Badanie przeprowadzone podczas węgierskich wyborów parlamentarnych pokazuje, że ChatGPT i Gemini potrafią rekomendować partie, które w ogóle nie startowały w wyborach. W dziewięciu na dziesięć przypadków sztuczna inteligencja nie rozpoznała zwycięskiej Tiszy jako partii pasującej do poglądów wyborcy, który jednoznacznie się z nią utożsamiał.
Kluczowe fakty:
- Badanie organizacji Liberties przeprowadzone podczas węgierskich wyborów parlamentarnych wykazało, że ChatGPT i Gemini w testach doradztwa wyborczego rekomendowały partie, które w ogóle nie startowały w wyborach.
- ChatGPT przypisał zwycięskiej partii Tisza jakikolwiek wynik dopasowania zaledwie w 2 procentach przypadków w teście procentowym, a w teście bezpośredniej rekomendacji pominął ją w dziewięciu na dziesięć prób przy profilu wyborcy jednoznacznie z nią utożsamionym.
- Eksperyment oparto na pięciu profilach wyborców stworzonych na podstawie węgierskiej aplikacji doradztwa wyborczego Voksmonitor – każdy profil był testowany w ChatGPT i Gemini po dziesięć razy, w dwóch wariantach pytania.
Raport organizacji Liberties, opublikowany i opisany przez „Guardiana”, dotyczy testów przeprowadzonych wokół kwietniowych wyborów na Węgrzech, w których opozycyjna Tisza Pétera Magyara przełamała szesnastoletnie rządy Viktora Orbána i Fideszu. Wynik głosowania nie budził wątpliwości. Wątpliwości budzi za to sposób, w jaki dwa najpopularniejsze chatboty na Węgrzech radziły sobie z pytaniem, na kogo głosować.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Jak wyglądał eksperyment
Zespół Liberties oparł się na Voksmonitorze, cenionej węgierskiej aplikacji doradztwa wyborczego. Na jej podstawie badacze stworzyli pięć profili wyborców, każdy dopasowany do poglądów jednej z pięciu partii zarejestrowanych na listach ogólnokrajowych. Każdy profil trafiał do ChatGPT i do Gemini po dziesięć razy, w dwóch wariantach pytania: bezpośrednim („na kogo powinienem zagłosować”) oraz procentowym („w ilu procentach pasuję do każdej z partii”).
Wynik nie przypominał działania precyzyjnego narzędzia. Przypominał raczej rzut monetą z dodatkiem przypadkowego szumu.
Tisza niewidzialna dla algorytmu
Najbardziej uderzający wynik dotyczył właśnie Tiszy, partii, która ostatecznie wygrała wybory. W teście procentowego dopasowania ChatGPT przypisał Tiszy jakikolwiek wynik zaledwie w 2 procentach przypadków. Osoby o poglądach jednoznacznie tiszowych model kierował zamiast tego do mniejszych ugrupowań, które miały nikłe szanse na przekroczenie pięcioprocentowego progu wyborczego, albo do partii, które w ogóle nie figurowały na karcie do głosowania.
W teście bezpośredniego pytania o rekomendację sytuacja wyglądała podobnie. Model pominął Tiszę w dziewięciu na dziesięć testów przy profilu jednoznacznie tiszowym. Fidesz rozpoznawany był znacznie konsekwentniej: ChatGPT wskazywał go jako jedyną rekomendowaną partię w około połowie przypadków, a w pozostałych prezentował jako jedną z głównych opcji.
Autorzy raportu tłumaczą tę asymetrię prawdopodobnie luką w danych treningowych. Tisza zyskała na znaczeniu dopiero po 2024 roku, więc modele oparte na starszych zbiorach danych mogły mieć problem z umieszczeniem jej na mapie politycznej kraju. Nie znaleziono dowodów na celowe działanie, ale sam mechanizm okazuje się szkodliwy niezależnie od intencji.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Ta sama odpowiedź, inny wynik za każdym razem
Drugi problem dotyczył powtarzalności. Ten sam profil wyborcy, wysłany do modelu wielokrotnie, dawał w kolejnych próbach „materialnie różne” odpowiedzi, jak ujęli to autorzy raportu. Zmieniały się procentowe dopasowania, zmieniała się lista rekomendowanych partii, zmieniał się nawet zestaw ugrupowań branych pod uwagę.
- Aż 96 procent odpowiedzi ChatGPT i Gemini zawierało wzmiankę o partii, która nie znalazła się na karcie do głosowania w wyborach 2026 roku
- Modele regularnie zaczynały odpowiedź od zastrzeżenia, że „nie mogą udzielać porad politycznych”
- Zaraz po tym zastrzeżeniu następowały kilkuakapitowe, szczegółowe rekomendacje partyjne
Trudno o lepszy przykład złudnej precyzji niż chatbot, który najpierw deklaruje neutralność, a chwilę później serwuje wielostronicową, pewną siebie analizę polityczną. Obserwuję ten mechanizm od dawna i za każdym razem wraca to samo pytanie: czy odpowiedzialność za skutki takiej porady spada na twórcę modelu, czy zostaje rozmyta gdzieś między działem prawnym a promptem użytkownika? Nie mam tu jednoznacznej odpowiedzi. Widzę natomiast realne ryzyko w sytuacji, gdy wynik wyborów jest bliski, a nie miażdżący jak na Węgrzech. Wtedy kilka punktów procentowych błędnie skierowanych głosów potrafi zdecydować o składzie parlamentu. Jednocześnie nie jestem zwolennikiem cenzurowania chatbotów w kwestiach politycznych, bo to otwiera inną puszkę Pandory. Uważam, że rozwiązaniem nie jest zakaz rozmowy o polityce, tylko wymuszenie przejrzystości: jeśli model nie potrafi zagwarantować powtarzalności i dokładności, powinien odsyłać użytkownika do oficjalnych, zweryfikowanych źródeł zamiast udawać eksperta wyborczego.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Luka regulacyjna między AI Act a DSA
Autorzy raportu wskazują na konkretny problem prawny. Unijny AI Act zobowiązuje dostawców modeli ogólnego przeznaczenia stwarzających ryzyko systemowe do oceny i ograniczania możliwych zagrożeń, w tym tych dotyczących procesów demokratycznych. Z kolei Akt o usługach cyfrowych (DSA) nakłada podobny obowiązek na bardzo duże platformy internetowe i wyszukiwarki w zakresie integralności wyborów.
Problem w tym, że chatboty AI nie mieszczą się jednoznacznie w żadnej z tych kategorii. Nie są klasyczną wyszukiwarką, bo generują bezpośrednie, spersonalizowane odpowiedzi zamiast listy linków. Nie są też platformą społecznościową w rozumieniu DSA. Ta próżnia definicyjna sprawia, że nikt formalnie nie musi audytować ich odpowiedzi na pytania wyborcze.
Szefowa programu technologii i praw człowieka w Liberties, Eva Simon, ujęła to wprost: „Systemy AI ogólnego przeznaczenia nie powinny prezentować nieprzejrzystego i niestabilnego dopasowania politycznego tak, jakby było to wiarygodne doradztwo wyborcze” / „General-purpose AIs should not present opaque and unstable political matching as if it were reliable electoral guidance”. Dodała też: „Demokracja nie może opierać się na nieprzejrzystych systemach, które deklarują neutralność, dostarczając jednocześnie porad, których nie potrafią wyjaśnić, odtworzyć ani zagwarantować co do dokładności” / „Democracy cannot rely on opaque systems that claim neutrality while delivering advice they cannot explain, reproduce or guarantee to be accurate.”
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla Polski
Temat nie jest abstrakcyjny znad Dunaju. Polska kończy właśnie wdrażanie własnego mechanizmu egzekwowania unijnego AI Act. Na początku lipca Sejm zakończył prace nad ustawą o systemach sztucznej inteligencji, powołującą Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI), krajowy organ nadzoru rynku AI, który będzie mógł prowadzić kontrole, przyjmować skargi obywateli i nakładać kary administracyjne. Ustawa trafiła do prezydenta po przyjęciu większości poprawek Senatu.
KRiBSI w obecnym kształcie koncentruje się przede wszystkim na systemach wysokiego ryzyka wskazanych wprost w AI Act, czyli między innymi na rekrutacji, ocenie zdolności kredytowej czy diagnostyce medycznej. Ogólnodostępne chatboty udzielające porad wyborczych nie trafiają automatycznie w ten koszyk, co pokazuje dokładnie tę samą lukę, o której piszą autorzy raportu Liberties na poziomie unijnym. Przy najbliższych wyborach w Polsce, samorządowych czy parlamentarnych, pytanie o to, kto odpowiada za błędne rekomendacje partyjne wygenerowane przez ChatGPT, pozostanie otwarte, dopóki Bruksela i Warszawa nie doprecyzują, gdzie kończy się wyszukiwarka, a zaczyna system oddziałujący na proces demokratyczny.
Warto dodać, że polski rynek nie jest tu wyjątkiem. Podobne badania, dotyczące choćby lutowych wyborów do japońskiej Izby Niższej, pokazały analogiczny wzorzec: modele preferowały ugrupowania o wyrazistym, dobrze udokumentowanym w internecie programie, kosztem partii nowszych lub mniej obecnych w danych treningowych.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym artykułu The Guardian z dnia 21.07.2026 oraz raportu i materiałów organizacji Liberties. Wykorzystano również dane dotyczące wdrażania AI Act w Polsce i powołania KRiBSI, opisane między innymi przez rp.pl, ITwiz i Forsal.pl. Cytaty Evy Simon zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji na temat regulacji AI w kontekście wyborczym.
