Len pred niekoľkými rokmi musel volič, ktorý chcel skontrolovať kandidáta na primátora, navštíviť jeho webovú stránku, prehľadávať médiá (vrátane tradičných kanálov), sledovať debaty, pýtať sa priateľov alebo prechádzať niekoľkými stránkami výsledkov Google. Dnes môžu často urobiť niečo oveľa jednoduchšie – opýtať sa svojho obľúbeného chatu (veľkého jazykového modelu).
Nemusia ani… poznať žiadne mená. Nemusia vedieť, kto patrí do ktorého výboru. Nemusia sledovať tlačové konferencie. Všeobecne, nemusia toho veľa robiť. Ale môžu. Môžu sa opýtať: „Kto v Krakove má najlepší dopravný program?“, „Ktorý kandidát je spojený s Novou Hutou?“, „Kto chce zmeniť Zónu čistej dopravy?“, „Má kandidát PiS skúsenosti s miestnou samosprávou?“, „Kto sa konkrétne zaoberá nákladmi na život v týchto voľbách?“.
A dostanú odpoveď.
Nie zoznam odkazov. Nie klasický výsledok vyhľadávania. Nie neutrálnu databázu dokumentov. Dostanú synthesizovaný popis politického prostredia, zostavený LLM na základe toho, čo model nájde, pamätá si, interpretuje, považuje za dôležité a usporiada v primeranej hierarchii. Prispôsobený pre používateľa, ktorý si, čiastočne, „vychoval“ svoj vlastný „Tamagotchi“ z tretej dekády (ako to znie!) 21. storočia. Ibaže ho nekrmí ani nečistí stláčaním tlačidiel; hádže doň kúsok seba, ktorý odhaľuje jeho zvyky.
Toto je nová vrstva volebnej kampane. Tichá, súkromná, ťažko monitorovateľná a – v miestnych voľbách – potenciálne veľmi významná.
Krakov ako laboratórium volieb v ére GenAI
Krakov je vynikajúce miesto na pozorovanie tejto zmeny v akcii. Nie je to malá obec, ale nie je to ani celonárodná kampaň, kde je každý kandidát neustále prítomný v hlavných médiách. Podľa údajov GUS mal na konci roka 2025 Krakov 816 614 obyvateľov. Je to veľký, komplexný mestský organizmus: s centrom mesta, Novou Hutou, periférnymi oblasťami, univerzitami, turizmom, podnikaním, dopravou, konfliktmi o zelené plochy, územným plánovaním, cenami mestských služieb a správou mesta. zdroj: Krakov v číslach
Okrem toho existuje unikátna politická situácia. V miestnom referende 24. mája 2026 bola účasť voličov na hlasovaní o odvolaní primátora Krakova 29,99 % — dosť na to, aby bolo referendum platné a rozhodujúce. V paralelnom hlasovaní o odvolaní Mestského zastupiteľstva bola účasť 29,97 %, čo znamená, že zákonný prah nebol splnený. Rozdiel sa zdá byť minimálny, ale politické dôsledky sú úplne iné. zdroj: Mesto Krakov
Krakov má tiež nedávne skúsenosti s veľmi tesnou konkurenciou. V druhom kole prezidentských volieb v roku 2024 získal Aleksander Miszalski 51,04 % hlasov, zatiaľ čo Łukasz Gibała 48,96 %. Podľa správ založených na údajoch PKW bol rozdiel 5 434 hlasov. zdroj: Rzeczpospolita
Toto sú čísla, ktoré si zaslúžia opatrnosť voči každému novému zdroju informačného vplyvu. Nie preto, že chatbot „vyberie primátora Krakova.“ To je príliš silné tvrdenie. Ale preto, že v kampani, kde niekoľko tisíc hlasov môže zmeniť výsledok, záleží na tom, kto je viditeľný, kto je prehliadaný, s čím sú spájaní a ako sú popisovaní v odpovediach generovaných umelou inteligenciou, na ktoré sa používatelia čoraz viac obracajú.
Voliteľ sa nielen vyhľadáva. Voliteľ sa rozpráva
Najvýznamnejšou zmenou nie je to, že AI dokáže generovať reklamu, meme alebo deepfake. Hoci to určite má význam, je to už dobre známa téma. O tom sa veľa diskutuje a existujú kampane – niektoré viac či menej sociálne, niektoré viac či menej financované konkrétnymi volebnými výbormi.
Zaujímavejšou a menej zrejmou zmenou je, že LLM sa stávajú súkromnými informačnými poradcami. Voliteľ sa nemusí opýtať: „Aký je program Michała Drewnického?“ Možno si ani nepamätá to meno. Namiesto toho sa môže opýtať: „Kto v Krakove má skúsenosti s miestnou samosprávou?“, „Ktorý kandidát hovorí o Novej Hute?“, „Kto má konkrétny, jasný postoj k SCT?“, „Je kandidát PiS v Krakove len stranícky člen, alebo má miestne skúsenosti?“.
Takéto otázky sú oveľa bližšie k skutočnému rozhodovaciemu procesu. Ľudia zriedka porovnávajú celé programy od začiatku do konca. (Mimochodom… ktorá strana v roku 2024 jasne opísala svoj volebný program namiesto toho, aby sa vezla na vlne meniacich sa prieskumov, výkrikov a hluku na sociálnych médiách?) Častejšie hľadajú odpovede na svoje vlastné problémy: dochádzanie, ceny, zelené plochy, školy, chodníky, parkovanie, výstavba pred ich oknom, pocit chaosu v kancelárii alebo nedostatok vplyvu na mestské rozhodnutia.
Tu veľké jazykové modely začínajú pôsobiť ako noví zprostredkovatelia. Nielenže poskytujú informácie. Organizujú scénu. Vyberajú, ktorých kandidátov spomenú. Rozhodujú, ktoré fakty považujú za významné. Zhužujú komplexné kontexty do niekoľkých odsekov. A často to robia spôsobom, ktorý neuvidíme v klasickom monitorovaní médií, SEO alebo analýze sociálnych médií. Tak sa dá predpokladať, že prieskumné firmy a ich „nepresnosti“ sa čoraz viac stanú jedným z hlavných tém komentárov po exit polloch.
Toto už nie je technologická nika
Ak si niekto myslí, že „chatboty“ sú stále hračkou pre študentov a technologický priemysel, údaje rýchlo ochladia tento pohľad. Podľa správy Gemius/PBI v júni 2025 používalo ChatGPT viac ako 9,3 milióna skutočných používateľov v Poľsku. To predstavovalo 31,4 % internetových používateľov a 28,6 % populácie vo veku 7–75 rokov. Správa tiež naznačila, že medzi používateľmi ChatGPT je nadmerné zastúpenie jednotlivcov mladších ako 35 rokov, pričom priemerný čas používania v skupine 25–34 rokov bol v júni 2 hodiny a 42 minút. zdroj: Gemius/PBI
Na európskej úrovni Eurostat uviedol, že v roku 2025 používalo generatívne AI nástroje 32,7 % obyvateľov EÚ vo veku 16–74 rokov. V skupine 16–24 rokov bola táto percentuálna hodnota už 63,8 %. zdroj: Eurostat
To je významné, pretože mladší voliči sú tiež skupinou, ktorá je viac naklonená používať nové informačné nástroje a skupinou, ktorá často má menej stabilnú účasť na miestnych voľbách. Nie je potrebné predpokladať masový prechod celej kampane na systémy podporované AI. Stačí si všimnúť, že pre významnú časť používateľov rozhovor s chatbotom sa stáva jedným z prirodzených spôsobov organizovania informácií.
AI ako nástroj pre správy, politiku a rozhodovanie
Údaje z Reuters Institute ukazujú, že AI chatboty sa už používajú na konzumáciu informácií, hoci zatiaľ nedominujú. V roku 2026 10 % respondentov v 45 trhoch uviedlo, že týždenne používajú AI chatboty na správy, čo je nárast z 7 % v predchádzajúcom roku. Ešte zaujímavejšie je, ako ich ľudia používajú: 42 % používateľov spravodajských chatbotov kladie doplňujúce otázky, 35 % ich používa na najnovšie informácie, 34 % na zhrnutie, 30 % na zjednodušenie komplexných tém a 33 % na posúdenie dôveryhodnosti zdrojov. zdroj: Reuters Institute Digital News Report
Toto je takmer hotový popis správania voličov v miestnej kampani. „Vysvetlite mi, o čo ide v Zóne čistej dopravy.“ „Zhrňte rozdiely medzi kandidátmi.“ „Kto je dôveryhodný v otázkach dopravy?“ „Má tento kandidát naozaj skúsenosti s miestnou samosprávou?“ „Aké zdroje potvrdzujú ich vyhlásenia?“
V tomto bode AI prestáva byť len nástrojom na písanie textov. Stáva sa rozhraním k verejnej realite.
Najsilnejší varovný signál – Voliči sa už pýtajú GenAI na voľby
Jedným z najzaujímavejších údajov je výsledok štúdie o parlamentných voľbách v Spojenom kráľovstve v roku 2024. Reprezentatívny prieskum 2 499 dospelých ukázal, že v týždni pred voľbami 32 % používateľov chatbotov (13 % všetkých oprávnených voličov) použilo konverzačnú AI na vyhľadávanie informácií priamo súvisiacich s ich rozhodnutím o hlasovaní. zdroj: arXiv, štúdia UK 2024
Toto nie je marginálna detail. Je to signál, že chatboty vstupujú do srdca volebného procesu: nie ako abstraktná technológia, ale ako nástroj používaný, keď sa voliči rozhodujú, organizujú argumenty alebo sa snažia pochopiť politické prostredie. Často tesne pred vstupom do volebnej miestnosti.
Dôležité je, že autori tejto štúdie nevytvárajú jednoduchý alarmistický záver. V sérii experimentov s 2 858 účastníkmi zistili, že používanie chatbotov nezhoršilo politické vedomosti; naopak, zvýšilo ich do podobnej miery ako tradičné internetové vyhľadávanie. zdroj: AI Security Institute
A preto je téma zaujímavejšia než jednoduchý príbeh o nebezpečenstve. Čas na truizmus. Dokonca ho aj tučne zvýrazním, aby bol nápadnejší. Nie je potrebné mi ďakovať…
LLM môžu pomôcť voličom lepšie pochopiť politiku. Ale môžu tiež zmiasť, vynechať, zjednodušiť, nesprávne identifikovať kandidátov alebo vytvoriť konkrétne interpretačné rámce.
Druhá strana – Odpovede chatbotov môžu byť chybné
Problém je v tom, že odpovede modelu sa zdajú byť usporiadané, sebavedomé a kompletné, aj keď obsahujú medzery. Viete… ako ten budúci inžinier (ak osud a profesori dovolia) z AGH, ktorého ste stretli na študentskej párty, ktorý bude neochvejne obhajovať názor, ktorý by sa ani do diskusie nedostal pred tromi pivami ;)
Štúdia EBU a BBC pokryla viac ako 3 000 odpovedí generovaných štyrmi AI asistentmi (ChatGPT, Copilot, Gemini a Perplexity) v 14 jazykoch. 45 % odpovedí obsahovalo aspoň jeden významný problém, 31 % malo vážne problémy so zdrojmi a 20 % obsahovalo vážne problémy s presnosťou, vrátane zastaraných alebo halucinovaných informácií. zdroj: EBU/BBC
V miestnych voľbách môže byť toto riziko väčšie ako v celonárodnej kampani. Miestne zdroje sú rozptýlenejšie. Kandidáti môžu byť (a sú, ako čoskoro dokážeme) menej známi. Kontext sa mení rýchlejšie. Mená z predchádzajúceho cyklu sa môžu miešať s novými kandidátmi. Programy môžu byť zverejňované po etapách. (ak sa vôbec vytvárajú, ale už som to spomenul a nebudem sa do toho púšťať… zatiaľ) A otázky používateľov sú často krátke, hovorové a imprecízne.
Pri národnom lídrovi má model zvyčajne dostatok údajov. Pri miestnom kandidátovi na primátora Krakova musí poskladať obraz z BIP, miestnych médií, webovej stránky kandidáta, príspevkov na sociálnych médiách, prieskumov, správ z konferencií a aktuálnych udalostí. To vytvára ideálne podmienky pre zdánlivo drobné, ale politicky významné chyby: mýlenie rolí, vynechávanie konkurentov, priraďovanie zastaraných kandidátov, dávanie niekomu príliš úzkeho označenia alebo zakladanie odpovedí na zdrojoch z predchádzajúcich volieb.
Najdôležitejší zvrat: GenAI nemusí klamať, aby ovplyvnila
V diskusiách o AI a voľbách sa príliš veľa pozornosti venuje „falošným správam“. Medzitým pre miestnu kampaň môže byť niečo subtilnejšie rovnako dôležité: reprezentácia.
Model nemusí poskytovať nepravdivé informácie. Môže jednoducho popisovať kandidáta hlavne prostredníctvom jeho straníckej príslušnosti, pričom vynecháva jeho skúsenosti s miestnou samosprávou. Môže ho spomenúť, keď sa pýtame na PiS, ale nie, keď sa pýtame na dopravu. Môže písať o SCT, ale vynechať tému verejnej dopravy. Môže odpovedať na otázku o Novej Hute bez toho, aby uviedol osobu, ktorá buduje časť svojej komunikácie okolo väzieb na túto časť mesta. Môže umiestniť kandidáta na koniec zoznamu, aj keď je formálne jedným z významných účastníkov pretekov.
Toto nemusí byť „chyba“ v jednoduchom zmysle. Môže to byť dôsledok hierarchie zdrojov, čerstvosti údajov, dostupnosti informácií, spôsobu formulovania otázky a mechaniky odpovede generovanej modelom.
V tradičnom SEO sa bojovalo o pozíciu vo výsledkoch vyhľadávania. Vo svete LLM sa čoraz viac stáva dôležité pýtať sa: objavuje sa kandidát vôbec v odpovedi, pod akými otázkami sa objavuje, s čím sú spájaní a s kým sú porovnávaní.
Tento mechanizmus je jasne viditeľný v štúdii Michała Drewnického (o ktorej sa podrobnejšie diskutuje neskôr v texte). V 250 odpovediach z deep dive štúdie modely spomenuli kandidáta v 87,6 % prípadov, keď používateľ poskytol jeho meno, ale iba v 5,0 % prípadov, keď otázka neobsahovala meno a týkala sa otázky, kategórie kandidátov alebo mestského problému. Inými slovami: rozpoznanie menom neznamená nevyhnutne tematickú viditeľnosť.
Čo ak odpoveď nielen informuje, ale aj mení názor?
Tu sa objavuje druhá kľúčová sada údajov. Výskum popísaný Cornellom ukázal, že krátky rozhovor s chatbotom môže významne zmeniť politické názory. V experimentoch uskutočnených v štyroch krajinách sa chatboty založené na LLM v mnohých prípadoch posunuli preferencie voličov opozície o 10 percentuálnych bodov alebo viac. V experimentoch v Kanade a Poľsku bol efekt okolo 10 percentuálnych bodov, zatiaľ čo v jednej štúdii najpresvedčivejšie optimalizovaný model posunul názory voličov opozície o 25 percentuálnych bodov. zdroj: Cornell Chronicle
Toto treba povedať opatrne. Tieto boli kontrolované experimenty, nie dôkaz, že chatboty rozhodnú skutočné voľby. Účastníci vedeli, že hovoria s AI a smerovanie presvedčovania bolo randomizované. Autori a komentátori sami zdôraznili obmedzenia takýchto štúdií a rozdiel medzi experimentálnymi podmienkami a skutočnými kampaňami. zdroj: Nature Asia
Ale jednu konštrukciu je ťažké ignorovať. Znie to asi takto: odpovede modelu môžu byť presvedčivé nie preto, že sú emocionálne, agresívne alebo manipulujúce v klasickom zmysle. Podľa výskumníkov ich sila často vyplývala z generovania mnohých tvrdení, argumentov a zdánlivo faktických odôvodnení. Cornell zdôraznil, že keď bola schopnosť modelov používať fakty obmedzená, ich presvedčivosť sa znížila; zároveň sa ukázalo, že presvedčivejšie modely majú tendenciu byť menej presné. zdroj: Cornell Chronicle
Toto je podstata problému v miestnej kampani. Volič môže dostať pokojne zniecu, rozumnú odpoveď bez straníckeho tónu. Napriek tomu môže táto odpoveď stále posilniť konkrétny obraz kandidáta.
Príklad Krakova: Michał Drewnicki v odpovediach LLM
V tomto kontexte štúdia Michała Drewnického, kandidáta PiS na primátora Krakova, slúži ako dobrý príklad toho, čo je potrebné merať v miestnej politike.
Nejde len o to pýtať sa: „Vie GenAI meno kandidáta?“. To je najjednoduchšia úroveň. Oveľa zaujímavejšie sú hlbšie otázky:
Identifikujú modely Michała Drewnického správne ako kandidáta PiS v predčasných voľbách v Krakove?
Rozpoznávajú jeho verejné úlohy – mestského poslanca a podpredsedu Mestského zastupiteľstva Krakova?
Rozlišujú aktuálny volebný kontext od miestnych volieb v roku 2024?
Spájajú ho výlučne s PiS, alebo aj so skúsenosťami s miestnou samosprávou?
Objavuje sa v odpovediach na otázky, ktoré neobsahujú jeho meno, ale súvisia s témami prítomnými v jeho verejnom profile: komunikácia, SCT, Nová Huta, územné plánovanie, náklady na život, vzťahy medzi úradom a obyvateľmi?
Dokážu modely rozlíšiť medzi oficiálnymi informáciami, mediálnymi správami, volebnými vyhláseniami a vlastnými interpretáciami?
Štúdia bola vykonaná skromným autorom tohto textu 03/07/2026.
Pomocou nášho proprietárneho nástroja Semantio som analyzoval 250 odpovedí týkajúcich sa Michała Drewnického v kontexte prezidentských volieb v Krakove. Materiál je výsledkom analýzy pokrývajúcej 50 unikátnych scenárov, spustených v piatich systémoch: ChatGPT, Gemini, Grok, DeepSeek a Google Overview. Každý systém odpovedal na 50 položených scenárov. Scenáre boli rozdelené podľa fázy zámeru: 80 odpovedí v fáze povedomia, 85 v fáze zvažovania a 85 v fáze rozhodovania. Otázky obsahujúce meno kandidáta a otázky založené na problémoch bez mena boli analyzované samostatne.
Najsilnejší výsledok sa týka rozdielu medzi rozpoznaním menom a spontánnou viditeľnosťou. V celom materiáli bolo 170 odpovedí na otázky obsahujúce meno Michała Drewnického a 80 odpovedí na otázky bez mena. Keď používateľ poskytol meno kandidáta (scenár obsahoval meno „Drewnicki“), modely spomenuli Drewnického v 149 z 170 odpovedí, alebo 87,6 % prípadov. Keď otázka neobsahovala meno a týkala sa otázky, kategórie kandidátov alebo mestského problému, Drewnicki sa objavil iba 4 z 80 odpovedí, alebo 5,0 % prípadov.
Jednoducho povedané: modely dokážu popísať kandidáta, keď používateľ už vie, na koho sa pýta, ale sú výrazne menej úspešné pri samostatnom spájaní ho s mestskými problémami.
Údaje tiež ukazujú, že viditeľnosť nie je rovnomerne rozdelená medzi systémy. Všetky 4 spontánne zmienky o Drewnickom v otázkach bez mena pochádzali z Google Overview. V ostatných systémoch (ChatGPT, Gemini, Grok a DeepSeek) sa kandidát ani raz neobjavil v takýchto otázkach. To je dôležité, pretože to zdôrazňuje „v číslach“, že neexistuje žiadna jediná, univerzálna „viditeľnosť v AI“. Každý systém môže vytvoriť iný mapu politickej scény, závislú od zdrojov, čerstvosti údajov, mechaniky vyhľadávania a spôsobu generovania odpovedí.
Naozaj, nemohol som odolať zahrnúť túto fotografiu v kontexte SCT ;)
Najjasnejšia nápoveda tematickej viditeľnosti sa objavila v otázkach o doprave, verejnej doprave, lístkoch, mobilite a Zóne čistej dopravy. V otázkach bez mena týkajúcich sa tejto oblasti sa Drewnicki objavil v 4 z 30 odpovedí, alebo 13,3 % prípadov. Toto je stále nízky výsledok, ale významný v porovnaní s inými témami: otázky o skúsenostiach s miestnou samosprávou, Novou Hutou, oblasťami, územným plánovaním alebo zelenými plochami nevyvolali jeho meno tak efektívne. Z perspektívy miestnej kampane je to dôležitý rozdiel: model môže presne popísať problém v Krakove, ale nemusí nevyhnutne ukázať voličovi, ktorý kandidát sa snaží politicky riešiť tento problém.
V 70 z 250 odpovedí, alebo 28,0 % celého datasetu, boli označené upozornenia na halucinácie. Riziko chyby nezmizlo ani po poskytnutí mena: v otázkach s menom sa upozornenie objavilo v 50 z 170 odpovedí (29,4 %), zatiaľ čo v otázkach bez mena sa objavilo v 20 z 80 odpovedí (25,0 %). Najčastejšie išlo o kontextové problémy, ako je mýlenie volieb v roku 2026 s voľbami v roku 2024, nesprávne verejné úlohy, nesprávna politická príslušnosť, chybné alebo podozrivé URL adresy, neoverené detaily programu a dokonca aj mýlenie Krakova s Varšavou (to je neodpustiteľné v Meste Krak!). V miestnej kampani môžu byť také drobné chyby pravdepodobnejšie ako spektakulárne „falošné“ a preto oveľa ťažšie zachytiteľné, pretože sa často vyskytujú v odpovediach, ktoré znejú pokojne a rozumne. Kde sme to už videli?…
Rozdiely medzi poskytovateľmi (ďalšie krásne slovo z rieky Bug) boli výrazné. Google Overview spomenul Drewnického najčastejšie a mal najnižšiu mieru upozornení na halucinácie: 37 zmienok v 50 odpovediach (74,0 %) a 5 upozornení (
