ChatGPT:s politiska blindpunkt är en investerarrisk

Valkampanjer genererar ett överväldigande flöde av partiprogram, tal, intervjuer, opinionsundersökningar och kommentarer. Investerare som försöker förstå vad ett regeringsskifte kan innebära för skatter, energi, försvar, teknik eller offentliga utgifter kan naturligt vända sig till generativ AI för en snabb sammanställning. Den bekvämligheten medför en dold risk: ett svar kan låta balanserat och auktoritativt samtidigt som det subtilt felrepresenterar var ett parti faktiskt står.

En ny studie med titeln “When AI Talks Politics: How Reliable Is ChatGPT?”¹ erbjuder ett användbart test av det problemet. Forskare frågade upprepade gånger ChatGPT att placera Tysklands sju största politiska partier på ekonomiska och kulturella frågor under de 31 dagar som föregick det federala valet 2025. De jämförde sedan dess svar med expertundersökningar, partiprogram och Wahl-O-Mat‑röstningsrådgivningsapplikationen.

ChatGPT förstod i stort den politiska landskapet. Det identifierade Alternative für Deutschland som det längst till höger och mest kulturellt konservativa partiet, medan det placerade Die Linke i motsatt ände. Dess svar var dock mindre konsekventa och generellt mindre användbara för att förutsäga röstbeteende än etablerade alternativ. För investerare är den viktiga lärdomen inte att AI vet ingenting om politik. Det är att vara ungefär rätt fortfarande kan vara otillräckligt när små skillnader i förväntad politik kan flytta kapital.

Hur forskarna testade ChatGPT under ett val

Forskarna formulerade tio frågor som täckte fem kulturella och fem ekonomiska frågor. Dessa inkluderade asylrättigheter, transrättigheter, bensindrivna bilar, Tysklands skuldbroms, solidaritetsskatten och underhållsbidrag. ChatGPT ombads ge varje parti en poäng från noll till tio och förklara sin bedömning.

Frågorna skickades upprepade gånger via den offentliga webbläsarversionen av ChatGPT med gratiskonton. Detta är viktigt eftersom experimentet utformades för att efterlikna en vanlig väljares upplevelse snarare än en kontrollerad interaktion med ett programgränssnitt. Totalt motsvarade datamängden mer än 1 700 potentiella användarupplevelser.

Forskarna omvandlade både ChatGPT:s numeriska poäng och skriftliga förklaringar till ekonomiska vänster‑höger‑ och kulturella liberal‑konservativa positioner. De mätte sedan hur väl den ideologiska avståndet mellan varje väljare och parti förutsade valresultaten i den tyska longitudinella valstudien 2025.

Båda formerna av ChatGPT:s output förbättrade forskarnas grundläggande röstningsmodell. Det är betydelsefullt: chatboten extraherade verklig politisk information. Ändå presterade de flesta uppskattningar som härrörde från expertundersökningar, omvandlad manifestdata och Wahl-O-Mat bättre enligt studiens huvudspecifikationer.

ChatGPT var trovärdig men inte pålitligt exakt

Skillnaden mellan trovärdighet och pålitlighet är central. Ett enskilt svar kan verka rimligt, särskilt när det placerar partier i välbekanta ideologiska kvadranter. Att upprepa samma process avslöjade en bred spridning av svar över flera frågor och partier. Det samlade resultatet döljde den osäkerhet som en enskild användare kan stöta på.

Pappret grupperar svagheterna i brus, bias och drift. Dessa är användbara begrepp långt bortom statsvetenskap:

• Brus är variation mellan upprepade svar på liknande frågor.
• Bias är en systematisk tendens mot särskilda representationer.
• Drift uppstår när verkliga händelser inte återspeglas tillräckligt snabbt.

ChatGPT visade tydligt brus. Det uppvisade också en måttlig tendens att placera partier längre åt vänster‑liberal sida än flera jämförelseskällor. Dess numeriska svar samlades närmare mitten, vilket i praktiken komprimerade skillnaderna mellan partierna. Detta var särskilt relevant för AfD och CDU/CSU, som ChatGPT placerade längre till vänster än de flesta alternativa mått.

Forskarna fann mindre bevis på drift. Skriftliga bedömningar blev måttligt mer korrekta i takt med att valdagen närmade sig, vilket tyder på att tillgång till aktuell extern information hjälpte systemet att anpassa sig. Numeriska betyg visade dock inte samma signifikanta trend, och den dagliga outputen förblev instabil.

Varför politisk klassificering kan bli en investeringsrisk

Studien testade inte aktiekurser, portföljavkastning eller investerarbeteende. Att överföra dess resultat till marknader kräver därför försiktighet. Investeringsrelevansen härrör från överföringsmekanismen mellan politisk information och finansiella förväntningar.

Partipositioner påverkar förväntade bolagsskatter, budgetunderskott, subventioner, handelshinder, arbetsregler och sektorsspecifik reglering. Politiska chocker ger redan mätbara marknadsreaktioner, även inom digitala tillgångar, vilket den senaste täckningen från Securities.io av hur politiska chocker blir kryptomarknadshändelser visar. Om ett AI‑system underskattar avståndet mellan konkurrerande partier kan en investerare också underskatta hur kraftigt politiken kan förändras efter ett val.

Tänk dig en modell som drar ett klimatfokuserat parti mot den ideologiska mitten, underskattar ett konservativt partis immigrations- eller finanspolitik, eller ger inkonsekventa beskrivningar av skuldsättningsregler. Ingen av dessa fel väljer direkt ett värdepapper. Tillsammans kan de dock snedvrida antaganden om koldioxidprissättning, byggarbetskraft, försvarsupphandling, statliga lån eller stöd till förnybar energi. Dessa antaganden påverkar sektortilldelningar, valutavyer och värderingsmodeller.

Detta gör politisk frågeställning till en form av modellrisk. Investerare ber inte bara ett AI om fakta. De förlitar sig på att det komprimerar omtvistade ståndpunkter till en användbar framtidsrepresentation. Det liknar den bredare utmaningen som identifierades i Securities.io:s granskning av varför finansiella AI-rådgivare har ett förtroendeproblem: säker leverans är inte detsamma som pålitlig vägledning.

Bättre politisk intelligens kräver källseparering

Svaret är inte att utesluta AI från valforskning. En chatbot kan snabbt sammanfatta långa dokument, jämföra förslag och identifiera områden som kräver djupare undersökning. Studien visar att den kan fånga den grundläggande politiska strukturen. Investerare bör istället separera upptäckt från verifiering.

AI kan fungera som upptäcktslagret, lyfta fram relevanta frågor och förklara obekanta politiska beslut. Verifiering bör komma från daterade partimanifest, officiella budgetdokument, lagtexter, expertundersökningar och direkta uttalanden. Där en ståndpunkt påverkar en investeringshypotes bör användare begära den underliggande källan och bekräfta att påståendet är aktuellt.

Numerisk precision förtjänar särskild misstänksamhet. Att ge ett parti sju i stället för fem ger intrycket av en mätning, men forskningen visar att numeriska svar kan förbli oförändrade även när den beskrivande prestationen förbättras. Ett intervall med angiven osäkerhet skulle ofta vara ärligare än ett enstaka tal.

Modellutvecklare har också ett incitament att förbättra detta lager. OpenAI säger att deras nyare test för politisk‑bias utvärderar ungefär 500 uppmaningar över 100 ämnen och att de senaste modellerna minskade den uppmätta biasen jämfört med tidigare system. Deras publicerade arbete om definiera och utvärdera politisk partiskhet visar att objektivitet kan testas systematiskt. Artikeln understryker dock ett annat krav: systemen bör tydligt ange när bevisen som stöder ett svar är svaga, omtvistade eller ofullständiga.

Microsoft erbjuder investerare exponering mot förtroendelagret

Behovet av mer pålitlig politisk och finansiell AI skapar ett investerings­tema kring styrning, förankring och företags‑förtroende. Microsoft är särskilt relevant eftersom de befinner sig i skärningspunkten mellan frontier‑modeller, molninfrastruktur och applikationer som används av regeringar, företag och analytiker.

Microsoft är fortsatt en stor aktieägare i OpenAI och deras primära molnpartner. Enligt det reviderade avtalet för 2026 behåller Microsoft även en icke‑exklusiv licens för OpenAI‑modeller och -produkter fram till 2032, medan OpenAI‑produkter förväntas lanseras först på Azure om inte Microsoft inte kan stödja dem. nästa fas i partnerskapet mellan Microsoft och OpenAI innebär därför att Microsoft är ekonomiskt exponerat både för den växande AI‑adoptionen och för kostnaderna att upprätthålla förtroendet.

Den exponeringen är bredare än ChatGPT. Microsoft måste sälja AI‑system till företag och offentliga institutioner som kräver granskbarhet, säkerhet och försvarbara resultat. Funktioner såsom citat, återhämtningskontroller, modellövervakning och osäkerhetsredovisning kan bli produktdifferentierare snarare än efterlevnadskostnader. Securities.io har tidigare undersökt denna möjlighet genom argumentet att AI‑reglering kan skapa en vallgrav för Microsoft (MSFT ) .

Investeringsfallet är inte att en enda valstudie bestämmer Microsofts värdering. Det är att pålitlig tolkning blir en del av AI‑produktkvaliteten. När AI‑system går från att skriva text till att påverka kapitalallokering och offentliga beslut kan minskad självsäker tvetydighet ha ett påtagligt kommersiellt värde.

AI kan informera politiska investeringar utan att ersätta omdömet

Den tyska valstudien fångar ett svårt stadium i AI‑adoptionen. ChatGPT var tillräckligt användbart för att framstå som trovärdigt, tillräckligt dynamiskt för att förbättras när ny information kom och tillräckligt inkonsekvent för att förbli underlägset flera konventionella källor. Den kombinationen är mer betydelsefull än uppenbara misslyckanden eftersom användare kanske inte inser när verifiering är nödvändig.

Investerare bör behandla chatbot‑genererad politisk analys som ett snabbt forskningsgränssnitt, inte som en auktoritativ politisk modell. Val påverkar marknader eftersom policyförändringar förväntas förändra kassaflöden, kapitalkostnader och konkurrensförhållanden. Om den politiska karta som tillhandahålls en investerare är komprimerad, partisk eller brusig kan den resulterande marknadsvyn ärva dessa svagheter.

Den större möjligheten för AI‑företag är därför inte bara att producera fler svar. Det handlar om att bygga system som visar sina källor, skiljer fakta från tolkning och kommunicerar osäkerhet innan användare avger röster eller kapital.

Referenser:

¹ Hartland, A., Braun, D., Carteny, G., & Navarrete, R. M. (2026). När AI pratar politik: Hur pålitlig är ChatGPT? Electoral Studies, 104, 103165. https://doi.org/10.1016/j.electstud.2026.103165