Vielä muutama vuosi sitten äänestäjän, joka halusi tarkistaa kaupungin pormestarin ehdokkaan, oli pakko vierailla hänen verkkosivustollaan, selata medioita (mukaan lukien "perinteisiä"), katsoa debatti, kysyä tuttavilta tai selata useita sivuja Google-hakuja. Tänään yhä useammin hän voi tehdä jotain yksinkertaisempaa – kysyä suosikkichatiltaan (suurelta kielimallilta).
Hänen ei tarvitse edes… tietää nimiä. Hänen ei tarvitse tietää, kuka kuuluu mihin komiteaan. Hänen ei tarvitse seurata tiedotustilaisuuksia. Yleisesti ottaen, hänen ei tarvitse paljon. Mutta hän voi. Hän voi kysyä: "Kuka Krakowassa on paras liikennesuunnitelma?", "Kuka ehdokas on kytköksissä 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 siitä, 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. Hän ei vain ruokki sitä ja 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. GUS:n tietojen mukaan vuoden 2025 lopussa Krakova oli 816 614 asukasta. Se on suuri, monimutkainen kaupunkielämä: keskustasta, Nowa Hutasta, periferisistä kaupunginosista, yliopistoista, turismista, liiketoiminnasta, liikenteestä, vihreän tilan konflikteista, kaavoituksesta, kaupungin palveluiden hinnoista ja kaupungin hallintotavoista. lähde: Krakova luvuissa
Lisäksi on poikkeuksellinen poliittinen konteksti. 24. toukokuuta 2026 pidetyssä paikallisessa kansanäänestyksessä äänestysprosentti Krakovan pormestarin erottamista koskevassa kysymyksessä oli 29,99 % – riittävästi, jotta kansanäänestys oli voimassa ja ratkaiseva. Samanaikaisessa äänestyksessä kaupunginvaltuuston erottamisesta äänestysprosentti oli 29,97 %, joten laillista rajaa ei ylitetty. Vaikka ero on näennäisesti minimaalinen, poliittiset seuraukset ovat täysin erilaiset. lähde: Krakovan kaupunki
Krakova 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 kohdalla on syytä olla varovainen jokaisen uuden tiedonlähteen suhteen. Ei siksi, että chatbot "valitsee Krakovan pormestarin". Se on liian voimakas väite. Vaan siksi, että kampanjassa, jossa muutama tuhat ääntä voi muuttaa tuloksen, merkitystä on myös sillä, kuka on näkyvissä, kuka jää huomiotta, mihin hänet liitetään ja miten hänet kuvataan generatiivisen tekoälyn vastauksissa, joihin käyttäjät yhä useammin turvautuvat.
Äänestäjä ei vain etsi. Äänestäjä keskustelee
Tärkein muutos ei ole se, että AI pystyy tuottamaan mainoksen, meemin tai deepfakea. Tämä on tietenkin 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:stä tulee yksityisiä tiedon neuvonantajia. 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:stä?", "Onko Krakovan PiS:n ehdokas vain puolueen edustaja vai onko hänellä paikallista kokemusta?".
Sellaiset kysymykset ovat paljon lähempänä todellista päätöksentekoprosessia. Ihmiset harvoin vertaavat koko ohjelmia alusta loppuun. (sivuhuomautuksena… mikä puolue vuonna 2024 kuvasi selkeän vaaliohjelmansa, eikä vain ratsastanut muuttuvien mielipidemittausten, vaalipuheiden ja sosiaalisen median "huudon" aallolla?) Useammin etsitään vastauksia omaan ongelmaan: kuljetus, hinnat, vihreys, koulu, jalkakäytävä, pysäköinti, ikkunan takana oleva rakentaminen, kaaoksen tunne virastossa tai vaikutusmahdollisuuksien puute kaupungin päätöksiin.
Tässä suuret kielimallit alkavat toimia uutena välittäjänä. Ne eivät vain tarjoa tietoa. Ne järjestävät kenttää. Ne valitsevat, mitä ehdokkaita mainita. Ne päättävät, mitkä faktat ovat merkittäviä. Ne tiivistävät monimutkaisen kontekstin muutamaan kappaleeseen. Ja usein tekevät sen tavalla, jota emme näe perinteisessä mediaseurannassa, SEO:ssa tai sosiaalisen median analyysissä. Tämän seurauksena voidaan olettaa, että mielipidekyselyt ja niiden "virheet" tulevat yhä enemmän olemaan yksi tärkeimmistä keskustelunaiheista vaalipäivän jälkeen.
Tämä ei ole enää teknologinen niši
Jos joku olettaa, että "chatbotit" ovat edelleen vain opiskelijoiden ja teknologiateollisuuden 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 % interneteistä ja 28,6 % väestöstä, joka on 7–75-vuotiaita. Raportti osoitti myös, että ChatGPT:n käyttäjistä oli yliedustettuna 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 32,7 % EU:n 16–74-vuotiaista asukkaista käytti generatiivista AI:ta. 16–24-vuotiaiden ryhmässä tämä osuus oli jo 63,8 %. lähde: Eurostat
Tämä on tärkeää, koska nuoremmat äänestäjät ovat samalla ryhmä, joka on alttiimpi uusien tiedonkeruuvälineiden käytölle ja ryhmä, joka paikallisvaaleissa on usein vähemmän vakaa äänestysprosentiltaan. Ei tarvitse olettaa, että koko kampanja siirtyy massoittain tekoälyn tukemiin järjestelmiin. Riittää, että huomataan, että merkittävälle osalle käyttäjistä keskustelu chatbotin kanssa alkaa olla yksi luonnollisista tavoista järjestää tietoa.
AI uutisten, politiikan ja päätösten välineenä
Reuters-instituutin tiedot osoittavat, että AI-chatbotteja käytetään jo tiedon kuluttamiseen, vaikka ne eivät vielä dominoi. Vuonna 2026 10 % 45 markkinoilla tutkituista 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 Puhdistetussa Liikenteen Alueessa." "Tiivistä ehdokkaiden erot." "Kuka on luotettava liikenteen asiassa?". "Onko tällä ehdokkaalla todella kunnallista kokemusta?". "Mitkä lähteet vahvistavat hänen väitteensä?".
Tässä vaiheessa AI lakkaa olemasta vain tekstin kirjoittamisen väline. Siitä tulee käyttöliittymä julkiseen todellisuuteen.
Vahvin varoitussignaali – äänestäjät kysyvät jo GenAI:ltä vaaleista
Yksi kiinnostavimmista luvuista tulee tutkimuksesta, joka koski 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 astumista.
Tärkeää on, että tämän tutkimuksen tekijät eivät esitä yksinkertaista alarmistista johtopäätöstä. Sarjassa kokeita, joissa oli mukana 2858 osallistujaa, he totesivat, 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 kiinnostavampi kuin tavallinen tarina uhasta. Aika kliseelle. Korostan sitä jopa lihavoimalla, jotta se erottuisi paremmin. Ei kestä 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 siinä, että mallien vastaukset vaikuttavat olevan järjestettyjä, varmoja ja täydellisiä, vaikka ne sisältävätkin aukkoja. Tiedät… kuin se opiskelijajuhlissa tavattu tuleva insinööri (jos kohtalo ja professorit sallivat), joka puolustaa vakaasti kantaa, jota kolme olutta sitten ei olisi edes keskustelussa ;)
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 ylipäätään syntyvät, mutta siitä olen jo kirjoittanut, eikä enempää piikkejä tule… ehkä) Ja käyttäjien kysymykset ovat usein lyhyitä, arkisia ja epämääräisiä.
Kansallisella johtajalla malli yleensä saa paljon tietoa. Paikallisen Krakovan pormestariehdokkaan kohdalla sen on koottava kuva BIP:stä, paikallisista medioista, ehdokkaan verkkosivuilta, sosiaalisen median julkaisuista, mielipidekyselyistä, tiedotustilaisuuksista ja ajankohtaisista tapahtumista. Tämä on ihanteellinen ympäristö näennäisesti vähäisille, mutta poliittisesti merkittäville virheille: virheellisten tehtävien sekoittaminen, kilpailijan unohtaminen, vanhentuneen ehdokkuuden liittäminen, liian kapean leiman antaminen jollekin tai vastausten perustaminen edellisten vaalien lähteisiin.
Tärkein käännekohta: GenAI ei tarvitse valehdella vaikuttaakseen
AI:sta ja vaaleista käytävässä keskustelussa liian paljon huomiota kiinnitetään "valeuutisiin". Samaan aikaan paikallisessa kampanjassa 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 kaupungin liikenteen pois. Se voi vastata kysymykseen Nowa Hutasta ilman, että mainitsee henkilöä, joka itse rakentaa osan viestinnästään suhteessa tähän kaupunginosaan. 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 tuoreudesta, tiedon saatavuudesta, kysymyksen muotoilusta ja mallin tuottaman vastauksen mekanismista.
Perinteisessä SEO:ssa kilpailtiin näkyvyydestä hakutuloksissa. LLM-maailmassa yhä tärkeämmäksi kysymykseksi tulee: tuleeko ehdokas ylipäätään esiin vastauksessa, millaisissa kysymyksissä hän tulee esiin, mihin hänet liitetään ja kenen kanssa häntä verrataan.
Tämä mekanismi näkyy hyvin Michał Drewnickin tutkimuksessa (josta keskustellaan laajemmin tekstin myöhemmissä osissa). 250:n vastauksen 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 näkyvyyttä teemassa.
Entä jos vastaus ei vain informoi, vaan myös siirtää mielipidettä?
On sanottava tämä 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 runsaasti väitteitä, argumentteja ja näennäisesti asiallisia perusteluja. Cornell korosti, että kun mallien mahdollisuuksia käyttää faktoja rajoitettiin, niiden vakuuttavuus laski; samalla kun vakuuttavammat mallit olivat usein vähemmän tarkkoja. lähde: Cornell Chronicle
Tämä on ongelman ydin paikallisessa kampanjassa. Äänestäjä voi saada rauhallisen, asiallisen, hyvin kuulostavan ja puolueettoman vastauksen. Ja silti tämä vastaus voi vahvistaa tiettyä kuvaa ehdokkaasta.
Krakovan esimerkki, eli Michał Drewnicki LLM-vastauksissa
Kyse ei ole vain kysymyksestä: "Tunnetko GenAI:n ehdokkaan nimen?". Tämä on yksinkertaisin taso. Paljon kiinnostavampia 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: liikenne, SCT, Nowa Huta, kaavoitus, elinkustannukset, viranomaisten ja asukkaiden suhteet?
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. aikavälin aikajanan mukaan: 80 vastausta tietoisuus-vaiheessa, 85 käsittely-vaiheessa ja 85 päätöksenteko-vaiheessa. Erityisesti analysoitiin kysymyksiä, jotka sisälsivät ehdokkaan nimen sekä ongelmakysymyksiä ilman nimeä.
Vahvin tulos liittyy eroon nimen tunnistamisen ja spontaanin näkyvyyden välillä. Koko materiaalissa oli 170 vastausta kysymyksiin, jotka sisälsivät Michał Drewnickin nimen sekä 80 vastausta kysymyksiin ilman nimeä. Kun käyttäjä mainitsi ehdokkaan nimen (prompt-skenaariossa oli nimi "Drewnicki"), mallit mainitsivat Drewnickin 149:ssä 170 vastauksesta, eli 87,6 %:ssa tapauksista. Kun kysymys ei sisältänyt nimeä ja liittyi ongelmaan, ehdokkaiden kategoriaan tai kaupunkiteemaan, Drewnicki ilmestyi vain 4:ssä 80 vastauksesta, 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.
Tiedoissa 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 tällaisissa kysymyksissä. Tämä on tärkeää, koska se korostaa "numeroiden" kautta, 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.
Kyllä, en voinut vastustaa tätä kuvaa SCT:n kontekstissa ;)
Selvin teeman näkyvyyden alku ilmestyi kysymyksissä liikenteestä, kaupungin liikenteestä, lipuista, liikkuvuudesta ja Puhdistetusta Liikenteen Alueesta. Kysymyksissä ilman nimeä, jotka liittyivät tähän alueeseen, Drewnicki ilmestyi 4:ssä 30 vastauksesta, eli 13,3 %:ssa tapauksista. Tämä on edelleen alhainen tulos, mutta muiden aiheiden taustalla merkittävä: kysymykset kunnallisesta kokemuksesta, Nowa Hutasta, kaupunginosista, kaavoituksesta tai vihreydestä eivät aktivoineet hänen nimeään yhtä tehokkaasti. Paikallisen kampanjan näkökulmasta tämä on tärkeä ero: malli voi hyvin kuvata Krakovan ongelmaa, mutta ei välttämättä näytä äänestäjälle, mikä ehdokas yrittää poliittisesti hyödyntää tätä ongelmaa.
Vastausten 70:ssä 250 vastauksesta, eli 28,0 % koko aineistosta, merkittiin harha-alarmia. Virheiden riski ei hävinnyt nimen mainitsemisen jälkeen: kysymyksissä, joissa oli nimi, hälytys ilmestyi 50:ssä 170 vastauksesta (29,4 %), ja kysymyksissä ilman nimeä 20:ssä 80 vastauksesta (25,0 %). Useimmiten nämä olivat kontekstiongelmia, kuten 2026 vaalien sekoittaminen vuoden 2024 vaalien kanssa, virheelliset julkiset tehtävät, virheellinen puoluekuuluvuus, virheelliset tai epäilyttävät URL-osoitteet, vahvistamattomat ohjelmatiedot ja yksittäiset jopa Krakovan sekoittaminen Varsovaan (sitä ei anteeksi anneta Krakovassa!). Paikallisessa kampanjassa tällaiset pienet virheet voivat olla todennäköisempiä kuin näyttävät "valeuutiset", ja siten paljon vaikeampia havaita, koska ne esiintyvät usein rauhallisilta ja asiallisilta kuulostavissa vastauksissa. Mistä me tiedämme tämän?…
Erot palveluntarjoajien välillä (toinen kaunis sana Bug-joen varrelta) olivat selvät. Google Overview mainitsi Drewnickin useimmin ja sillä oli alhaisin harha-alarmien osuus: 37 mainintaa 50 vastauksessa (74,0 %) ja 5 hälytystä (10,0 %). DeepSeek mainitsi ehdokasta 33:ssä 50 vastauksessa (66,0 %), mutta sillä oli samalla korkein hälytysosuus: 31:ssä 50 vastauksessa (62,0 %). ChatGPT mainitsi Drewnickin 30:ssä 50 vastauksessa (60,0 %) ja sillä oli 8 hälytystä (16,0 %). Grok mainitsi hänet 27:ssä 50 vastauksessa (54,0 %) ja sillä oli 16 hälytystä (32,0 %). Gemini mainitsi ehdokasta 26:ssä 50 vastauksessa (52,0 %) ja sillä oli 10 hälytystä (20,0 %). Tämä osoittaa, että suurempi näkyvyys AI:ssa ei aina tarkoita suurempaa edustuksen laatua.
Myös lähteet järjestäytyivät kiinnostavasti. Koko aineistossa tunnistettiin 676 lähde-linkkiä. Useimmin esiintyivät verkkotunnukset: bip.krakow.pl (90 kertaa), facebook.com (71 kertaa), krakow.pl (38 kertaa), youtube.com (29 kertaa), radiokrakow.pl (26 kertaa), lovekrakow.pl (23 kertaa), drewnicki.pl (22 kertaa) ja ztp.krakow.pl (22 kertaa). Ehdokkaan virallinen verkkotunnus oli siis läsnä, mutta se ei todellakaan ollut hallitseva. Drewnickin kuva AI:ssa rakennettiin myös BIP:n, paikallisten medioiden, kaupungin lähteiden, Facebookin, YouTuben ja muiden välikäsien kautta.
Samaan aikaan 115:ssä 250 vastauksesta ei ollut lainkaan lähdelinkkiä, mikä muodostaa 46,0 % koko aineistosta. Erot järjestelmien välillä olivat suuria: Google Overview antoi linkkejä jokaiseen vastaukseen, ChatGPT 43:een 50:stä, DeepSeek 31:een 50:stä, Grok 10:een 50:stä, ja Gemini vain 1:ssä 50:stä vastauksesta. Tämä on vaalillisesti merkittävää – vastaus ilman lähdettä voi kuulostaa luotettavalta, mutta käyttäjällä ei ole nopeaa tapaa tarkistaa, mistä malli sai tietonsa ehdokkaasta, tehtävästä, ohjelmasta tai vaalikontextista.
LLM-vastauksissa kilpailu ei myöskään ymmärretty vain muodollisten vaalivastustajien listana. Kilpailualueella esiintyivät useimmin Aleksander Miszalski (53 kertaa) ja Łukasz Gibała (50 kertaa), mutta myös Andrzej Kulig (14), Konrad Berkowicz (13), Jacek Majchrowski (12), Monika Piątkowska (12), Marian Banaś (12), Daria Gosek-Popiołek (11), Aleksandra Owca (9) ja Bartosz Bocheńczak (8). Mukana olivat myös mediat, instituutiot, puolueet ja järjestöt, kuten Gazeta Krakowska, Dziennik Polski, LoveKraków, Radio Kraków, Koalicja Obywatelska, Lewica ja PiS. Joten mallille vaalilava sekoittuu tiedon kenttään. Mitä tämä tarkoittaa? Ehdokas kilpailee ei vain muiden nimien, vaan myös aikaisempien kontekstien, vahvempien lähteiden ja vakiintuneiden assosiaatioiden kanssa.
Lyhyin johtopäätös tutkimuksesta on: pelkkä nimi ei riitä. LLM-maailmassa ehdokas voi olla tunnistettavissa (Michał Drewnicki ei selvästi vielä kuulu tähän), kun käyttäjä kysyy hänestä suoraan, mutta samalla hän voi jäädä heikosti näkyväksi kysymyksissä, joista äänestäjän päätös todella alkaa: kuljetus, kustannukset, kaupunginosa, vihreys, virasto, kokemus tai luotettavuus tietyssä asiassa. Juuri tätä kerrosta – ei vain läsnäoloa internetissä, vaan läsnäoloa käyttäjien tarpeisiin vastaavissa vastauksissa – on tänään alettava mitata.
Mitä tarkalleen voidaan mitata?
Analysoidessani Semantio:ssa saatuja tuloksia, katsoin suuriin kielimalleihin annettuja vastauksia ei vain kuriositeettina, vaan uutena julkisen näkyvyyden kerroksena. Poliittisen ehdokkaan kohdalla voidaan analysoida muun muassa:
spontaania näkyvyyttä – ilmeneekö ehdokas, kun käyttäjä ei mainitse nimeä;
tunnistamisen oikeellisuutta – nimi, tehtävä, puolue, vaalivuosi, nykyinen konteksti;
vastauksen asemaa – onko ehdokas ensimmäinen, keskimmäinen, viimeinen, unohtunut tai kuvattu lyhyesti;
teemallisia yhteyksiä – minkä aiheiden yhteydessä malli mainitsee hänet: liikenne, SCT, kaupunginosat, elinkustannukset, kunnallinen kokemus, PiS, oikeisto, kaupungin hallinta;
vertailuja – kenen kanssa malli useimmin vertaa häntä ja millä kriteereillä; kuka voittaa ehdokkaan, ja kuka on hänelle KO (ei tarkoita komiteaa!)
lähteitä – perustuuko vastaus ajankohtaisiin, luotettaviin ja asianmukaisiin tietoihin;
harha-alarmit – kiehtova alue, jossa voidaan nähdä esimerkiksi henkilöiden, tehtävien, päivämäärien, ohjelmien, vaalikausien tai olemattomien lupauksien sekoittamista;
tulkintakehyksiä – esitetäänkö ehdokas puolueena, paikallisena, kunnallisena, ideologisena, teknokraattisena, protestina, anti-sääntelynä, kaupunkina, oikeistolaisena, "pro-kuljettajana" tai muulla tavoin.
Michał Drewnickin kohdalla erityisesti kolme analysoitavaa kategoriaa erottuvat: nimen näkyvyys, teemallinen näkyvyys ja lähteiden laatu. Ensimmäinen oli korkea. Toinen oli alhainen. Kolmas osoittautui epätasaiseksi toimittajien välillä.
Ensimmäinen esimerkki: kysymykset kunnallisesta kokemuksesta ilman nimen mainitsemista eivät aktivoineet Drewnickia spontaanisti, vaikka hänen institutionaalinen profiilinsa kattaa kaupunginvaltuutetun ja Krakovan kaupunginvaltuuston varapuheenjohtajan tehtävät.
Toinen esimerkki: kysymykset Nowa Hutasta, Mistrzejowicesta, Krakovan pohjoisosasta ja kaupunginosan näkökulmasta eivät myöskään riittäneet, jotta mallit olisivat itsenäisesti viitanneet ehdokkaaseen.
Kolmas esimerkki: jokin näkyvyyden jälki ilmestyi pääasiassa liikenteen ja SCT:n ympärille, mutta se oli edelleen erittäin heikko verrattuna kysymyksiin, jotka sisälsivät nimen.
Lyhyesti sanottuna: GenAI pystyy vastaamaan kysymykseen "kuka on Michał Drewnicki?", mutta harvemmin vastaa hänen nimellään kysymykseen "kuka Krakowassa on kantaa ongelmaani?". Tämä on ero, jota on vaikea nähdä perinteisessä mediaseurannassa, mutta joka on erittäin tärkeä paikalliselle kampanjalle.
Miksi tämä on tärkeää vaalitiimeille, medioille ja kansalaisjärjestöille
Vaalitiimit ovat vuosia seuranneet medioita, sosiaalista mediaa, mielipidekyselyjä ja hakutuloksia. Ongelma on siinä, että LLM:t eivät käyttäydy kuten tavallinen media eivätkä toimi kuten perinteinen hakukone. Viimeksi mainitut eivät myöskään ole enää "perinteisiä" silmiemme edessä.
Malli ei vain näytä, mitä internetissä on. Malli käsittelee tietoa, tiivistää sitä, hierarkisoi, joskus päivittää hakemalla, joskus perustaa aikaisemmin vakiintuneeseen tietoon, joskus kieltäytyy vastaamasta, ja joskus vastaa suurella varmuudella, vaikka tiedot ovat puutteellisia.
Vaalitiimille tämä tarkoittaa uusia kysymyksiä. Onko ehdokas läsnä vastauksissa aiheista, jotka ovat hänelle tärkeitä? Onko hänen profiilinsa ajantasainen? Eivätkö mallit liitä hänelle muiden lupauksia? Ovatko kilpailijat ottamassa AI:ssa haltuunsa aiheita, jotka kampanjassa ovat hänen luonnollista kenttäänsä? Näkeekö käyttäjä, joka kysyy "liikennepuolueen ehdokkaasta", hänen nimensä ylipäätään?
Drewnickin tutkimus osoittaa, että tämä kysymys ei ole teoreettinen. Kysymyksissä ilman nimeä ehdokas ilmestyi vain 5,0 %:ssa vastauksista. Vaalitiimille tämä tarkoittaa, että on tarkasteltava ei vain sitä, onko internetissä materiaalia ehdokkaasta, vaan myös sitä, osaavatko mallit yhdistää nämä materiaalit äänestäjien todellisiin aikomuksiin.
Medioille tämä tarkoittaa, että on tarkasteltava LLM:iä julkisen tiedon jakelun välittäjinä. Jos mallit alkavat vastata vaalipäätöksiin liittyviin kysymyksiin, paikallisen journalismin laatu, tietorakenteet, lähteiden ajantasaisuus ja ehdokkaiden kuvauksen tarkkuus vaikuttavat paitsi lukijoihin, myös GenAI:n synnyttämiin vastauksiin.
Kansalaisjärjestöille tämä tarkoittaa vielä jotain muuta. Mahdollisuus tutkia, informoivatko mallit äänestäjiä luotettavasti, jättävätkö ne ehdokkaita huomiotta, vahvistavatko ne vanhentuneita tietoja ja luovatko ne tiedollista epätasa-arvoa niiden välillä, jotka tuntevat poliittisen kentän hyvin, ja niiden, jotka vasta yrittävät ymmärtää sitä.
Hermot hallintaan – toistaiseksi ei ole viitteitä siitä, että GenAI korvaisi kampanjat. Mutta se voi muuttaa tiedon karttaa
Ei ole järkevää väittää, että vaalit Krakovan kaupungissa ratkaistaan ChatGPT:ssä, Geminissä, Perplexityssä tai Copilotissa. Ei, ei todellakaan… Kampanja etenee edelleen valtaosin "kaupungissa" – tapaamisissa, paikallisissa medioissa, tiedotustilaisuuksissa, väittelyissä, asuinalueilla, kaupunginosissa, pysäkeillä ja asukkaiden välisissä keskusteluissa.
Kuitenkin olisi virhe pitää LLM:ien vastauksia vain teknologisena kuriositeettina.
Jos Puolassa ChatGPT:tä käyttää jo miljoonia ihmisiä, jos EU:ssa generatiivista AI:ta käyttää noin kolmannes 16–74-vuotiaasta väestöstä, jos Isossa-Britanniassa 13 % äänestysoikeutetuista käytti chatbotteja vaalitietojen saamiseen vaaliviikolla, ja kokeet osoittavat, että keskustelu mallin kanssa voi siirtää poliittisia mielipiteitä – se tarkoittaa, että vaalitiimien ja julkisten instituutioiden tulisi alkaa pitää AI:ta todellisena tiedon kierron kerroksena. lähteet: Gemius/PBI, Eurostat, UK 2024 tutkimus, Cornell Chronicle
Paikallisvaaleissa tämä kerros on erityisen tärkeä. Miksi? Koska äänestäjä ei usein etsi suurta ideologiaa. Hän etsii vastauksia omaan ongelmaansa. Kysymyksiä on monia: Kuka ymmärtää minun kaupunginosani? Kuka on kokenut? Kuka puhuu liikenteestä? Kuka on suunnitelma elinkustannuksille? Kuka on luotettava vihreän asian suhteen? Kuka todella kilpailee, ja kuka oli ehdokas edellisissä vaaleissa?
Siitä, miten malli vastaa tällaisiin kysymyksiin, voi riippua ei vain koko vaalien tulos, vaan se, miten osa asukkaista ymmärtää ehdokkaita.
Ja tätä ei näy mielipidekyselyissä. Ei näy perinteisessä SEO:ssa. Ei näy mediaseurannassa. Mutta sitä voidaan tutkia.
Michał Drewnickin kohdalla tärkein oppi on yksinkertainen: ehdokas voi olla läsnä GenAI:n vastauksissa, mutta hänellä ei silti ole vahvaa "omistajuutta" (kyllä, kaunis suomalainen sana) teemoista, jotka ovat tärkeitä asukkaille. Juuri tätä eroa – nimen läsnäolon ja ongelmien läsnäolon välillä – on alettava pitää uutena julkisen näkyvyyden kategoriana.
Haluatko tarkistaa, miten AI kuvaa ehdokastasi, puoluettasi, brändiäsi tai organisaatiotasi?
Michał Drewnickin tutkimus osoittaa, että AI-mallien tuottamia vastauksia voidaan analysoida järjestelmällisesti, eli näkyvyyden, oikeellisuuden, lähteiden, vertailujen, puutteiden ja tulkintakehysten näkökulmasta. Jos haluat tietää lisää tästä tutkimuksesta tai keskustella vastaavasta analyysistä oman projektisi osalta, ota yhteyttä tekstin kirjoittajaan: m.grzebyk@brandsemantics.eu
* jotta ei olisi epäselvyyksiä – sellainen, joka on vastauksissa ;)
