Drijfveren en invloed van sociale conformiteit op besluitvorming in mens-AI-teams

Waarom uw toekomstige arts naar AI-collega's kan luisteren

Nu ziekenhuizen kunstmatige intelligentie inzetten om te helpen bij diagnose en behandeling, werken artsen steeds vaker in gemengde teams met zowel menselijke als AI-“collega’s”. Dat brengt een verrassend menselijke vraag naar voren: ervaren mensen dezelfde subtiele sociale druk om AI-advies te volgen als bij advies van andere mensen? Begrijpen wanneer we machines volgen, wanneer we ze negeren en waarom, is van belang voor de veiligheid en eerlijkheid van beslissingen over onze gezondheid, financiën en meer.

Twee soorten druk: gelijk hebben versus erbij horen

Decennia van psychologie tonen dat mensen om twee hoofdredenen conformeren aan anderen. De ene is informatieve invloed: we kijken naar anderen omdat zij iets kunnen weten wat wij niet weten, vooral wanneer we onzeker zijn. De andere is normatieve invloed: we stemmen ermee in om goedkeuring te krijgen of op te vallen te vermijden, zelfs als we privé niet akkoord gaan. Deze studie onderzocht of diezelfde krachten werken wanneer onze teamgenoten zowel AI-systemen als mensen omvatten. De auteurs richtten zich op een realistische context — medische diagnose — waarin onzekerheid bestaat en er geen duidelijk "op het eerste gezicht correct" antwoord is, wat het ideaal maakt om echt informatiegebruik te scheiden van sociale druk.

Een gesimuleerd ziekenhuis waar mensen en AI advies geven

In twee online experimenten namen vrijwilligers de rol aan van arts-assistenten die patiënten met een van twee buikziekten diagnosticeerden. Bij elk geval kregen ze een particuliere aanwijzing (een symptoom) en openbaar advies van meerdere adviseurs die gelabeld waren als menselijke clinici of AI-systemen. Alle informatie werd abstract gepresenteerd — geen vriendelijke robotgezichten of foto’s — om te voorkomen dat deelnemers simpelweg op uiterlijk reageerden. In Studie 1 was elke informatiebron even accuraat. In Studie 2 varieerden de nauwkeurigheden: sommige adviseurs waren betrouwbaarder dan anderen en staafdiagrammen toonden dit expliciet. Na elk geval kozen deelnemers een diagnose en beoordeelden hoe zeker ze waren. De onderzoekers vergeleken die keuzes vervolgens met wat een ideaal statistisch criterium (een Bayesiaans model) zou aanbevelen.

Wanneer AI even informatief aanvoelt als mensen — maar minder sociaal dwingend

In beide studies gedroegen deelnemers zich alsof ze oprecht probeerden goede beslissingen te nemen. Naarmate het gecombineerde bewijs sterker één ziekte ondersteunde, kozen ze die vaker en werden ze zekerder, ongeacht of dat bewijs van mensen of AI kwam. Statistisch gezien oefenden menselijke en AI-adviseurs een zeer vergelijkbare informatieve invloed uit: mensen behandelden beiden als nuttige bewijsklassen. In Studie 1 — waar alle adviseurs even betrouwbaar waren — kwam echter een ander patroon naar voren. Wanneer menselijke adviseurs overeenkwamen met de aanvankelijke indruk van deelnemers, leunden mensen zwaarder op dat gedeelde standpunt en voelden ze zich zekerder dan wanneer hetzelfde patroon van overeenstemming van AI kwam. Gedetailleerde modellering toonde aan dat mensen menselijk advies iets meer gewicht gaven dan AI-advies, en hun eigen privé-informatie meer gewicht gaven dan welk extern advies dan ook. Deze extra aantrekkingskracht van menselijke overeenstemming, meer dan accuraatheid alleen zou rechtvaardigen, weerspiegelt normatieve invloed: het subtiele comfort van het partij kiezen met medemensen.

Complexe signalen van nauwkeurigheid kunnen het menselijke voordeel tenietdoen

Studie 2 maakte de situatie realistischer — en mentaal veeleisender — door te variëren hoe nauwkeurig elke adviseur was en die waarschijnlijkheden te tonen. Onder deze rijkere omstandigheden verdween het speciale voordeel van menselijk advies grotendeels. Mensen gaven nog steeds over het algemeen de voorkeur aan hun eigen privé-informatie, maar menselijke en AI-adviseurs droegen nu vrijwel identiek gewicht. Het advies van iedereen — mens en machine — werd minder gebruikt dan het ideale Bayesiaanse referentiekader voorspelde, wat suggereert dat het manoeuvreren tussen meerdere nauwkeurigheidsindicatoren en meerderheidsmeningen de cognitieve middelen van deelnemers uitputte. Wanneer veel adviseurs spraken, volgden deelnemers de menigte niet blindelings. Ze neigden de meerderheid alleen te volgen wanneer die overeenkwam met de statistisch waarschijnlijkere diagnose en waren veel minder bereid dat te doen wanneer de meerderheid in tegenspraak was met de cijfers. Dit geeft aan dat mensen probeerden zowel het aantal overeenstemmende adviseurs als de betrouwbaarheid van die adviseurs te integreren.

Wat dit betekent voor echte mens-AI-teams

De bevindingen suggereren dat mensen bereid zijn AI te vertrouwen als bron van informatie, maar dat AI niet vanzelf dezelfde sociale druk oproept om te conformeren als een menselijke teamgenoot. Dat menselijke voordeel is kwetsbaar: zodra adviseurs verschillen in betrouwbaarheid en die verschillen expliciet worden gemaakt, richten mensen zich meer op informatieve signalen en minder op wie er spreekt. Toch kan die extra complexiteit ook leiden tot onderbenutting van goed advies van zowel mensen als AI. Voor ontwerpers van beslissingsondersteunende systemen is de les om nauwkeurigheidsinformatie op manieren te presenteren die helpen in plaats van overweldigen, en te erkennen dat mensen en AI mogelijk het beste voor verschillende rollen worden ingezet — machines voor nauwkeurige, consistente bewijsvoering en mensen voor de sociale invloed die mensen kan motiveren om op dat bewijs te handelen.

Bronvermelding: 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

Trefwoorden: samenwerking mens-AI, sociale conformiteit, medische besluitvorming, afkeer van algoritmen, besluitvertrouwen