Dwie zupełnie różne formy personalizacji doprowadziły do znaczących rezultatów, z których jedna miała miejsce w kontrolowanym eksperymencie laboratoryjnym, sterowanym sztuczną inteligencją, a druga w sferze brytyjskiej polityki wyborczej. Niedawno przeprowadzone badanie w warunkach laboratoryjnych wykazuje przekonującą siłę dużej ilościowej mowy sztuczną inteligencją (LLM) w zakresie personalizowania argumentów. Salvi, Ribeiro, Gallotti i West (2024) ujawniają w pracy naukowej, że zindywidualizowany LLM był w stanie przekonać osoby znacznie bardziej niż ludzi w ustawieniach online, ze wzrostem o ponad 80% (p<0. 01). Innymi słowy, kiedy mieli do czynienia z LLM wyposażonym w informacje demograficzne, personalizujące swoje argumenty, ludzie byli o 81, 7% bardziej skłonni zgadzać się w porównaniu do debaty z innym człowiekiem. Badanie odnosi się do wcześniejszych eksperymentów z ubiegłego roku, które pokazują, że LLM są tak samo skuteczne jak ludzie uczestnicy, a nawet profesjonalni propagandyści, jeśli chodzi o tworzenie przekonywującego tekstu (Bai et al. , 2023; Palmer & Spirling, 2023; Goldstein et al. , 2023; Karinshak et al. , 2023). Podczas gdy tematy dyskusji w badaniu zostały celowo wybrane tak, aby były dostępne, i uczestnicy zostali przypisani do stanu "za" lub "przeciw", to nieco osłabia realne zastosowanie badania. Niemniej jednak, tematy takie jak etyka badań na zwierzętach i rasa jako czynnik w rekrutacji na studia są z pewnością istotne dla trwających debat. W anonimowych debatach zarówno ludzie, jak i LLM mieli dostęp do danych demograficznych o osobach, z którymi dyskutowali. Moc Personalizacji w Kampaniach Wyborczych Przechodząc z szwajcarskich laboratoriów do prawdziwego świata, wpływ personalizacji został niedawno zademonstrowany w Rochdale, w Anglii, podczas wyborów uzupełniających. Były parlamentarzysta Partii Pracy George Galloway wysyłał listy do konkretnych obszarów swojego nowego okręgu wyborczego, skupiając się na określonych stanowiskach w polityce zagranicznej w niektórych listach i wartościach społecznych w innych. Wywołało to kontrowersje, ponieważ niektórzy widzieli to jako ukierunkowane przekazywanie wiadomości dla społeczności muzułmańskiej w jednym zestawie listów i dla społeczności białej w drugim.

Pomimo rudimentarnego charakteru tej "technologii", Galloway odniósł zwycięstwo. Choć wpływ jego strategii podwójnego przekazu na jego zwycięstwo jest kwestią dyskusyjną, to nie jest to odosobniony przykład skuteczności spersonalizowanych i zróżnicowanych przekazów. Inne przypadki obejmują notoryczne zaangażowanie Cambridge Analytica w wybory prezydenckie w USA w 2016 roku (choć warto podkreślić, że Barack Obama użył personalizacji w swojej udanej kampanii reelekcyjnej w 2012 roku). Te przypadki dostarczają przykładów zastosowań w prawdziwym świecie, które mogą wykraczać poza to, co odzwierciedlają same prace badawcze. Nieznane Terytoria Salvi, Ribeiro, Gallotti i West (2024) wyrażają obawy dotyczące potencjalnego szkodliwego użycia tych narzędzi. W miarę jak coraz bardziej zaawansowane LLM-y mają dostęp do ogromnych ilości danych osobowych, w połączeniu z większą liczbą interakcji międzyludzkich odbywających się online i eskalacją polaryzacji w istotnych kwestiach politycznych i społecznych, zbliża się burza. Prawdopodobne jest, że te zmiany nadal będą kształtować różne aspekty zachowań ludzkich, w tym wzorce głosowania i wybory konsumentów. Jednak pełny zakres ich wpływu i potencjału transformacyjnego pozostaje nieznany. Faktycznie, może to być trudne do oszacowania, w miarę jak technologia AI rozwija się i staje się coraz bardziej odłączona od ludzkiej kognicji w przyszłości.