteen Alueessa." "Tiivistä ehdokkaiden erot." "Kuka on luotettava liikenteen suhteen?" "Onko tällä ehdokkaalla todella kunnallista kokemusta?" "Mitkä lähteet vahvistavat hänen väitteensä?".
Tässä vaiheessa AI ei ole enää vain tekstin kirjoittamisen työkalu. Se on käyttöliittymä julkiseen todellisuuteen.
Vahvin varoitussignaali – äänestäjät kysyvät jo GenAI:ltä vaaleista
Yksi mielenkiintoisimmista luvuista tulee tutkimuksesta, joka käsitteli vuoden 2024 parlamenttivaaleja Isossa-Britanniassa. Edustava tutkimus 2499 aikuisesta osoitti, että vaaliviikolla 32 % chatbotin käyttäjistä (13 % kaikista äänestysoikeutetuista) käytti keskustelevaa AI:ta etsiessään tietoa, joka liittyi suoraan vaalipäätökseen. lähde: arXiv, tutkimus UK 2024
Tämä ei ole marginaalinen yksityiskohta. Tämä on signaali siitä, että chatbotit astuvat vaaliprosessin ytimeen: eivät abstraktina teknologiana, vaan työkaluna, jota käytetään silloin, kun äänestäjä tekee päätöksensä, järjestää argumentteja tai yrittää ymmärtää poliittista kenttää. Usein juuri ennen vaalipaikalle menoa.
On tärkeää, että tämän tutkimuksen tekijät eivät tee yksinkertaista alarmistista johtopäätöstä. Sarjassa kokeita, joihin osallistui 2858 osallistujaa, todettiin, että chatbotin käyttö ei heikentänyt poliittista tietämystä; päinvastoin, se lisäsi sitä samassa määrin kuin perinteinen internet-haku. lähde: AI Security Institute
Ja juuri siksi aihe on mielenkiintoisempi kuin tavallinen tarina uhasta. On aika sanoa klisee. Korostan sitä jopa lihavoimalla, jotta se erottuisi paremmin. Ei tarvitse kiittää…
LLM:t voivat auttaa äänestäjiä ymmärtämään politiikkaa paremmin. Mutta ne voivat myös hämmentää, jättää huomiotta, yksinkertaistaa, tunnistaa ehdokkaita virheellisesti tai rakentaa tiettyjä tulkintakehyksiä.
Toinen puoli – chat-vastaukset voivat olla virheellisiä
Ongelma on se, että mallien vastaukset vaikuttavat järjestelmällisiltä, varmoilta ja täydellisiltä, vaikka ne sisältävätkin aukkoja. Tiedätkö… kuin se tuleva insinööri (jos kohtalo ja professorit sallivat), jonka tapasit opiskelijajuhlissa, joka puolustaa vankasti kantaa, joka kolme olutta sitten ei olisi edes tullut keskusteluun ;)
EBU:n ja BBC:n tutkimus kattoi yli 3000 AI-assistenttien (ChatGPT, Copilot, Gemini ja Perplexity) tuottamaa vastausta 14 kielellä. 45 % vastauksista sisälsi ainakin yhden merkittävän ongelman, 31 %:lla oli vakavia ongelmia lähteiden kanssa, ja 20 %:lla oli vakavia tarkkuusongelmia, mukaan lukien vanhentuneet tai harhaiset tiedot. lähde: EBU/BBC
Paikallisvaaleissa tämä riski voi olla suurempi kuin valtakunnallisessa kampanjassa. Paikalliset lähteet ovat hajautetumpia. Ehdokkaat voivat olla (ja ovat, kuten pian todistamme) vähemmän tunnettuja. Konteksti muuttuu nopeammin. Edellisen kauden nimet voivat sekoittua uusiin ehdokkaisiin. Ohjelmat julkaistaan vaiheittain. (jos ne syntyvät, mutta siitä olen jo kirjoittanut, eikä lisää piikkejä tule… ehkä) Ja käyttäjien kysymykset ovat usein lyhyitä, arkisia ja epätarkkoja.
Kansallisella johtajalla malli yleensä saa paljon tietoa. Paikallisen Krakovan pormestariehdokkaan kohdalla sen on koottava kuva BIP:stä, paikallisista medioista, ehdokkaan verkkosivustosta, sosiaalisen median julkaisuista, mielipidekyselyistä, lehdistötilaisuuksista ja ajankohtaisista tapahtumista. Tämä on ihanteellinen tilanne näennäisesti vähäisten, mutta poliittisesti merkittävien virheiden syntymiselle: virheellisten tehtävien sekoittaminen, kilpailijan unohtaminen, vanhentuneen ehdokkuuden liittäminen, liian kapean leiman antaminen jollekulle tai vastausten perustaminen edellisten vaalien lähteisiin.
Tärkein käänne: GenAI ei tarvitse valehdella vaikuttaakseen
AI:ta ja vaaleja käsittelevässä keskustelussa liian paljon huomiota kiinnitetään "valeuutisiin". Samaan aikaan paikalliselle kampanjalle yhtä tärkeää voi olla jotain hienovaraisempaa: edustus.
Malli ei välttämättä anna väärää tietoa. Se voi yksinkertaisesti kuvata ehdokasta pääasiassa puolueen kautta ja jättää huomiotta hänen kunnallisen kokemuksensa. Se voi mainita hänet kysyttäessä PiS:stä, mutta ei kysyttäessä liikenteestä. Se voi kirjoittaa SCT:stä, mutta jättää mainitsematta kaupungin liikenteen. Se voi vastata kysymykseen Nowa Hutasta ilman, että se mainitsee henkilöä, joka itse rakentaa osan viestinnästään tämän kaupunginosan suhteiden ympärille. Se voi sijoittaa ehdokkaan listan loppuun, vaikka hän on muodollisesti yksi kilpailun merkittävistä osallistujista.
Tämä ei välttämättä ole "virhe" yksinkertaisessa mielessä. Se voi olla seurausta lähteiden hierarkiasta, tietojen ajantasaisuudesta, tiedon saatavuudesta, kysymyksen muotoilusta ja mallin tuottaman vastauksen mekanismista.
Perinteisessä SEO:ssa kilpailtiin hakutulosten asemasta. LLM-maailmassa yhä tärkeämmäksi kysymykseksi tulee: esiintyykö ehdokas ylipäätään vastauksessa, minkä kysymysten yhteydessä hän esiintyy, mihin hänet yhdistetään ja kenen kanssa häntä verrataan.
Tämä mekanismi näkyy hyvin Michał Drewnickin tutkimuksessa (käsitellään laajemmin tekstin myöhemmissä osissa). 250 vastauksessa syvällisessä tutkimuksessa mallit mainitsivat ehdokasta 87,6 %:ssa tapauksista, kun käyttäjä mainitsi hänen nimensä, mutta vain 5,0 %:ssa tapauksista, kun kysymys ei sisältänyt nimeä ja liittyi ongelmaan, ehdokkaiden kategoriaan tai kaupunkiteemaan. Toisin sanoen: nimen tunnistaminen ei vielä tarkoita teema näkyvyyttä.
Entä jos vastaus ei vain informoi, vaan myös siirtää mielipidettä?
Tämän on sanottava varovaisesti. Nämä olivat kontrolloituja kokeita, eivät todisteita siitä, että chatbotit itse ratkaisevat todelliset vaalit. Osallistujat tiesivät, että he keskustelivat AI:n kanssa, ja vaikuttamisen suunta oli satunnaistettu. Itse tutkimuksen tekijät ja kommentaattorit korostivat tällaisen tutkimuksen rajoituksia sekä eroa kokeellisten olosuhteiden ja todellisen kampanjan välillä. lähde: Nature Asia
Kuitenkin yksi johtopäätös on vaikea ohittaa. Se kuuluu suurin piirtein näin: mallien vastaukset voivat olla vakuuttavia, ei siksi, että ne ovat emotionaalisia, aggressiivisia tai manipuloivia perinteisessä mielessä. Tutkijoiden mukaan niiden voima johtui usein siitä, että ne tuottivat paljon väitteitä, argumentteja ja näennäisesti asiallisia perusteluja. Cornell korosti, että kun mallien mahdollisuuksia käyttää faktoja rajoitettiin, niiden vakuuttavuus heikkeni; samalla vakuuttavammat mallit saattoivat olla vähemmän tarkkoja. lähde: Cornell Chronicle
Tämä on paikallisen kampanjan ydinongelma. Äänestäjä voi saada rauhallisen, asiallisen, hyvin kuulostavan ja puolueettoman vastauksen. Ja silti tämä vastaus voi vahvistaa tiettyä kuvaa ehdokkaasta.
Esimerkki Krakova, eli Michał Drewnicki LLM-vastauksissa
Kyse ei ole vain kysymyksestä: "Tunnetko GenAI:n ehdokkaan nimen?". Tämä on yksinkertaisin taso. Paljon mielenkiintoisempia ovat syvemmät kysymykset:
Tunnistavatko mallit Michał Drewnickin oikein PiS:n ehdokkaana Krakovan ennakoimattomissa vaaleissa?
Tunnistavatko he hänen julkiset tehtävänsä – kaupunginvaltuutettuna ja Krakovan kaupunginvaltuuston varapuheenjohtajana?
Erottavatko he nykyisen vaalikontextin vuoden 2024 kunnallisvaaleista?
Liittävätkö he hänet vain PiS:ään vai myös paikalliseen kunnalliseen kokemukseen?
Ilmeneekö hän vastauksissa kysymyksiin, jotka eivät sisällä hänen nimeään, mutta liittyvät hänen julkiseen profiiliinsa: liikenteeseen, SCT:hen, Nowa Hutaan, kaavoitukseen, elinkustannuksiin, viranomaisen ja asukkaiden suhteisiin?
Osaatko mallit erottaa viralliset tiedot, mediakatsaukset, vaalilupaukset ja omat tulkintansa?
Tutkimuksen toteutti tämän tekstin vaatimaton kirjoittaja 03/07/2026.
Tutkimuksessa, joka toteutettiin omalla työkalullamme Semantio, analysoin 250 vastausta Michał Drewnickista Krakovan presidentinvaalien kontekstissa. Materiaali on tulos analyysista, joka kattoi 50 ainutlaatuista skenaariota, jotka käynnistettiin viidessä järjestelmässä: ChatGPT, Gemini, Grok, DeepSeek ja Google Overview. Jokainen järjestelmä vastasi annettuihin 50 skenaarioon. Skenaariot jaettiin mm. aikaleiman mukaan: 80 vastausta awareness-vaiheessa, 85 consideration-vaiheessa ja 85 decision-vaiheessa. Erityisesti analysoitiin kysymyksiä, jotka sisälsivät ehdokkaan nimen sekä ongelmakysymyksiä ilman nimeä.
Vahvin tulos liittyy eroon nimen tunnistamisesta ja spontaanista näkyvyydestä. Koko materiaalissa oli 170 vastausta kysymyksiin, jotka sisälsivät Michał Drewnickin nimen sekä 80 vastausta kysymyksiin ilman nimeä. Kun käyttäjä mainitsi ehdokkaan nimen (prompt-skenaari sisälsi nimen "Drewnicki"), mallit mainitsivat Drewnickin 149:ssä 170 vastauksessa, eli 87,6 %:ssa tapauksista. Kun kysymys ei sisältänyt nimeä ja liittyi ongelmaan, ehdokkaiden kategoriaan tai kaupunkiteemaan, Drewnicki ilmestyi vain 4:ssä 80 vastauksessa, eli 5,0 %:ssa tapauksista.
Toisin sanoen: mallit pystyvät kuvaamaan ehdokasta, kun käyttäjä jo tietää, ketä hän kysyy, mutta paljon huonommin yhdistävät hänet itsenäisesti kaupungin ongelmiin.
Tiedoista näkyy myös, että näkyvyys ei jakaudu tasaisesti järjestelmien kesken. Kaikki 4 spontaania mainintaa Drewnickista kysymyksissä ilman nimeä tulivat Google Overview:sta. Muissa järjestelmissä (ChatGPT, Gemini, Grok ja DeepSeek) ehdokasta ei mainittu kertaakaan. Tämä on tärkeää, koska se korostaa "numeroilla", että ei ole olemassa yhtä, universaalia "näkyvyyttä AI:ssa". Jokainen järjestelmä voi rakentaa erilaisen poliittisen kentän kartan, joka riippuu lähteistä, tietojen ajantasaisuudesta, hakumekaniikasta ja vastausten tuottamisen tavasta.
En voinut vastustaa tätä kuvaa SCT:n kontekstissa ;)
Vastausten 70:ssä 250 vastauksessa, eli 28,0 %:ssa koko aineistosta, merkittiin harha-alarmia. Virheiden riski ei hävinnyt nimen mainitsemisen jälkeen: kysymyksissä, joissa oli nimi, alarmi ilmestyi 50:ssä 170 vastauksessa (29,4 %), ja kysymyksissä ilman nimeä 20:ssä 80 vastauksessa (25,0 %). Useimmiten nämä olivat kontekstiongelmia, eli vuoden 2026 vaalien sekoittamista vuoden 2024 vaalien kanssa, virheellisiä julkisia tehtäviä, virheellisiä poliittisia liitoksia, virheellisiä tai epäilyttäviä URL-osoitteita, vahvistamattomia ohjelmatietoja ja yksittäisiä jopa Krakovan sekoittamista Varsovaan (sitä ei anteeksi anneta Krakovassa!). Paikallisessa kampanjassa juuri tällaiset pienet virheet voivat olla todennäköisempiä kuin näyttävät "valeuutiset", ja siten paljon vaikeampia havaita, koska ne esiintyvät usein rauhallisissa ja asiallisissa vastauksissa. Mistä me tiedämme tämän?…
Erot palveluntarjoajien välillä (toinen kaunis sana Bugin yltä) olivat selvät. Google Overview mainitsi Drewnickin useimmin ja sillä oli alhaisin harha-alarmien osuus: 37 mainintaa 50 vastauksessa (74,0 %) ja 5 alarmia (10,0 %). DeepSeek mainitsi ehdokasta 33:ssä 50 vastauksessa (66,0 %), mutta sillä oli samalla korkein alarmien osuus: 31:ssä 50 vastauksessa (62,0 %). ChatGPT mainitsi Drewnickin 30:ssä 50 vastauksessa (60,0 %) ja sillä oli 8 alarmia (16,0 %). Grok mainitsi hänet 27:ssä 50 vastauksessa (54,0 %) ja sillä oli 16 alarmia (32,0 %). Gemini mainitsi ehdokasta 26:ssä 50 vastauksessa (52,0 %) ja sillä oli 10 alarmia (20,0 %). Tämä osoittaa, että suurempi näkyvyys AI:ssa ei aina tarkoita suurempaa edustuksen laatua.
