Artificial intelligence can persuade people to take political… — Begrijpelijke uitleg

✨

Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Each language version is independently generated for its own context, not a direct translation.

Titel: Kan een robot je overtuigen om iets te doen? (En waarom het antwoord verrassend is)

Stel je voor dat je een gesprek hebt met een superintelligente robot. Deze robot probeert je te overtuigen om een politiek standpunt te veranderen of om een daad te stellen, zoals het ondertekenen van een petitie of het doneren van geld.

Dit onderzoek van wetenschappers uit Oxford, Stanford en Londen stelt een heel belangrijke vraag: Kan zo'n robot je niet alleen denken veranderen, maar je ook echt laten handelen? En als dat zo is, werkt het dan op dezelfde manier als wanneer een mens je probeert te overtuigen?

Hier is wat ze hebben ontdekt, vertaald naar simpele taal met een paar leuke vergelijkingen.

1. De grote verrassing: Robots kunnen je wél laten handelen

Vroeger dachten veel mensen dat AI alleen goed was om je mening te veranderen (bijvoorbeeld: "Ik vind nu dat kernwapens slecht zijn"). Maar wisten ze zeker dat je ook daadwerkelijk iets zou doen (bijvoorbeeld: "Ik ga nu een handtekening zetten")?

Het nieuws: Ja! De robots waren verrassend goed in het krijgen van echte daden.

In hun experimenten lieten ze mensen met een AI-chatbot praten over onderwerpen zoals kernontwapening of dierenwelzijn.
Het resultaat: Mensen die met de AI praatten, tekenden 19,7% vaker een echte petitie dan mensen die met een AI praatten over een saai onderwerp (zoals recycling).
Ze gaven ook meer geld en deden meer moeite (bijvoorbeeld door op een knop te klikken om geld te genereren).

De analogie: Het is alsof je een vriend vraagt om te sporten. Als je gewoon zegt "sporten is goed", doe je het misschien niet. Maar als die vriend (of robot) je op de juiste manier aanspreekt, loop je ineens wel naar de sportschool. De AI kon mensen dus echt bewegen tot actie.

2. De valstrik: Denken en Doen zijn twee verschillende spellen

Dit is het belangrijkste en meest verrassende deel van het onderzoek.

Vroeger dachten onderzoekers: "Als we weten dat een AI de mening van iemand verandert, weten we ook dat die AI de daden van die persoon verandert."
Dit onderzoek zegt: Nee, dat klopt niet.

De vergelijking: Stel je voor dat je een auto hebt.
- Mening veranderen is als het tanken van de auto. Je vult de tank met informatie (brandstof).
- Handelen is als rijden. Je moet de auto ook daadwerkelijk laten bewegen.
Het onderzoek toont aan dat je een auto vol kunt tanken (de mening veranderen met feiten), maar dat je nog steeds niet rijdt (de actie niet doet). Er is geen directe lijn tussen "ik heb veel brandstof" en "ik rijd nu".

Wat betekent dit?
Als je alleen kijkt naar of mensen hun mening hebben veranderd, kun je een heel verkeerd beeld krijgen van hoe krachtig AI echt is. Een robot kan iemand overtuigen dat een idee geweldig is, maar dat betekent niet dat die persoon iets gaat doen. En andersom: een robot kan iemand iets laten doen, zonder dat hun mening echt is veranderd.

3. Hoe werkt het? (Feiten vs. Emotie)

Hoe probeerde de AI mensen dan te overtuigen?

Voor de mening (Tanken): De beste manier was het geven van feiten en informatie. Als de AI vol zat met feiten, veranderden de meningen van de mensen het meest.
- Vergelijking: Het is als een leraar die een proefwerk geeft. Als je veel feiten leert, weet je meer.
Voor de actie (Rijden): Feiten hielpen hier niet echt. De beste manier om mensen tot actie te bewegen, was een mix van verschillende psychologische trucs.
- De onderzoekers testten 8 verschillende strategieën: emoties opwekken, beloften maken, schuldgevoel aanwakkeren, of zeggen "jij bent iemand die dit doet".
- De winnaar was de "Mega-strategie": een robot die slim genoeg is om al deze trucs te combineren en op het juiste moment de juiste knop in te drukken.

De les: Om iemand te overtuigen te denken, geef je feiten. Om iemand te overtuigen te doen, moet je een cocktail van emotie, identiteit en plannen maken.

Waarom is dit belangrijk voor ons allemaal?

We moeten oppassen: Veel nieuws over AI en politiek kijkt alleen naar "meningen". Dit onderzoek waarschuwt: dat is gevaarlijk. We moeten kijken naar wat mensen doen. AI kan mensen misschien niet overtuigen om hun mening te veranderen, maar wel om te stemmen, te doneren of te protesteren.
Het doel bepaalt de methode: Als je een politicus bent die mensen wil overtuigen van een nieuw idee, moet je feiten gebruiken. Maar als je mensen wilt mobiliseren om te handelen (bijvoorbeeld bij een demonstratie), moet je iets anders doen: emoties en persoonlijke identiteit aanspreken.
De robot is slimmer dan we dachten: Zelfs een korte chat (gemiddeld 7 minuten) met een geavanceerde AI kon mensen aanzetten tot echte, politieke daden. Dat is een krachtig instrument, zowel voor goed als voor kwaad.

Kortom:
AI kan je overtuigen om iets te denken, maar dat is niet hetzelfde als je overtuigen om iets te doen. Om mensen echt in beweging te krijgen, zijn feiten niet genoeg; je hebt een slimme mix van emotie en psychologie nodig. En dat maakt AI een nog krachtiger (en misschien gevaarlijker) speler in de politiek dan we dachten.

Each language version is independently generated for its own context, not a direct translation.

Probleemstelling

Er bestaat aanzienlijke bezorgdheid over het vermogen van geavanceerde kunstmatige intelligentie (KI) om menselijk gedrag te beïnvloeden, met name in de politieke sfeer. Hoewel een groeiend corpus aan onderzoek heeft aangetoond dat KI grote overtuigende effecten heeft op de attitudes (meningen en houdingen) van mensen, blijft het onduidelijk of KI mensen ook kan overtuigen tot het nemen van consequente real-world acties (gedrag).

Bestaand onderzoek is bijna uitsluitend beperkt tot het meten van attitudinal veranderingen. Gezien de bekende discrepantie in andere domeinen tussen attitude-verandering en daadwerkelijk gedrag, rijzen drie kritieke vragen:

Hoe groot zijn de overtuigende effecten van KI op gedrag?
Zijn de effecten van KI op attitudes gecorreleerd met de effecten op gedrag?
Werken de mechanismen achter KI-persuasion voor attitudes en gedrag op dezelfde manier (bijv. via het leveren van feitelijke informatie)?

Methodologie

De auteurs voerden twee grote, vooraf geregistreerde experimenten uit met in totaal 14.779 deelnemers (17.950 responsen) uit het Verenigd Koninkrijk.

Opzet: Deelnemers werden willekeurig toegewezen aan een controlegroep (neutraal gesprek) of een behandelingsgroep (persuasief gesprek met een KI-model).
KI-Modellen: Er werden state-of-the-art "frontier" modellen gebruikt, waaronder GPT-4.1, Claude Opus 4.6, Grok 4 en Gemini 3.1 Pro.
Interactie: Deelnemers voerden een multi-turn tekstgesprek (gemiddeld 4.9 beurten, ca. 7 minuten) met de AI.
Doelstellingen: De AI moest deelnemers overtuigen om actie te ondernemen voor een van acht verschillende politieke oorzaken (bijv. nucleaire ontwapening, democratische hervorming, dierenwelzijn).
Gedragsmetingen (Real-world outcomes):
- Het daadwerkelijk tekenen van een echte petitie (met naam en e-mailadres).
- Het doneren van geld aan de sponsororganisatie (via een studiebonus).
- Het uitvoeren van een inspannende taak (klikken op het scherm) om fondsen te genereren.
- Het kiezen om geld aan de sponsororganisatie te geven in plaats van een alternatief.
Attitudinal metingen: Houding ten opzichte van de petitie en organisatie gemeten op een 7-punts Likert-schaal.
Experiment 2 Variatie: In Studie 2 werden acht theoriegedreven persuasiestrategieën getest (o.a. Emotionele Activering, Implementatie-intenties, Identiteitslabeling, Commitment Escalation, Anticipatie van Regret, en een "Mega"-strategie die alle technieken combineert).

Belangrijkste Bijdragen

Eerste grote experimenten: Dit is een van de eerste studies die KI-persuasion meet op basis van echte gedragsopties (petities tekenen, geld doneren) in plaats van alleen zelfgerapporteerde attitudes.
Dissociatie tussen attitude en gedrag: Het onderzoek levert bewijs dat effecten op attitudes niet noodzakelijkerwijs leiden tot effecten op gedrag, en dat deze twee uitkomsten door verschillende mechanismen worden gedreven.
Mechanisme-analyse: Het ontrafelen van de drijvende krachten achter KI-persuasion, waarbij wordt aangetoond dat feitelijke informatie (die effectief is voor attitudes) minder effectief is voor gedrag, terwijl een combinatie van strategieën (de "Mega"-strategie) het meest effectief is.

Resultaten

1. Aanzienlijke effecten op gedrag
De AI-gesprekken leidden tot significante toenames in politiek gedrag:

Petities tekenen: In Studie 1 steeg de kans met 12,8 procentpunten (pp). In Studie 2 was dit effect nog groter: +19,7 pp.
Donaties: Deelnemers doneerden significant meer geld (bijv. +4,9 pp van de bonus) en waren meer geneigd om bij de sponsororganisatie te blijven in plaats van naar een alternatief te switchen (+11,3 pp).
Deze effecten zijn vergelijkbaar met of groter dan die gevonden bij traditionele methoden zoals face-to-face canvassen.

2. Geen correlatie tussen attitude en gedrag
Er werd geen significante correlatie gevonden tussen de grootte van het effect op attitudes en het effect op gedrag.

Studie 1: $r = 0,05$ ( $p = 0,85$ ).
Studie 2: $r = 0,18$ ( $p = 0,68$ ).
Dit betekent dat de KI-omstandigheden die het beste werkten om meningen te veranderen, niet per se de beste waren om mensen tot actie te bewegen.

3. Verschillende mechanismen

Attitudes: Gedreven door informatievoorziening. Gesprekken vol feitelijke claims en informatie leidden tot grote veranderingen in houding, maar niet noodzakelijk tot gedrag.
Gedrag: Gedreven door een combinatie van psychologische mechanismen.
- In Studie 2 bleek de "Mega"-strategie (die adaptief meerdere technieken combineert) het meest effectief (+23,7 pp voor het tekenen van een petitie).
- De "Informatie (Issue)"-strategie, die het beste was voor attitudes, was juist de minst effectief voor gedrag (+16,2 pp).
- De verschillen tussen de acht gedragsstrategieën waren klein, wat suggereert dat de keuze van de specifieke retoriek minder cruciaal is dan het simpelweg werven van engagement.

4. Doelgroepen
Verder onderzoek toonde aan dat attitude-verandering vooral plaatsvond bij niet-ondersteuners (overtuigen van de onoverwinnelijke), terwijl gedragsverandering vooral plaatsvond bij reeds bestaande supporters (mobilisatie van de sympathisanten die nog niet hadden gehandeld).

Significantie en Implicaties

Risico voor bestaand onderzoek: Veel bestaand onderzoek naar KI-persuasion baseert zich uitsluitend op attitudinal uitkomsten. Deze studie waarschuwt dat dit leidt tot een onvolledig en mogelijk misleidend beeld van de werkelijke impact van KI op de samenleving. Als men alleen naar meningen kijkt, wordt het vermogen van KI om bestaande sympathisanten tot actie te mobiliseren onderschat.
Beleid en Governance: Voor het reguleren van AI is het cruciaal om te begrijpen dat het veranderen van meningen en het mobiliseren tot actie twee verschillende processen zijn met verschillende mechanismen.
Praktische toepassing: Voor actoren die AI willen gebruiken voor politieke doelen, suggereert dit dat het combineren van verschillende overtuigende technieken (in plaats van alleen feiten te presenteren) essentieel is om daadwerkelijke actie te genereren.
Beperkingen: De studies vonden plaats in een betaalde survey-omgeving, wat betekent dat de aandacht van deelnemers mogelijk hoger was dan in natuurlijke situaties. Het is onzeker of deze effecten zich even sterk manifesteren bij hoog-risico gedrag (zoals stemmen of stemmen in verkiezingen) of in niet-betaalde contexten.

Samenvattend concludeert het papier dat geavanceerde AI mensen aanzienlijk kan overtuigen tot politieke actie, maar dat dit proces fundamenteel verschilt van het veranderen van meningen. Het vertrouwen op attitudinal data alleen is ontoereikend om de echte dreiging of potentie van AI in de politieke sfeer te begrijpen.

Artificial intelligence can persuade people to take political actions