Badanie: z podpowiedzią AI ludzie rzadziej mówią „nie wiem”

Co sprawdzali autorzy badania

Badanie dotyczy zdolności, o której rzadko mówi się przy wdrożeniach AI: decyzji, czy w ogóle wiemy wystarczająco dużo, aby odpowiedzieć. Chiara Marcoccia, Walter Quattrociocchi i Valerio Capraro opublikowali wyniki 15 lipca 2026 roku w serwisie PsyArXiv. Szerszą uwagę praca zwróciła pod koniec września, gdy opisały ją media technologiczne.

Uczestnicy odpowiadali na sześć trudnych pytań o drobne szczegóły wizualne z filmów, na przykład o kolor stroju drużyny w filmie „Podkręć jak Beckham”. W każdej chwili mogli zrezygnować z odpowiedzi. Część osób mogła zapytać model językowy, inni odpowiadali samodzielnie.

Najważniejszy element projektu to celowo błędne podpowiedzi. Autorzy wybrali pytania o szczegóły, których prawie nie ma w tekstach dostępnych w internecie, więc model użyty w eksperymencie (Step 3.5 Flash firmy StepFun) niemal zawsze się mylił. Dzięki temu nie da się uznać korzystania z AI za rozsądne przekazanie zadania wiarygodnemu narzędziu.

Wyniki: mniej „nie wiem”, mniej trafnych odpowiedzi

We wszystkich pięciu eksperymentach dostęp do czatu niemal zlikwidował odpowiedzi „nie wiem”. Uczestnicy z AI odpowiadali częściej, ale poprawnych odpowiedzi było mniej niż w grupie bez AI. Autorzy wnioskują, że część osób porzuciła odpowiedzi, które znała lub mogła ustalić, na rzecz pewnie brzmiącej, lecz błędnej sugestii.

Poniżej zestawiamy najważniejsze liczby z preprintu. Wartości dotyczą odsetka pytań, na które uczestnicy świadomie nie odpowiedzieli.

• Eksperyment 1a (314 osób, model działający na żywo): 36 proc. odpowiedzi „nie wiem” bez AI i 6 proc. z AI.
• Eksperyment 1b (310 osób, wcześniej przygotowane błędne odpowiedzi AI): 44 proc. bez AI i 3 proc. z AI.
• Eksperyment 2 (812 osób, bez zachęt finansowych): 17 proc. bez AI i 1 proc. z AI, przy pewności 29,6 wobec 75,9 pkt.
• Eksperyment 3 (843 osoby, bez zachęt): 32 proc. bez AI i 2 proc. z AI.
• Eksperyment 4 (853 osoby, podpowiedź wyświetlana automatycznie, bez zachęt): 35 proc. bez AI i 1 proc. z AI.

Czy pieniądze za trafność zmieniają zachowanie

Autorzy sprawdzili, czy konsekwencje finansowe przywrócą ostrożność. W wariantach z zachętą uczestnik dostawał 0,10 USD za poprawną odpowiedź, tracił 0,10 USD za błędną i nic nie tracił, gdy odpowiadał „nie wiem”. Zachęta zmniejszyła liczbę zapytań do AI, na przykład z 5,27 do 4,53 na sześć pytań w eksperymencie 3.

Trafność przy dostępie do AI wzrosła, w eksperymencie 4 z 7 do 14 proc. Odpowiedzi „nie wiem” pojawiały się jednak nadal znacznie rzadziej niż w grupie bez AI, na przykład 7 proc. wobec 39 proc. Według autorów dostęp do AI zmienia gotowość do samodzielnej oceny, ale nie odbiera takiej zdolności. Stawki w badaniu były jednak symboliczne, więc nie wiadomo, jak zadziałałyby realne konsekwencje zawodowe.

Ograniczenia badania

Praca jest preprintem i nie przeszła jeszcze recenzji naukowej. Cztery z pięciu eksperymentów zarejestrowano wcześniej w Open Science Framework, a jeden był bezpośrednią replikacją. Uczestników rekrutowano przez platformę Prolific, a w eksperymentach 1b-4 udział ograniczono do osób mieszkających w USA.

Autorzy sami wskazują, że wszystkie pytania dotyczyły jednego typu zadań, dobranego tak, aby model się mylił. Nie sprawdzono, czy odpowiedzi „nie wiem” znikają w tym samym stopniu, gdy podpowiedzi AI są zwykle poprawne. Nowsze modele, które badacze testowali pomocniczo, radziły sobie z większością pytań, choć nie z najtrudniejszym. Nie mierzono też, czy uczestnicy sprawdzali odpowiedzi w innych źródłach.

Co to oznacza dla pracy z asystentem AI

W naszej ocenie wynik jest ważny dla firm, które wbudowują AI w wyszukiwarki wewnętrzne, pocztę, CRM albo narzędzia do obsługi klienta. Podpowiedź wyświetlana automatycznie działała w badaniu tak samo silnie jak ta, o którą uczestnik prosił. Pracownik, który widzi gotową odpowiedź, może rzadziej zgłosić, że czegoś nie wie lub musi to sprawdzić.

Problem nie ogranicza się do trafności modelu. Ryzyko polega na tym, że błędna odpowiedź trafia dalej z wyższą pewnością autora, na przykład do klienta, raportu albo decyzji kredytowej. Wniosek z badania dotyczy więc procesu pracy, nie wyboru konkretnego narzędzia.

Jak ograniczyć ryzyko w zespole

Wyniki nie dają gotowej instrukcji, ale wskazują kilka rozsądnych kroków. Część z nich wynika wprost z eksperymentu z zachętami, w którym odpowiedzialność za trafność zmniejszała bezrefleksyjne korzystanie z AI.

• Dopuść w procedurach odpowiedź „nie wiem” lub „do sprawdzenia” i nie karz za nią pracowników.
• W zadaniach o wysokiej stawce wymagaj źródła dla każdej informacji przekazywanej dalej, a nie samej odpowiedzi modelu.
• Rozważ wyłączenie automatycznych podpowiedzi AI tam, gdzie pomyłka ma skutki prawne lub finansowe, i udostępniaj je dopiero na żądanie.
• Przy szkoleniach z AI pokazuj przykłady pytań, na które modele odpowiadają pewnie i błędnie.
• Mierz nie tylko czas pracy z AI, ale także odsetek błędów wychwyconych przed wysłaniem odpowiedzi.

Podsumowanie

Badanie Marcoccii, Quattrociocchiego i Capraro pokazuje zachowanie, które łatwo przeoczyć: dostęp do płynnej odpowiedzi AI obniża próg, przy którym człowiek uznaje, że wie wystarczająco dużo. Wyniki pochodzą z preprintu i sztucznie trudnych pytań, więc nie należy przenosić ich wprost na każdą pracę biurową. Dla firm są jednak konkretnym argumentem za tym, aby przy wdrożeniu AI zaplanować sposób weryfikacji odpowiedzi i zostawić pracownikom miejsce na przyznanie się do niepewności.