Драйверы и влияние социального конформизма на принятие решений в командах человек‑ИИ

Почему ваш будущий врач может прислушиваться к коллегам‑ИИ

По мере того как больницы внедряют искусственный интеллект для помощи в диагностике и лечении, врачи всё чаще работают в смешанных командах, где «коллегами» выступают и люди, и ИИ. Это порождает удивительно человеческий вопрос: испытывают ли люди те же тонкие социальные давления, чтобы согласиться с советом ИИ, как и с советом другого человека? Понимание того, когда мы следуем машинам, когда игнорируем их и почему, важно для безопасности и справедливости решений в сфере здравоохранения, финансов и других областях.

Два вида давления: быть правым против соответствовать

Десятилетия психологических исследований показывают, что люди конформируются по двум основным причинам. Первая — информационное влияние: мы ориентируемся на других, потому что они могут знать то, чего не знаем мы, особенно когда сомневаемся. Вторая — нормативное влияние: мы соглашаемся, чтобы заслужить одобрение или не выделяться, даже если в душе не согласны. В этом исследовании спросили, действуют ли те же силы, когда в составе команды есть ИИ. Авторы сосредоточились на реалистичной ситуации — медицинской диагностике — где присутствует неопределённость и нет очевидного «правильного с первого взгляда» ответа, что делает её идеальной для разделения подлинного использования информации и социального давления.

Имитация больницы, где люди и ИИ дают советы

В двух онлайн‑экспериментах участники выступали в роли молодых врачей, диагностирующих у пациентов одну из двух абдоминальных болезней. Для каждого случая они получали приватную подсказку (симптом) и публичные советы от нескольких консультантов, помеченных как либо человеческие клиники, либо системы ИИ. Вся информация была представлена абстрактно — без дружелюбных лиц роботов или фотографий — чтобы избежать реакции на внешний вид. В Исследовании 1 все источники информации были одинаково точны. В Исследовании 2 точности различались: некоторые консультанты были надёжнее других, и это явно показывали столбчатые диаграммы. После каждого случая участники выбирали диагноз и оценивали свою уверенность. Исследователи затем сравнивали эти выборы с тем, что рекомендовало бы идеальное статистическое правило (байесовская модель).

Когда ИИ кажется так же информативным, как люди — но менее социально убедительным

В обоих исследованиях участники вели себя так, будто действительно пытались принимать верные решения. По мере того как совокупные доказательства всё сильнее указывали на одну болезнь, они чаще выбирали её и становились увереннее, независимо от того, поступали ли эти доказательства от людей или от ИИ. Статистически человеческие и ИИ‑консультанты оказывали очень схожее информационное влияние: люди рассматривали оба источника как полезные данные. Однако в Исследовании 1 — где все консультанты были одинаково надёжны — проявилась дополнительная закономерность. Когда человеческие консультанты соглашались с первоначальным впечатлением участника, люди сильнее опирались на это общее мнение и чувствовали большую уверенность, чем когда такая же согласованность исходила от ИИ. Детальное моделирование показало, что люди немного сильнее учитывали совет человека, чем совет ИИ, и в целом придавали больше веса собственной приватной информации, чем любым внешним советам. Это дополнительное притяжение человеческого согласия, выходящее за пределы того, что оправдано только точностью, отражает нормативное влияние — тонкое утешение в том, чтобы встать на сторону других людей.

Сложные сигналы точности могут нивелировать преимущество человека

Во втором исследовании ситуация стала более реалистичной — и более требовательной умственно — за счёт варьирования точности консультантов и явного отображения этих вероятностей. При таких более богатых условиях специальное преимущество человеческого совета в значительной степени исчезло. Участники по‑прежнему в целом отдавали предпочтение собственной приватной информации, но человеческие и ИИ‑советы стали нести практически одинаковый вес. Советы всех — и людей, и машин — использовались меньше, чем предсказывал идеальный байесовский эталон, что указывает на то, что совмещение множества сигналов точности и мнений большинства перегружало когнитивные ресурсы участников. Когда говорили многие консультанты, участники не бездумно следовали толпе. Они склонялись к большинству лишь тогда, когда оно совпадало со статистически более вероятным диагнозом, и значительно реже делали это, когда большинство противоречило числам. Это говорит о том, что люди пытались интегрировать и количество согласных консультантов, и надёжность этих консультантов.

Что это означает для реальных команд человек‑ИИ

Результаты указывают, что люди готовы доверять ИИ как источнику информации, но ИИ не вызывает автоматически того же социального давления к конформности, что и человеческий коллега. Это преимущество человека хрупко: как только консультанты различаются по точности и эти различия становятся явными, люди больше опираются на информационные подсказки, а не на то, кто говорит. Однако такая повышенная сложность может также привести к недоиспользованию качественных советов и от людей, и от ИИ. Для разработчиков систем поддержки принятия решений урок в том, чтобы представлять информацию о точности так, чтобы она помогала, а не перегружала, и признавать, что человеку и машине, возможно, лучше отводить разные роли — машины для точных, последовательных доказательств, а людей для социального влияния, которое может побудить действовать на основе этих доказательств.

Цитирование: 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

Ключевые слова: сотрудничество человек‑ИИ, социальный конформизм, медицинское принятие решений, отторжение алгоритмов, уверенность в решении