Исследователи MIT запустили LLM Election Observatory — панель мониторинга, которая в реальном времени отслеживает ответы популярных ИИ-чат-ботов на вопросы о промежуточных выборах 2026 года в США. Проект каждые несколько дней задает разным системам одинаковый набор вопросов и фиксирует различия ответов в зависимости от местоположения, партийной принадлежности и других характеристик пользователя. Для бизнеса этот проект важен, поскольку показывает, как одинаковые ИИ-инструменты формируют разную картину реальности для разных клиентов.
Как панель проверяет чат-боты
Руководителями проекта выступают профессор Адам Берински, доцент Чара Подимата и профессор Чарльз Стюарт III, специалисты по голосованию, администрированию выборов, дезинформации и влиянию ИИ на принятие решений. Методология воспроизводит общение жителей страны с чат-ботами: системам задают одни и те же вопросы о сертификации выборов, острых темах, прогнозах результатов и освещении новостей. Цель работы шире поиска дезинформации: понять, как ИИ формирует политический дискурс и восприятие вопросов избирателями.
В основе панели лежат повторение и сравнение, а не разовая проверка. Один и тот же контрольный опрос регулярно направляют нескольким моделям, что позволяет документировать информационную среду, которая иначе не оставляет исторического следа. Модели обновляются, политические вводные меняются, а ответы зависят от формулировки вопроса и сведений о пользователе. Сохраняя ответы по ходу кампании, команда фиксирует, что именно избиратели видели в каждый момент времени.
Проект продолжает исследование Подиматы на президентских выборах 2024 года, которое выявило заметные различия ответов моделей во времени и при разных формулировках запросов. Та работа также показала различия в характеристиках кандидатов и в неявных ожиданиях исхода выборов. Промежуточные выборы 2026 года усложняют задачу, поскольку одновременно проходят многочисленные выборы в Палату представителей и Сенат на фоне общенациональной повестки. Поэтому новый опрос сочетает вопросы о конкретных гонках и более общие вопросы о голосовании.
Что это значит для компаний, использующих ИИ
Для компаний, применяющих чат-боты в поддержке, продажах и внутренних базах знаний, главный урок связан с риском персонализации. Подимата отмечает, что два пользователя могут задать одинаковый вопрос и получить корректные по фактам, но разные по подаче ответы с иным акцентом, уровнем неопределенности и источниками. В коммерческой практике это проявляется как несогласованные объяснения продуктов, правил и требований в разных сегментах. Небольшие компании сталкиваются с нестабильным качеством поддержки, а крупные — с фрагментированным клиентским опытом в регионах и брендах.
Проект также показывает ограничения, которые стоит проверять перед доверием ответам чат-ботов. Уверенный тон не гарантирует точность, о чем предупреждает Берински, а методы контроля из социальных сетей здесь не работают. В отличие от групп в Facebook или лент TikTok, диалоги с чат-ботами невидимы для внешних наблюдателей, поэтому дрейф трудно заметить без системной выборки. Заказчикам стоит спрашивать поставщиков, как ответы меняются по профилю пользователя, как часто модели перепроверяют, на какие источники они ссылаются и сохраняются ли прошлые ответы в журнале.
Конкретным ориентиром станет публикация набора данных и развитие открытой панели по ходу избирательного цикла. Открытый доступ к повторяющимся ответам чат-ботов позволит независимым исследователям проверять влияние формулировок и структуру источников. Если другие университеты и аудиторы перейдут к такому непрерывному тестированию, постоянный мониторинг ИИ может стать стандартным контролем для регулируемых коммуникаций.
