Drivkrafter och påverkan av social konformitet på beslutsfattande i människa-AI-team

Varför din framtida läkare kan lyssna på AI‑kollegor

När sjukhus använder artificiell intelligens för att hjälpa till med diagnoser och behandlingar arbetar läkare i allt högre grad i blandade team med både mänskliga och AI‑”kollegor”. Det väcker en överraskande mänsklig fråga: känner människor samma subtila sociala tryck att följa AI‑råd som de gör när råden kommer från andra människor? Att förstå när vi följer maskiner, när vi ignorerar dem och varför, är viktigt för säkerheten och rättvisan i beslut om vår hälsa, ekonomi och mer.

Två sorters tryck: ha rätt kontra passa in

Årtionden av psykologi visar att människor konformerar av två huvudskäl. Det ena är informativ påverkan: vi ser till andra eftersom de kan veta något vi inte vet, särskilt när vi är osäkra. Det andra är normativ påverkan: vi följer med för att vinna godkännande eller undvika att sticka ut, även när vi privat är oense. Denna studie undersökte om samma krafter verkar när våra lagkamrater inkluderar AI‑system såväl som människor. Författarna fokuserade på en realistisk situation—medicinsk diagnostik—där det råder osäkerhet och inget uppenbart ”rätt svar vid en blick”, vilket gör det idealiskt för att skilja verklig informationsanvändning från socialt tryck.

En simulerad klinik där människor och AI ger råd

I två onlineexperiment spelade frivilliga juniorläkare som diagnostiserade patienter med en av två bukåkommor. För varje fall fick de en privat ledtråd (ett symptom) och offentlig rådgivning från flera rådgivare märkta som antingen mänskliga kliniker eller AI‑system. All information presenterades abstrakt—inga vänliga robotansikten eller foton—för att undvika reaktioner enbart baserade på utseende. I Studie 1 var alla informationskällor lika träffsäkra. I Studie 2 varierade träffsäkerheten: vissa rådgivare var mer tillförlitliga än andra och stapeldiagram visade detta tydligt. Efter varje fall valde deltagarna en diagnos och angav hur säkra de var. Forskarna jämförde sedan dessa val med vad en ideal statistisk regel (en bayesiansk modell) skulle rekommendera.

När AI känns lika informativt som människor—men mindre socialt lockande

I båda studierna uppträdde deltagarna som om de verkligen försökte fatta bra beslut. När den samlade evidensen allt mer talade för en sjukdom valde de den oftare och blev mer självsäkra, oavsett om evidensen kom från människor eller AI. Statistiskt utövade mänskliga och AI‑rådgivare mycket liknande informativ påverkan: människor behandlade båda som användbara informationskällor. I Studie 1—där alla rådgivare var lika pålitliga—framträdde dock ett annat mönster. När mänskliga rådgivare höll med deltagarnas egen initiala uppfattning, lutade deltagarna mer åt den delade uppfattningen och kände sig mer säkra än när samma mönster av överensstämmelse kom från AI. En detaljerad modelleringsmetod visade att människor gav något högre vikt åt mänskliga råd än AI‑råd, och större vikt åt sin egen privata information än åt något yttre råd. Denna extra dragning till mänsklig överensstämmelse, utöver vad enbart träffsäkerhet skulle motivera, speglar normativ påverkan: den subtila tryggheten i att stå på samma sida som andra människor.

Komplexa signaler om träffsäkerhet kan utjämna den mänskliga fördelen

Studie 2 gjorde situationen mer realistisk—och mer mentalt krävande—genom att variera hur träffsäkra varje rådgivare var och visa dessa sannolikheter. Under dessa rikare förhållanden försvann människans särskilda fördel i stort sett. Deltagarna föredrog fortfarande överlag sin egen privata information, men mänskliga och AI‑rådgivare bar nu nästan identisk vikt. Allas råd—både mänskliga och maskinella—användes mindre än vad den ideala bayesianska normen föreskrev, vilket tyder på att hantering av flera träffsäkerhetssignaler och majoritetsåsikter överskred deltagarnas kognitiva resurser. När många rådgivare yttrade sig följde inte deltagarna blint flocken. De tenderade att följa majoriteten endast när den stämde överens med den statistiskt sannolikare diagnosen och blev mycket mindre benägna att göra det när majoriteten stred mot siffrorna. Detta indikerar att människor försökte integrera både hur många som höll med och hur pålitliga dessa rådgivare var.

Vad detta innebär för verkliga människa‑AI‑team

Fynden tyder på att människor är villiga att lita på AI som informationskälla, men att AI inte naturligt framkallar samma sociala tryck att konformera som en mänsklig lagkamrat. Den mänskliga fördelen är skör: när rådgivare skiljer sig åt i träffsäkerhet och dessa skillnader görs tydliga, fokuserar människor mer på informationssignaler och mindre på vem som talar. Samtidigt kan denna ökade komplexitet leda till att bra råd från både människor och AI används för lite. För den som utformar beslutsstödsystem är lärdomen att presentera träffsäkerhetsinformation på sätt som hjälper snarare än överväldigar, och att erkänna att människor och AI kan lämpa sig bäst för olika roller—maskiner för precist, konsekvent bevis, och människor för den sociala påverkan som kan få folk att agera på det beviset.

Citering: 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

Nyckelord: samarbete mellan människa och AI, social konformitet, medicinskt beslutsfattande, algoritmaversion, beslutsförtroende