Främja tillämpad beteendevetenskap: GAP-ramverket

Varför våra val betyder mer än vi tror

Från att anmäla sig till en tjänstepension till att klicka på ”acceptera” online — våra dagliga val formas i tysthet av subtila designbeslut och kraftfulla nya teknologier. Denna artikel presenterar GAP-ramverket, en färdplan för regeringar, företag och ideella organisationer som vill använda insikter om mänskligt beteende på ett ansvarsfullt och effektivt sätt. Den visar hur klassiska idéer om vanor och biaser kan kombineras med artificiell intelligens och verkliga begränsningar för att gå bortom enkla ”nudges” mot smartare, rättvisare och mer transparenta sätt att påverka beteenden.

Att se beteende med nya ögon

Den första delen av GAP-ramverket, General Tools, fokuserar på vad beteendevetenskap redan vet om hur människor tänker och handlar. Författarna grupperar många välkända fynd i en enkel lins kallad SHELL: vi styrs av social påverkan, vanor, känslor, begränsad mental kapacitet och begränsad självkontroll. Denna lins hjälper organisationer att gå bortom vanliga antaganden om att människor bara behöver mer information eller större incitament. Istället uppmuntrar den dem att ställa frågor: Kopierar folk andra? Fungerar de på autopilot? Är de överväldigade av komplexa alternativ? Trötta eller stressade? Att se problem genom SHELL är tänkt som ett diagnostiskt steg innan någon utformar en lösning.

Att hitta dolda hinder i systemen

När de viktigaste drivkrafterna för beteende är identifierade framhäver ramverket beteendegranskningar som ett sätt att upptäcka vad som verkligen går fel inne i en organisation. Sludge-granskningar söker efter onödiga hinder — blanketter, steg och förseningar som slösar tid och energi. Bias-granskningar letar efter orättvisa mönster i beslut som rekrytering eller utlåning, medan noise-granskningar uppmärksammar slumpmässig inkonsekvens mellan personer som borde bedöma ärenden på liknande sätt. Tillsammans avslöjar dessa granskningar när system är förvirrande, orättvisa eller opålitliga. Först efter detta diagnostiska arbete kommer den bekanta idén om ”valarkitektur” in: små förändringar i hur val presenteras, såsom förval, påminnelser eller förenklade upplägg, utformade för att göra bra val enklare utan att begränsa friheten.

Att föra in smarta maskiner i bilden

Den andra pelaren i GAP, Algorithms, förklarar hur nya dataverktyg — särskilt artificiell intelligens — kan förstärka beteendevetenskap om de används väl. AI kan öppna upp nya former av datainsamling, från att skanna miljontals meddelanden för tonläge och åsikter till att köra mega-studier som jämför dussintals interventioner samtidigt. Den kan också upptäcka mönster i enorma datamängder som människor skulle missa, till exempel hur lång tid det faktiskt tar att bilda en vana eller vilka faktorer som starkast förutspår tvekan inför vaccination. Dessutom kan AI-system leverera skräddarsydda påminnelser eller rekommendationer i rätt ögonblick och i massiv skala. Samtidigt varnar författarna för att dessa verktyg kan missbrukas för att manipulera människor eller inkräkta på integriteten, vilket gör etiska skydd och tillsyn nödvändiga.

Att få beteendevetenskap att fungera i verkliga organisationer

Den tredje pelaren, Practical Considerations, erkänner att även de bästa idéerna misslyckas utan rätt människor, regler och metoder. Med hjälp av minnesregeln TEAM diskuterar författarna hur man bygger team för beteendeinsikter, avgör om de ska centraliseras eller spridas över avdelningar, och kombinerar färdigheter från psykologi, ekonomi, datavetenskap, juridik med mera. De betonar behovet av tydliga roller, etiska riktlinjer och respekt för integritetslagar som Europas regler för dataskydd. Kostnader är också viktiga: vissa nudges är billiga och mycket kostnadseffektiva, medan avancerade AI-system kräver stora investeringar och noggranna kostnads–nyttoanalyser. Slutligen framhåller ramverket vikten av rigorös testning — genom experiment, fälttester och andra forskningsmetoder — så att organisationer lär sig inte bara ”vad som fungerar”, utan för vem, i vilka sammanhang och till vilken kostnad.

Att förena gamla och nya delar

Istället för att ersätta populära modeller som COM-B, MINDSPACE eller EAST är GAP-ramverket utformat för att ligga över dem och knyta ihop punkterna. SHELL och granskningar skärper diagnosen, befintliga beteendeförändringsmodeller hjälper till att utforma interventioner, algoritmer utökar vad som kan upptäckas och skalas upp, och TEAM håller allt förankrat i verkliga strukturer, etik och budgetar. Författarna är ärliga om gränserna för sitt förslag: GAP katalogiserar inte varje möjlig teknik, och det finns en risk att vilket ramverk som helst kan snäva in debatten eller förbise djupare systemförändringar som kan behövas. De efterlyser fler jämförande studier av olika strategier och uppdateringar av GAP i takt med att teknik och reglering utvecklas.

Vad detta betyder i vardagen

Enkelt uttryckt är GAP-ramverket en vägledning för att använda vetenskap om mänskligt beteende på smartare, mer genomtänkta sätt. Det uppmanar praktiker att diagnosticera problem noggrant innan de hoppar till lösningar, att para ihop mänskligt omdöme med algoritmers mönstersökande kraft, och att bygga team och regler som håller påverkan transparent och rättvis. När offentliga verksamheter och företag i allt högre grad formar våra val — både offline och online — erbjuder GAP ett sätt att använda dessa verktyg för att förbättra hälsa, ekonomi och sociala utfall samtidigt som människors autonomi och mångfald respekteras.

Citering: 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

Nyckelord: tillämpad beteendevetenskap, nudging och valarkitektur, artificiell intelligens i politik, beteendegranskningar, organisatoriskt beslutsfattande