Rozwijanie stosowanej nauki o zachowaniu: ramy GAP

Dlaczego nasze wybory mają większe znaczenie, niż myślimy

Od zapisywania się do planu emerytalnego po kliknięcie „akceptuję” w internecie — nasze codzienne decyzje są cicho kształtowane przez subtelne rozwiązania projektowe i potężne nowe technologie. Ten artykuł wprowadza ramy GAP, mapę drogową dla rządów, firm i organizacji non-profit, które chcą korzystać z wiedzy o ludzkim zachowaniu w sposób odpowiedzialny i skuteczny. Pokazuje, jak klasyczne idee o nawykach i uprzedzeniach można połączyć ze sztuczną inteligencją i ograniczeniami świata rzeczywistego, by wyjść poza proste „nudge’y” w kierunku mądrzejszych, sprawiedliwszych i bardziej przejrzystych sposobów wpływania na zachowanie.

Nowe spojrzenie na zachowanie

Pierwsza część ram GAP, Narzędzia Ogólne, koncentruje się na tym, co nauka o zachowaniu już wie o tym, jak ludzie myślą i działają. Autorzy grupują wiele znanych odkryć w prostą soczewkę nazwaną SHELL: kierują nami wpływy społeczne, nawyki, emocje, ograniczona pojemność umysłowa i ograniczona samokontrola. Ta soczewka pomaga organizacjom wyjść poza powszechne założenia, że ludzie potrzebują tylko więcej informacji lub większych zachęt. Zamiast tego zachęca do zadawania pytań: Czy ludzie naśladują innych? Działają na autopilocie? Są przytłoczeni złożonymi opcjami? Są zmęczeni lub zestresowani? Postrzeganie problemów przez pryzmat SHELL ma być krokiem diagnostycznym przed zaprojektowaniem rozwiązania.

Odnajdywanie ukrytych przeszkód w systemach

Gdy podejrzenia co do głównych czynników wpływających na zachowanie się pojawią, ramy podkreślają audyty behawioralne jako sposób odkrycia, co naprawdę zawodzi w organizacji. Audyty „sludge” (szlamowe) szukają zbędnych przeszkód — formularzy, kroków i opóźnień, które marnują czas i energię. Audyty uprzedzeń badają niesprawiedliwe wzorce decyzji, takie jak w zatrudnianiu czy udzielaniu pożyczek, natomiast audyty „hałasu” wykrywają losową niespójność między osobami, które powinny oceniać podobne sprawy w podobny sposób. Razem te audyty ujawniają, kiedy systemy są mylące, niesprawiedliwe lub zawodzą. Dopiero po tej diagnostyce wchodzi znana koncepcja „architektury wyboru”: drobne zmiany w sposobie przedstawiania opcji, takie jak domyślne ustawienia, przypomnienia czy uproszczone układy, zaprojektowane, by ułatwić dobre wybory bez ograniczania wolności.

Wprowadzanie inteligentnych maszyn do obrazu

Drugi filar GAP, Algorytmy, wyjaśnia, jak nowe narzędzia danych — zwłaszcza sztuczna inteligencja — mogą wzmocnić naukę o zachowaniu, jeśli są używane właściwie. SI może otworzyć nowe formy zbierania danych, od skanowania milionów wiadomości pod kątem nastrojów i opinii po prowadzenie wielkoskalowych badań porównujących dziesiątki interwencji naraz. Może też dostrzec wzorce w ogromnych zbiorach danych, które umknęłyby ludziom, na przykład jak długo naprawdę trwa formowanie nawyku lub które czynniki najsilniej przewidują niechęć do szczepień. Ponadto systemy SI mogą dostarczać dostosowane przypomnienia lub rekomendacje w odpowiednim momencie i na dużą skalę. Jednocześnie autorzy ostrzegają, że te same narzędzia mogą być użyte w sposób manipulacyjny lub naruszać prywatność, co czyni etyczne zabezpieczenia i nadzór niezbędnymi.

Sprawienie, by nauka o zachowaniu działała w rzeczywistych organizacjach

Trzeci filar, Zagadnienia Praktyczne, uznaje, że nawet najlepsze pomysły zawodzą bez odpowiednich ludzi, zasad i metod. Korzystając z mnemotechniki TEAM, autorzy omawiają, jak budować zespoły zajmujące się wnioskami behawioralnymi, zdecydować, czy je centralizować, czy rozproszyć po departamentach, oraz łączyć umiejętności z psychologii, ekonomii, nauki o danych, prawa i innych dziedzin. Podkreślają potrzebę jasno określonych ról, wytycznych etycznych i poszanowania przepisów o prywatności, takich jak europejskie zasady ochrony danych. Koszty również mają znaczenie: niektóre nudge’y są tanie i bardzo opłacalne, podczas gdy zaawansowane systemy SI wymagają dużych nakładów i starannej analizy kosztów i korzyści. Na koniec ramy akcentują znaczenie rygorystycznego testowania — poprzez eksperymenty, badania terenowe i inne metody badawcze — aby organizacje uczyły się nie tylko „co działa”, ale dla kogo, w jakich warunkach i za jaką cenę.

Łączenie starych i nowych elementów

Zamiast zastępować popularne modele takie jak COM-B, MINDSPACE czy EAST, ramy GAP mają je integrować i łączyć. SHELL i audyty zaostrzają diagnozę, istniejące modele zmiany zachowania pomagają projektować interwencje, algorytmy rozszerzają to, co można zobaczyć i skalować, a TEAM utrzymuje wszystko osadzone w realnych strukturach, etyce i budżetach. Autorzy są szczerzy co do ograniczeń swojej propozycji: GAP nie kataloguje każdej możliwej techniki, a istnieje ryzyko, że każdy framework może zawęzić debatę lub przeoczyć głębsze zmiany systemowe, które mogą być potrzebne. Wzywają do większej liczby badań porównawczych różnych strategii oraz do aktualizacji GAP w miarę rozwoju technologii i regulacji.

Co to oznacza dla życia codziennego

Mówiąc prościej, ramy GAP to przewodnik po wykorzystaniu nauki o ludzkim zachowaniu w mądrzejszy, bardziej przemyślany sposób. Zachęca praktyków do dokładnej diagnozy problemów przed przejściem do rozwiązań, do łączenia osądu ludzkiego z umiejętnością wykrywania wzorców przez algorytmy oraz do budowania zespołów i zasad, które utrzymają wpływ jawny i sprawiedliwy. W miarę jak instytucje publiczne i firmy w coraz większym stopniu kształtują nasze wybory — zarówno offline, jak i online — GAP oferuje sposób wykorzystania tych narzędzi do poprawy zdrowia, sytuacji finansowej i wyników społecznych, przy jednoczesnym poszanowaniu autonomii i różnorodności ludzi.

Cytowanie: Costa, S., Mills, S., Duyck, W. et al. Advancing applied behavioral science: the GAP framework. Humanit Soc Sci Commun 13, 261 (2026). https://doi.org/10.1057/s41599-026-06542-3

Słowa kluczowe: stosowana nauka o zachowaniu, nudge i architektura wyboru, sztuczna inteligencja w polityce, audyty behawioralne, decyzje organizacyjne