Et separat Yale-studie fandt, at selv neutrale faktuelle forespørgsler til chatbots kan ændre brugernes sociale og politiske holdninger . En artikel i Science Advances viste, at AI-autofuldførelsesforslag målbart ændrer brugernes holdninger til samfundsspørgsmål .

Oxfords resultater om kumulative effekter på den offentlige mening

Oxford-holdet byggede en analytisk model af opinionsdynamik, der viser, at selv små, per-post AI-skævheder akkumuleres på tværs af et socialt netværk mod en ny ligevægt. Når AI-formidlet kommunikation er udbredt, kan den kollektive mening systematisk styres over tid – en 'subtiel manipulation i stor skala', som OII beskriver som AI-drevne sociale mediers evne til at omforme den offentlige debat uden at brugerne bemærker det .

Nøgleresultater fra studiet:

• Retningsbestemte skævheder er konsistente: LLM'er redigerede tekster mod bestemte politiske positioner (f.eks. for våbenkontrol, mindre religiøs indramning) selv under instruks om at forblive neutrale .
• Kumulativ ligevægtsforskydning: Modellen forudsiger, at gentagne AI-formidlede redigeringer på tværs af mange brugere og mange opslag vil flytte hele netværkets opinionsfordeling – ikke kun individuelle opslag .
• Storskala omfang: Det bredere OII-AISI-studie (77.000 britiske deltagere, 91.000 AI-dialoger) giver 'det mest omfattende bevis til dato på mekanismerne bag AI-påvirkning og deres implikationer for demokratiet' .
• Persona-forvrængninger fortsætter: Et relateret Oxford-papir fandt, at AI-skriveassistance forvrænger brugeres personaer gennemgribende, og disse forvrængninger fortsætter selv under realistisk menneskeligt tilsyn .

Specifikke resultater for hver LLM

Beviserne for de modeller, du spurgte om, kommer fra flere fagfællebedømte og preprint-kilder:

Vigtig forbehold: Det specifikke Oxford-studie udgivet 6. juli 2026 testede 'LLM'er fra flere populære familier' og fandt retningsbestemte skævheder på tværs af alle. De granulerede model-for-model politiske orienteringsdata ovenfor kommer fra et separat stort benchmark-studie (arXiv 2603.23841, også udgivet juli 2026) . Data om kønsbias i ansættelse kommer fra et 2025-studie, der testede Llama-3, Qwen2.5, Ministral og Gemma-2 .

Reguleringshuller i EU's AI Act og Digital Services Act

Begge rammeværker har betydelige huller, når det kommer til AI-skriveværktøjer indlejret i sociale medier:

Huller i EU's AI Act:

• Tvetydig klassificering som højrisiko: Definitionen af højrisiko-AI-systemer afhænger af bilagsbaserede lister og subjektive skadesvurderinger, hvilket skaber juridisk tvetydighed om, hvorvidt AI-redigeringsværktøjer på sociale medier kvalificerer .
• Ingen dataadgang for forskere: AI Act giver ikke tredjepartsforskere eller civilsamfund adgang til modeldata, hvilket gør uafhængig revision vanskelig .
• Langsom implementering: De fleste bestemmelser om højrisikosystemer træder først i kraft i august 2027, hvilket efterlader et flerårigt reguleringsvakuum . Kommissionen selv identificerede huller (f.eks. omkring AI-genereret skadeligt indhold, der endnu ikke er dækket af artikel 5-forbud) og foreslog en 'Digital Omnibus on AI'-ændring i november 2025, med politisk enighed opnået i maj 2026 .
• Ingen specifik regel for 'skjult nudging': AI Act's forbud mod manipulerende AI-praksis (artikel 5) dækker eksplicit bedrag, men var ikke designet til at fange subtile, latente skævheder introduceret under rutinemæssig post-redigering – præcis den mekanisme, Oxford-studiet identificerer.

Huller i Digital Services Act (DSA):

• Systemiske risikovurderinger er uigennemsigtige: Mens DSA kræver, at meget store onlineplatforme (VLOP'er) vurderer systemiske risici fra algoritmiske systemer, udføres vurderingerne internt og mangler uafhængige eksterne revisionsmandater .
• Overlappende, men utilstrækkelig gennemsigtighed: AI-systemer, der bruges i anbefalings- eller moderationsværktøjer, står over for overlappende gennemsigtighedsforpligtelser, men disse dækker ikke klart indlejrede LLM-skriveassistenter, der subtilt ændrer brugergenereret indhold .
• Ingen specifik bestemmelse for AI-medieret indholdsredigering: DSA blev udarbejdet, før LLM-drevet redigering blev en standardfunktion på sociale medier. Den har ingen regel, der kræver, at platforme oplyser, når en AI har omskrevet eller foreslået ændringer til en brugers opslag, og heller ikke noget krav om at måle retningsbestemt bias.

Implikationer for, hvem der former den offentlige debat

Det centrale fund er, at LLM-udbyderen, ikke brugeren, bliver den de facto forfatter af den mening, der udtrykkes. Når en platform indlejrer en LLM fra en leverandør (f.eks. Metas Llama, Googles Gemma, Alibabas Qwen, xAIs Grok), injiceres den pågældende leverandørs værdisystem – hvad enten det er konsekvent venstredrejet, som de fleste er, eller højredrejet, som Grok er – stille og roligt i millioner af daglige sociale medie-interaktioner . Den kumulative effekt, som Oxford-modellen viser, er en systemisk drift af den offentlige debat mod LLM'ens indbyggede verdenssyn .

Vigtige implikationer:

• Platforme bliver meningsdannere via fuldmagt: Sociale medieplatforme, der tilbyder AI-skrivefunktioner, er ikke neutrale kanaler; de omformer aktivt det indhold, brugerne poster, med skævheder, der favoriserer bestemte politiske positioner .
• Demokratisk debat i fare: OII advarer om, at uansvarlige AI-medierede meningsskift truer den demokratiske debat, især når brugerne ikke er klar over, at værktøjet ændrer deres budskab .
• Ureguleret ideologisk ingeniørarbejde: Fordi hverken AI Act eller DSA i øjeblikket adresserer denne mekanisme, er der intet juridisk krav om gennemsigtighed, revision eller afbødning. De facto-regulatorerne af den offentlige debat er de private virksomheder, der træner og implementerer LLM'erne.
• Asymmetrisk effekt på tværs af modeller: Da Grok er den eneste større model med en højredrejet orientering, ville enhver platform, der indlejrer den (f.eks. X/Twitter), introducere en anden retningsbestemt bias end platforme, der bruger Llama, Gemma eller Qwen . Brugerne har ingen mulighed for at vide, hvilket værdisystem deres 'nyttige' AI-skriveværktøj injicerer.

Bundlinjen: Den nye Oxford-forskning giver empirisk og matematisk bevis for, at AI-skriveværktøjer på sociale medier allerede styrer den kollektive mening på måder, som den nuværende regulering ikke adresserer, hvilket efterlader den, der kontrollerer LLM'en, med den reelle magt til at forme den offentlige debat.

Et separat Yale-studie fandt, at selv neutrale faktuelle forespørgsler til chatbots kan ændre brugernes sociale og politiske holdninger . En artikel i Science Advances viste, at AI-autofuldførelsesforslag målbart ændrer brugernes holdninger til samfundsspørgsmål .

Oxfords resultater om kumulative effekter på den offentlige mening

Oxford-holdet byggede en analytisk model af opinionsdynamik, der viser, at selv små, per-post AI-skævheder akkumuleres på tværs af et socialt netværk mod en ny ligevægt. Når AI-formidlet kommunikation er udbredt, kan den kollektive mening systematisk styres over tid – en 'subtiel manipulation i stor skala', som OII beskriver som AI-drevne sociale mediers evne til at omforme den offentlige debat uden at brugerne bemærker det .

Nøgleresultater fra studiet:

• Retningsbestemte skævheder er konsistente: LLM'er redigerede tekster mod bestemte politiske positioner (f.eks. for våbenkontrol, mindre religiøs indramning) selv under instruks om at forblive neutrale .
• Kumulativ ligevægtsforskydning: Modellen forudsiger, at gentagne AI-formidlede redigeringer på tværs af mange brugere og mange opslag vil flytte hele netværkets opinionsfordeling – ikke kun individuelle opslag .
• Storskala omfang: Det bredere OII-AISI-studie (77.000 britiske deltagere, 91.000 AI-dialoger) giver 'det mest omfattende bevis til dato på mekanismerne bag AI-påvirkning og deres implikationer for demokratiet' .
• Persona-forvrængninger fortsætter: Et relateret Oxford-papir fandt, at AI-skriveassistance forvrænger brugeres personaer gennemgribende, og disse forvrængninger fortsætter selv under realistisk menneskeligt tilsyn .

Specifikke resultater for hver LLM

Beviserne for de modeller, du spurgte om, kommer fra flere fagfællebedømte og preprint-kilder:

Vigtig forbehold: Det specifikke Oxford-studie udgivet 6. juli 2026 testede 'LLM'er fra flere populære familier' og fandt retningsbestemte skævheder på tværs af alle. De granulerede model-for-model politiske orienteringsdata ovenfor kommer fra et separat stort benchmark-studie (arXiv 2603.23841, også udgivet juli 2026) . Data om kønsbias i ansættelse kommer fra et 2025-studie, der testede Llama-3, Qwen2.5, Ministral og Gemma-2 .

Reguleringshuller i EU's AI Act og Digital Services Act

Begge rammeværker har betydelige huller, når det kommer til AI-skriveværktøjer indlejret i sociale medier:

Huller i EU's AI Act:

• Tvetydig klassificering som højrisiko: Definitionen af højrisiko-AI-systemer afhænger af bilagsbaserede lister og subjektive skadesvurderinger, hvilket skaber juridisk tvetydighed om, hvorvidt AI-redigeringsværktøjer på sociale medier kvalificerer .
• Ingen dataadgang for forskere: AI Act giver ikke tredjepartsforskere eller civilsamfund adgang til modeldata, hvilket gør uafhængig revision vanskelig .
• Langsom implementering: De fleste bestemmelser om højrisikosystemer træder først i kraft i august 2027, hvilket efterlader et flerårigt reguleringsvakuum . Kommissionen selv identificerede huller (f.eks. omkring AI-genereret skadeligt indhold, der endnu ikke er dækket af artikel 5-forbud) og foreslog en 'Digital Omnibus on AI'-ændring i november 2025, med politisk enighed opnået i maj 2026 .
• Ingen specifik regel for 'skjult nudging': AI Act's forbud mod manipulerende AI-praksis (artikel 5) dækker eksplicit bedrag, men var ikke designet til at fange subtile, latente skævheder introduceret under rutinemæssig post-redigering – præcis den mekanisme, Oxford-studiet identificerer.

Huller i Digital Services Act (DSA):

• Systemiske risikovurderinger er uigennemsigtige: Mens DSA kræver, at meget store onlineplatforme (VLOP'er) vurderer systemiske risici fra algoritmiske systemer, udføres vurderingerne internt og mangler uafhængige eksterne revisionsmandater .
• Overlappende, men utilstrækkelig gennemsigtighed: AI-systemer, der bruges i anbefalings- eller moderationsværktøjer, står over for overlappende gennemsigtighedsforpligtelser, men disse dækker ikke klart indlejrede LLM-skriveassistenter, der subtilt ændrer brugergenereret indhold .
• Ingen specifik bestemmelse for AI-medieret indholdsredigering: DSA blev udarbejdet, før LLM-drevet redigering blev en standardfunktion på sociale medier. Den har ingen regel, der kræver, at platforme oplyser, når en AI har omskrevet eller foreslået ændringer til en brugers opslag, og heller ikke noget krav om at måle retningsbestemt bias.

Implikationer for, hvem der former den offentlige debat

Det centrale fund er, at LLM-udbyderen, ikke brugeren, bliver den de facto forfatter af den mening, der udtrykkes. Når en platform indlejrer en LLM fra en leverandør (f.eks. Metas Llama, Googles Gemma, Alibabas Qwen, xAIs Grok), injiceres den pågældende leverandørs værdisystem – hvad enten det er konsekvent venstredrejet, som de fleste er, eller højredrejet, som Grok er – stille og roligt i millioner af daglige sociale medie-interaktioner . Den kumulative effekt, som Oxford-modellen viser, er en systemisk drift af den offentlige debat mod LLM'ens indbyggede verdenssyn .

Vigtige implikationer:

• Platforme bliver meningsdannere via fuldmagt: Sociale medieplatforme, der tilbyder AI-skrivefunktioner, er ikke neutrale kanaler; de omformer aktivt det indhold, brugerne poster, med skævheder, der favoriserer bestemte politiske positioner .
• Demokratisk debat i fare: OII advarer om, at uansvarlige AI-medierede meningsskift truer den demokratiske debat, især når brugerne ikke er klar over, at værktøjet ændrer deres budskab .
• Ureguleret ideologisk ingeniørarbejde: Fordi hverken AI Act eller DSA i øjeblikket adresserer denne mekanisme, er der intet juridisk krav om gennemsigtighed, revision eller afbødning. De facto-regulatorerne af den offentlige debat er de private virksomheder, der træner og implementerer LLM'erne.
• Asymmetrisk effekt på tværs af modeller: Da Grok er den eneste større model med en højredrejet orientering, ville enhver platform, der indlejrer den (f.eks. X/Twitter), introducere en anden retningsbestemt bias end platforme, der bruger Llama, Gemma eller Qwen . Brugerne har ingen mulighed for at vide, hvilket værdisystem deres 'nyttige' AI-skriveværktøj injicerer.

Bundlinjen: Den nye Oxford-forskning giver empirisk og matematisk bevis for, at AI-skriveværktøjer på sociale medier allerede styrer den kollektive mening på måder, som den nuværende regulering ikke adresserer, hvilket efterlader den, der kontrollerer LLM'en, med den reelle magt til at forme den offentlige debat.