Een recent onderzoek toont aan dat een nieuwe klasse van snelle, niet-generatieve AI-beslismodellen sterk beïnvloed kan worden door digitale nudges. In tegenstelling tot traditionele taalmodellen reageren deze zogenaamde 'System One'-modellen vooral op automatische prikkels, wat nieuwe inzichten geeft in de stuurbaarheid van kunstmatige intelligentie.
In de wereld van kunstmatige intelligentie verschuift de focus naar efficiëntie. Hoewel Large Language Models (LLM's) veel taken kunnen automatiseren, zijn ze vaak traag en kostbaar in gebruik. Als alternatief zijn 'beslismodellen' ontwikkeld. Deze modellen genereren geen tekst, maar kiezen direct uit een set opties, wat hen aanzienlijk sneller en goedkoper maakt. Ontwikkelaars noemen deze systemen "System One-modellen", een term die verwijst naar de duale procestheorie uit de psychologie.
De impact van digitale nudges
Om te testen of deze modellen gestuurd kunnen worden, hebben onderzoekers Sascha Kaltenpoth en collega's een experiment uitgevoerd. In een studie die op 6 november 2026 werd gepubliceerd via arxiv.org, werd een online winkelscenario toegepast op drie verschillende beslismodellen: Jev, Decision-1 en d1.
De resultaten laten een opvallende gevoeligheid zien voor zogenaamde 'nudges'. Nudging is het proces waarbij gedrag in een voorspelbare richting wordt gestuurd door kleine aanpassingen in de omgeving of communicatie, zonder dat er sprake is van verboden of economische prikkels. Volgens gezondleven.be gebeurt dit vaak via 'short-cuts' in het denken, ook wel heuristieken genoemd, waarbij mensen bijvoorbeeld geneigd zijn te kiezen voor een standaardoptie of de keuze van de meerderheid.
In het onderzoek naar de AI-modellen bleken de effecten zeer sterk:
- Standaardkeuzes: In 97,5% tot 99,9% van de gevallen kozen de modellen voor een vooraf geselecteerde standaardoptie (default).
- Sociale invloed: Wanneer informatie over sociale invloed werd toegevoegd, kozen de modellen in 75% tot 96% van de gevallen voor dat specifieke product, tegenover slechts 47% tot 49% in de controlegroep.
Automatisch versus reflectief
Een cruciaal aspect van het onderzoek is het onderscheid tussen automatische en reflectieve nudges. In de psychologie wordt onderscheid gemaakt tussen snel, intuïtief handelen (Systeem 1) en traag, rationeel nadenken (Systeem 2). Zoals beschreven door suebehaviouraldesign.com, is nudging een vorm van 'libertair paternalisme': men helpt iemand een betere keuze te maken, maar behoudt de vrijheid om anders te kiezen.
De AI-beslismodellen reageerden in de test veel sterker op automatische nudges dan op reflectieve prikkels. Dit is precies het tegenovergestelde van wat eerder is waargenomen bij LLM-agents die over redeneervermogen beschikken. De onderzoekers concluderen in hun publicatie op dat non-generatieve beslismodellen een 'Systeem 1-patroon' vertonen.
Implicaties voor de toekomst
Deze bevindingen suggereren dat het effect van een nudge sterk afhankelijk is van het type AI-agent dat wordt ingezet. Terwijl complexe taalmodellen wellicht beter bestand zijn tegen eenvoudige digitale duwtjes door hun vermogen tot reflectie, zijn de snellere beslismodellen zeer vatbaar voor subtiele wijzigingen in de keuzearchitectuur.
Dit werpt een nieuw licht op de interactie tussen mens, machine en interface. Nu AI-agents steeds vaker consumententaken overnemen, wordt de manier waarop opties worden gepresenteerd — de zogenaamde keuzearchitectuur — bepalend voor de uitkomst van het proces. De studie biedt hiermee het eerste bewijs dat deze specifieke klasse van AI-modellen op een vergelijkbare, automatische wijze beïnvloed kan worden als het menselijk instinct.