Condutores e influência da conformidade social na tomada de decisão em equipes humano-IA

Por que seu futuro médico pode ouvir colegas de IA

À medida que hospitais adotam inteligência artificial para ajudar a diagnosticar e tratar pacientes, médicos trabalham cada vez mais em equipes mistas com “colegas” humanos e de IA. Isso levanta uma questão surpreendentemente humana: as pessoas sentem a mesma pressão social sutil para seguir o conselho de uma IA como sentem para seguir o conselho de outras pessoas? Entender quando seguimos máquinas, quando as ignoramos e por quê é importante para a segurança e a equidade das decisões sobre nossa saúde, finanças e mais.

Dois tipos de pressão: estar certo vs. ser aceito

Décadas de psicologia mostram que as pessoas se conformam aos outros por duas razões principais. Uma é a influência informacional: procuramos os outros porque eles podem saber algo que nós não sabemos, especialmente quando estamos inseguros. A outra é a influência normativa: concordamos para obter aprovação ou evitar nos destacar, mesmo quando discordamos em privado. Este estudo perguntou se essas mesmas forças operam quando nossos colegas de equipe incluem sistemas de IA além de humanos. Os autores se concentraram em um cenário realista—diagnóstico médico—onde há incerteza e não existe uma resposta óbvia “correta à primeira vista”, tornando-o ideal para separar o uso genuíno de informação da pressão social.

Um hospital simulado onde humanos e IA dão conselhos

Em dois experimentos online, voluntários atuaram como médicos juniores diagnosticando pacientes com uma de duas doenças abdominais. Para cada caso, recebiam uma pista privada (um sintoma) e conselhos públicos de vários conselheiros rotulados como clínicos humanos ou sistemas de IA. Todas as informações foram apresentadas de forma abstrata—sem rostos robóticos amigáveis ou fotos—para evitar reação baseada apenas na aparência. No Estudo 1, todas as fontes de informação tinham igual precisão. No Estudo 2, as precisões variaram: alguns conselheiros eram mais confiáveis que outros, e gráficos de barras mostravam isso explicitamente. Após cada caso, os participantes escolhiam um diagnóstico e avaliavam quão confiantes estavam. Os pesquisadores então compararam essas escolhas com o que uma regra estatística ideal (um modelo bayesiano) recomendaria.

Quando a IA parece tão informativa quanto pessoas—mas menos socialmente convincente

Em ambos os estudos, os participantes comportaram-se como se realmente tentassem tomar boas decisões. À medida que a evidência combinada favorecia cada vez mais uma doença, eles tinham mais probabilidade de escolhê-la e ficavam mais confiantes, fosse a evidência vinda de humanos ou de IA. Estatisticamente, conselheiros humanos e de IA exerceram influência informacional muito semelhante: as pessoas trataram ambos como fontes úteis de evidência. Porém, no Estudo 1—onde todos os conselheiros tinham igual confiabilidade—um outro padrão surgiu. Quando conselheiros humanos concordavam com a impressão inicial do participante, as pessoas se apoiavam mais nessa visão compartilhada e sentiam-se mais confiantes do que quando o mesmo padrão de concordância vinha de uma IA. Uma modelagem detalhada mostrou que as pessoas deram um peso ligeiramente maior ao conselho humano do que ao conselho de IA, e deram ainda mais peso à sua própria informação privada do que a qualquer conselho externo. Esse puxão extra da concordância humana, além do que a precisão por si só justificaria, reflete influência normativa: o conforto sutil de ficar do lado de outros humanos.

Sinais complexos de precisão podem apagar a vantagem humana

O Estudo 2 tornou a situação mais realista—e mais exigente mentalmente—variando quão preciso cada conselheiro era e exibindo essas probabilidades. Nessas condições mais ricas, a vantagem especial do conselho humano praticamente desapareceu. As pessoas ainda preferiam sua própria informação privada no geral, mas conselheiros humanos e de IA passaram a carregar peso quase idêntico. Os conselhos de todos—humanos e máquinas—foram subutilizados em comparação com o benchmark bayesiano ideal, sugerindo que lidar com múltiplos sinais de precisão e opiniões majoritárias sobrecarregou os recursos cognitivos dos participantes. Quando muitos conselheiros se manifestavam, os participantes não seguiam a multidão cegamente. Tendiam a seguir a maioria apenas quando ela se alinhava com o diagnóstico estatisticamente mais provável e tornavam-se muito menos dispostos a isso quando a maioria conflituava com os números. Isso indica que as pessoas tentaram integrar tanto quantos conselheiros concordavam quanto quão confiáveis esses conselheiros eram.

O que isso significa para equipes humano-IA reais

As descobertas sugerem que as pessoas estão dispostas a confiar na IA como fonte de informação, mas a IA não evoca naturalmente a mesma pressão social para conformar-se que um colega humano. Essa vantagem humana é frágil: uma vez que os conselheiros diferem em precisão e essas diferenças são tornadas explícitas, as pessoas concentram-se mais em pistas informacionais e menos em quem está falando. Ainda assim, essa complexidade adicional também pode levar à subutilização de bons conselhos, tanto de humanos quanto de IA. Para os projetistas de sistemas de apoio à decisão, a lição é apresentar informações de precisão de formas que ajudem em vez de sobrecarregar, e reconhecer que humanos e IAs podem ser melhores em papéis distintos—máquinas para evidência precisa e consistente, e humanos para a influência social que pode motivar as pessoas a agir com base nessa evidência.

Citação: 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

Palavras-chave: colaboração humano-IA, conformidade social, tomada de decisão médica, aversão a algoritmos, confiança na decisão