Kierunki i wpływ konformizmu społecznego na podejmowanie decyzji w zespołach człowiek–AI

Dlaczego twój przyszły lekarz może słuchać kolegów‑AI

W miarę jak szpitale wdrażają sztuczną inteligencję do diagnostyki i leczenia, lekarze coraz częściej pracują w mieszanych zespołach z ludźmi i „koleżankami/kolegami”‑AI. Rodzi to zaskakująco ludzkie pytanie: czy ludzie odczuwają tę samą subtelną presję społeczną, by zgadzać się z poradami AI, co z radami innych ludzi? Zrozumienie, kiedy podążamy za maszynami, kiedy je ignorujemy i dlaczego, ma kluczowe znaczenie dla bezpieczeństwa i sprawiedliwości decyzji dotyczących zdrowia, finansów i nie tylko.

Dwa rodzaje presji: mieć rację kontra dopasować się

Dziesięciolecia badań psychologicznych pokazują, że ludzie konformizują z dwóch głównych powodów. Pierwszy to wpływ informacyjny: patrzymy na innych, bo mogą wiedzieć coś, czego my nie wiemy, szczególnie gdy jesteśmy niepewni. Drugi to wpływ normatywny: zgadzamy się, aby zyskać akceptację lub uniknąć wyróżniania się, nawet gdy prywatnie się nie zgadzamy. Badanie zastanawiało się, czy te same siły działają, gdy wśród współpracowników są systemy AI obok ludzi. Autorzy skupili się na realistycznym scenariuszu — diagnostyce medycznej — gdzie istnieje niepewność i brak oczywistej „od ręki” poprawnej odpowiedzi, co czyni go idealnym do rozróżnienia rzeczywistego wykorzystania informacji od presji społecznej.

Symulowany szpital, w którym ludzie i AI udzielają porad

W dwóch eksperymentach online uczestnicy wcielali się w młodszych lekarzy diagnozujących pacjentów z jedną z dwóch chorób brzucha. Dla każdego przypadku otrzymywali prywatną wskazówkę (objaw) oraz publiczne porady od kilku doradców oznaczonych jako ludzie‑klinicyści lub systemy AI. Wszystkie informacje przedstawiono abstrakcyjnie — bez przyjaznych twarzy robotów czy zdjęć — aby uniknąć reakcji wywołanych wyglądem. W Badaniu 1 każde źródło informacji było równie dokładne. W Badaniu 2 dokładność się różniła: niektórzy doradcy byli bardziej wiarygodni, a wykresy słupkowe pokazywały to wprost. Po każdym przypadku uczestnicy wybierali diagnozę i oceniali swoją pewność. Badacze porównali te wybory z tym, co rekomendowałaby idealna reguła statystyczna (model bayesowski).

Kiedy AI wydaje się równie informacyjne jak ludzie — ale mniej społecznie przekonujące

W obu badaniach uczestnicy zachowywali się, jakby naprawdę starali się podejmować dobre decyzje. Wraz ze wzrostem skumulowanych dowodów przemawiających za jedną chorobą, częściej ją wybierali i byli bardziej pewni, niezależnie od tego, czy dowody pochodziły od ludzi, czy od AI. Statystycznie doradcy‑ludzie i doradcy‑AI wywierali bardzo podobny wpływ informacyjny: ludzie traktowali oba rodzaje jako użyteczne źródła dowodów. Jednak w Badaniu 1 — gdzie wszyscy doradcy byli równie wiarygodni — pojawił się inny wzorzec. Gdy doradcy‑ludzie zgadzali się z początkowym przypuszczeniem uczestnika, osoby silniej polegały na tej zgodzie i czuły się pewniejsze niż w sytuacji, gdy identyczny wzorzec zgodności pochodził od AI. Szczegółowe modelowanie wykazało, że ludzie nieco bardziej ważyli porady ludzkie niż porady AI, a także bardziej polegali na własnych prywatnych informacjach niż na jakiejkolwiek zewnętrznej radzie. Ten dodatkowy wpływ ludzkiej zgody, wykraczający poza to, co uzasadnia sama dokładność, odzwierciedla wpływ normatywny: subtelną ulgę płynącą ze stania po stronie innych ludzi.

Złożone sygnały dokładności mogą zlikwidować przewagę ludzi

Badanie 2 uczyniło sytuację bardziej realistyczną — i bardziej wymagającą poznawczo — poprzez zróżnicowanie dokładności poszczególnych doradców i pokazanie tych prawdopodobieństw. W tych bogatszych warunkach szczególna przewaga porad ludzkich w dużej mierze zanikła. Uczestnicy nadal w ogólności faworyzowali własne prywatne informacje, ale doradcy‑ludzie i doradcy‑AI mieli teraz niemal identyczną wagę. Porady wszystkich — ludzkich i maszynowych — były używane mniej niż sugerowałby idealny wzorzec bayesowski, co sugeruje, że operowanie wieloma wskazówkami o dokładności i opinią większości przeciążało zasoby poznawcze uczestników. Gdy wielu doradców zabierało głos, uczestnicy nie podążali bezmyślnie za tłumem. Zwykle słuchali większości tylko wtedy, gdy zgadzała się ona ze statystycznie bardziej prawdopodobną diagnozą, i byli znacznie mniej skłonni to robić, gdy większość była niezgodna z liczbami. To wskazuje, że ludzie próbowali zintegrować zarówno liczbę zgadzających się doradców, jak i ich wiarygodność.

Co to oznacza dla rzeczywistych zespołów człowiek–AI

Wyniki sugerują, że ludzie są skłonni ufać AI jako źródłu informacji, ale AI nie wywołuje naturalnie tej samej presji społecznej do konformizmu co ludzki współpracownik. Ta ludzka przewaga jest krucha: gdy doradcy różnią się dokładnością i te różnice są jawne, ludzie bardziej koncentrują się na sygnałach informacyjnych, a mniej na tym, kto mówi. Jednak ta dodatkowa złożoność może też prowadzić do niedostatecznego wykorzystania dobrych porad zarówno od ludzi, jak i od AI. Dla projektantów systemów wspomagania decyzji lekcja brzmi: przedstawiaj informacje o dokładności w sposób, który pomaga, a nie przytłacza, i uznaj, że ludzie i AI mogą najlepiej pełnić różne role — maszyny dostarczające precyzyjnych, spójnych dowodów, a ludzie zapewniający wpływ społeczny, który może zmotywować do działania zgodnie z tymi dowodami.

Cytowanie: 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

Słowa kluczowe: współpraca człowiek–AI, konformizm społeczny, podejmowanie decyzji medycznych, awersja do algorytmów, pewność decyzji