Onderzoekers hebben een nieuwe categorie kunstmatige intelligentie geïntroduceerd, genaamd Decision Models (DM's), die effectiever en goedkoper zijn in het nabootsen van menselijk gedrag in economische scenario's dan de huidige grote taalmodellen.
In een recent onderzoek, gepubliceerd op 3 november 2026, presenteren Maxime Saxena, Fabio Caccioli en R. Maria del Rio-Chanona een nieuwe benadering van AI-gestuurde economische simulaties. De focus ligt hierbij op Decision Models (DM's), een klasse modellen die specifiek zijn ontworpen om snel antwoorden te genereren en een waarschijnlijkheidsverdeling over een vaste set opties terug te geven. Volgens de publicatie op arxiv.org maakt dit hen uitermate geschikt om als 'menselijke surrogaten' te dienen in enquêtes en economische simulaties.
Beperkingen van Large Language Models
Tot voor kort werden Large Language Models (LLM's) steeds vaker ingezet om menselijke reacties in economische contexten te simuleren. De onderzoekers stellen echter dat LLM's twee belangrijke tekortkomingen hebben: ze zijn kostbaar wanneer ze op grote schaal worden toegepast en ze slagen er onvoldoende in om de natuurlijke variatie in menselijk gedrag weer te geven.
De nieuwe Decision Models zijn ontwikkeld om deze barrières te doorbreken. Door hun specifieke architectuur kunnen ze de heterogeniteit van menselijke reacties beter vastleggen, wat essentieel is voor accurate economische voorspellingen en analyses.
Vergelijking in economische settings
Om de effectiviteit van de DM's te testen, voerden de auteurs een evaluatie uit waarbij tien verschillende Decision Models werden vergeleken met acht LLM's. Deze tests vonden plaats binnen drie specifieke economische kaders:
1. Een enquête over consumentenuitgaven van huishoudens.
2. Een reeks klassieke economische spellen.
3. Een veldexperiment gericht op de arbeidsmarkt.
Uit de resultaten blijkt dat de zogenaamde 'Frontier DM's' — de modellen die het hoogst scoren op algemene benchmarks voor besluitvorming — in alle drie de scenario's de variatie in menselijke reacties nauwkeuriger reproduceerden dan de LLM's. In de enquête over uitgaven presteerden deze modellen net zo goed als LLM's in het vastleggen van de meest voorkomende menselijke reactie (de modale respons), hoewel ze in de economische spellen minder goed in staat waren deze specifieke modale respons te vatten.
Kosten en snelheid
Naast de nauwkeurigheid in het nabootsen van menselijk gedrag, bieden Decision Models aanzienlijke operationele voordelen. De data uit het onderzoek op tonen aan dat Frontier DM's ongeveer tien keer sneller zijn dan het snelste geteste LLM. Op financieel vlak is het verschil nog groter; de nieuwe modellen kunnen in sommige gevallen meer dan honderd keer goedkoper zijn in gebruik.
Deze combinatie van snelheid, lagere kosten en een beter vermogen om menselijke variatie vast te leggen, suggereert dat grootschalige economische simulaties nu veel haalbaarder zijn geworden.
Context van besluitvorming
De kern van deze modellen draait om het proces van besluitvorming. In algemene termen wordt een beslissing gedefinieerd als een keuze die wordt gemaakt na het overwegen van verschillende mogelijkheden, zoals beschreven in de cambridge.org. De nieuwe AI-modellen proberen precies dit proces — het afwegen van opties en het maken van een uiteindelijke keuze — op een schaalbare en statistisch verantwoorde manier te simuleren.
Door gebruik te maken van waarschijnlijkheidsverdelingen in plaats van enkel tekstuele output, kunnen DM's beter simuleren hoe verschillende mensen in een populatie uiteenlopende keuzes maken, in plaats van telkens één 'gemiddeld' antwoord te geven.
De volledige details van de methodologie en de specifieke prestaties van de tien geteste modellen zijn terug te vinden in de volledige wetenschappelijke tekst via .