Sosyal uyumun insan-YZ ekiplerinde karar vermeye etkileri ve itici güçleri

Gelecekteki doktorunuz neden YZ meslektaşlarını dinleyebilir

Hastaneler hastalıkları teşhis ve tedavi etmeye yardımcı olmak için yapay zekâyı benimserken, doktorlar giderek insan ve YZ "meslektaşların" birlikte olduğu karma takımlarda çalışıyor. Bu, şaşırtıcı derecede insanî bir soruyu gündeme getiriyor: insanlar, başkalarının tavsiyelerine uydukları gibi YZ tavsiyelerine de aynı ince sosyal baskıyı hissediyor mu? Makineleri ne zaman izlediğimizi, ne zaman göz ardı ettiğimizi ve nedenlerini anlamak sağlık, finans ve diğer alanlardaki kararların güvenliği ve adilliği açısından önem taşıyor.

İki tür baskı: doğru olmak mı yoksa uyum sağlamak mı

On yıllara yayılan psikoloji araştırmaları, insanların başkalarına iki temel nedenle uyum sağladığını gösteriyor. Bunlardan ilki bilgiye dayalı etki: özellikle belirsiz olduğumuzda, başkalarının bizim bilmediğimiz bir şeyi biliyor olabileceğini düşündüğümüz için onlara bakarız. Diğeri normatif etki: özelde katılmasak bile onay kazanmak veya öne çıkmamak için uyum sağlarız. Bu çalışma, takım arkadaşlarımız arasında YZ sistemleri de olduğunda bu aynı güçlerin devrede olup olmadığını sordu. Yazarlar, yüzeyde hemen doğru cevabı belli etmeyen belirsizliğin bulunduğu tıbbi tanı gibi gerçekçi bir ortamı seçti; bu, gerçek bilgi kullanımını sosyal baskıdan ayırmak için uygun bir zemin sağlıyor.

İnsan ve YZ tavsiyesi verilen simüle edilmiş bir hastane

İki çevrimiçi deneyde gönüllüler, karın hastalıklarından biriyle teşhis koyan genç doktor rolünü üstlendi. Her vaka için onlara özel bir ipucu (bir semptom) ve insan klinisyen veya YZ sistemleri olarak etiketlenmiş birkaç danışmandan gelen kamuya açık tavsiyeler verildi. Tüm bilgiler soyut biçimde sunuldu—dost görünümlü robot yüzleri veya fotoğraflar yoktu—sadece görünüme tepki vermeyi engellemek için. Çalışma 1'de her bilgi kaynağı eşit derecede doğruydu. Çalışma 2'de doğruluklar değişiyordu: bazı danışmanlar diğerlerinden daha güvenilirdi ve bu doğruluk çubuk grafikleri ile açıkça gösterildi. Her vakanın ardından katılımcılar bir teşhis seçti ve ne kadar emin olduklarını puanladı. Araştırmacılar bu seçimleri ideal bir istatistiksel kuralın (Bayesçi modelin) önerdikleriyle karşılaştırdı.

YZ, insanlarla aynı derecede bilgilendirici hissettiriyor—ama daha az sosyal olarak etkileyici

Her iki çalışmada da katılımcılar iyi kararlar almaya gerçekten çalışıyormuş gibi davrandı. Bir hastalığı destekleyen birleşik kanıt arttıkça, onu seçme olasılıkları ve güvenleri de arttı; bu kanıt insanlar veya YZ'den gelmiş olsun fark etmedi. İstatistiksel olarak insan ve YZ danışmanlar çok benzer bilgi etkisi gösterdi: insanlar her ikisini de kanıt kaynağı olarak faydalı kabul etti. Ancak Çalışma 1'de—tüm danışmanların eşit derecede güvenilir olduğu koşulda—başka bir örüntü ortaya çıktı. İnsan danışmanlar katılımcıların kendi ilk izlenimleriyle aynı görüşü paylaştığında, insanlar bu ortak görüşe daha fazla yaslandı ve aynı uyum YZ tarafından geldiğinde olduğundan daha yüksek güven hissetti. Ayrıntılı bir modelleme yaklaşımı, insanların YZ tavsiyesine göre insan tavsiyesine biraz daha fazla ağırlık verdiğini ve dışarıdan herhangi bir tavsiyeden ziyade kendi özel bilgilerine daha çok önem verdiklerini gösterdi. Doğruluk tek başına haklı çıkarmayacağı bu ekstra insan etkisi normatif etkiyi yansıtıyor: insanlarla aynı görüşte olmanın verdiği ince bir rahatlık.

Karışık doğruluk sinyalleri insan avantajını silebilir

Çalışma 2, her danışmanın ne kadar doğru olduğunu değiştirip bu olasılıkları göstererek durumu daha gerçekçi—ve zihinsel olarak daha zorlayıcı—kıldı. Bu daha zengin koşullar altında, insan tavsiyesinin özel avantajı büyük ölçüde ortadan kalktı. Katılımcılar genel olarak hâlâ kendi özel bilgilerine öncelik verdi, ancak insan ve YZ danışmanlar artık neredeyse aynı ağırlığı taşıyordu. İnsan veya makine fark etmeksizin herkesin tavsiyesi ideal Bayesçi kıstasa göre az kullanılmıştı; bu, birden çok doğruluk ipucunu ve çoğunluk görüşlerini dengelemenin katılımcıların bilişsel kaynaklarını zorladığını düşündürüyor. Birçok danışman fikir beyan ettiğinde katılımcılar körü körüne kalabalığı izlemiyordu. Genellikle yalnızca çoğunluk istatistiksel olarak daha olası teşhisle uyumlu olduğunda onu takip ettiler ve çoğunluk sayılarının sayılarla çeliştiği durumda izlemeye çok daha isteksiz oldular. Bu, insanların kaç danışmanın aynı görüşte olduğuyla ve o danışmanların ne kadar güvenilir olduğuyla birlikte entegrasyon yapmaya çalıştıklarını gösteriyor.

Gerçek insan-YZ ekipleri için çıkarımlar

Bulgular, insanların YZ'yi bilgi kaynağı olarak güvenmeye istekli olduğunu, ancak YZ'nin doğal olarak başka bir insan takım arkadaşının tetiklediği aynı sosyal uyum baskısını uyandırmadığını gösteriyor. Bu insan avantajı kırılgan: danışmanlar arasında doğruluk farklılıkları olduğunda ve bu farklılıklar açıkça gösterildiğinde, insanlar konuşanın kim olduğuna değil bilgi ipuçlarına daha çok odaklanıyor. Yine de bu ek karmaşıklık hem insanlardan hem YZ'den gelen iyi tavsiyelerin az kullanılmasına yol açabilir. Karar destek sistemleri tasarımcıları için ders şudur: doğruluk bilgilerini bunaltıcı olmadan yardımcı olacak şekilde sunun ve insanların ve YZ'nin farklı roller için en uygun olabileceğini kabul edin—makineler hassas, tutarlı kanıt sağlamak; insanlar ise bu kanıta dayanarak harekete geçmeyi motive edebilecek sosyal etkiyi sunmak için.

Atıf: 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

Anahtar kelimeler: insan-YZ işbirliği, sosyal uyum, tıbbi karar verme, algoritmaya karşı direnç, karar güveni