Pirms dažiem gadiem vēlētājam, kurš vēlējās pārbaudīt pilsētas prezidenta kandidātu, bija jāapmeklē viņa mājas lapa, jāizpēta mediji (ieskaitot „tradicionālos”), jānoskatās debates, jāuzdod jautājumi draugiem vai jāmeklē informācija Google. Šodien arvien biežāk viņš var darīt kaut ko vienkāršāku – uzdot jautājumu savam iecienītajam čatbotam (lielajam valodas modelim).
Viņam pat nav jāzina… vārdi. Viņam nav jāzina, kurš ir no kāda komitejas. Viņam nav jāseko līdzi preses konferencēm. Īsumā, viņam nav daudz jāzina. Bet viņš var. Viņš var jautāt: „kurš Krakovā ir labākais transporta programmas autors?”, „kurš kandidāts ir saistīts ar Jauno Hutu?”, „kurš vēlas mainīt Tīrā Transporta zonu?”, „vai PiS kandidātam ir pašvaldības pieredze?”, „kurš šajās vēlēšanās runā konkrēti par dzīves izmaksām?”.
Un viņš saņems atbildi.
Nevis saiti uz sarakstu. Nevis klasisku meklēšanas rezultātu. Nevis neitrālu dokumentu bāzi. Viņš saņems sintezētu politiskās ainas aprakstu, ko izveidojis LLM, pamatojoties uz to, ko modelis atradīs, atcerēsies, interpretēs, uzskatīs par svarīgu un sakārtos atbilstošā hierarhijā. Un tas ir paredzēts lietotājam, kurš daļēji ir „izaudzinājis” savu „Tamagotchi” no trešās dekādes (kā tas izklausās!) XXI gadsimtā. Tikai viņš to nebaro un nemazgā, nospiežot pogas, bet piedāvā gabaliņus no sevis, kas atklāj viņa ieradumus.
Tā ir jauna vēlēšanu kampaņas kārta. Klusa, privāta, grūti uzraugāma un – vietējās vēlēšanās – potenciāli ļoti nozīmīga.
Krakova kā vēlēšanu laboratorija ģeneratīvās AI laikmetā
Krakova ir laba vieta, lai redzētu šo pārmaiņu praksē. Tā nav maza pašvaldība, bet arī ne valsts mēroga kampaņa, kur katrs kandidāts ir pastāvīgi klāt galvenajos medijos. Saskaņā ar GUS datiem 2025. gada beigās Krakovā bija 816 614 iedzīvotāju. Tas ir liels, sarežģīts pilsētas organisms: ar centru, Jauno Hutu, perifērijas rajoniem, augstskolām, tūrismu, biznesu, transportu, konfliktiem par zaļumu, telpisko plānošanu, pilsētas pakalpojumu cenām un pilsētas pārvaldības veidiem. avots: Krakova skaitļos
Turklāt ir izņēmuma politiskais konteksts. 2026. gada 24. maija vietējā referendumā vēlēšanu dalība par Krakovas prezidenta atcelšanu bija 29,99% — pietiekami, lai referendums būtu derīgs un izšķirošs. Paralēlajā balsojumā par pilsētas padomes atcelšanu dalība bija 29,97%, tādējādi likumdošanas slieksnis netika pārsniegts. Atšķirība šķiet minimāla, bet politiskie sekas ir pilnīgi atšķirīgas. avots: Krakovas pilsēta
Krakova ir arī jauna pieredze ļoti līdzvērtīgā konkurencē. 2024. gada prezidenta vēlēšanu otrajā kārtā Aleksandrs Mišalskis ieguva 51,04% balsu, bet Łukasz Gibała 48,96%. Saskaņā ar PKW datiem atšķirība bija 5434 balsis. avots: Rzeczpospolita
Šie ir skaitļi, pie kuriem ir vērts uzmanīties uz katru jaunu informācijas ietekmes avotu. Nevis tāpēc, ka čatbots „izvēlēsies Krakovas prezidentu”. Tas ir pārāk spēcīgs apgalvojums. Bet tāpēc, ka kampaņā, kurā dažas tūkstoš balsis var mainīt rezultātu, nozīme ir arī tam, kurš ir redzams, kurš tiek izlaists, ar ko viņš tiek saistīts un kā viņš tiek aprakstīts ģeneratīvās mākslīgās inteliģences atbildēs, uz kurām lietotāji arvien biežāk paļaujas.
Vēlētājs ne tikai meklē. Vēlētājs sarunājas
Visnozīmīgākā pārmaiņa nav tā, ka AI spēj ģenerēt reklāmu, memu vai deepfake. Tas, protams, ir svarīgi, bet tas jau ir diezgan labi atpazīts temats. Par to daudz runā, ir par to kampaņas – vairāk vai mazāk sociālas. Mazāk vai vairāk apmaksātas no konkrētām vēlēšanu komitejām.
Interesantāka un mazāk acīmredzama pārmaiņa attiecas uz to, ka LLM kļūst par privātiem informācijas konsultantiem. Vēlētājs var nepajautāt: „kāds ir Mihaļa Dreviņska programma”. Viņš pat var neatcerēties šo vārdu. Viņš var jautāt: „kurš Krakovā ir ar pieredzi pašvaldībā?”, „kurš kandidāts runā par Jauno Hutu?”, „kurš ir konkrēts un skaidrs attiecībā uz SCT?”, „vai PiS kandidāts Krakovā ir tikai partijas cilvēks, vai viņam ir vietējā pieredze?”.
Šādi jautājumi ir daudz tuvāki reālajam lēmumu pieņemšanas procesam. Cilvēki reti salīdzina visu programmu no sākuma līdz beigām. (starpcitu… kura partija 2024. gadā aprakstīja savu skaidro vēlēšanu programmu, nevis balstījās uz mainīgajiem aptauju rezultātiem, saucieniem sapulcēs un sūdzībām, kas tika mērītas „sociālajos medijos”?) Biežāk viņi meklē atbildes uz savām problēmām: ceļošana, cenas, zaļums, skola, trotuārs, stāvvieta, būvniecība aiz loga, haosa sajūta pašvaldībā vai ietekmes trūkums uz pilsētas lēmumiem.
Šeit lielie valodas modeļi sāk darboties kā jauns starpnieks. Viņi ne tikai sniedz informāciju. Viņi kārto ainu. Izvēlas, kuri kandidāti tiks pieminēti. Izlemj, kuri fakti ir būtiski. Saīsina sarežģītu kontekstu līdz dažiem paragrāfiem. Un bieži to dara tādā veidā, kādu mēs neredzēsim klasiskajā mediju uzraudzībā, SEO vai sociālo mediju analīzē. Tādējādi var pieņemt, ka aptauju biroji un to „neprecizitātes” kļūs par vienu no galvenajiem komentāru tematiem pēc exit poll.
Tas vairs nav tehnoloģiju niša
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 ar ChatGPT Polijā izmantoja vairāk nekā 9,3 miljoni reālu lietotāju. Tas nozīmēja 31,4% interneta lietotāju un 28,6% populācijas vecumā no 7 līdz 75 gadiem. Ziņojums arī norādīja, ka starp ChatGPT lietotājiem ir pārsvarā personas, kas ir jaunākas par 35 gadiem, un grupā no 25 līdz 34 gadiem vidējais lietošanas laiks jūnijā bija 2 stundas un 42 minūtes. avots: Gemius/PBI
Eiropas mērogā Eurostat ziņoja, ka 2025. gadā ar ģeneratīvās AI rīkiem izmantoja 32,7% ES iedzīvotāju vecumā no 16 līdz 74 gadiem. Grupā no 16 līdz 24 gadiem šis procents jau bija 63,8%. avots: Eurostat
Tas ir svarīgi, jo jaunāki vēlētāji ir vienlaikus grupa, kas ir vairāk tendēta izmantot jaunus informācijas rīkus un grupa, kas vietējās vēlēšanās bieži ir mazāk stabila dalības ziņā. Nav nepieciešams pieņemt, ka visa kampaņa pāries uz mākslīgā intelekta atbalstītām sistēmām. Pietiek atzīmēt, ka būtiskai daļai lietotāju saruna ar čatbotu kļūst par vienu no dabiskajiem veidiem, kā sakārtot informāciju.
AI kā rīks ziņām, politikai un lēmumiem
Reuters Institute dati rāda, ka AI čatboti jau tiek izmantoti informācijas patēriņam, lai gan tie joprojām nav dominējoši. 2026. gadā 10% respondentu 45 tirgos paziņoja, ka nedēļā izmanto AI čatbotus ziņām, salīdzinot ar 7% gadu iepriekš. Vēl interesantāk ir tas, kā cilvēki tos izmanto: 42% ziņu čatbotu lietotāju uzdod padziļinātus jautājumus, 35% izmanto tos, lai iegūtu jaunākos ziņojumus, 34% – lai saīsinātu, 30% – lai vienkāršotu sarežģītus tematus, un 33% – lai novērtētu avotu ticamību. avots: Reuters Institute Digital News Report
Tas ir gandrīz gatavs apraksts vēlētāja uzvedībai vietējā kampaņā. „Izskaidrojiet man, par ko ir runa Tīrā Transporta zonā”. „Saīsiniet atšķirības starp kandidātiem”. „Kurš ir ticams transporta jautājumā?”. „Vai šim kandidātam tiešām ir pieredze pašvaldībā?”. „Kādi avoti apstiprina viņa deklarācijas?”.
Šajā brīdī AI pārstāj būt tikai rīks tekstu rakstīšanai. Tas kļūst par saskarsmes punktu ar publisko realitāti.
Visnopietnākais brīdinājuma signāls – vēlētāji jau jautā GenAI par vēlēšanām
Viens no interesantākajiem skaitļiem nāk no pētījuma par 2024. gada parlamenta vēlēšanām Apvienotajā Karalistē. Reprezentatīvs pētījums par 2499 pieaugušajiem parādīja, ka nedēļā pirms vēlēšanām 32% čatbotu lietotāju (13% no visiem tiesīgajiem vēlētājiem) izmantoja sarunvalodas AI, lai meklētu informāciju, kas tieši saistīta ar vēlēšanu lēmumu. avots: arXiv, pētījums UK 2024
Tas nav margināls sīkums. Tas ir signāls, ka čatboti ienāk vēlēšanu procesa centrā: nevis kā abstrakta tehnoloģija, bet kā rīks, ko izmanto, kad vēlētājs tieši pieņem lēmumu, sakārto argumentus vai mēģina saprast politisko ainu. Bieži tieši pirms ieiešanas vēlēšanu iecirknī.
Kas ir svarīgi, šī pētījuma autori neveido vienkāršu alarmistisku secinājumu. Eksperimentu sērijā, kurā piedalījās 2858 dalībnieki, viņi konstatēja, ka čatbotu izmantošana nepasliktināja politisko zināšanu līmeni; gluži pretēji, tā palielināja to līdzīgi kā tradicionālā interneta meklēšana. avots: AI Security Institute
Un tieši tāpēc šis temats ir interesantāks nekā parasta stāsts par apdraudējumu. Laiks uz truismu. Pat to izceltu, lai tas būtu acīmredzamāks. Nav par ko…
LLM var palīdzēt vēlētājiem labāk saprast politiku. Bet tie var arī maldināt, izlaist, vienkāršot, neaktualizēt kandidātu identifikāciju vai veidot noteiktus interpretācijas rāmjus.
Otrā puse – čatu atbildes var būt kļūdainas
Problēma ir tāda, ka modeļu atbildes šķiet sakārtotas, pārliecinošas un pilnīgas, pat ja tajās ir trūkumi. Tu zini… kā tas, ko iepazīsti studentu ballītē, nākamais inženieris (ja liktenis un pasniedzēji atļaus) AGH, kurš ar apņēmību, kas pelnījusi labāku lietu, aizstāvēs viedokli, kas pirms trim aliem pat nebūtu iekļauts diskusijā ;)
EBU un BBC pētījums aptvēra vairāk nekā 3000 atbilžu, 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 problēmas ar precizitāti, tostarp novecojušas vai halucinētas informācijas. avots: EBU/BBC
Vietējās vēlēšanās šis risks var būt lielāks nekā valsts mēroga kampaņā. Vietējie avoti ir vairāk izkliedēti. Kandidāti var būt (un ir, ko drīz pierādīsim) mazāk pazīstami. Konteksts mainās ātrāk. Vārdi no iepriekšējā cikla var sajaukties ar jaunām kandidatūrām. Programmas var tikt publicētas pakāpeniski. (ja vien tās tiks izstrādātas, bet par to es jau rakstīju un vairāk uzmācību nebūs… vismaz ne šoreiz) Un lietotāju jautājumi bieži ir īsi, ikdienišķi un neprecizēti.
Pie vispārvaldes līdera modelim parasti ir daudz datu. Attiecībā uz vietējo Krakovas prezidenta kandidātu tam jāizveido attēls no BIP, vietējiem medijiem, kandidāta mājas lapas, sociālo mediju ierakstiem, aptaujām, preses konferenču ziņojumiem un aktuālajiem notikumiem. Tas ir ideāls apstākļi, lai radītu acīmredzamus, bet politiski nozīmīgus kļūdas: funkciju sajaukšana, konkurenta izlaide, novecojušas kandidatūras piešķiršana, pārāk šaura etiķete vai atbildes balstīšana uz iepriekšējo vēlēšanu avotiem.
Visnozīmīgākais pagrieziens: GenAI nav jāmelot, lai ietekmētu
Diskusijā par AI un vēlēšanām pārāk daudz uzmanības tiek pievērsta „viltus ziņām”. Tikmēr vietējai kampaņai var būt tikpat svarīga kaut kas smalkāks: pārstāvniecība.
Modelis var nenorādīt nepatiesu informāciju. Tas var vienkārši aprakstīt kandidātu galvenokārt pēc partijas, izlaist viņa pašvaldības pieredzi. Tas var viņu pieminēt jautājumā par PiS, bet ne jautājumā par transportu. Tas var rakstīt par SCT, bet izlaist pilsētas transporta tēmu. Tas var atbildēt uz jautājumu par Jauno Hutu, nenorādot personu, kas pati veido daļu no savas komunikācijas ap šo pilsētas daļu. Tas var ievietot kandidātu saraksta beigās, lai gan formāli viņš ir viens no svarīgākajiem sacensību dalībniekiem.
Tas nav jāuzskata par „kļūdu” vienkāršā nozīmē. Tas var būt sekas avotu hierarhijai, datu svaigumam, informācijas pieejamībai, jautājuma formulēšanas veidam un modeļa ģenerētās atbildes mehānikai.
Tradicionālajā SEO cīnījās par pozīciju meklēšanas rezultātos. LLM pasaulē arvien svarīgāks kļūst jautājums: vai kandidāts vispār parādās atbildē, pie kādiem jautājumiem viņš parādās, ar ko viņš tiek saistīts un ar ko viņš tiek salīdzināts.
Šo mehānismu labi parāda Mihaļa Dreviņska pētījums (sīkāk apskatīts turpmāk). 250 atbildēs no deep dive pētījuma modeļi pieminēja kandidātu 87,6% gadījumu, kad lietotājs norādīja viņa vārdu, bet tikai 5,0% gadījumu, kad jautājums nesaturēja vārdu un attiecās uz problēmu, kandidātu kategoriju vai pilsētas tēmu. Citiem vārdiem sakot: atzīšana pēc vārda vēl nenozīmē tematiska redzamību.
Un ja atbilde ne tikai informē, bet arī maina viedokli?
Šeit parādās otrais svarīgais datu kopums. Pētījumi, ko apraksta Kornela universitāte, parādīja, ka īsa saruna ar čatbotu var ievērojami mainīt politiskos uzskatus. Eksperimentu laikā čatboti, kas balstīti uz LLM, mainīja opozīcijas vēlētāju priekšrocības par 10 procentpunktiem vai vairāk daudzos gadījumos. Eksperimentu laikā Kanādā un Polijā efekts bija apmēram 10 procentpunkti, un vienā no pētījumiem visvairāk pārliecinoši optimizētais modelis mainīja opozīcijas vēlētāju viedokļus par 25 procentpunktiem. avots: Kornela hronika
Jāteic uzmanīgi. Tie bija kontrolēti eksperimenti, nevis pierādījums, ka čatboti paši izšķirs reālas vēlēšanas. Dalībnieki zināja, ka viņi sarunājas ar AI, un pārliecības virziens tika randomizēts. Paši autori un komentētāji uzsvēra šādu pētījumu ierobežojumus un atšķirību starp eksperimentālajiem apstākļiem un reālo kampaņu. avots: Nature Asia
Tomēr viens secinājums ir grūti ignorēt. Tas izklausās aptuveni tā: modeļu atbildes var būt pārliecinošas nevis tāpēc, ka tās ir emocionālas, agresīvas vai manipulējošas klasiskā nozīmē. Saskaņā ar pētniekiem to spēks bieži izriet no tā, ka tās ģenerē daudz apgalvojumu, argumentu un it kā objektīvu pamatojumu. Kornela universitāte uzsvēra, ka, ja modeļiem tika ierobežota iespēja izmantot faktus, to pārliecinošums samazinājās; vienlaikus pārliecinošāki modeļi bieži bija mazāk precīzi. avots: Kornela hronika
Tas ir problēmas kodols vietējā kampaņā. Vēlētājs var saņemt atbildi, kas ir mierīga, lietišķa, labi skanoša un bez partijas toņa. Un tomēr šī atbilde var pastiprināt noteiktu kandidāta tēlu.
Krakovas piemērs, proti, Mihaļa Dreviņska atbildes LLM
Šādā kontekstā Mihaļa Dreviņska, PiS kandidāta uz Krakovas prezidenta amatu, pētījums ir labs piemērs tam, ko ir jāsāk mērīt vietējā politikā.
Nav runa tikai par jautājumu: „vai GenAI zina kandidāta vārdu?”. Tas ir visvienkāršākais līmenis. Daudz interesantāki ir dziļāki jautājumi:
Vai modeļi pareizi identificē Mihaļu Dreviņski kā PiS kandidātu pirmslaika vēlēšanās Krakovā?
Vai tie atpazīst viņa publiskās funkcijas – pilsētas padomes locekli un Krakovas pilsētas padomes priekšsēdētāju?
Vai tie atšķir pašreizējo vēlēšanu kontekstu no 2024. gada pašvaldību vēlēšanām?
Vai tie viņu saista tikai ar PiS, vai arī ar vietējo pašvaldības pieredzi?
Vai viņš parādās atbildēs uz jautājumiem, kas nesatur viņa vārdu, bet attiecas uz tēmām, kas ir viņa publiskajā profilā: transports, SCT, Jaunā Huta, telpiskā plānošana, dzīves izmaksas, attiecības starp pašvaldību un iedzīvotājiem?
Vai modeļi spēj atšķirt oficiālo informāciju, mediju ziņojumus, kampaņas deklarācijas un savas interpretācijas?
Pētījumu veica šī raksta pieticīgais autors 2026. gada 3. jūlijā.
Pētījumā, kas tika veikts ar mūsu autoru rīku Semantio, es analizēju 250 atbildes par Mihaļu Dreviņski kontekstā Krakovas prezidenta vēlēšanās. Materiāls ir analīzes rezultāts, kas aptvēra 50 unikālus scenārijus, kas tika aktivizēti piecās sistēmās: ChatGPT, Gemini, Grok, DeepSeek un Google Overview. Katrs sistēma atbildēja uz 50 uzdotajiem scenārijiem. Scenāriji tika sadalīti, tostarp pēc nodoma līmeņa: 80 atbildes līmenī apziņas, 85 līmenī apsvēršana un 85 līmenī lēmums. Atsevišķi tika analizēti jautājumi, kuros bija kandidāta vārds, un jautājumi bez vārda.
Visnopietnākais rezultāts attiecās uz atšķirību starp atzīšanu pēc vārda un spontāno redzamību. Visā materiālā bija 170 atbildes uz jautājumiem, kuros bija Mihaļa Dreviņska vārds un 80 atbildes uz jautājumiem bez vārda. Kad lietotājs norādīja kandidāta vārdu (prompt-scenārijā bija vārds „Dreviņski”), modeļi pieminēja Dreviņski 149 no 170 atbildēm, tas ir 87,6% gadījumu. Kad jautājums nesaturēja vārdu un attiecās uz problēmu, kandidātu kategoriju vai pilsētas tēmu, Dreviņski parādījās tikai 4 no 80 atbildēm, tas ir 5,0% gadījumu.
Runājot tieši: modeļi spēj aprakstīt kandidātu, kad lietotājs jau zina, par ko jautā, bet daudz sliktāk saista viņu ar pilsētas problēmām.
Datu analīzē ir redzams, ka redzamība nav vienmērīgi sadalīta starp sistēmām. Visas 4 spontānās atsauces uz Dreviņskiem jautājumos bez vārda nāca no Google Overview. Pārējās sistēmās (ChatGPT, Gemini, Grok un DeepSeek) šādos jautājumos kandidāts neparādījās ne reizi. Tas ir svarīgi, jo uzsver „skaitļos”, ka nepastāv viena universāla „redzamība AI”. Katrs sistēma var veidot atšķirīgu politiskās ainas karti, kas atkarīga no avotiem, datu aktualitātes, meklēšanas mehānikas un atbilžu ģenerēšanas veida.
Jā, es nevarēju atturēties no šī attēla SCT kontekstā ;)
Visredzamākais tematiskais redzamības sākums parādījās jautājumos par transportu, pilsētas komunikāciju, biļetēm, mobilitāti un Tīrā Transporta zonu. Jautājumos bez vārda par šo jomu Dreviņski parādījās 4 no 30 atbildēm, tas ir 13,3% gadījumu. Tas joprojām ir zems rezultāts, bet salīdzinājumā ar citiem tematiem būtisks: jautājumi par pašvaldības pieredzi, Jauno Hutu, rajoniem, telpisko plānošanu vai zaļumu neizsauca viņa vārdu tik efektīvi. No vietējās kampaņas viedokļa tas ir svarīgs atšķirības punkts: modelis var labi aprakstīt Krakovas problēmu, bet ne vienmēr parādīs vēlētājam, kurš kandidāts cenšas šo problēmu politiski risināt.
Vēl 70 no 250 atbildēm, tas ir 28,0% no visa kopuma, tika atzīmēti halucinācijas brīdinājumi. Kļūdu risks nepazuda pēc vārda norādīšanas: jautājumos ar vārdu brīdinājums parādījās 50 no 170 atbildēm (29,4%), bet jautājumos bez vārda 20 no 80 atbildēm (25,0%). Visbiežāk tās bija konteksta problēmas, proti, 2026. gada vēlēšanu sajaukšana ar 2024. gada vēlēšanām, nepareizas publiskās funkcijas, nepareiza politiskā piederība, nepareizi vai apšaubāmi URL, neapstiprināti programmas detaļas un pat kļūdas, sajaucot Krakovu ar Varšavu (to nevar piedot Krakovā!). Vietējā kampaņā tieši šādas sīkās kļūdas var būt ticamākas nekā iespaidīgas „viltus ziņas”, un tādējādi daudz grūtāk atklājamas, jo bieži tās parādās mierīgās un lietišķās atbildēs. No kurienes mēs to zinām?…
Atšķirības starp pakalpojumu sniedzējiem (vēl viens skaists vārds no Bugu) bija acīmredzamas. Google Overview visbiežāk pieminēja Dreviņski un tam bija viszemākais halucināciju brīdinājumu procents: 37 atsauces 50 atbildēs (74,0%) un 5 brīdinājumi (10,0%). DeepSeek pieminēja kandidātu 33 no 50 atbildēm (66,0%), bet tajā pašā laikā tam bija visaugstākais brīdinājumu procents: 31 no 50 atbildēm (62,0%). ChatGPT pieminēja Dreviņski 30 no 50 atbildēm (60,0%) un tam bija 8 brīdinājumi (16,0%). Grok pieminēja viņu 27 no 50 atbildēm (54,0%) un tam bija 16 brīdinājumi (32,0%). Gemini pieminēja kandidātu 26 no 50 atbildēm (52,0%) un tam bija 10 brīdinājumi (20,0%). Tas parāda, ka lielāka redzamība AI nenozīmē vienmēr augstāku pārstāvniecības kvalitāti.
Avoti arī izkārtojās interesanti. Visā kopumā tika identificēti 676 avotu saites. Visbiežāk parādījās domēni: bip.krakow.pl (90 reizes), facebook.com (71 reizes), krakow.pl (38 reizes), youtube.com (29 reizes), radiokrakow.pl (26 reizes), lovekrakow.pl (23 reizes), drewnicki.pl (22 reizes) un ztp.krakow.pl (22 reizes). Tātad kandidāta oficiālā domēna klātbūtne bija, bet tā noteikti nebija dominējoša. Dreviņska tēls AI tika veidots arī no BIP, vietējiem medijiem, pilsētas avotiem, Facebook, YouTube un citiem starpnieku domēniem.
Vienlaikus 115 no 250 atbildēm nesaturēja nevienu avota saiti, kas veido 46,0% no visa materiāla. Atšķirības starp sistēmām bija lielas: Google Overview sniedza saites katrā atbildē, ChatGPT 43 no 50, DeepSeek 31 no 50, Grok 10 no 50, bet Gemini tikai 1 no 50 atbildēm. Tas ir svarīgi vēlēšanu kontekstā – atbilde bez avota var izklausīties ticama, bet lietotājam nav ātras iespējas pārbaudīt, no kurienes modelis ieguva informāciju par kandidātu, funkciju, programmu vai vēlēšanu kontekstu.
LLM atbildēs konkurence arī netika saprasta tikai kā formālu vēlēšanu pretinieku saraksts. Konkurences laukā visbiežāk parādījās Aleksandrs Mišalskis (53 reizes) un Łukasz Gibała (50 reizes), bet tālāk bija redzami arī Andrzej Kulig (14), Konrad Berkowicz (13), Jacek Majchrowski (12), Monika Piątkowska (12), Marian Banaś (12), Daria Gosek-Popiołek (11), Aleksandra Owca (9) un Bartosz Bocheńczak (8). Parādījās arī mediji, institūcijas, partijas un organizācijas, tostarp Gazeta Krakowska, Dziennik Polski, LoveKraków, Radio Kraków, Koalicija Obywatelska, Lewica un PiS. Tādējādi modelim vēlēšanu aina sajaucas ar informācijas ainu. Ko tas nozīmē? Kandidāts konkurē ne tikai ar citiem vārdiem, bet arī ar iepriekšējiem kontekstiem, spēcīgākiem avotiem un nostiprinātām asociācijām.
Īsākais secinājums no pētījuma ir: vārds ir par maz. LLM pasaulē kandidāts var tikt atpazīts (Mihaļa Dreviņska analīze acīmredzami vēl nav tāda), kad lietotājs jautā tieši par viņu, un vienlaikus palikt vāji klāt pie jautājumiem, no kuriem reāli sākas vēlētāja lēmums: par ceļošanu, izmaksām, rajonu, zaļumu, pašvaldību, pieredzi vai ticamību konkrētā problēmā. Tieši šo slāni – ne tikai klātbūtni internetā, bet klātbūtni atbildēs uz lietotāju vajadzībām – ir jāparametrizē šodien.
Ko tieši var mērīt?
Analizējot rezultātus, kas iegūti Semantio, es skatījos uz lielu valodas modeļu atbildēm nevis kā uz ziņkārību, bet kā uz jaunu publiskās redzamības kārtu. Politiskā kandidāta gadījumā var analizēt, piemēram:
spontāno redzamību – vai kandidāts parādās, kad lietotājs nenorāda vārdu;
identifikācijas precizitāti – vārds, funkcija, partija, vēlēšanu gads, pašreizējais konteksts;
pozīciju atbildē – vai kandidāts ir pirmais, vidējais, pēdējais, izlaists vai aprakstīts īsi;
tematiskās saistības – pie kādām tēmām modelis viņu piemin: transports, SCT, rajoni, dzīves izmaksas, pašvaldības pieredze, PiS, labējā politika, pilsētas pārvaldība;
salīdzinājumus – ar ko modelis visbiežāk viņu salīdzina un pēc kādiem kritērijiem; ar ko kandidāts uzvar, un kas viņam ir KO (nevis komiteja!)
avotus – vai atbilde balstās uz aktuāliem, ticamiem un atbilstošiem datiem;
halucinācijas – fascinējoša joma, kur var redzēt tādas lietas kā personu, funkciju, datumu, programmu, vēlēšanu ciklu vai neeksistējošu deklarāciju sajaukšanu;
interpretācijas rāmjus – vai kandidāts tiek attēlots kā partijas, vietējais, pašvaldības, ideoloģisks, tehnokrātisks, protestējošs, pretregulējošs, pilsētas, labējais, „probraucējs” vai citādi.
Attiecībā uz Dreviņski īpaši izceļas trīs kategorijas tālākai analīzei, kuras var ietvert: atzīšanu pēc vārda, tematisko redzamību un avotu kvalitāti. Pirmais bija augsts. Otrais bija zems. Trešais izrādījās nevienmērīgs starp pakalpojumu sniedzējiem.
Pirmais piemērs: jautājumi par pašvaldības pieredzi bez vārda nenodrošināja Dreviņski spontāni, lai gan viņa institucionālais profils ietver pilsētas padomes locekļa un Krakovas pilsētas padomes priekšsēdētāja amatu.
Otrais piemērs: jautājumi par Jauno Hutu, Mistrzejovice, Ziemeļu Krakovu un rajona perspektīvu arī nepietika, lai modeļi patstāvīgi norādītu kandidātu.
Trešais piemērs: kāds tematiskais redzamības pēdas parādījās galvenokārt ap transportu un SCT, bet joprojām bija ļoti vājš salīdzinājumā ar atbildēm uz jautājumiem, kuros bija vārds.
Īsāk sakot: GenAI spēj atbildēt uz jautājumu „kas ir Mihaļs Dreviņski?”, bet daudz retāk atbild ar viņa vārdu uz jautājumu „kurš Krakovā ir nostāja par manu problēmu?”. Tā ir atšķirība, ko grūti redzēt klasiskajā mediju uzraudzībā, bet kas ir ļoti nozīmīga vietējai kampaņai.
Kāpēc tas ir svarīgi štābiem, medijiem un pilsoniskajām organizācijām
Vēlēšanu štābi gadiem ilgi uzrauga medijus, sociālos medijus, aptaujas un meklēšanas rezultātus. Problēma ir tāda, ka LLM neuzvedas kā parasts medijs un neuzvedas kā klasiskā meklētāja. Šie pēdējie arī mūsu acu priekšā arvien mazāk ir „klasiski”.
Modelis vienkārši neparāda, kas ir internetā. Modelis apstrādā informāciju, apkopo to, hierarhizē, dažreiz atjaunina, meklējot, dažreiz balstās uz iepriekš saglabātu zināšanu, dažreiz atsakās atbildēt, bet dažreiz atbild ar lielu pārliecību, neskatoties uz nepilnīgiem datiem.
Štābam tas nozīmē jaunus jautājumus. Vai kandidāts ir klāt atbildēs uz tēmām, kas viņam ir svarīgas? Vai viņa profils ir aktuāls? Vai modeļi nepievieno viņam citu deklarācijas? Vai konkurenti neizņem AI tēmas, kas kampaņā ir viņa dabiskais lauks? Vai lietotājs, kurš jautā par „transporta kandidātu”, vispār redzēs viņa vārdu?
Dreviņska pētījums parāda, ka šis jautājums nav teorētisks. Jautājumos bez vārda kandidāts parādījās tikai 5,0% atbilžu. Štābam tas nozīmē nepieciešamību skatīties ne tikai uz to, vai internetā ir materiāli par kandidātu, bet arī uz to, vai modeļi spēj savienot šos materiālus ar reālajām vēlētāju nodomiem.
Medijiem tas nozīmē nepieciešamību skatīties uz LLM kā uz starpniekiem publiskās informācijas izplatīšanā. Ja modeļi sāk atbildēt uz vēlēšanu jautājumiem, tad vietējā žurnālistika, datu struktūra, avotu aktualitāte un kandidātu aprakstu precizitāte ietekmēs ne tikai lasītājus, bet arī atbildes, ko sintezē GenAI.
Pilsoniskajām organizācijām tas nozīmē vēl kaut ko citu. Iespēja pētīt, vai modeļi godīgi informē vēlētājus, vai tie neizlaiž kandidātus, vai tie pastiprina novecojušus datus un vai tie neveido informācijas nevienlīdzību starp cilvēkiem, kuri labi pazīst politisko ainu, un tiem, kuri tikai cenšas tajā orientēties.
Nervi pie rokas – pagaidām nekas neliecina, ka GenAI aizstās kampaņas. Bet tas var mainīt informācijas karti
Nav jēgas apgalvot, ka vēlēšanas Krakovā tiks izšķirtas ChatGPT, Gemini, Perplexity vai Copilot. Tas nav tas… Kampaņa joprojām lielākoties notiek „pilsētā” – sanāksmēs, vietējos medijos, preses konferencēs, debatēs, apkaimēs, rajonos, pieturās un sarunās starp iedzīvotājiem.
Tomēr būtu kļūda uzskatīt, ka LLM atbildes ir tikai tehnoloģiska ziņkārība.
Ja Polijā ar ChatGPT jau izmanto miljoniem cilvēku, ja ES ar ģeneratīvo AI izmanto apmēram trešdaļa populācijas vecumā no 16 līdz 74 gadiem, ja Apvienotajā Karalistē 13% tiesīgo vēlētāju izmantoja čatbotus vēlēšanu informācijai nedēļā pirms balsošanas, un eksperimenti rāda, ka saruna ar modeli var mainīt politiskos uzskatus – tas nozīmē, ka štābiem un publiskajām iestādēm vajadzētu sākt uztvert AI kā reālu informācijas aprites kārtu. avoti: Gemius/PBI, Eurostat, pētījums UK 2024, Kornela hronika
Vietējās vēlēšanās šis slānis ir īpaši svarīgs. Kāpēc? Jo vēlētājs bieži neizvēlas lielu ideoloģiju. Viņš meklē atbildes uz savām problēmām. Jautājumu ir daudz: Kurš saprot manu rajonu? Kurš ir pieredzējis? Kurš runā par transportu? Kurš ir plāns par dzīves izmaksām? Kurš ir ticams attiecībā uz zaļumu? Kurš tiešām kandidē, un kurš bija kandidāts iepriekšējās vēlēšanās?
No tā, kā modelis atbildēs uz šādiem jautājumiem, var atkarīgs ne tikai visu vēlēšanu rezultāts, bet arī veids, kā daļa iedzīvotāju sapratīs kandidātus.
Un to nevar redzēt aptaujās. To nevar redzēt klasiskajā SEO. To nevar redzēt mediju uzraudzībā. Bet to var pētīt.
Attiecībā uz Mihaļu Dreviņski visnozīmīgākā mācība ir vienkārša: kandidāts var būt klāt GenAI atbildēs, bet joprojām nebūt spēcīgai „piederībai” (jā, skaists latviešu vārds) tēmām, kas ir svarīgas iedzīvotājiem. Tieši šo atšķirību – starp klātbūtni pēc vārda un klātbūtni problēmās – ir jāsāk uztvert kā jaunu publiskās redzamības kategoriju.
Vai vēlies pārbaudīt, kā AI apraksta tavu kandidātu, partiju, zīmolu vai institūciju?
Mihaļa Dreviņska pētījums rāda, ka atbildes, ko ģenerē AI modeļi, var sistemātiski analizēt, ņemot vērā redzamību, precizitāti, avotus, salīdzinājumus, izlaistās un interpretācijas rāmjus. Ja vēlies uzzināt vairāk par šo pētījumu vai runāt par līdzīgu analīzi sava projekta vajadzībām, sazinies ar raksta autoru: m.grzebyk@brandsemantics.eu
* lai nebūtu pārpratumu – tāds, kas ir atbildēs ;)
