Pirms dažiem gadiem vēlētājam, kurš vēlējās pārbaudīt mēra kandidātu, bija jāapmeklē viņa mājaslapa, jāizpēta mediji (ieskaitot tradicionālos izdevumus), jāskatās debates, jāprasa draugiem vai jāritina cauri vairākiem Google rezultātu lapām. Šodien viņi bieži var darīt kaut ko daudz vienkāršāku – uzdot jautājumu savam iecienītajam čatbotam (lielajam valodas modelim).
Viņiem pat nav jāzina… neviena vārda. Viņiem nav jāzina, kurai komitejai kāds pieder. Viņiem nav jāseko preses konferencēm. Parasti, viņiem nav jādara daudz. Bet viņi var. Viņi var jautāt: “kurš Krakova ir labākais transporta programma?”, “kurš kandidāts ir saistīts ar Novu Hutu?”, “kurš vēlas mainīt Tīrās transporta zonas noteikumus?”, “vai PiS kandidātam ir pieredze pašvaldībā?”, “kurš konkrēti risina dzīves dārdzības jautājumu šajās vēlēšanās?”.
Un viņi saņems atbildi.
Nevis saiti sarakstu. Nevis klasisku meklēšanas rezultātu. Nevis neitrālu dokumentu datu bāzi. Viņi saņems sintētisku aprakstu par politisko ainavu, ko izveidojis LLM, pamatojoties uz to, ko modelis atrod, atceras, interpretē, uzskata par svarīgu un sakārto atbilstošā hierarhijā. Pielāgots lietotājam, kurš daļēji ir “audzinājis” savu “Tamagotchi” no trešās desmitgades (kā tas izklausās!) 21. gadsimtā. Tikai viņi to nebaro vai neattīra, nospiežot pogas; viņi iemet sevī gabaliņus, kas atklāj viņu ieradumus.
Šī ir jauna vēlēšanu kampaņu kārta. Klusa, privāta, grūti uzraugāma un – vietējās vēlēšanās – potenciāli ļoti nozīmīga.
Krakova kā vēlēšanu laboratorija ģeneratīvā AI laikmetā
Krakova ir lieliska vieta, kur novērot šo pārmaiņu darbībā. Tā nav maza pašvaldība, bet tā arī nav nacionāla kampaņa, kur katrs kandidāts pastāvīgi ir klāt galvenajos medijos. Saskaņā ar GUS datiem 2025. gada beigās Krakova bija 816 614 iedzīvotāju. Tā ir liela, sarežģīta urbāna struktūra: ar pilsētas centru, Novu Hutu, perifērijas rajoniem, universitātēm, tūrismu, biznesu, transportu, konfliktiem par zaļajām zonām, telpisko plānošanu, pašvaldību pakalpojumu cenām un pilsētas pārvaldību. avots: Krakova skaitļos
Turklāt ir unikāls politiskais konteksts. Vietējā referendumā 2026. gada 24. maijā vēlētāju aktivitāte balsojumā par Krakovas mēra atsaukšanu bija 29.99% — pietiekami, lai referendums būtu derīgs un izšķirošs. Paralēlajā balsojumā par pilsētas domes atsaukšanu aktivitāte bija 29.97%, kas nozīmē, ka likumdošanas slieksnis netika sasniegts. Atšķirība šķiet minimāla, bet politiskās sekas ir pilnīgi atšķirīgas. avots: Krakovas pilsēta
Krakova arī ir nesen piedzīvojusi ļoti tuvu konkurenci. 2024. gada prezidenta vēlēšanu otrajā kārtā Aleksandrs Mišalskis saņēma 51.04% balsu, savukārt Łukasz Gibała saņēma 48.96%. Saskaņā ar ziņojumiem, kas balstīti uz PKW datiem, atšķirība bija 5,434 balsis. avots: Rzeczpospolita
Šie ir skaitļi, kas liek būt piesardzīgiem attiecībā uz katru jaunu informācijas ietekmes avotu. Nevis tāpēc, ka čatbots “izvēlēsies Krakovas mēru.” Tas ir pārāk spēcīgs apgalvojums. Bet tāpēc, ka kampaņā, kur daži tūkstoši balsu var mainīt iznākumu, ir svarīgi kurš ir redzams, kurš tiek ignorēts, ar ko viņi ir saistīti un kā viņi tiek aprakstīti mākslīgā intelekta ģenerētajās atbildēs, uz kurām lietotāji arvien vairāk paļaujas.
Vēlētājs ne tikai meklē. Vēlētājs sarunājas
Visnozīmīgākā pārmaiņa nav tā, ka AI var ģenerēt reklāmu, memu vai dziļfeku. Lai gan tas noteikti ir svarīgi, tas jau ir labi atzīts temats. Par to tiek daudz diskutēts, un ir kampaņas – dažas vairāk vai mazāk sociālas, dažas vairāk vai mazāk finansētas no konkrētām vēlēšanu komitejām.
Interesantāka un mazāk acīmredzama pārmaiņa ir tā, ka LLM kļūst par privātiem informācijas konsultantiem. Vēlētājs var nepajautāt: “kas ir Mihaļa Dreviņska programma?” Viņš var pat neatcerēties šo vārdu. Tā vietā viņš var jautāt: “kurš Krakova ir pieredzējis pašvaldībā?”, “kurš kandidāts runā par Novu Hutu?”, “kuram ir konkrēta, skaidra nostāja par SCT?”, “vai PiS kandidāts Krakova ir tikai partijas biedrs, vai viņam ir vietējā pieredze?”.
Šādi jautājumi ir daudz tuvāk reālajam lēmumu pieņemšanas procesam. Cilvēki reti salīdzina visus programmas punktus no sākuma līdz beigām. (Starpcitu… kura partija 2024. gadā skaidri aprakstīja savu vēlēšanu programmu, nevis brauca uz mainīgajiem reitingiem, saukļiem un sociālo mediju troksni?) Biežāk viņi meklē atbildes uz savām problēmām: ikdienas pārvietošanās, cenas, zaļās zonas, skolas, ietves, stāvvietas, būvniecība ārpus loga, haosa sajūta birojā vai ietekmes trūkums uz pilsētas lēmumiem.
Šeit lielie valodas modeļi sāk darboties kā jauns starpnieks. Viņi ne tikai sniedz informāciju. Viņi organizē ainu. Viņi izvēlas, kuri kandidāti jāmin. Viņi nosaka, kuri fakti ir uzskatāmi par nozīmīgiem. Viņi sasmalcina sarežģītus kontekstus dažos teikumos. Un viņi bieži to dara tādā veidā, kādu mēs neredzēsim klasiskajā mediju uzraudzībā, SEO vai sociālo mediju analīzē. Tādējādi var secināt, ka aptauju firmas un to “neveiksmes” arvien vairāk kļūs par galvenajām komentāru tēmām pēc izejas aptaujām.
Šis vairs nav tehnoloģisks nišs
Ja kāds uzskata, ka “čatboti” joprojām ir rotaļlieta studentiem un tehnoloģiju nozarei, dati ātri atdzesē šo uzskatu. Saskaņā ar Gemius/PBI ziņojumu 2025. gada jūnijā Polijā bija vairāk nekā 9.3 miljoni reālu lietotāju, kas izmantoja ChatGPT. Tas veidoja 31.4% no interneta lietotājiem un 28.6% no iedzīvotājiem vecumā no 7 līdz 75 gadiem. Ziņojums arī norādīja, ka starp ChatGPT lietotājiem ir pārsvars indivīdiem, kas jaunāki par 35 gadiem, ar vidējo lietošanas laiku 25–34 gadu grupā, kas jūnijā bija 2 stundas un 42 minūtes. avots: Gemius/PBI
Eiropas mērogā Eurostat ziņoja, ka 2025. gadā 32.7% no ES iedzīvotājiem vecumā no 16 līdz 74 gadiem izmantoja ģeneratīvā AI rīkus. 16–24 gadu grupā šis procents jau bija 63.8%. avots: Eurostat
Tas ir nozīmīgi, jo jaunāki vēlētāji ir arī grupa, kas ir vairāk nosliece izmantot jaunus informācijas rīkus un grupa, kas bieži ir mazāk stabila vēlēšanu aktivitātē vietējās vēlēšanās. Nav nepieciešams pieņemt, ka visa kampaņa masveidā pāries uz AI atbalstītām sistēmām. Pietiek pamanīt, ka ievērojamai daļai lietotāju sarunāšanās ar čatbotu kļūst par vienu no dabiskajām informācijas organizēšanas metodēm.
AI kā rīks ziņām, politikai un lēmumiem
Dati no Reuters institūta rāda, ka AI čatboti jau tiek izmantoti informācijas patēriņam, lai gan tie vēl nav dominējoši. 2026. gadā 10% respondentu 45 tirgos ziņoja par nedēļas lietošanu AI čatbotiem ziņām, kas ir pieaugums no 7% iepriekšējā gadā. Vēl interesantāk ir tas, kā cilvēki tos izmanto: 42% ziņu čatbota lietotāju uzdod sekojošus jautājumus, 35% izmanto tos jaunākās informācijas iegūšanai, 34% – kopsavilkumu sagatavošanai, 30% – sarežģītu tēmu vienkāršošanai un 33% – avotu ticamības novērtēšanai. avots: Reuters Institute Digital News Report
Šis ir gandrīz gatavs apraksts par vēlētāju uzvedību vietējā kampaņā. “Izskaidrojiet man, par ko ir Tīrās transporta zona.” “Kopsavilkums par atšķirībām starp kandidātiem.” “Kurš ir ticams transporta jautājumos?” “Vai šim kandidātam tiešām ir pieredze pašvaldībā?” “Kuri avoti apstiprina viņu izteikumus?”
Šajā brīdī AI pārstāj būt tikai rīks tekstu rakstīšanai. Tas kļūst par saskarni ar publisko realitāti.
Spēcīgākais brīdinājuma signāls – vēlētāji jau jautā GenAI par vēlēšanām
Viens no interesantākajiem skaitļiem nāk no pētījuma par 2024. gada Apvienotās Karalistes parlamenta vēlēšanām. Reprezentatīvs pētījums ar 2,499 pieaugušajiem parādīja, ka nedēļā pirms vēlēšanām 32% čatbota lietotāju (13% no visiem balsstiesīgajiem) izmantoja sarunu AI, lai meklētu informāciju, kas tieši saistīta ar viņu balsošanas lēmumu. avots: arXiv, Lielbritānijas pētījums 2024
Tas nav margināls sīkums. Tas ir signāls, ka čatboti ienāk vēlēšanu procesa sirdī: nevis kā abstrakta tehnoloģija, bet kā rīks, ko izmanto, kad vēlētāji pieņem lēmumus, organizē argumentus vai cenšas saprast politisko ainavu. Bieži vien tieši pirms ieiešanas vēlēšanu iecirknī.
Ir svarīgi, ka šī pētījuma autori neizdara vienkāršu alarmistisku secinājumu. Sērijā eksperimentu, kuros piedalījās 2,858 dalībnieki, viņi atklāja, ka čatbota izmantošana nepasliktināja politiskās zināšanas; tieši pretēji, tas palielināja tās līdzīgi kā tradicionālie interneta meklējumi. avots: AI Security Institute
Un tieši tāpēc šī tēma ir interesantāka nekā vienkārša briesmu stāsta. Laiks patiesībai. Es pat to izceltu, lai tas izskatītos pievilcīgāk. Nav nepieciešams man pateikt paldies…
LLM var palīdzēt vēlētājiem labāk saprast politiku. Bet tie var arī sajaukt, izlaist, vienkāršot, nepareizi identificēt kandidātus vai veidot specifiskus interpretatīvus rāmjus.
Otrā puse – čatbota atbildes var būt kļūdainas
Problēma ir tā, ka modeļa atbildes šķiet organizētas, pārliecinošas un pilnīgas, pat ja tajās ir trūkumi. Tu zini… kā tas nākotnes inženieris (ja liktenis un profesori atļaus), kuru tu satiki studentu ballītē, kurš apņēmīgi aizstāvēs viedokli, kas pat nebūtu ienācis diskusijā pirms trim aliem ;)
EBU un BBC pētījums aptvēra vairāk nekā 3,000 atbildes, ko ģenerējuši četri AI asistenti (ChatGPT, Copilot, Gemini un Perplexity) 14 valodās. 45% atbilžu saturēja vismaz vienu būtisku problēmu, 31% bija nopietnas problēmas ar avotiem, un 20% saturēja nopietnas precizitātes problēmas, tostarp novecojušu vai halucinētu informāciju. avots: EBU/BBC
Vietējās vēlēšanās šis risks var būt lielāks nekā nacionālajā kampaņā. Vietējie avoti ir izkliedētāki. Kandidāti var būt (un ir, kā mēs drīz pierādīsim) mazāk pazīstami. Konteksts mainās ātrāk. Vārdi no iepriekšējā cikla var sajaukties ar jauniem kandidātiem. Programmas var tikt publicētas pa posmiem. (ja tās vispār tiek izveidotas, bet es jau to pieminēju un vairs negribu provocēt… pagaidām) Un lietotāju jautājumi bieži ir īsi, ikdienišķi un neprecīzi.
Ar nacionālo līderi modelim parasti ir pietiekami daudz datu. Ar vietējo kandidātu uz Krakovas mēru tam jāizveido attēls no BIP, vietējiem medijiem, kandidāta mājaslapas, sociālo mediju ierakstiem, aptaujām, ziņojumiem no konferencēm un aktuālajiem notikumiem. Tas rada ideālus apstākļus šķietami niecīgām, bet politiski nozīmīgām kļūdām: lomu sajaukšana, konkurentu izlaide, novecojušu kandidātu piešķiršana, kāda pārāk šaura apzīmēšana vai atbilžu balstīšana uz avotiem no iepriekšējām vēlēšanām.
Visnozīmīgākais pagrieziens: GenAI nav jāmelot, lai ietekmētu
Diskusijās par AI un vēlēšanām pārāk liela uzmanība tiek pievērsta “viltus ziņām”. Tikmēr vietējai kampaņai kaut kas smalkāks var būt tikpat svarīgs: pārstāvniecība.
Modelis var nesniegt nepatiesu informāciju. Tas var vienkārši aprakstīt kandidātu galvenokārt caur viņu partijas piederību, izlaist viņu vietējās valdības pieredzi. Tas var pieminēt viņus, kad jautā par PiS, bet nepieminēt, kad jautā par transportu. Tas var rakstīt par SCT, bet izlaist publiskā transporta tēmu. Tas var atbildēt uz jautājumu par Novu Hutu, neatzīstot personu, kura veido daļu no viņu komunikācijas ap šo pilsētas daļu. Tas var novietot kandidātu saraksta beigās, lai gan viņš formāli ir viens no nozīmīgākajiem dalībniekiem sacensībās.
Tas nav jābūt “kļūdai” vienkāršā nozīmē. Tas var būt avotu hierarhijas, datu svaiguma, informācijas pieejamības, jautājuma formulējuma veida un modeļa ģenerētās atbildes mehānikas sekas.
Tradicionālajā SEO cīnījās par pozīciju meklēšanas rezultātos. LLM pasaulē arvien svarīgāk ir jautāt: vai kandidāts vispār parādās atbildē, zem kādiem jautājumiem viņš parādās, ar ko viņš ir saistīts un ar ko viņš tiek salīdzināts.
Šis mehānisms ir skaidri redzams Mihaļa Dreviņska pētījumā (par kuru tiks runāts sīkāk vēlāk tekstā). 250 atbildēs no dziļās izpētes pētījuma modeļi pieminēja kandidātu 87.6% gadījumu, kad lietotājs sniedza viņa vārdu, bet tikai 5.0% gadījumu, kad jautājums nesaturēja vārdu un attiecās uz jautājumu, kandidātu kategoriju vai pilsētas tēmu. Citiem vārdiem sakot: atzīšana pēc vārda nenozīmē obligāti tematiska redzamība.
Ko darīt, ja atbilde ne tikai informē, bet arī maina viedokli?
Šeit parādās otrais svarīgais datu kopums. Pētījums, ko aprakstījusi Kornela universitāte, parādīja, ka īsa saruna ar čatbotu var ievērojami mainīt politiskos uzskatus. Eksperimentu laikā četrās valstīs LLM balstīti čatboti mainīja opozīcijas vēlētāju priekšstatus par 10 procentpunktiem vai vairāk daudzos gadījumos. Eksperimentu laikā Kanādā un Polijā efekts bija apmēram 10 procentpunkti, savukārt vienā pētījumā vispār optimizētais modelis mainīja opozīcijas vēlētāju viedokļus par 25 procentpunktiem. avots: Kornela Hronika
To jāmin piesardzīgi. Tie bija kontrolēti eksperimenti, nevis pierādījums, ka čatboti izlems reālas vēlēšanas. Dalībnieki zināja, ka viņi runā ar AI, un pārliecināšanas virziens tika randomizēts. Autori un komentētāji paši uzsvēra šādu pētījumu ierobežojumus un atšķirību starp eksperimentālajiem apstākļiem un reālajām kampaņām. avots: Nature Asia
Bet vienu secinājumu ir grūti ignorēt. Tas izklausās apmēram šādi: modeļa atbildes var būt pārliecinošas nevis tāpēc, ka tās ir emocionālas, agresīvas vai manipulējošas klasiskajā izpratnē. Saskaņā ar pētnieku teikto, to spēks bieži izriet no daudzu apgalvojumu, argumentu un it kā faktisku pamatojumu ģenerēšanas. Kornela universitāte uzsvēra, ka, kad modeļu spēja izmantot faktus tika ierobežota, to pārliecinošums samazinājās; tajā pašā laikā pārliecinošāki modeļi parasti bija mazāk precīzi. avots: Kornela Hronika
Šī ir problēma vietējā kampaņā. Vēlētājs var saņemt mierīgu, pamatotu, labi skanošu atbildi, kas ir brīva no partijas toņa. Tomēr šī atbilde var joprojām nostiprināt konkrētu kandidāta tēlu.
Krakovas piemērs: Mihaļa Dreviņska atbildes LLM
Šajā kontekstā Mihaļa Dreviņska pētījums, PiS kandidāts uz Krakovas mēru, kalpo kā labs piemērs tam, kas jānovērtē vietējā politikā.
Nav tikai jautājums: “vai GenAI zina kandidāta vārdu?”. Tas ir vienkāršākais līmenis. Daudz interesantāki ir dziļāki jautājumi:
Vai modeļi pareizi identificē Mihaļu Dreviņski kā PiS kandidātu priekšlaicīgajās vēlēšanās Krakova?
Vai viņi atpazīst viņa publiskās lomas – pilsētas domnieks un Krakovas pilsētas domes priekšsēdētāja vietnieks?
Vai viņi atšķir pašreizējo vēlēšanu kontekstu no 2024. gada vietējām vēlēšanām?
Vai viņi saista viņu tikai ar PiS, vai arī ar vietējās valdības pieredzi?
Vai viņš parādās atbildēs uz jautājumiem, kuros nav viņa vārda, bet kas attiecas uz tēmām, kas ir klātesošas viņa publiskajā profilā: komunikācija, SCT, Nova Huta, telpiskā plānošana, dzīves dārdzība, attiecības starp biroju un iedzīvotājiem?
Vai modeļi spēj atšķirt oficiālo informāciju, mediju ziņojumus, kampaņas deklarācijas un savas interpretācijas?
Pētījumu veica šī teksta pieticīgais autors 2026. gada 3. jūlijā.
Izmantojot mūsu patentēto rīku Semantio, es analizēju 250 atbildes par Mihaļu Dreviņski kontekstā ar prezidenta vēlēšanām Krakova. Materiāls ir analīzes rezultāts, kas aptver 50 unikālus scenārijus, kas uzsākti piecās sistēmās: ChatGPT, Gemini, Grok, DeepSeek un Google Overview. Katrs sistēma atbildēja uz 50 uzdotajiem scenārijiem. Scenāriji tika sadalīti atbilstoši nodomu caurules posmam: 80 atbildes apziņas posmā, 85 apsvēruma posmā un 85 lēmuma posmā. Jautājumi, kuros bija kandidāta vārds, un problēmu jautājumi bez vārda tika analizēti atsevišķi.
Spēcīgākais rezultāts attiecas uz atšķirību starp atzīšanu pēc vārda un izlases redzamību. Visā materiālā bija 170 atbildes uz jautājumiem, kuros bija Mihaļa Dreviņska vārds un 80 atbildes uz jautājumiem bez vārda. Kad lietotājs sniedza kandidāta vārdu (aicinājuma scenārijā bija iekļauts vārds “Dreviņski”), modeļi pieminēja Dreviņski 149 no 170 atbildēm, vai 87.6% gadījumu. Kad jautājums nesaturēja vārdu un attiecās uz jautājumu, kandidātu kategoriju vai pilsētas tēmu, Dreviņski parādījās tikai 4 no 80 atbildēm, vai 5.0% gadījumu.
Vienkāršā valodā: modeļi var aprakstīt kandidātu, kad lietotājs jau zina, par ko viņš jautā, bet viņi ir ievērojami mazāk veiksmīgi, saistot viņu ar pilsētas jautājumiem.
Dati arī rāda, ka redzamība nav vienmērīgi sadalīta starp sistēmām. Visas 4 izlases pieminēšanas par Dreviņski jautājumos bez vārda nāca no Google Overview. Citās sistēmās (ChatGPT, Gemini, Grok un DeepSeek) kandidāts pat netika pieminēts šādos jautājumos. Tas ir svarīgi, jo tas izceļ “skaitļos”, ka nav vienas universālas “redzamības AI”. Katrs sistēma var izveidot atšķirīgu politiskās ainas karti, atkarībā no avotiem, datu svaiguma, meklēšanas mehānikas un atbilžu ģenerēšanas veida.
Patiesībā es nevarēju atturēties iekļaut šo fotoattēlu SCT kontekstā ;)
Visredzamākais tematiskais redzamības norādījums parādījās jautājumos par transportu, sabiedrisko transportu, biļetēm, mobilitāti un Tīro transporta zonu. Jautājumos bez vārda, kas attiecās uz šo jomu, Dreviņski parādījās 4 no 30 atbildēm, vai 13.3% gadījumu. Tas joprojām ir zems rezultāts, bet nozīmīgs salīdzinājumā ar citām tēmām: jautājumi par vietējās valdības pieredzi, Novu Hutu, rajoniem, telpisko plānošanu vai zaļajām zonām neizraisīja viņa vārdu tik efektīvi. No vietējās kampaņas perspektīvas šī ir svarīga atšķirība: modelis var precīzi aprakstīt problēmu Krakova, bet tas var neparādīt vēlētājam, kurš kandidāts cenšas politiski risināt šo problēmu.
70 no 250 atbildēm, vai 28.0% no visa datu kopuma, tika atzīmēti hal
