Může AI předpovědět výsledek národních voleb země na základě nálady na sociálních sítích a ekonomických ukazatelů ?

Politické předpovědi vstoupily do nové éry s integrací analýzy nálad poháněné umělou inteligencí. Modely nyní zpracovávají obrovské proudy dat ze sociálních médií, trendů ve zprávách a historických volebních vzorců, aby předpovídaly volební výsledky. Některé nástroje tvrdí, že dokážou předpovědět posuny veřejného mínění týdny před tradičními průzkumy. Přestože přesnost se liší podle kontextu, tyto systémy se stále častěji používají ve strategii kampaní.

Background

Political forecasting has entered a new era with the integration of AI-powered sentiment analysis. Models now process vast streams of social media data, news trends, and historical voting patterns to forecast electoral outcomes. Some tools claim to predict shifts in public opinion weeks before traditional polling. While accuracy varies by context, these systems are increasingly used in campaign strategy.

Current systems can estimate election outcomes by combining sentiment analysis of millions of social-media posts with macroeconomic indicators, achieving correlations around r = 0.7–0.8 in retrospective tests for established democracies, but they struggle with short data windows, rapidly shifting narratives, and autocracies that heavily censor online discourse. No published model has delivered reliable, audited forecasts weeks or months ahead of voting day, and most successful deployments have been retrospective analyses rather than true out-of-sample predictions. Economic indicators such as GDP growth or inflation often add modest predictive power beyond text signals alone.

— Enriched May 13, 2026 · Source: Pew Research Center