الدوافع وتأثير الامتثال الاجتماعي على اتخاذ القرار في فرق البشر والذكاء الاصطناعي

لماذا قد يستمع طبيبك المستقبلي إلى زملائه من الذكاء الاصطناعي

مع اعتماد المستشفيات للذكاء الاصطناعي لمساعدة التشخيص والعلاج، يعمل الأطباء بشكل متزايد في فرق مختلطة تضم «زملاء» بشريين ونظم ذكاء اصطناعي. هذا يثير سؤالًا إنسانيًا مفاجئًا: هل يشعر الناس بنفس الضغط الاجتماعي الطفيف للموافقة على نصيحة الذكاء الاصطناعي كما يفعلون مع نصيحة الآخرين من البشر؟ فهم متى نتبع الآلات ومتى نتجاهلها ولماذا، أمر مهم لسلامة وعدالة القرارات المتعلقة بصحتنا ومالنا وغير ذلك.

نوعان من الضغط: أن تكون على حق مقابل أن تتماشى مع الآخرين

تُظهر عقود من أبحاث علم النفس أن الناس يمتثلون للآخرين لسببين رئيسيين. الأول هو التأثير المعلوماتي: نرجع إلى الآخرين لأنهم قد يعرفون شيئًا لا نعرفه، خصوصًا عندما نكون في حالة عدم يقين. والثاني هو التأثير المعياري: ننقاد لننال القبول أو لتجنب التميز، حتى لو كنا نختلف داخليًا. سألت هذه الدراسة ما إذا كانت هذه القوى نفسها تعمل عندما يشتمل فريقنا على نظم ذكاء اصطناعي بالإضافة إلى بشر. ركز الباحثون على بيئة واقعية—التشخيص الطبي—حيث يوجد عدم يقين ولا جواب «صحيح للعيان»، مما يجعلها مناسبة لفصل الاستخدام المعلوماتي الحقيقي عن الضغط الاجتماعي.

مستشفى محاكٍ حيث يقدم البشر والذكاء الاصطناعي نصائح

في تجربتين عبر الإنترنت، تولى المتطوعون دور أطباء مبتدئين يشخّصون مرضى لديهم واحد من مرضين بطنيين. لكل حالة تلقوا دليلًا خاصًا (عرضًا) ونصيحة علنية من عدة مستشارين مُوسمين إما كأطباء بشريين أو كنظم ذكاء اصطناعي. قُدمت كل المعلومات بشكل مجرد—بدون وجوه روبوتية ودودة أو صور—لتجنب التفاعل بناءً على المظهر فقط. في الدراسة الأولى، كانت كل مصادر المعلومات متساوية الدقة. في الدراسة الثانية، اختلفت الدقة: بعض المستشارين كانوا أكثر موثوقية من غيرهم، وعُرضت مخططات أعمدة تظهر ذلك صراحة. بعد كل حالة، اختار المشاركون تشخيصًا وقَيَّموا مدى ثقتهم. ثم قارن الباحثون تلك الاختيارات بما كانت ستوصي به قاعدة إحصائية مثالية (نموذج بايزي).

عندما يبدو الذكاء الاصطناعي مفيدًا بقدر البشر—لكن أقل تأثيرًا اجتماعيًا

عبر الدراستين، تصرف المشاركون كما لو كانوا يحاولون فعلاً اتخاذ قرارات جيدة. مع ازدياد الأدلة المجمعة لصالح مرض واحد، كانوا أكثر ميلًا لاختياره ويزدادون ثقةً، سواء جاءت تلك الأدلة من بشر أو من الذكاء الاصطناعي. إحصائيًا، مارس مستشارو البشر والذكاء الاصطناعي تأثيرًا معلوماتيًا متشابهًا جدًا: تعامل الناس مع كلاهما كمصادر مفيدة للأدلة. ومع ذلك، في الدراسة الأولى—حيث كانت كل المستشارين متساوين في الموثوقية—ظهر نمط آخر. عندما اتفقت نصائح المستشارين البشريين مع انطباع المشاركين الأولي، انحاز الناس أكثر إلى ذلك الرأي المشترك وشعروا بثقة أكبر مقارنةً عندما جاء نفس نمط الاتفاق من الذكاء الاصطناعي. أظهر نموذج تفصيلي أن الناس أعطوا وزنًا طفيفًا أكبر لنصيحة البشر مقارنةً بنصيحة الذكاء الاصطناعي، ووزنًا أكبر لمعلوماتهم الخاصة مقارنة بأي نصيحة خارجية. هذا السحب الإضافي لاتفاق البشر، بما يتجاوز ما تبرره الدقة وحدها، يعكس التأثير المعياري: الراحة الطفيفة في التحالف مع زملاء بشريين.

إشارات الدقة المعقدة يمكن أن تُبيد الأفضلية البشرية

جعلت الدراسة الثانية الوضع أكثر واقعية—وأكثر إرهاقًا ذهنيًا—باحتساب اختلاف دقة كل مستشار وعرض هذه الاحتمالات. في ظل هذه الظروف الأكثر ثراءً، اختفت إلى حد كبير الميزة الخاصة لنصيحة البشر. ظل الناس يفضلون معلوماتهم الخاصة بشكل عام، لكن مستشاري البشر والآلات أصبحوا يحملون الآن تقريبًا نفس الوزن. كانت نصائح الجميع—بشر وآلات على حد سواء—مستغلة بأقل مما يقترحه المعيار البايزي المثالي، ما يشير إلى أن موازنة مؤشرات دقة متعددة وآراء الأغلبية استنزفت الموارد الإدراكية للمشاركين. عندما تحدث العديد من المستشارين، لم يتبع المشاركون القطيع بلا تمييز. كانوا يميلون لاتباع الأغلبية فقط عندما توافقت مع التشخيص الأكثر احتمالًا إحصائيًا، وأصبحوا أقل استعدادًا بكثير للقيام بذلك عندما تعارضت الأغلبية مع الأرقام. هذا يشير إلى أن الناس حاولوا دمج كل من عدد المستشارين الذين اتفقوا ومدى موثوقية هؤلاء المستشارين.

ماذا يعني هذا لفرق البشر والذكاء الاصطناعي الحقيقية

تشير النتائج إلى أن الناس على استعداد للاعتماد على الذكاء الاصطناعي كمصدر للمعلومات، لكن الذكاء الاصطناعي لا يثير بطبيعته نفس الضغط الاجتماعي للامتثال كما يفعل زميل بشري آخر. تلك الأفضلية البشرية هشة: بمجرد أن يختلف المستشارون في دقتهم وتُعرض هذه الاختلافات صراحةً، يركز الناس أكثر على الإشارات المعلوماتية وأقل على من يتحدث. ومع ذلك، قد تؤدي هذه التعقيدات أيضًا إلى التقليل من استخدام النصائح الجيدة من البشر والذكاء الاصطناعي على حد سواء. بالنسبة لمصممي أنظمة دعم القرار، الدرس هو عرض معلومات الدقة بطرق تساعد بدلاً من أن تُربك، والاعتراف بأن البشر والآلات قد يكونان أنسب لأدوار مختلفة—الآلات للأدلة الدقيقة والمتسقة، والبشر للتأثير الاجتماعي الذي يمكن أن يحفز الناس على العمل وفق تلك الأدلة.

الاستشهاد: Zhong, H., McKinlay, J., Yoon, J. et al. Drivers and influence of social conformity on decision making in human-AI teams. Sci Rep 16, 13438 (2026). https://doi.org/10.1038/s41598-026-43042-5

الكلمات المفتاحية: التعاون بين الإنسان والذكاء الاصطناعي, الامتثال الاجتماعي, اتخاذ القرار الطبي, الرفض تجاه الخوارزميات, ثقة القرار