AI-agenten die tegenover elkaar een sociaal deductiespel spelen, laten zich nauwelijks leiden door beleefdheid of taalstijl. Dat blijkt uit nieuw onderzoek. De feitelijke inhoud van een boodschap weegt veel zwaarder dan de manier waarop die wordt geformuleerd. AI-agenten lijken in deze setting dus blind voor sociale nuances.
Hoe test je dat?
De onderzoekers gebruikten het LURK Werewolf-framework. Daarin maakten ze een strikt onderscheid tussen de intentie van een uiting (de 'speech-act predicate') en de tekstuele vormgeving (de 'natural-language realization').
De aanpak: houd de inhoud constant en pas alleen de formulering aan. Zo konden ze meten of een beleefdere of complexere boodschap leidde tot een andere beoordeling door de andere agenten. Voor de analyse gebruikten ze een dataset van 30 spellen en 4.335 replays, aldus de publicatie arxiv.org.
Vorm maakt dus niks uit
De resultaten zijn duidelijk. Zowel de complexiteit van de taal als de gehanteerde beleefdheidsstrategie had geen significante impact op het vertrouwen tussen de agenten. Geen enkele manipulatie van de taalstijl veranderde de stemmen of de acties tijdens de nachtfase van het spel wezenlijk.
Het grootste gemeten effect was nog het meest opvallend — en ook dat was klein. Een verschuiving in het taalbereik, weg van een neutrale parafrase, beïnvloedde slechts ongeveer 4 procentpunt van de stemmen. AI-agenten reageren in sociale deductiescenario's dus vooral op logische informatie, niet op de sociale verpakking.
Agenten zijn bot
De onderzoekers keken ook naar het natuurlijke gedrag van de LLM-agenten, zonder experimentele manipulatie. Uit die analyse bleek dat 88% van de uitingen die als confronterend of 'face-threatening' gelden, direct en onversneden werd gecommuniceerd. Dat gedrag was consistent, ongeacht de rol die de agent in het spel vervulde.
De studie, geschreven door een team waaronder Yuchen Li, Lisa Liu en Julian Togelius, werd op 6 november 2026 ingediend. Het onderzoek plaatst AI-interacties in een breder wetenschappelijk kader: het raakt aan de technische intersectie van taalverwerking en strategisch gedrag, en hoort thuis in een academisch veld waarin linguïstiek en taalgebruik centraal staan, zoals ook wordt behandeld in publicaties via cambridge.org.
De conclusie: bij sociale deductie door AI is de inhoud van communicatie momenteel veel belangrijker dan de vorm. Beleefdheid en subtiele taalnuances spelen in menselijke interacties wél een rol, maar LLM-agenten negeren die sociale strategieën in deze setting grotendeels.
🧠 Even simpel uitgelegd
Stel dat je een spel speelt waarin je moet raden wie er liegt. Je kunt iets zeggen als 'Zou je misschien, als het uitkomt, kunnen vertellen waar je gisteren was?' of kortweg 'Waar was je gisteren?' — dezelfde vraag, andere toon. Mensen reageren daar verschillend op: een beleefde vraag komt vriendelijker over. De onderzoekers testten of AI-agenten dat ook doen. Antwoord: nee. De AI kijkt alleen naar wat er gezegd wordt, niet naar hoe het gezegd wordt. Beleefdheid helpt dus niet als je een AI wilt overtuigen — feiten en logica wel.