Fuld gennemsigtighed i hvordan vi analyserer lovforslag.
Hvert lovforslag gennemgår en pipeline fra rådata til den analyse du læser. Processen er fuldt automatiseret og kører hver anden time.
Indsamling
Vi henter data direkte fra Folketingets åbne API (ft.dk) — lovforslag, sagsforløb, afstemninger og politikerinformation. Kun ændringer siden sidste synkronisering hentes.
Hændelsesdetektering
Systemet registrerer ændringer i et lovforslags livscyklus: nyt forslag, statusændring, ny behandlingsfase, afstemning gennemført, og endelig afgørelse. Hver ændring udløser en hændelse.
Analyseudløsning
En regelmotor vurderer hændelser og beslutter om et lovforslag skal analyseres (eller genanalyseres). Kun lovforslag (L) og beslutningsforslag (B) analyseres. Der er et 24-timers cooldown mellem genanalyser, medmindre en afstemning eller afgørelse udløser den.
LLM-råd (4 modeller)
Hvert lovforslag sendes til fire uafhængige AI-modeller fra fire forskellige familier: OpenAI GPT-4o, Google Gemini, DeepSeek V3 og Anthropic Claude. Hver model analyserer lovforslaget fra de seks perspektiver uafhængigt af hinanden.
Syntese
En uafhængig syntese-model samler rådets svar, identificerer konsensus og uenigheder, og producerer den endelige analyse med konfidensniveauer og konsensusscore for hvert perspektiv.
Ingen analyse er neutral. I stedet for at foregive objektivitet giver vi seks eksplicitte analytiske linser — hvert perspektiv er klart markeret og afgrænset.
Økonomi
Hvordan påvirker forslaget den danske økonomi? Vækst, konkurrenceevne, erhvervsvilkår og markedseffekter.
Social lighed
Hvem vinder, hvem taber? Fordeling, retfærdighed, social mobilitet og konsekvenser for udsatte grupper.
Frihedsrettigheder
Berører forslaget borgerrettigheder, privatliv, ytringsfrihed eller individets autonomi?
Miljø
Miljø- og klimakonsekvenser. Bæredygtighed, ressourceforbrug og naturpåvirkning.
Finansiel bæredygtighed
Er forslaget finansierbart? Statsbudget, skatteeffekter og langsigtede økonomiske konsekvenser.
Praktisk gennemførlighed
Kan forslaget reelt implementeres? Administrative krav, tidshorisont og teknisk kompleksitet.
Hver perspektivanalyse angiver et konfidensniveau der afspejler modellernes samlede sikkerhed:
Høj
Modellerne er enige og har solidt grundlag i lovtekst, data eller etableret forskning.
Medium
Rimelig sikkerhed, men med nuancer eller begrænset data. De fleste modeller er enige.
Lav
Begrænset data eller uenighed mellem modellerne. Analysen bør læses med forbehold.
Spekulativ
Baseret på fortolkning og vurdering snarere end hårde data. Kan ændre sig markant med ny information.
Vi bruger fire AI-modeller fra fire forskellige familier — OpenAI, Google, DeepSeek og Anthropic — for at reducere individuelle bias. Modellerne ser den samme lovtekst men producerer deres analyse helt uafhængigt af hinanden.
En femte model (der ikke selv deltager som analytiker) syntetiserer svarene. For hvert perspektiv angives en konsensusscore der viser hvor stor en andel af modellerne der er enige — f.eks. "3 af 4 modeller er enige".
Syntesen markerer også om der er høj konsensus (modellerne er enige), delvis konsensus (overordnet enighed med nuanceforskelle), eller lav konsensus (væsentlig uenighed — et signal om ægte kompleksitet).
Når modeller er uenige, forsøger vi ikke at skjule det. Uenighed er information.
AI-genererede analyser er ikke fejlfrie. Modellerne kan fejlfortolke lovtekst, mangle kontekst fra politiske forhandlinger eller undervurdere konsekvenser. Vi opfordrer altid til at tjekke de angivne kilder.
Analyserne afspejler den information der var tilgængelig på genereringstidspunktet. Når et lovforslag ændrer status eller nye afstemninger gennemføres, genanalyserer vi automatisk med den nye kontekst.
Har du spørgsmål til vores metode? Læs mere om politiker.ai.