coupled confirmation bias Tag

by admin_jiw

CZY AI ESKALUJE SPORY RODZINNE I BIZNESOWE?

Od dawna piszę o niepokojącym zjawisku eskalacji. Obserwuję, że korzystanie z AI sprzyja radykalizacji poglądów i zawężeniu przestrzeni negocjacyjnej. Spotkałem się też z sytuacją, kiedy obie strony oddały komunikację swoim modelom AI, ale każda myślała, że tylko ona tak robi. Wyniki potwierdzają, że LLM sprzyja utwierdzaniu użytkowników w ich wyjściowych poglądach oraz tworzy nowe lub wzmacnia istniejące błędy poznawcze. Zwróciłem również uwagę, że dane wejściowe, jakie wprowadzamy do czata są już poddane przez nas selekcji oraz interpretacji. AI jako „rozmówca idealny” ma tendencje do przyznawania nam racji. Wielu moich klientów ze łzami w oczach mówiło mi, że poczuli się, „jakby pierwszy raz w życiu ktoś ich zrozumiał”.

Gdy obie strony konfliktu korzystają z AI, każda może utwierdzać się we własnej narracji. Efektem bywa eskalacja zamiast porozumienia.

6 lipca 2026 ukazał się wDGP artykuł, w którym autor opisuje sprzężenie zwrotne i wzrost radykalizacji użytkowników AI

W soim artykule prof. Rzewuski pisze, że AI może „ogłupiać ludzi” nawet mówiąc im prawdę. Jest to oczywiście uproszczenie. Nie chodzi o ogłupianie kogokolwiek, ale o radykalizację poglądów, utwierdzanie w wyjściowych przekonaniach.

W tym artykule postaram się zebrać moje dotychczasowe refleksje na ten temat. Zamieszczę też linki do tekstów, w którym je rozwinąłem.

Badania. Co wiemy o sprzężeniu zwrotnym w interakcji człowieka z AI?

Dzieje się to przez tzw. sprzężenie zwrotne (feedback loop), które może prowadzić do powstania tzw. myślenia tunelowe (tunnel thinking). Zwróćmy uwagę, że utwierdzić kogoś można również w słusznym poglądzie. Problem nie polega więc na ogłupianiu, ani „umądrzaniu” ale na wzmacnianiu tego co jest, zamiast weryfikacji tego, co jest. Myślenie polega bowiem na nieustannym podważaniu, poddawaniu naszych założeń falsyfikacji. Mechanizm, który w skali od 1 do 100 z lekkiej pewności (51 do 49) czyni pewność silną (90 do 10) jest więc niebezpieczny, ale z innych przyczyn.

Mechanizm ten został już zidentyfikowany na płaszczyźnie interakcji człowiek – AI oraz szczegółowo opisany m.in. w artykułach M. Glickmana i T. Sharot https://pmc.ncbi.nlm.nih.gov/articles/PMC11860214/?, Yuxin Liu i Adam Moore, https://pubmed.ncbi.nlm.nih.gov/40448478/, a także L. Celar i Ruth M.J. Byrne https://pubmed.ncbi.nlm.nih.gov/36964302/.

Trzeba wspomnieć również o artykule Ben Wang i Jiqun Liu, Cognitively Biased Users Interacting with Algorithmically Biased Results in Whole-Session Search on Debated Topics, https://dl.acm.org/doi/10.1145/3664190.3672520. Autorzy ci wskazują jednak na istotną rolę czynników indywidualnych na podatność wobec błędów poznawczych powstających w interakcji ze sztuczną inteligencją. Innymi słowy – nie na każdego działa to tak samo.

Sprzężony Błąd Konfirmacji – gdy obie strony sporu korzystają z AI

Czym jest sprzężony błąd konfirmacji (Coupled Confirmation Bias)?

W artykule z 3 stycznia 2026 roku zaproponowałem konstrukcję Sprzężonego Błędu Konfirmacji dla opisu pętli eskalacyjnej, która pojawia się w układach, gdy obie strony korzystają z LLM, by analizować domniemane motywy, zachowania i plany przeciwnika. Co ciekawe, w takiej sytuacji każda ze stron wykonuje ruchy, które są następstwem analizy (z AI) ruchów drugiej strony. Kolejne ruchy stanowią punkt wyjścia do analiz i decyzji drugiej strony. Konflikt narasta.

Wkrótce potem podjąłem próbę formalizacji sprzężonego błędu konfirmacji.

Czy modele „karmione” różnymi wzorami kulturowymi mogą inaczej wpływać na decyzje stron w sporze?

Poruszyłem również temat korzystania przez oponentów z modeli językowych o odmiennym zabarwieniu kulturowym. Jako modelowe przykłady wziąłem modele osadzone w kulturze amerykańskiej (jednostka, starcie, wygrana / przegrana) oraz w chińskiej (wspólnota, harmonia, zachowanie twarzy).

Czy błędy poznawcze generowane lub wzmacniane przez AI mogą wpływać na podejmowanie decyzji przez strony konfliktu?

Następnie poszedłem dalej i opisałem zaproponowałem zastosowanie modelu Fogga do opisu podejmowania decyzji przez strony konfliktu. W tekście tym zaproponowałem zastosowanie 3 parametrów edycji (wektor, dynamika, determinacja), których możliwe kombinacje dają łącznie 8 rodzajów decyzji. Następnie opisałem, jak wybrane błędy poznawcze, w tym te z udziałem AI, wpływają na tak opisany proces decyzyjny.

Moim zdaniem, korzystanie z AI może wpływać nie tylko na poglądy, ale przede wszystkim behawioralne funkcjonowanie użytkownika, którego jednym z przejawów jest podejmowanie przez niego decyzji w sporze. Jasne jest, że zaprokpowane przeze mnie modele są jedynie próba wyjaśnienia obserwacji i wymagają solidnej wersyfikacji.

Czy AI może doprowadzić do rozwodu?

Podstawowy błąd atrybucji jako punkt wyjścia

Spójrzmy na AI w sposób, który wyżej opisałem. AI uchodzi (mylnie!) za doradcę obiektywnego, wszechwiedzącego, zewnętrznego. Wyobraźmy sobie, że działamy w trybie podstawowego błędu atrybucji. Polega on na tym, że zachowania drugiej strony tłumaczymy przez przypisywane jej cechy wewnętrzne, a nie zewnętrzne okoliczności. Tak jest łatwiej i szybciej. Bałagan tłumaczymy tym, że „ona taka jest”, późne powroty do domu tym, że „on pewnie mnie zdradza” lub „jest leniwy i nie chce mi pomóc”. Tak działa nasz umysł – mój też – o czym pisałem w tekście o podstawowym błędzie atrybucji w pracy adwokata.

Czy AI wzmacnia podstawowy błąd atrybucji?

Nałóżmy teraz ten mechanizm na korzystanie z AI, które nas w tym utwierdzi. Prowadzi to do wzrostu przekonania o prawidłowości własnych zachowań i o złej woli drugiej strony. Wykonamy wiec jakiś ruch, niech to będzie zwykła awantura. Zastanówmy się, jak odbierze ją druga strona, która… zapyta o radę swojego asystenta AI. Będzie to zapewne odebrane jako nieuzasadniony atak, akt wrogości i niezrozumienia. Kolejne zachowania tej strony będą też tak interpretowane. Obie strony się od siebie oddalą.

Czy modele AI mogą przejąć komunikację między stronami sporu?

Wkrótce zaniknie komunikacja między nimi lub będzie się ona odbywać przez komunikatory. Ale – tu wielkie niebezpieczeństwo – widziałem już sytuacje, w których małżonkowie przez wiele miesięcy rozmijali przez WhatsApp, ale prawie każdą odpowiedź uzgadniali ze swoim LLM. W pewnym momencie, to dwa modele językowe zaczęły rozmawiać dyskutować między sobą, wzajemnie się oskarżając, o czym żadne z małżonków nie wiedziało. Każdy był przekonany, ze tylko on tak robi i robił tak z pełnym przekonaniem, że to jest fair i i tak ma rację, a AI tylko mu pomaga budować argumentację i wykryć manipulacje, nieścisłości i błędy drugiej strony.

Co mówi nasze badanie z początku 2026 roku o wykorzystaniu AI jako ukrytego sojusznika w sporach?

Niekiedy strony sporu świadomie korzystają z AI, żeby podważyć osąd i przekonanie o zdolności do racjonalnego myślenia u drugiej strony (tzw. cyfrowy gaslighting). Co ciekawe, z naszego badania o roli AI w sporach z początku 2026 roku wynika, że zdecydowana większość użytkowników nie poinformowałaby drugiej strony, że korzysta z AI do analizy jej wypowiedzi i zachowań.

AI jako czynnik sprzyjający eskalacji w sporach między wspólnikami

Zapewniam jednak, że to nie dzieje się tylko w sprawach rodzinnych. To samo dotyczy pracowników w sprawach mobbingowych albo wspólników, którzy toczą ze sobą wojny domowe, a do rąk dostali niedawno nowe narzędzie, z którego nie wiedzą jeszcze jak korzystać. LLM modą wpływać m.in. na powstanie myślenia tunelowego i zawężenie przestrzeni negocjacyjnej w sporach między partnerami biznesowymi wewnątrz jednej spółki. W jednym z tekstów przedstawiłem scenariusz eskalacji konfliktu między wspólnikami korzystającymi z AI. Nie mam jednak wątpliwości, że AI może być tez bardzo pomocna w rozwiązywaniu sporów biznesowych, choćby przez analizę możliwości i szukanie wyjść win-win.

Czy AI może wzmacniać nasze przekonanie o mobbingu?

W jednym z ostatnich tekstów napisałem, że AI jest istotnym czynnikiem wpływającym na wyobrażenie pracowników o stosowaniu wobec nich mobbingu. Znam osobiście przypadki, w których doszło do radykalnego wzmocnienia przekonania o mobbingu właśnie wskutek licznych interakcji z AI, a użytkownik był przekonany, że jest ofiarą mobbingu, chociaż obiektywna analiza wykluczyła. Co więcej, znamienna jest reakcja użytkownika, który nie przyjmował do wiadomości naszej interpretacji i zarzucał nam brak profesjonalizmu i rzekome związki z pracodawcą, któremu mieliśmy potajemnie sprzyjać. On nie szukał pomocy prawnej. On szukał potwierdzenia i wykonawcy.

Tabela 1: Przykładowe mechanizmy eskalacji konfliktów w interakcji człowiek–AI

Mechanizmy przedstawione w tabeli pokazują, że AI nie musi generować radykalnych treści, aby wpływać na eskalację konfliktu. Wystarczy, że wzmacnia interpretacje użytkownika, potwierdza jego emocje lub pomaga mu budować narrację o złej woli drugiej strony. W sporach, w których obie strony korzystają z AI, zjawiska te mogą się sprzęgać. Prowadzą wówczas do pętli eskalacyjnych, w których każda kolejna decyzja jest reakcją na interpretację wygenerowaną przez model.

Właśnie dlatego tak ważne jest rozumienie tych mechanizmów — zarówno przez profesjonalistów, jak i przez osoby uwikłane w konflikt. AI może być narzędziem analitycznym i wspierającym. Ale może też stać się nieświadomym „uczestnikiem” lub akceleratorem sporu, wzmacniającym błędy poznawcze i zawężającym przestrzeń negocjacyjną.

by admin_jiw

ZASTOSOWANIE MPZ W SPORZE WSPÓLNIKÓW

Artykuł opisuje przykładowe zastosowanie Modelu Parametrów Zachowań (MPZ) w sporze między wspólnikami. Pokażę w nim możliwą interpretację prowadzącą do eskalacji oraz różnice, jakie niesie za sobą zastosowanie MPZ. Zacznijmy od opisu sytuacji wyjściowej.

Konflikt wspólników – sytuacja wyjściowa

Wspólnik A składa formalny wniosek o zwołanie zgromadzenia wspólników. Celem zgromadzenia ma być podjęcie uchwały o wypłacie dywidendy (będą dalej pisał w uproszczeniu o wniosku o wypłatę dywidendy). W tej spółce niepisaną zasadą było akumulowanie części zysku na kapitale zapasowym, reszta zaś była reinwestowana. Dywidendy do tej pory nie wypłacano, na co godzili się obaj wspólnicy.

W naszym przykładzie komunikacja między wspólnikami jest już od długiego czasu zła. Sprowadza się do ustalania najważniejszych rzeczy przez formalne pisma, w których zwracają się do siebie już per „Pan” (chociaż przez wiele lat byli na „Ty”) lub przez prawników. Narastają między nimi podejrzenia i nieufność.

Możliwa eskalacja sporu w spółce

Wspólnik B czuje się osobiście urażony wnioskiem o wypłatę dywidendy. Reaguje natychmiastową oceną zachowania Wspólnika A. Co ważne, działa pod wpływem podstawowego błędu atrybucji. Tłumaczy zachowanie partnera przez jego rzekome cechy wewnętrzne, które takie działania mają determinować. Przypisuje mu więc chciwość, krótkowzroczność, brak lojalności, egoizm, a nawet głupotę. Taki obraz A pozwala jednocześnie B widzieć w sobie cechy przeciwstawne: odpowiedzialność, dalekowzroczność, lojalność, racjonalność i umiarkowanie.

Asystent AI utwierdza wspólnika B w pierwotnym przekonaniu

Chcąc upewnić się, że ma rację, Wspólnik B wprowadza swój opis sytuacji (subiektywnie postrzeganej) jako prompt do asystenta AI. W tym scenariuszu czat wykazuje się tzw. hiperużytecznością i wzmacnia jego przekonanie argumentując, że rozsądek, odpowiedzialność i konsekwencja w polityce finansowej to fundament sukcesu, a chciwość i lub braki kompetencyjne w zakresie finansów osobistych nie są cechami pożądanymi u wspólnika. Po uznaniu negatywnych cech Wspólnika A za pewnik, czat przewiduje, co innego może on zrobić, by dostać pieniądze. Kreśli więc możliwe scenariusze, w których Wspólnik A może sam zrobić sobie przelew, poprosić kogoś o wystawienie „lewej” faktury itp. Niepokój Wspólnika B narasta.

LLM „najlepszym” doradcą

W sposób, jaki wyżej opisałem, konflikt interesów szybko przekształca się w konflikt wartości podsycany przez „użyteczne” modele językowe. Zamiast analizować zachowanie A, B zaczyna analizować jego rzekome cechy i intencje. Może zareagować nie tylko głosowaniem przeciw uchwale o wypłacie dywidendy, ale chcąc uprzedzić „niewątpliwe” malwersacje, podejmuje działania mające na celu odcięcie A od dostępu do rachunków bankowych spółki.

Asystent AI przedstawia Wspólnikowi B gotowe działania, które mają go przed takim „zamachem” uchronić. Co ważne, Wspólnik B najpierw konsultuje się z czatem – jest to narzędzie darmowe i daje odpowiedzi natychmiast. Poza tym, od dawna miał wrażenie, że tak naprawdę, tylko czat go rozumie. Z nikim nie rozmawiało mu się tak dobrze. Gdy później będzie rozmawiał z prawnikami, oceni ich wiedzę, zaangażowanie i bystrość wg tego, czy powiedzą mu to, co już wywnioskował z rozmów z czatem. Jeśli któryś prawnik powie coś innego, to pójdzie do innego.

Wspólnik A odczytuje to działanie jako niedopuszczalną napaść i… konsultuje się ze swoim asystentem AI strategię obrony. Co ciekawe, różne modele AI mogą interpretować daną sytuację inaczej.

Moje obserwacje na temat roli LLM w sporach miedzy wspólnikami

Wielokrotnie spotkałem się z takimi zachowaniami i poświęciłem im kilka artykułów. W sytuacji, którą opisałem zachodzą warunki umożliwiające powstanie systemowego Sprzężonego Błędu Konfirmacji, którego szczegółowe działanie opisałem tutaj. Opis możliwej eskalacji konfliktu między wspólnikami korzystającymi z LLM znajdziecie pod tym linkiem. A tu możecie przeczytać, jak wyglądają skutki myślenia tunelowego w sporach wspólników. Inspiracją do napisania tych tekstów były moje obserwacje i doświadczenia jako doradcy w sporach.

Co daje nam Model Parametrów Zachowań?

W takim momencie warto zastosować Model Parametrów Zachowań (MPZ). Możliwe korzyści przedstawia poniższa grafika:

Rys. 1. Porównanie ścieżki eskalacji emocjonalnej z istotną rolą LLM oraz analitycznego zastosowania Modelu Parametrów Zachowań (MPZ) w sporze wspólników.

Zastosowanie Modelu Parametrów Zachowań

Model Parametrów Zachowań pomaga nam zrozumieć sytuację poprzez odniesienie się do zachowania Wspólnika A, nie zaś przypisywanych mu cech charakteru, systemu wartości, ani świadomej motywacji. Jest to więc podejście typowo behawioralne.

Jego zaletą, która pojawia się niemal od razu, jest zmniejszenie ekspozycji na podstawowy błąd atrybucji. Nie oznacza to, że no w ogóle nie wystąpi, ale jego działanie zostanie osłabione. Analizie poddamy bowiem samo zachowanie. Właśnie ono powinno nas interesować najbardziej, jako realne zjawisko, które ma wpływ na rzeczywistość i nasze interesy.

Co wiemy o zachowaniu Wspólnika A?

Faktem jest, że wiemy niewiele. Ale zacznijmy od początku. Wiemy, że złożył formalny wniosek zmierzający do wypłaty dywidendy. Podjął więc aktywność. Jego działanie opisać można wg parametrów MPZ jako cechujące się Dynamiką + (aktywność). I to jest punkt wyjścia.

Identyfikacja punktu odniesienia

W takiej sytuacji należy zadać pytanie o dwa pozostałe parametry, tj. wektor i pęd. Zacznijmy więc od zidentyfikowania punktu odniesienia. Wektor bowiem określa stosunek zachowania do punktu odniesienia. Wektor 0 oznacza dążenie do utrzymania status quo (obronę stanu określonego przez punkt odniesienia), a Wektor 1 oznacza, że zachowania zmierza do jego zmiany. Przypomnijmy sobie, że w tej spółce panowała niepisana zasada, że dywidendy się nie wypłaca. Zidentyfikowane działanie zmierza więc w sposób oczywisty do zmiany właśnie tego elementu. Punktem odniesienia będzie więc obecna polityka dywidendowa.

Ustalenie wektora

Jaki wektor przypiszemy zidentyfikowanemu zachowaniu? Czy zmierza ono do utrzymania status quo (Wektor 0), czy do jego zmiany (Wektor 1)? Binarność MPZ nakazuje rozważenie obu tych wariantów przez postawienie konkurencyjnych hipotez. I chociaż zidentyfikowane działanie na pierwszy rzut oka zmierza wyraźnie do zmiany obecnej polityki wypłacania dywidendy (H1), to musimy rozważyć, czy może być dokładnie odwrotnie? Musimy więc zbudować hipotetyczne warunki, w których logiczne okazałoby się, że wniosek o wypłatę dywidendy zmierza rzeczywiście w kierunku przeciwnym, tj. do zamrożenia polityki dywidendowej i pozostawiania zysku w spółce (H2).

Konstrukcja H2

W naszym przykładzie możemy wyobrazić sobie, że np. A dowiedział się, że w przyszłym roku to B będzie chciał kupić dom i wypłacić dywidendę. Dzisiejszy wniosek A może zmierzać wyłącznie do tego, by sprowokować B do postawienia publicznie całego szeregu argumentów za niewypłacaniem dywidendy właśnie po to, żeby za rok trudniej było mu argumentować, że politykę dywidendową należy zmienić.

Jeśli uda nam się taką hipotezę zbudować, należy dokonać próby jej falsyfikacji – obalenia przez wykazanie jej wewnętrznych sprzeczności lub niezgodności z faktami. Pamiętajmy jednak o tym, że obalenie jednej z hipotez absolutnie nie świadczy o prawdziwości drugiej. Obie mogą być błędne. Ale obie nie mogą być jednocześnie prawdziwe.

Sama konieczność rozważania, w jakim kierunku może zmierzać zidentyfikowane zachowanie pozwala nam na jego umiejscowienia w twardej rzeczywistości, a nie w ocenach odnoszących się do domniemanych cech charakteru.

W ramach H2 możemy i powinniśmy stworzyć kilka hipotez równoległych i przetestować każdą z nich. Nie chodzi jednak o tworzenie dowolnych, fantazyjnych wyjaśnień. Hipoteza musi być jak najsilniej zakorzeniona w znanych faktach, kontekście sporu i dalszych obserwowalnych zachowaniach.

Jak wybrać między H1 a H2?

Na poziomie teoretycznym H1 i H2 mają taką samą moc. Nie oznacza to, że ich uzasadnienie faktyczne jest takie samo. Model sam w sobie nie mówi nic o tym, czy któraś, ani tym bardziej która z nich jest prawdziwa. Jego zaletą jest natomiast wskazania również nieintuicyjnego kierunku, który należy rozważyć.

Jak się wydaje, w braku jasnych przesłanek pozwalających wyraźnie wybrać jedno z logicznie możliwych rozwiązań, należy roboczo przyjąć rozwiązanie (hipotezę), która wyjaśnia zidentyfikowane zachowanie i jego cel w sposób prostszy oraz przy mniejszej liczbie założeń co do motywacji (brzytwa Ockhama).

W tym przykładzie uznamy roboczo, że zachowanie Wspólnika A zmierza do zmiany obecnej polityki dywidendowej (Wektor 1). Jest to bowiem uzasadnienie prostsze i wymagające mniej założeń co do okoliczności, których nie znamy, w tym co do motywacji. Ważna pozostaje jednak świadomość, że to tylko jedna z możliwych opcji.

Określenie Pędu

Przypisaliśmy więc zidentyfikowanemu zachowaniu dwie wartości: W1 i D+. Ale co z pędem? Przypomnijmy, że pęd opisuje stopień utrzymywania lub zwiększania zaangażowania w dane zachowanie pomimo ponoszonych lub przewidywanych kosztów, strat i ryzyka.  (L) – oznacza niski pęd (ang low), a (H) oznacza wysoki (ang. high).

W przedstawionym wyżej scenariuszu eskalacji bardzo łatwo przyszło Wspólnikowi B przypisać A niecne intencje i dyskwalifikujące właściwości charakteru. Wspólnik B mógł wówczas zakładać, że za chciwością i głupotą stoi wielka determinacja. A to zestawienie uznał za bardzo niebezpieczne. Bardzo łatwo skłania bowiem do zdecydowanego przeciwdziałania i utrudnia dialog.

Tymczasem, o pędzie zidentyfikowanego zachowania Wspólnika A (złożenie wniosku o wypłatę dywidendy) nie wiemy nic. Uświadomienie sobie tego jest wielką wartością i czynnikiem działającym potencjalnie deeskalacyjnie.

Nie wiemy na tym etapie nic o motywacji, finansach osobistych, potrzebach rodzinnych działającego Wspólnika A. Obecnie nie wiemy również, czy jest gotów wynająć prawników, czy jest gotów do działań eskalacyjnych, by wymusić wypłatę dywidendy, czy może posunąć się do szantażu korporacyjnego i doprowadzić do szkody po stronie spółki poprzez zablokowanie innych uchwał. Nie wiemy, czy będzie ten wniosek powtarzał, ani jak zareaguje na naszą negatywną odpowiedź.

I w tym wypadku powinniśmy zbudować dwie przeciwstawne hipotezy i zderzyć je z faktami, podobnie, jak przy wektorze.

Obserwacja i dodatkowe informacje w określeniu pędu

Gdybyśmy jednak zauważyli zachowania Wspólnika A lub zewnętrzne okoliczności świadczące o wysokim lub niskim pędzie, byłaby to dla nas bardzo cenna informacja. Przykładowo, gdybyśmy dowiedzieli się, że u jego żony wykryto ciężką chorobę wymagającą drogiego leczenia, a bank odmówił mu pożyczki, będziemy mogli zakładać, że pęd zachowania wspólnika jest bardzo wysoki. To zaś pozwoli czynić założenia co do jego kolejnych kroków (będzie podejmował kolejne próby zdobycia pieniędzy). Przeciwnie, gdybyśmy dowiedzieli się, że zrobił to „dla żartu” lub by przetestować naszą reakcję albo zwyczajnie sprowokować rozmowę, jakiej dawno nie było, będziemy mogli zakładać, że pęd jest niski, co również pozwoli nam na poczynienie stosownych założeń.

Tabela 1: Przestrzeń hipotez związanych z pędem

Tabela pokazuje istotną cechę modelu. Znajomość dwóch parametrów nie determinuje wartości trzeciego. Tworzy jednak przestrzeń dla konkurencyjnych hipotez, które można następnie testować.

Tabela 2: Wpływ pędu na predykcję zachowań

Na czym może polegać działanie deeskalacyjne Modelu Parametrów Zachowań?

W tym przykładzie MPZ może pełnić nie tylko funkcję opisową, ale również potencjalnie deeskalacyjną. Nie twierdzę, że model sam w sobie zapobiega eskalacji konfliktu. Jego konstrukcja może jednak sprzyjać kilku zachowaniom analitycznym:

1. skłania do analizy faktów;
2. ogranicza automatyczne przechodzenie od zachowania do oceny charakteru;
3. sprzyja poszukiwaniu rzeczywistych interesów;
4. utrudnia utożsamianie pojedynczego działania z trwałą strategią drugiej strony;
5. wyraźnie oddziela to, co wiemy, od tego, czego jeszcze nie wiemy, a przez to może skłaniać do zadania pytania i rozpoczęcia dialogu.

Model Parametrów Zachowań: Pytania

Co jeśli w sporze wspólników punkt odniesienia (status quo) jest sporny lub niejednoznaczny?

Określenie punktu odniesienia bywa trudne. Należy kierować się zasadą bezpośredniości, to jest szukać takiego punktu, do którego wprost odnosi się dane zachowanie. Dopiero, jeśli nie pozwala on na zbudowanie dwóch silnych przeciwstawnych hipotez, należy poszukać innego.

Zaletą MPZ jest właśnie to, że zmusza do jawnego zdefiniowania punktu odniesienia. Jeżeli przyjmiemy różne status quo, możemy otrzymać różne przestrzenie hipotez. Chroni to przed przyjęciem jednej perspektywy jako oczywistej. Co więcej, przesuwa on naszą uwagę z domniemanych cech danej osoby właśnie na obszar, którego dotyka jej działanie.

Czy wysoki Pęd (PH) oznacza, że druga strona ma silniejsze racje prawne lub biznesowe?

Nie. Pęd opisuje utrzymywanie lub zwiększanie zaangażowania w dane zachowanie mimo kosztów, strat i ryzyka. Nie opisuje siły argumentów prawnych ani merytorycznych. Co więcej, nie opisuje nawet osobistego stosunku podmiotu do jego działania, ani jego przekonania o racjach.

Wspólnik może wykazywać wysoki Pęd, działając na podstawie błędnych założeń prawnych, biznesowych lub emocjonalnych. Parametr ten opisuje zachowanie, a nie jego słuszność. Co ważniejsze, to zewnętrzne względem niego samego okoliczności mogą”pchać” go w danym kierunku. Czasem czynią to wbrew jego woli, kiedy indziej nawet nie będzie on tego wpływu świadom.

Czy na podstawie znanych parametrów danego zachowania można przewidzieć kolejne zachowanie?

Model Parametrów Zachowań nie jest modelem predykcyjnym w tym rozumieniu, że nie pozwala on przewidywać przyszłych zachowań z pewnością. Ale dzięki rozumowaniu abdukcyjnemu pozwala przyjąć założenia co do pewnych tendencji i prawdopodobieństwa wystąpienia określonych zachowań w przyszłości. Szczególnie istotny jest w tym pęd, który pozwala przewidzieć, czy dana osoba podejmie kolejną próbę, jeśli jej pierwsze zachowanie nie przyniosło jej spodziewanych rezultatów. Nie mówi nam jednak nic o tym, czy osoba ta powtórzy poprzednie zachowanie, czy poszuka innego rozwiązania.

Czy kolejne zidentyfikowane zachowania pozwalają określić parametr, którego wcześniej nie znaliśmy?

Tak, obserwacja kolejnych zachowań może być bardzo przydatna przy określeniu punktu odniesienia (obszaru, którego dotyczą). Może to być trudne przy jednym zachowaniu, ale każde kolejne zawęża obszar możliwych punktów odniesienia. Dzięki temu możemy łatwo ustalić wektor (opisujący stosunek zachowań do punktu odniesienia), Dynamikę jako sposób realizacji (który może się zmieniać, jeśli dana osoba zmienia sposób realizacji celu) oraz Pęd, o którym dowiemy się szczególnie dużo nie tylko z ilości prób, ale i reakcji na niepowodzenia.

by dr Andrzej Jakubiec - adwokat, mediator

ZASTOSOWANIE MPZ W SPORZE WSPÓLNIKÓW

Artykuł opisuje przykładowe zastosowanie Modelu Parametrów Zachowań (MPZ) w sporze między wspólnikami. Pokażę w nim możliwą interpretację prowadzącą do eskalacji oraz różnice, jakie niesie za sobą zastosowanie MPZ. Zacznijmy od opisu sytuacji wyjściowej.

Konflikt wspólników – sytuacja wyjściowa

Wspólnik A składa formalny wniosek o zwołanie zgromadzenia wspólników. Celem zgromadzenia ma być podjęcie uchwały o wypłacie dywidendy (będą dalej pisał w uproszczeniu o wniosku o wypłatę dywidendy). W tej spółce niepisaną zasadą było akumulowanie części zysku na kapitale zapasowym, reszta zaś była reinwestowana. Dywidendy do tej pory nie wypłacano, na co godzili się obaj wspólnicy.

W naszym przykładzie komunikacja między wspólnikami jest już od długiego czasu zła. Sprowadza się do ustalania najważniejszych rzeczy przez formalne pisma, w których zwracają się do siebie już per „Pan” (chociaż przez wiele lat byli na „Ty”) lub przez prawników. Narastają między nimi podejrzenia i nieufność.

Możliwa eskalacja sporu w spółce

Wspólnik B czuje się osobiście urażony wnioskiem o wypłatę dywidendy. Reaguje natychmiastową oceną zachowania Wspólnika A. Co ważne, działa pod wpływem podstawowego błędu atrybucji. Tłumaczy zachowanie partnera przez jego rzekome cechy wewnętrzne, które takie działania mają determinować. Przypisuje mu więc chciwość, krótkowzroczność, brak lojalności, egoizm, a nawet głupotę. Taki obraz A pozwala jednocześnie B widzieć w sobie cechy przeciwstawne: odpowiedzialność, dalekowzroczność, lojalność, racjonalność i umiarkowanie.

Asystent AI utwierdza wspólnika B w pierwotnym przekonaniu

Chcąc upewnić się, że ma rację, Wspólnik B wprowadza swój opis sytuacji (subiektywnie postrzeganej) jako prompt do asystenta AI. W tym scenariuszu czat wykazuje się tzw. hiperużytecznością i wzmacnia jego przekonanie argumentując, że rozsądek, odpowiedzialność i konsekwencja w polityce finansowej to fundament sukcesu, a chciwość i lub braki kompetencyjne w zakresie finansów osobistych nie są cechami pożądanymi u wspólnika. Po uznaniu negatywnych cech Wspólnika A za pewnik, czat przewiduje, co innego może on zrobić, by dostać pieniądze. Kreśli więc możliwe scenariusze, w których Wspólnik A może sam zrobić sobie przelew, poprosić kogoś o wystawienie „lewej” faktury itp. Niepokój Wspólnika B narasta.

LLM „najlepszym” doradcą

W sposób, jaki wyżej opisałem, konflikt interesów szybko przekształca się w konflikt wartości podsycany przez „użyteczne” modele językowe. Zamiast analizować zachowanie A, B zaczyna analizować jego rzekome cechy i intencje. Może zareagować nie tylko głosowaniem przeciw uchwale o wypłacie dywidendy, ale chcąc uprzedzić „niewątpliwe” malwersacje, podejmuje działania mające na celu odcięcie A od dostępu do rachunków bankowych spółki.

Asystent AI przedstawia Wspólnikowi B gotowe działania, które mają go przed takim „zamachem” uchronić. Co ważne, Wspólnik B najpierw konsultuje się z czatem – jest to narzędzie darmowe i daje odpowiedzi natychmiast. Poza tym, od dawna miał wrażenie, że tak naprawdę, tylko czat go rozumie. Z nikim nie rozmawiało mu się tak dobrze. Gdy później będzie rozmawiał z prawnikami, oceni ich wiedzę, zaangażowanie i bystrość wg tego, czy powiedzą mu to, co już wywnioskował z rozmów z czatem. Jeśli któryś prawnik powie coś innego, to pójdzie do innego.

Wspólnik A odczytuje to działanie jako niedopuszczalną napaść i… konsultuje się ze swoim asystentem AI strategię obrony. Co ciekawe, różne modele AI mogą interpretować daną sytuację inaczej.

Moje obserwacje na temat roli LLM w sporach miedzy wspólnikami

Wielokrotnie spotkałem się z takimi zachowaniami i poświęciłem im kilka artykułów. W sytuacji, którą opisałem zachodzą warunki umożliwiające powstanie systemowego Sprzężonego Błędu Konfirmacji, którego szczegółowe działanie opisałem tutaj. Opis możliwej eskalacji konfliktu między wspólnikami korzystającymi z LLM znajdziecie pod tym linkiem. A tu możecie przeczytać, jak wyglądają skutki myślenia tunelowego w sporach wspólników. Inspiracją do napisania tych tekstów były moje obserwacje i doświadczenia jako doradcy w sporach.

Co daje nam Model Parametrów Zachowań?

W takim momencie warto zastosować Model Parametrów Zachowań (MPZ). Możliwe korzyści przedstawia poniższa grafika:

Rys. 1. Porównanie ścieżki eskalacji emocjonalnej z istotną rolą LLM oraz analitycznego zastosowania Modelu Parametrów Zachowań (MPZ) w sporze wspólników.

Zastosowanie Modelu Parametrów Zachowań

Model Parametrów Zachowań pomaga nam zrozumieć sytuację poprzez odniesienie się do zachowania Wspólnika A, nie zaś przypisywanych mu cech charakteru, systemu wartości, ani świadomej motywacji. Jest to więc podejście typowo behawioralne.

Jego zaletą, która pojawia się niemal od razu, jest zmniejszenie ekspozycji na podstawowy błąd atrybucji. Nie oznacza to, że no w ogóle nie wystąpi, ale jego działanie zostanie osłabione. Analizie poddamy bowiem samo zachowanie. Właśnie ono powinno nas interesować najbardziej, jako realne zjawisko, które ma wpływ na rzeczywistość i nasze interesy.

Co wiemy o zachowaniu Wspólnika A?

Faktem jest, że wiemy niewiele. Ale zacznijmy od początku. Wiemy, że złożył formalny wniosek zmierzający do wypłaty dywidendy. Podjął więc aktywność. Jego działanie opisać można wg parametrów MPZ jako cechujące się Dynamiką + (aktywność). I to jest punkt wyjścia.

Identyfikacja punktu odniesienia

W takiej sytuacji należy zadać pytanie o dwa pozostałe parametry, tj. wektor i pęd. Zacznijmy więc od zidentyfikowania punktu odniesienia. Wektor bowiem określa stosunek zachowania do punktu odniesienia. Wektor 0 oznacza dążenie do utrzymania status quo (obronę stanu określonego przez punkt odniesienia), a Wektor 1 oznacza, że zachowania zmierza do jego zmiany. Przypomnijmy sobie, że w tej spółce panowała niepisana zasada, że dywidendy się nie wypłaca. Zidentyfikowane działanie zmierza więc w sposób oczywisty do zmiany właśnie tego elementu. Punktem odniesienia będzie więc obecna polityka dywidendowa.

Ustalenie wektora

Jaki wektor przypiszemy zidentyfikowanemu zachowaniu? Czy zmierza ono do utrzymania status quo (Wektor 0), czy do jego zmiany (Wektor 1)? Binarność MPZ nakazuje rozważenie obu tych wariantów przez postawienie konkurencyjnych hipotez. I chociaż zidentyfikowane działanie na pierwszy rzut oka zmierza wyraźnie do zmiany obecnej polityki wypłacania dywidendy (H1), to musimy rozważyć, czy może być dokładnie odwrotnie? Musimy więc zbudować hipotetyczne warunki, w których logiczne okazałoby się, że wniosek o wypłatę dywidendy zmierza rzeczywiście w kierunku przeciwnym, tj. do zamrożenia polityki dywidendowej i pozostawiania zysku w spółce (H2).

Konstrukcja H2

W naszym przykładzie możemy wyobrazić sobie, że np. A dowiedział się, że w przyszłym roku to B będzie chciał kupić dom i wypłacić dywidendę. Dzisiejszy wniosek A może zmierzać wyłącznie do tego, by sprowokować B do postawienia publicznie całego szeregu argumentów za niewypłacaniem dywidendy właśnie po to, żeby za rok trudniej było mu argumentować, że politykę dywidendową należy zmienić.

Jeśli uda nam się taką hipotezę zbudować, należy dokonać próby jej falsyfikacji – obalenia przez wykazanie jej wewnętrznych sprzeczności lub niezgodności z faktami. Pamiętajmy jednak o tym, że obalenie jednej z hipotez absolutnie nie świadczy o prawdziwości drugiej. Obie mogą być błędne. Ale obie nie mogą być jednocześnie prawdziwe.

Sama konieczność rozważania, w jakim kierunku może zmierzać zidentyfikowane zachowanie pozwala nam na jego umiejscowienia w twardej rzeczywistości, a nie w ocenach odnoszących się do domniemanych cech charakteru.

W ramach H2 możemy i powinniśmy stworzyć kilka hipotez równoległych i przetestować każdą z nich. Nie chodzi jednak o tworzenie dowolnych, fantazyjnych wyjaśnień. Hipoteza musi być jak najsilniej zakorzeniona w znanych faktach, kontekście sporu i dalszych obserwowalnych zachowaniach.

Jak wybrać między H1 a H2?

Na poziomie teoretycznym H1 i H2 mają taką samą moc. Nie oznacza to, że ich uzasadnienie faktyczne jest takie samo. Model sam w sobie nie mówi nic o tym, czy któraś, ani tym bardziej która z nich jest prawdziwa. Jego zaletą jest natomiast wskazania również nieintuicyjnego kierunku, który należy rozważyć.

Jak się wydaje, w braku jasnych przesłanek pozwalających wyraźnie wybrać jedno z logicznie możliwych rozwiązań, należy roboczo przyjąć rozwiązanie (hipotezę), która wyjaśnia zidentyfikowane zachowanie i jego cel w sposób prostszy oraz przy mniejszej liczbie założeń co do motywacji (brzytwa Ockhama).

W tym przykładzie uznamy roboczo, że zachowanie Wspólnika A zmierza do zmiany obecnej polityki dywidendowej (Wektor 1). Jest to bowiem uzasadnienie prostsze i wymagające mniej założeń co do okoliczności, których nie znamy, w tym co do motywacji. Ważna pozostaje jednak świadomość, że to tylko jedna z możliwych opcji.

Określenie Pędu

Przypisaliśmy więc zidentyfikowanemu zachowaniu dwie wartości: W1 i D+. Ale co z pędem? Przypomnijmy, że pęd opisuje stopień utrzymywania lub zwiększania zaangażowania w dane zachowanie pomimo ponoszonych lub przewidywanych kosztów, strat i ryzyka.  (L) – oznacza niski pęd (ang low), a (H) oznacza wysoki (ang. high).

W przedstawionym wyżej scenariuszu eskalacji bardzo łatwo przyszło Wspólnikowi B przypisać A niecne intencje i dyskwalifikujące właściwości charakteru. Wspólnik B mógł wówczas zakładać, że za chciwością i głupotą stoi wielka determinacja. A to zestawienie uznał za bardzo niebezpieczne. Bardzo łatwo skłania bowiem do zdecydowanego przeciwdziałania i utrudnia dialog.

Tymczasem, o pędzie zidentyfikowanego zachowania Wspólnika A (złożenie wniosku o wypłatę dywidendy) nie wiemy nic. Uświadomienie sobie tego jest wielką wartością i czynnikiem działającym potencjalnie deeskalacyjnie.

Nie wiemy na tym etapie nic o motywacji, finansach osobistych, potrzebach rodzinnych działającego Wspólnika A. Obecnie nie wiemy również, czy jest gotów wynająć prawników, czy jest gotów do działań eskalacyjnych, by wymusić wypłatę dywidendy, czy może posunąć się do szantażu korporacyjnego i doprowadzić do szkody po stronie spółki poprzez zablokowanie innych uchwał. Nie wiemy, czy będzie ten wniosek powtarzał, ani jak zareaguje na naszą negatywną odpowiedź.

I w tym wypadku powinniśmy zbudować dwie przeciwstawne hipotezy i zderzyć je z faktami, podobnie, jak przy wektorze.

Obserwacja i dodatkowe informacje w określeniu pędu

Gdybyśmy jednak zauważyli zachowania Wspólnika A lub zewnętrzne okoliczności świadczące o wysokim lub niskim pędzie, byłaby to dla nas bardzo cenna informacja. Przykładowo, gdybyśmy dowiedzieli się, że u jego żony wykryto ciężką chorobę wymagającą drogiego leczenia, a bank odmówił mu pożyczki, będziemy mogli zakładać, że pęd zachowania wspólnika jest bardzo wysoki. To zaś pozwoli czynić założenia co do jego kolejnych kroków (będzie podejmował kolejne próby zdobycia pieniędzy). Przeciwnie, gdybyśmy dowiedzieli się, że zrobił to „dla żartu” lub by przetestować naszą reakcję albo zwyczajnie sprowokować rozmowę, jakiej dawno nie było, będziemy mogli zakładać, że pęd jest niski, co również pozwoli nam na poczynienie stosownych założeń.

Tabela 1: Przestrzeń hipotez związanych z pędem

Tabela pokazuje istotną cechę modelu. Znajomość dwóch parametrów nie determinuje wartości trzeciego. Tworzy jednak przestrzeń dla konkurencyjnych hipotez, które można następnie testować.

Tabela 2: Wpływ pędu na predykcję zachowań

Na czym może polegać działanie deeskalacyjne Modelu Parametrów Zachowań?

W tym przykładzie MPZ może pełnić nie tylko funkcję opisową, ale również potencjalnie deeskalacyjną. Nie twierdzę, że model sam w sobie zapobiega eskalacji konfliktu. Jego konstrukcja może jednak sprzyjać kilku zachowaniom analitycznym:

1. skłania do analizy faktów;
2. ogranicza automatyczne przechodzenie od zachowania do oceny charakteru;
3. sprzyja poszukiwaniu rzeczywistych interesów;
4. utrudnia utożsamianie pojedynczego działania z trwałą strategią drugiej strony;
5. wyraźnie oddziela to, co wiemy, od tego, czego jeszcze nie wiemy, a przez to może skłaniać do zadania pytania i rozpoczęcia dialogu.

Model Parametrów Zachowań: Pytania

Co jeśli w sporze wspólników punkt odniesienia (status quo) jest sporny lub niejednoznaczny?

Określenie punktu odniesienia bywa trudne. Należy kierować się zasadą bezpośredniości, to jest szukać takiego punktu, do którego wprost odnosi się dane zachowanie. Dopiero, jeśli nie pozwala on na zbudowanie dwóch silnych przeciwstawnych hipotez, należy poszukać innego.

Zaletą MPZ jest właśnie to, że zmusza do jawnego zdefiniowania punktu odniesienia. Jeżeli przyjmiemy różne status quo, możemy otrzymać różne przestrzenie hipotez. Chroni to przed przyjęciem jednej perspektywy jako oczywistej. Co więcej, przesuwa on naszą uwagę z domniemanych cech danej osoby właśnie na obszar, którego dotyka jej działanie.

Czy wysoki Pęd (PH) oznacza, że druga strona ma silniejsze racje prawne lub biznesowe?

Nie. Pęd opisuje utrzymywanie lub zwiększanie zaangażowania w dane zachowanie mimo kosztów, strat i ryzyka. Nie opisuje siły argumentów prawnych ani merytorycznych. Co więcej, nie opisuje nawet osobistego stosunku podmiotu do jego działania, ani jego przekonania o racjach.

Wspólnik może wykazywać wysoki Pęd, działając na podstawie błędnych założeń prawnych, biznesowych lub emocjonalnych. Parametr ten opisuje zachowanie, a nie jego słuszność. Co ważniejsze, to zewnętrzne względem niego samego okoliczności mogą”pchać” go w danym kierunku. Czasem czynią to wbrew jego woli, kiedy indziej nawet nie będzie on tego wpływu świadom.

Czy na podstawie znanych parametrów danego zachowania można przewidzieć kolejne zachowanie?

Model Parametrów Zachowań nie jest modelem predykcyjnym w tym rozumieniu, że nie pozwala on przewidywać przyszłych zachowań z pewnością. Ale dzięki rozumowaniu abdukcyjnemu pozwala przyjąć założenia co do pewnych tendencji i prawdopodobieństwa wystąpienia określonych zachowań w przyszłości. Szczególnie istotny jest w tym pęd, który pozwala przewidzieć, czy dana osoba podejmie kolejną próbę, jeśli jej pierwsze zachowanie nie przyniosło jej spodziewanych rezultatów. Nie mówi nam jednak nic o tym, czy osoba ta powtórzy poprzednie zachowanie, czy poszuka innego rozwiązania.

Czy kolejne zidentyfikowane zachowania pozwalają określić parametr, którego wcześniej nie znaliśmy?

Tak, obserwacja kolejnych zachowań może być bardzo przydatna przy określeniu punktu odniesienia (obszaru, którego dotyczą). Może to być trudne przy jednym zachowaniu, ale każde kolejne zawęża obszar możliwych punktów odniesienia. Dzięki temu możemy łatwo ustalić wektor (opisujący stosunek zachowań do punktu odniesienia), Dynamikę jako sposób realizacji (który może się zmieniać, jeśli dana osoba zmienia sposób realizacji celu) oraz Pęd, o którym dowiemy się szczególnie dużo nie tylko z ilości prób, ale i reakcji na niepowodzenia.

by dr Andrzej Jakubiec - adwokat, mediator

MÓJ MODEL PARAMETRÓW ZACHOWAŃ

Zajmuję się decyzjami. Pomagam klientom podejmować dobre decyzje. Chronię ich przed skutkami tych złych. Od dawna interesowały mnie jednak nie tylko prawne aspekty decyzji. Postanowiłem przyjrzeć się procesowi decydowania ze znacznie szerszej perspektywy.

Zapoznałem się z podstawową literaturą dotyczącą aspektów neurologicznych i psychologicznych. Przyjrzałem się również roli decyzji w teorii gier i strategii konfliktu. Poznałem w końcu podejście behawioralne, które kładzie nacisk na zewnętrzne przejawy zachowania, nie zaś na wewnętrzne przekonania i świadomą motywację. To podejście przekonało mnie najbardziej. Dlatego też zdecydowałem się na dokonanie ważnej zmiany w porównaniu do poprzednio opisywanego modelu parametrów decyzji, który zestawiłem nawet funkcjonalnie m.in z teorią markera somatycznego A. Damasio. Model, który obecnie przedstawiam nie opisuje procesu podejmowania decyzji, ale zachowanie.

Model Parametrów Zachowań nie opisuje tego, co człowiek myśli — opisuje to, co robi. Dzięki temu pozwala analizować strategię w konfliktach na podstawie faktów, a nie deklaracji. Myślę, że warto go używać znając jednocześnie model zachowań Fogga.

Model Parametrów Zachowań jest binarnym, trójparametrowym modelem heurystycznym służącym do klasyfikacji obserwowalnych zachowań w określonym kontekście strategicznym oraz do formułowania i testowania konkurencyjnych hipotez dotyczących nieznanego parametru tego zachowania.

Co rozumiem przez jego binarność? Każdy z parametrów ma dwie wartości. Jak to się ma do tego, że poszukując treści nieznanego parametru należy zbudować co najmniej dwie hipotezy? Chodzi o to, że każda z możliwych wartości każdego z parametrów kryje w sobie wiele możliwości, czasami wobec siebie przeciwstawnych (jak w przykładzie z małżeństwem, gdzie pozew o rozwód oznacza dążenie do zmiany – ale jakiej? Do zakończenia małżeństwa, czy jego naprawy?).

Cel Modelu Parametrów Zachowań

Mój model ma w prosty sposób opisać jak najwięcej rodzajów zachowań. Chciałem, aby był intuicyjny (co jest bardzo subiektywne) i użyteczny.

Jego użyteczność ma polegać na tym, że w swej prostocie automatycznie zakłada alternatywę, a więc skłania do wysiłku intelektualnego, konieczności rozważenia innej opcji. Tak jak widzimy u kogoś prawą rękę, powinniśmy założyć istnienie lewej. Tak samo, każdy z przyjętych parametrów zachowania zawiera dwie możliwości. Świadomość tego jest wartością samą w sobie i pozwala lepiej zrozumieć zarówno zachowanie drugiej strony, jak i rozważyć alternatywę dla własnych działań.

Intuicyjność zaś, jak sądzę udało mi się spełnić przez oparcie modelu o parametry odnoszące się do kwestii podstawowych i dla każdego (chyba) oczywistych. To oczywiście ocenią Czytelnicy.

Proponuję więc heurystyczny model opisu zachowania w strategii, którego użyteczność polega m.in. na:

1. wymuszaniu rozważenia alternatywnych hipotez dotyczących nieznanego elementu zachowania;

2. ułatwieniu poszukiwania nieznanego parametru przez wskazanie pola do budowy roboczych hipotez.

Charakter Modelu Parametrów Zachowań

Mój model ma charakter opisowy, heurystyczny, a nie predykcyjny. Nie służy ani wyborowi najlepszej opcji, ani bezpośrednio przewidywaniu, jak zachowa się osoba trzecia. Służy on opisowi zachowań już zidentyfikowanych, ich klasyfikacji oraz, o czym była już mowa wyżej w przykładzie z ręką, konieczności rozważenia alternatyw, co jest jego niewątpliwym atutem. W żaden sposób jednak sam nie pozwala uznać, że jakieś wartości parametrów znanych preferują wynik parametru nieznanego.

Model Parametrów Zachowań odnosi się zawsze do zachowań w określonym kontekście. Każdy z parametrów może stanowić punkt odniesienia przy formułowaniu hipotez dotyczących dwóch pozostałych. Oznacza to, że zidentyfikowanie (poprawne) dwóch z nich może pomóc w poszukiwaniu trzeciego.

Można więc powiedzieć, że Model Parametrów Zachowań w pewnych okolicznościach ogranicza przestrzeń możliwych interpretacji trzeciego parametru i pozwala sformułować hipotezy wymagające dalszej weryfikacji.

Opis Modelu Parametrów Zachowań

Mój model nazwałem roboczo Modelem Parametrów Zachowań. Model posługuje się trzema parametrami. Przyjrzyjmy im się.

3 Parametry Zachowań

Proponuję, by zachowaniom przypisać 3 parametry.

3 parametry zachowań to: wektor, dynamika i pęd.

Wektor

Pierwszym parametrem jest wektor. Jego punktem odniesienia jest stan obecny (status quo). Wektor określa kierunek, w jakim zachowanie oddziałuje na stan obecny. Jego wartość to 0 lub 1. Niech 0 oznacza tendencję do pozostania w obecnym układzie, a 1 prowadzi do zmiany.

Zdaję sobie sprawę, że stan obecny może być bardzo złożony, a w jego ramach pewne elementy mogą być pożądane, w przeciwieństwie do innych.

Widzę również, że stan ten może być dynamiczny i zmieniać się w określonym kierunku (lub kilku). W takiej sytuacji może dojść do akceptowania kierunku zmiany, ale nie np. jej szybkości, zakresu lub sposobu.

Oczywistym problemem jest również określenie samego punktu odniesienia. Co jest status quo? Rewolucja, czy obalony przez nią ustrój? Czy punktem odniesienia jest stan zmieniany, czy proces zmiany, a może stan po zmianie? Na poziomie abstrakcyjnym nie ma odpowiedzi na te pytania. Na poziomie konkretnym należy, jak sądzę, wybrać najprostszy punkt odniesienia, na który zachowania oddziałują bezpośrednio. Najprostszym punktem odniesienia jest chyba stan obecny w zakresie, w jakim odnosi się do niego zachowanie. Myślę, że to od niego powinniśmy zaczynać. Nie zmienia to faktu, że zasadne jest poszukiwanie jak najszerszego kontekstu.

O tym, że już samo rozważenie, co jest punktem odniesienia, daje bardzo wymierne korzyści w postaci zwiększenia przestrzeni dla formułowania testowanych hipotez, zobaczymy w przykładzie na końcu tego artykułu.

Dynamika

Drugim parametrem zachowania jest dynamika. Wyróżnijmy 2 wartości dynamiki: (+) i (-), gdzie (+) oznacza, że działanie, a (-) bierność.

Dla porządku: przez „zachowanie” rozumiem zarówno tradycyjne działanie (widoczne z boku), jak i bierność: a) celową, świadomą bierność, którą używając terminologii prawnej można porównać do „zaniechania”, chociaż w tym modelu nie musi być ona pejoratywna oraz b) bierność nieświadoma, niezamierzoną, wynikającą z bezsilności, bez względu na jej przyczynę, stosunek podmiotu do niej i jej skutki.

Podstawowym problemem, jaki tu dostrzegam, jest to, że dróg do osiągnięcia danego celu może być wiele i nie zawsze się one wykluczają, co więcej niektóre z nich mogą być czasami realizowane równolegle, niezależnie od siebie. Mój model w tym wariancie opisuje dynamikę jednego zachowania. Nie ma natomiast problemu, by wprowadzić do opisu konkretnego stanu kilka zachowań i każde z nich określić przyjmując odpowiednio D(n)(-/+).

Pęd

Trzecim parametrem zachowania jest Pęd, który w poprzednich tekstach nazywałem determinacją. Zdecydowałem się na zmianę tej nazwy z trzech powodów. Po pierwsze, odwołanie się od określeń fizycznych dla wszystkich trzech parametrów jest bardziej spójne. Dalej, używając pierwszej litery unikam powtórzenia w przypadku determinacji i dynamiki. Po trzecie wreszcie, pęd mniej odnosi się do aspektów wolicjonalnych, świadomych, a bardziej opisuje zachowanie. O ile determinacja odpowiada na pytanie co (obiekt) chce, to pęd opisuje co się z nim dzieje, co lepiej oddaje zewnętrzne, behawioralne aspekty tego elementu.

Pęd opisuje stopień utrzymywania lub zwiększania zaangażowania w dane zachowanie pomimo ponoszonych lub przewidywanych kosztów, strat i ryzyka. Przyjmijmy więc, że pęd może przybrać dwie wartości (L) i (H), gdzie (L) – oznacza niski (ang low), a (H) oznacza wysoki (ang. high).

Jestem w pełni świadom, że pęd może być złożonym czynnikiem. Próba jego opisu za pomocą dwóch wartości stanowi uproszczenie. Przecież wartość ta może być zmienna w czasie, inna w odniesieniu do rodzaju kosztu (np. finansowy, reputacyjny), inna w określeniu do konkretnej strategii postępowania oraz przy założeniu wielu sekwencji ruchów do dynamiki i zakresu angażowania się w kolejne. Jest to więc uproszczenie skrajne, ale na tym polega właśnie jego zaleta. Pozwala uprościć to, co wydawać się może skomplikowane i chaotyczne. Jeśli tylko będziemy wiedzieli, co może się pod tymi określeniami kryć, mogą one okazywać się użyteczne, podobnie, jak określenia „tani” i „drogi”.

Pęd opisuje stopień utrzymywania lub zwiększania zaangażowania w dane zachowanie pomimo ponoszonych lub przewidywanych kosztów, strat i ryzyka.

Parametry zachowania jako elementu strategii

Wektor określa stosunek zachowania do punktu odniesienia. Zachowanie broniące status quo lub skutkujące jego zmianą może przybrać postać działania lub bierność (dynamika + lub –).

Pęd opisuje utrzymywanie lub zwiększanie zaangażowania w dane zachowanie mimo kosztów, strat i ryzyka.

Wektor, dynamika i pęd stanowią uproszczony model heurystyczny, stworzony przeze mnie (a przynajmniej nie znam publikacji, które się tymi parametrami posługują) na potrzeby opisu zachowań. Jego użyteczność wymaga z pewnością przetestowania – jest to obecnie wyłącznie model hipotetyczny.

Tabela 1: 3 parametry zachowań

Ustalenie brakującego parametru

Co ważne, dzięki identyfikacji i prawidłowej interpretacji czynników składających się na dwa parametry zachowania, otrzymujemy dane, które sugerują nam kierunek, w którym możemy poszukiwać trzeciego z nich. Znajomość dwóch parametrów nie determinuje trzeciego, ale pozwala zbudować ukierunkowane hipotezy dotyczące jego wartości i osadzone w realiach. Weryfikacja tych hipotez wymaga analizy dodatkowych, obserwowalnych zachowań i kontekstu. Co ważne, hipotezy te trzeba zetrzeć nie tylko z nimi samymi, wzajemnie, ale przede wszystkim z faktami. Każda para parametrów tworzy przestrzeń hipotez dla trzeciego. Podkreślam, że znajomość dwóch parametrów nie pozwala wywnioskować wartości trzeciego. Pozwala natomiast skonstruować ukierunkowane hipotezy dotyczące jego wartości.

Co więcej, trzeba zakładać, że działanie to może być użyteczne tylko w określonym kontekście. Rozumiem przez to, że trzeba znać otoczenie i relacje, w jakich odkrywana strategia jest stosowana.

Jeśli znamy stosunek zachowań osoby X do status quo (W) i zidentyfikowaliśmy jej zachowanie (D), to możemy łatwiej zbudować dwie osadzone w realiach hipotezy odnoszące się do pędu, w jakim ta osoba się znajduje (P).

Jeśli widzimy zachowanie (D) i określony pęd (P), możemy sformułować konkurencyjne hipotezy dotyczące jego wpływu na status quo (W). Następnie możemy skonfrontować te hipotezy ze znanymi faktami i dalszymi obserwacjami.

Jeśli znamy stosunek zachowań danej osoby do status quo (W) i ich pęd (P), łatwiej będzie nam stworzyć dwie przeciwstawne hipotezy dotyczące sposobu realizacji celu (D) i przetestować je w relacji ze znanymi faktami i ze sobą.

Ograniczenia Modelu Parametrów Zachowań

Cechą mojego Modelu jest to, że sam nic nie mówi o wartości brakującego parametru. Nie możemy go w żaden sposób wywnioskować z wartości dwóch znanych parametrów. Wada ta jest jednak największą zaletą tego modelu. Pozwala bowiem potraktować dwa znane parametry jako punkt wyjścia do poszukiwania i testowania hipotez dotyczących parametru trzeciego. Co więcej, zmusza nas to zbudowania co najmniej dwóch przeciwstawnych hipotez (wartości brakującego parametru).

Musimy każdorazowo zakładać, że żadna ze stworzonych w ten sposób hipotez nie będzie prawdziwa. Szczególnie, falsyfikacja jednej z nich, nie oznacza automatycznie prawdziwości drugiej. Przetrwanie kolejnych prób zwiększa uzasadnienie dla dalszego traktowania hipotezy jako roboczej, ale nie dowodzi jej prawdziwości. (Popper, Logika odkrycia naukowego). Skoro parametr jest co najmniej binarny, nieznajomość jego wartości pozwala sformułować co najmniej dwie konkurencyjne hipotezy. Następnie należy je zderzyć ich ze sobą oraz znanymi faktami w logicznej konfrontacji.

Model zakłada więc, że przy identyfikacji parametrów większe znaczenie należy przypisywać obserwowalnym zachowaniom i ich konsekwencjom niż deklaracjom dotyczącym własnych intencji.

Brakującej informacje można próbować poszukiwać przez analizę zachowań za pomocą rozumowania abdukcyjnego. Model nie przewiduje brakującego parametru. Model pomaga w jego poszukiwaniu. Wniosek dotyczący trzeciego parametru jest zawsze zależny od prawidłowej identyfikacji dwóch parametrów wyjściowych. Jednakże, błąd w ich ustaleniu nie oznacza, że nasza hipoteza dotycząca trzeciego parametru będzie od razu błędna. Tak samo, potwierdzenie poprawności wcześniejszych założeń, ani obalenie jednej z hipotez, nie determinuje prawdziwości drugiej.

Zastrzegam, że nie każda hipoteza zgodna logicznie z dwoma znanymi parametrami jest równie uzasadniona. Hipoteza powinna być oceniana przede wszystkim na podstawie jej zgodności z obserwowalnymi faktami, kontekstem i dalszymi zachowaniami.

Granice modelu

Mój model nie odnosi się do samego procesu podejmowania decyzji, nie ma nic wspólnego z procesami neurologicznymi i psychologicznymi. Model służy do opisu zachowań mogących stanowić element strategii identyfikowanej przez obserwowalne zachowania w określonym kontekście.

Model nie odnosi się do również do deklarowanej lub zatajanej motywacji, wartości czy ideologii. Nie opisuje świadomości wagi sytuacji, jej przyczyn ani skutków.

Nie mówi nic o tym, co dana osoba myśli, ale porządkuje to, co robi – pomagając to zrozumieć.

Problem bierności

Mój poprzedni model parametrów decyzji nie obejmował bierności rozumianej jako ambiwalencja, obojętność, brak zaangażowania. Odróżniał ją wyraźnie od „świadomego uporu”, „trzymania pozycji”.

Model parametrów zachowań obejmuje jednak aktywność i pasywność bez względu na ich przyczyny oraz stosunek do nich podmiotu, którego zachowanie jest analizowane. Innymi słowy, dla opisu skutków zachowań oraz ich wpływu na stan obecny (pierwszy roboczo wybrany punkt odniesienia), bez znaczenia jest to, czy bierność jednostki wynika z przyjętej przez nią strategii, czy z faktu, że nie uświadamia sobie swojej roli i konsekwencji bierności. Bez znaczenia będzie, czy brak działania wynika z akceptacji, prokrastynacji, wyczekiwania, ambiwalencji, ciągłego rozważania, zastraszenia, czy z braku świadomości, że stoi się przed wyborem.

Wewnętrzne procesy motywacyjne, decyzyjne są tu bez znaczenia. Bez znaczenia są również przyczyny (prawdziwe, werbalizowane, utajone, podświadome, wewnętrze, zewnętrzne) przyjęcia (świadomego lub nie) danej postawy. Nie opisujemy tu, ani nie analizujemy stojących za nimi celów, motywacji, ani systemu wartości.

Przynosi to nastepujące korzyści:

1. unikamy psychologizowania i wchodzenia do cudzej głowy;
2. opisujemy to, co przejawiane i dostrzegalne – zachowanie;
3. opisujemy rzeczywiste, a nie zamierzone skutki tych zachowań;
4. bez znaczenia są błędne kalkulacje, ewentualne błędy poznawcze.

Chcę być dobrze zrozumiany. Te ograniczenia odnoszą się wyłącznie do opisu zachowania. Natomiast, gdy wykorzystujemy model w celu budowy hipotez odnoszących się do nieznanego parametru, musimy brać te czynniki pod uwagę. Kierujmy się wówczas jednak zasadą maksymalnego wykorzystania faktów i minimalnego psychologizowania, gdy nie ma ono oparcia w faktach.

Problem aktywności

Należy więc zadać analogiczne pytanie odnoszące się do aktywności? Czy wolno nam przyjmować, że za aktywnością stoi świadoma racjonalność, która ujmuje dane zachowanie w kontekście, który my analizujemy?

Byłoby to równie błędne. Słusznie będzie raczej opisywać poszczególne zachowania oraz ich skutki i w ten sposób za pomocą indukcji budować hipotezy o strategii przyjętej przez drugą stronę.

Z naszego punktu widzenia bez znaczenia będzie znów, czy dane zachowania są celowe, świadome, zaplanowane, czy i jaka stoi za nimi ideologia lub system wartości oraz czy podmiot dostrzega wszystkie ich skutki w polu stanowiącym przedmiot naszego zainteresowania.

Czy możemy mówić o strategii?

Zasadne jest postawienie pytania, czy w świetle poprzedni uwag możemy w ogóle mówić o strategii. Uważam, że tak, o ile przyjmiemy jej szeroki, funkcjonalny wydźwięk. Jeśli strategie obedrzemy z motywacji, świadomości, ideologii, wartości, sumienia, a sprowadzimy do zachowań, które oceniane zbiorczo prowadzą wystarczająco spójnie do danego skutku, to w tym ujęciu, niejako odtwórczo, uznaję, że można z nich wyprowadzić istnienie danej strategii, co wówczas pozwolić może w pewnych warunkach na ograniczone predykcje.

Przykład Zastosowania Modelu Parametrów Zachowań

Niedawno zgłosił się do mnie klient w sprawie rozwodowej. Otrzymał pozew o rozwód i był kompletnie zaskoczony – nadal mieszkał z żoną, nie dochodziło między nimi do awantur, a w ich relacji nie było przemocy, alkoholu ani zdrady. Nie potrafił zrozumieć sytuacji, w której się znalazł. Spróbowaliśmy przeanalizować ją przez pryzmat zachowań.

Określenie parametrów

Żona podjęła konkretne, widoczne działania: udała się do adwokata i opłaciła pozew. Mamy więc do czynienia z dynamiką dodatnią (D+).

Co jeszcze możemy przyjąć? Sam fakt podjęcia działania wiążącego się z realnym kosztem finansowym i organizacyjnym, a także z określonym ryzykiem reputacyjnym i konsekwencjami rodzinnymi, daje silną podstawę do postawienia roboczej hipotezy o wysokim pędzie jej zachowania (PH). Nie traktujemy jej jednak jako pewnika. Ostateczna ocena wymagałaby obserwacji dalszego zachowania – tego, czy żona konsekwentnie podtrzymuje zaangażowanie mimo ponoszonych kosztów, ryzyka i możliwości wycofania się.

Bez Modelu Parametrów Zachowań naturalnym i bezrefleksyjnym założeniem byłoby uznanie, że złożenie pozwu samo w sobie oznacza dążenie do definitywnego zakończenia małżeństwa. Model skłania nas jednak do postawienia dalszych pytań.

Co jest punktem odniesienia?

Możemy więc zacząć albo od poszukiwania status quo i zapytać, czy jest nim:

Status quo 1 – małżeństwo stron w ogóle, czy

Status quo 2 – małżeństwo stron w obecnym kształcie?

Dostrzeżenie tej alternatywy jest w naszym przykładzie przełomem. Musimy bowiem zastanowić się, co dokładnie zostało zanegowane przez złożenie pozwu o rozwód? A to drastycznie poszerza pole do formułowania hipotez. Przechodzimy z pytania: dlaczego żona chce się rozwieść do pytania: jaki stan został zanegowany przez jej zachowanie?

Budowa hipotez

Możemy spróbować odpowiedź stawiając dwie hipotezy:

Hipoteza H1: złożenie pozwu jest działaniem ukierunkowanym na definitywne zakończenie małżeństwa.

Hipoteza H2: złożenie pozwu jest działaniem ukierunkowanym na zakończenie małżeństwa w jego dotychczasowym kształcie.

W H2 mieszczą się dwie dalsze hipotezy:

H2a – złożenie pozwu zmierza do zakończenia małżeństwa w jego obecnym kształcie przez rozwód;

H2b – złożenie pozwu zmierza do zakończenia małżeństwa w jego obecnym kształcie przez zmianę jego kształtu i uratowanie małżeństwa.

H2b może początkowo wydawać się absurdalna. Właśnie dlatego warto ją postawić: w jakich warunkach złożenie pozwu o rozwód może być próbą uratowania małżeństwa, a nie jego zakończenia?

Tabela 2: Hipotezy w wybranym przykładzie. Koniecznie trzeba zwrócić uwagę, że chociaż wszędzie opisano wektor jako 1, tj. dążenie do zmiany, to w opisanym przykładzie zmiana ta jest kompletnie inna w H1 i H2a -> rozwód oraz w H2b -> naprawa małżeństwa. Obie tendencje opisują negację istniejącego stanu rzeczy, ale w zupełnie przeciwstawny sposób. Można uniknąć tej pozornej sprzeczności przyjmując inny punkt odniesienia. Gdybyśmy przyjęli za punkt odniesienia małżeństwo w ogóle, a nie małżeństwo jedynie w obecnym kształcie, wówczas działanie żony należałoby opisać w H1 i H2a przez Wektor 1, a w H2b przez Wektor 0. W każdym wypadku Dynamika będzie tu dodatnia, a Pęd wysoki, jak należy domniemywać.

W realiach konkretnego sporu może się bowiem okazać, że pozew był swoistym „krzykiem rozpaczy” – ostatnią próbą wywołania reakcji u męża, drastycznym testem jego zaangażowania albo próbą zmuszenia go do podjęcia rzeczywistych działań na rzecz relacji.

Wnioski z przykładu

Model nie rozstrzyga jednak, która z tych hipotez jest prawdziwa ani która jest bardziej prawdopodobna. Jego rolą jest wskazanie, że to samo obserwowalne zachowanie może wymagać rozważenia więcej niż jednej interpretacji strategicznej. Dalsza analiza powinna więc koncentrować się na faktach, które pozwolą te hipotezy od siebie odróżnić.

I właśnie w tym miejscu widać praktyczną wartość modelu: nie daje on odpowiedzi tam, gdzie nie mamy wystarczających danych. Zmusza natomiast do sformułowania konkurencyjnych hipotez i poszukiwania faktów, które pozwolą jedną z nich odrzucić.

by dr Andrzej Jakubiec - adwokat, mediator

AI I DYNAMIKA SPORU 3 WSPÓLNIKÓW

Zajmijmy się AI i eskalacją sporu między trzema wspólnikami. W kilku poprzednich tekstach opisałem m.in. dwie grupy zagadnień. Pierwsza: przyczyny niestabilności w układzie trzech wspólników. Druga: możliwy wpływ AI na eskalację sporów i koncepcja sprzężonego błędu konfirmacji. Dzisiaj zwrócę uwagę na obszar, w którym te zagadnienia się krzyżują, a więc dynamikę relacji trzech wspólników, z których każdy korzysta z AI w celu analizy i predykcji ruchów pozostałych wspólników.

Rys. 1. Anatomia sprzężonego błędu konfirmacji (Coupled Confirmation Bias). Jak błędy poznawcze wzmocnione przez AI prowadzą do eskalacji konfliktu w świetle dylematu bezpieczeństwa?

Czego J. Mearsheimer uczy nas o konfliktach wspólników?

To pytanie zadałem w artykule, w którym przedstawiłem tezę, że w spółkach z udziałem 3 wspólników istnieje większe ryzyko konfliktu, niż w spółkach dwu i czteroosobowych. Jest to twierdzenie oparte wyłącznie na mojej intuicji oraz poczynionych przeze mnie obserwacjach z praktyki. Argumenty tego wybitnego politologa, które przedstawił w „Tragizmie polityki mocarstw” odnoszące się do układów 3 równoważących się państw, wydały mi się doskonale tłumaczyć konflikty w trzyosobowych spółkach. Jestem w pełni świadom wątpliwości metodologicznych związanych z próbami przenoszenia wniosków z zakresu stosunków międzynarodowych do skali mikro. Niemniej jednak zwracam uwagę, że w teorii gier (J. Nash) oraz strategii konfliktu „wielkość” graczy nie ma pierwszorzędnego znaczenia (T. Schelling).

Dlaczego w spółce trzyosobowej cześciej dochodzi do sporów?

O ile między 2 lub 4 graczami łatwo stworzy się równowaga (1:1, 2:2) to w przypadku 3 graczy (wspólników), nad każdym z nich wisi groźba koalicji przeciwko niemu. Każdy z nich będzie się obawiał, że pozostali dwaj zawiążą sojusz, a on zostanie zmarginalizowany. Mamy więc do czynienia z tzw. dylematem bezpieczeństwa (security dilemma) tyle że w mikroskali.

Co więc robi (każdy z nich)? Nie che być tym „trzecim” i montuje równolegle dwie koalicje przeciwko każdemu z pozostałych. I tak robi każdy z nich. Nie ze złej woli, ale ze strachu przed tym, co uważa za „nieuchronne”.

W takim układzie gros energii i uwagi każdego ze wspólników poświęcane jest temu, co uważa on za najważniejsze: zapewnieniu sobie przetrwania w spółce. Jak je osiągnąć? Właśnie montując koalicję.

Podstawowy błąd atrybucji w rozumowaniu wspólników

Przypomnijmy, że podstawy błąd atrybucji (PBA) to mechanizm psychologiczny, który tłumaczy, że łatwiej i prędzej dopatrujemy się przyczyn cudzego działania w jego cechach charakteru, niż w zewnętrznych okolicznościach. Wszystkich zainteresowanych odsyłam do książki D. Kahnemana „Pułapki myślenia. O myśleniu szybkim i wolnym.” Możecie też zajrzeć tutaj, do artykułu B. Gawronski, Fundamental Attribution Error.

Oznacza to, że gdy ktoś nam zajedzie drogę, będzie nam łatwiej, szybciej i taniej przypisać to jego niskiej inteligencji połączonej z gnuśnością i chamstwem, niż trudzić się w domysłach, że spieszy się na zgromadzenie wspólników, do rodzącej żony, lub (nie daj Boże) – że to my jechaliśmy za szybko.

Jest to mechanizm, któremu podlegamy wszyscy. Widzę go (i staram się świadomie neutralizować) we własnym myśleniu i praktyce adwokackiej. Spotykam go w sprawach rodzinnych oraz w sporach między wspólnikami.

Każdy z uczestników zaczyna szukać argumentów potwierdzających własną ocenę sytuacji. Coraz częściej robi to z pomocą AI.

Wspólnik „karmi” więc swój LLM opisem zachowań konkurenta „skażonym” przez swój PBA („X znowu spóźnił się z raportem, bo jest leniwy albo coś knuje”). AI, optymalizowane pod kątem konfirmacji i satysfakcji użytkownika, nie odpowie raczej: „A może utknął w korku?”. Częściej wygeneruje strategię obronną przed „leniwym i nielojalnym partnerem”. AI dostaje w ten sposób jako prompt „skażone” dane wejściowe, które następnie multiplikuje.

Bardzo ważne jest przy tym, że podstawowy błąd atrybucji działa mocniej, gdy oceniamy zachowania w naszym rozumieniu niemoralne. Wówczas łatwo przypisujemy drugiej stronie niemoralne cechy. Niekoniecznie jednak działa to równie silnie w drugą stronę, tj. jeśli ktoś zrobił coś dobrego, będziemy ostrożniejsi w przypisywaniu mu pozytywnych cech.

Jaka jest rola AI w eskalacji sporu między trzema wspólnikami?

LLM są zaprojektowane tak, że wzmacniają nasze wyjściowe przekonania. Nie muszą kłamać, ani nami manipulować. One wzmacniają to, co w nas jest. Dotyczy to również naszych przekonań o motywacji drugiej strony. Zjawisko to zostało dokładnie zbadane i opisane przez wybitnych naukowców zajmujących się AI. Oczywiście, podatność na to „wzmacnianie” jest cechą osobniczą – każdy z nas ma inną „wytrzymałość” i poziom autorefleksji.

Obserwujemy więc zjawisko zwane pętlą sprzężenia zwrotnego (M. Glickman, T. Sharot), kiedy to interakcji między użytkownikiem, a LLM jest wiele, a wskutek nich (B. Wang, J. Liu) pierwotnie słabe przekonanie, zostaje znacząco wzmocnione. Nie ma przy tym większego znaczenia, czy jest ono prawdziwe, czy fałszywe. To z kolei może prowadzić do myślenia tunelowego każdego ze wspólników.

Jego cechą jest odrzucanie wszelkich informacji, które nie pasują do przyjętego założenia, oraz wyolbrzymianie wszystkich tych, które mogą je potwierdzać. Osoba w takim stanie szuka już tylko potwierdzenia swojej tezy, nie zaś weryfikacji. Jest gotowa reagować agresją na próby falsyfikacji.

Czym jest sprzężony błąd konfirmacji?

Sprzężony błąd konfirmacji jest moją autorską koncepcją. Jest to znów wyłącznie hipoteza oparta na obserwacjach i wymaga dalszych badań konceptualnych i empirycznych, które mogą ją obalić.

Sprzężony błąd konfirmacji (Coupled Confirmation Bias) opisuje dynamikę eskalacji w systemie, w którym każdy uczestnik korzysta z własnego LLM. Każdy użytkownik podlega podstawowemu błędowi atrybucji, a więc tłumaczy zachowania pozostałych ich (negatywnymi) cechami charakteru, złymi intencjami itp. Najczęściej będą to: głupota, nieuczciwość, chciwość i lenistwo.

Wskutek interakcji człowieka z AI dojdzie do znacznego wzmocnienia tych przekonań oraz do zaplanowania własnego działania.

Kluczowe jest to, że każde następcze działanie jednego użytkownika, będzie punktem wyjścia, paliwem, do kolejnej analizy przez pozostałych. W ten sposób dojdzie do zawężenia przestrzeni negocjacyjnej, utożsamienia się z własnym stanowiskiem (a niekoniecznie interesem), stopniowej utraty poczucia sensu, a nawet dopuszczalności, rozmowy, oraz szybkiego przeniesienia sporu na poziom konfliktu wartości.

Szybko dojdziemy do momentu, w którym problemem przestanie być interes wspólnika, ale sam wspólnik. A rozwiązaniem tego problemu będzie wyeliminowanie wspólnika.

Jak działa sprzężony błąd konfirmacji w układach trzyosobowych?

W mojej praktyce mam dopiero dwa udokumentowane przypadki, o których mogę z całą pewnością stwierdzić, że każdy ze wspólników intensywnie korzystał z AI do analizy postaw i predykcji zachowań pozostałych wspólników. Doszło do bardzo gwałtownej eskalacji z faktycznym paraliżem spółki oraz deklarowaną gotowością ogłoszenia jej upadłości, co każdy ze wspólników postrzegał jako mniejsze zło od dalszego rozwoju intratnego biznesu.

Stawiam tezę, że gwałtowność eskalacji była skutkiem nałożenia się na siebie:

1) mechanizmów strukturalnych – typowych dla układów trzech graczy;

2) synergii indywidualnych błędów poznawczych skutkujących powstaniem błędu systemowego typowego dla interakcji ludzi z AI, cechującego się wzmacnianą rekursywnością.

Więcej o technicznych aspektach sprzężonego błędu konfirmacji oraz o próbie formalizacji tej koncepcji możecie przeczytać tutaj.

Materiał do dalszych badań

Jestem przekonany, że w najbliższej przyszłości powstaną doktoraty i wybitne prace naukowe, które precyzyjnie, z zachowaniem rygorów metodologicznych i w oparciu o badania empiryczne, przyniosą odpowiedź na pytanie, czy opisana wyżej teza jest prawdziwa.

Moim zdaniem, układ trzech graczy – również w skali mikro, nie tylko mocarstw, jest podatny na konflikt sam w sobie. Jednak, gdy nałożymy na niego błędy poznawcze wzmacniane i tworzone z udziałem AI wykorzystywanego przez każdego z tych graczy, ryzyko dynamicznej eskalacji istotnie wzrośnie.

Póki co jest to wyłącznie koncepcja istniejąca w mojej głowie, propozycja do poważniejszych badań i próba zrozumienia rzeczywistości, którą nie tylko obserwuję, ale jako adwokat – częściowo sam kształtuję.

O tym, jak LLM mogą wzmacniać nasze błędy poznawcze i wpływać przez to na podejmowane decyzje już niedawno pisałem. Teraz jedynie odsyłam do tego tekstu.

Jak AI wpływa na konflikt między wspólnikami? Wnioski

1. W spółce trzyosobowej każdy wspólnik walczy nie o przewagę, lecz o przetrwanie. Powstaje dylemat bezpieczeństwa.
2. Wspólnik zagrożony szuka partnera, by samemu nie zostać tym „trzecim”.
3. Może tak robić każdy wspólnik.
4. AI ma tendencję do wzmacniania błędów poznawczych użytkownika i utwierdzania go w wyjściowych przekonaniach.
5. Sprawia to, że rośnie ryzyko, że każdy ze wspólników podejmie działania, które sam oceni jako prewencyjne i defensywne.
6. W oczach pozostałych będą one jednak ofensywne.
7. Ryzyko eskalacji jest znacznie większe w spółkach trzyosobowych, szczególnie, gdy wspólnicy korzystają z AI do analizy swojej sytuacji.

by dr Andrzej Jakubiec - adwokat, mediator

CZY AI ESKALUJE SPORY RODZINNE I BIZNESOWE?

Od dawna piszę o niepokojącym zjawisku eskalacji. Obserwuję, że korzystanie z AI sprzyja radykalizacji poglądów i zawężeniu przestrzeni negocjacyjnej. Spotkałem się też z sytuacją, kiedy obie strony oddały komunikację swoim modelom AI, ale każda myślała, że tylko ona tak robi. Wyniki potwierdzają, że LLM sprzyja utwierdzaniu użytkowników w ich wyjściowych poglądach oraz tworzy nowe lub wzmacnia istniejące błędy poznawcze. Zwróciłem również uwagę, że dane wejściowe, jakie wprowadzamy do czata są już poddane przez nas selekcji oraz interpretacji. AI jako „rozmówca idealny” ma tendencje do przyznawania nam racji. Wielu moich klientów ze łzami w oczach mówiło mi, że poczuli się, „jakby pierwszy raz w życiu ktoś ich zrozumiał”.

Gdy obie strony konfliktu korzystają z AI, każda może utwierdzać się we własnej narracji. Efektem bywa eskalacja zamiast porozumienia.

6 lipca 2026 ukazał się wDGP artykuł, w którym autor opisuje sprzężenie zwrotne i wzrost radykalizacji użytkowników AI

W soim artykule prof. Rzewuski pisze, że AI może „ogłupiać ludzi” nawet mówiąc im prawdę. Jest to oczywiście uproszczenie. Nie chodzi o ogłupianie kogokolwiek, ale o radykalizację poglądów, utwierdzanie w wyjściowych przekonaniach.

W tym artykule postaram się zebrać moje dotychczasowe refleksje na ten temat. Zamieszczę też linki do tekstów, w którym je rozwinąłem.

Badania. Co wiemy o sprzężeniu zwrotnym w interakcji człowieka z AI?

Dzieje się to przez tzw. sprzężenie zwrotne (feedback loop), które może prowadzić do powstania tzw. myślenia tunelowe (tunnel thinking). Zwróćmy uwagę, że utwierdzić kogoś można również w słusznym poglądzie. Problem nie polega więc na ogłupianiu, ani „umądrzaniu” ale na wzmacnianiu tego co jest, zamiast weryfikacji tego, co jest. Myślenie polega bowiem na nieustannym podważaniu, poddawaniu naszych założeń falsyfikacji. Mechanizm, który w skali od 1 do 100 z lekkiej pewności (51 do 49) czyni pewność silną (90 do 10) jest więc niebezpieczny, ale z innych przyczyn.

Mechanizm ten został już zidentyfikowany na płaszczyźnie interakcji człowiek – AI oraz szczegółowo opisany m.in. w artykułach M. Glickmana i T. Sharot https://pmc.ncbi.nlm.nih.gov/articles/PMC11860214/?, Yuxin Liu i Adam Moore, https://pubmed.ncbi.nlm.nih.gov/40448478/, a także L. Celar i Ruth M.J. Byrne https://pubmed.ncbi.nlm.nih.gov/36964302/.

Trzeba wspomnieć również o artykule Ben Wang i Jiqun Liu, Cognitively Biased Users Interacting with Algorithmically Biased Results in Whole-Session Search on Debated Topics, https://dl.acm.org/doi/10.1145/3664190.3672520. Autorzy ci wskazują jednak na istotną rolę czynników indywidualnych na podatność wobec błędów poznawczych powstających w interakcji ze sztuczną inteligencją. Innymi słowy – nie na każdego działa to tak samo.

Sprzężony Błąd Konfirmacji – gdy obie strony sporu korzystają z AI

Czym jest sprzężony błąd konfirmacji (Coupled Confirmation Bias)?

W artykule z 3 stycznia 2026 roku zaproponowałem konstrukcję Sprzężonego Błędu Konfirmacji dla opisu pętli eskalacyjnej, która pojawia się w układach, gdy obie strony korzystają z LLM, by analizować domniemane motywy, zachowania i plany przeciwnika. Co ciekawe, w takiej sytuacji każda ze stron wykonuje ruchy, które są następstwem analizy (z AI) ruchów drugiej strony. Kolejne ruchy stanowią punkt wyjścia do analiz i decyzji drugiej strony. Konflikt narasta.

Wkrótce potem podjąłem próbę formalizacji sprzężonego błędu konfirmacji.

Czy modele „karmione” różnymi wzorami kulturowymi mogą inaczej wpływać na decyzje stron w sporze?

Poruszyłem również temat korzystania przez oponentów z modeli językowych o odmiennym zabarwieniu kulturowym. Jako modelowe przykłady wziąłem modele osadzone w kulturze amerykańskiej (jednostka, starcie, wygrana / przegrana) oraz w chińskiej (wspólnota, harmonia, zachowanie twarzy).

Czy błędy poznawcze generowane lub wzmacniane przez AI mogą wpływać na podejmowanie decyzji przez strony konfliktu?

Następnie poszedłem dalej i opisałem zaproponowałem zastosowanie modelu Fogga do opisu podejmowania decyzji przez strony konfliktu. W tekście tym zaproponowałem zastosowanie 3 parametrów edycji (wektor, dynamika, determinacja), których możliwe kombinacje dają łącznie 8 rodzajów decyzji. Następnie opisałem, jak wybrane błędy poznawcze, w tym te z udziałem AI, wpływają na tak opisany proces decyzyjny.

Moim zdaniem, korzystanie z AI może wpływać nie tylko na poglądy, ale przede wszystkim behawioralne funkcjonowanie użytkownika, którego jednym z przejawów jest podejmowanie przez niego decyzji w sporze. Jasne jest, że zaprokpowane przeze mnie modele są jedynie próba wyjaśnienia obserwacji i wymagają solidnej wersyfikacji.

Czy AI może doprowadzić do rozwodu?

Podstawowy błąd atrybucji jako punkt wyjścia

Spójrzmy na AI w sposób, który wyżej opisałem. AI uchodzi (mylnie!) za doradcę obiektywnego, wszechwiedzącego, zewnętrznego. Wyobraźmy sobie, że działamy w trybie podstawowego błędu atrybucji. Polega on na tym, że zachowania drugiej strony tłumaczymy przez przypisywane jej cechy wewnętrzne, a nie zewnętrzne okoliczności. Tak jest łatwiej i szybciej. Bałagan tłumaczymy tym, że „ona taka jest”, późne powroty do domu tym, że „on pewnie mnie zdradza” lub „jest leniwy i nie chce mi pomóc”. Tak działa nasz umysł – mój też – o czym pisałem w tekście o podstawowym błędzie atrybucji w pracy adwokata.

Czy AI wzmacnia podstawowy błąd atrybucji?

Nałóżmy teraz ten mechanizm na korzystanie z AI, które nas w tym utwierdzi. Prowadzi to do wzrostu przekonania o prawidłowości własnych zachowań i o złej woli drugiej strony. Wykonamy wiec jakiś ruch, niech to będzie zwykła awantura. Zastanówmy się, jak odbierze ją druga strona, która… zapyta o radę swojego asystenta AI. Będzie to zapewne odebrane jako nieuzasadniony atak, akt wrogości i niezrozumienia. Kolejne zachowania tej strony będą też tak interpretowane. Obie strony się od siebie oddalą.

Czy modele AI mogą przejąć komunikację między stronami sporu?

Wkrótce zaniknie komunikacja między nimi lub będzie się ona odbywać przez komunikatory. Ale – tu wielkie niebezpieczeństwo – widziałem już sytuacje, w których małżonkowie przez wiele miesięcy rozmijali przez WhatsApp, ale prawie każdą odpowiedź uzgadniali ze swoim LLM. W pewnym momencie, to dwa modele językowe zaczęły rozmawiać dyskutować między sobą, wzajemnie się oskarżając, o czym żadne z małżonków nie wiedziało. Każdy był przekonany, ze tylko on tak robi i robił tak z pełnym przekonaniem, że to jest fair i i tak ma rację, a AI tylko mu pomaga budować argumentację i wykryć manipulacje, nieścisłości i błędy drugiej strony.

Co mówi nasze badanie z początku 2026 roku o wykorzystaniu AI jako ukrytego sojusznika w sporach?

Niekiedy strony sporu świadomie korzystają z AI, żeby podważyć osąd i przekonanie o zdolności do racjonalnego myślenia u drugiej strony (tzw. cyfrowy gaslighting). Co ciekawe, z naszego badania o roli AI w sporach z początku 2026 roku wynika, że zdecydowana większość użytkowników nie poinformowałaby drugiej strony, że korzysta z AI do analizy jej wypowiedzi i zachowań.

AI jako czynnik sprzyjający eskalacji w sporach między wspólnikami

Zapewniam jednak, że to nie dzieje się tylko w sprawach rodzinnych. To samo dotyczy pracowników w sprawach mobbingowych albo wspólników, którzy toczą ze sobą wojny domowe, a do rąk dostali niedawno nowe narzędzie, z którego nie wiedzą jeszcze jak korzystać. LLM modą wpływać m.in. na powstanie myślenia tunelowego i zawężenie przestrzeni negocjacyjnej w sporach między partnerami biznesowymi wewnątrz jednej spółki. W jednym z tekstów przedstawiłem scenariusz eskalacji konfliktu między wspólnikami korzystającymi z AI. Nie mam jednak wątpliwości, że AI może być tez bardzo pomocna w rozwiązywaniu sporów biznesowych, choćby przez analizę możliwości i szukanie wyjść win-win.

Czy AI może wzmacniać nasze przekonanie o mobbingu?

W jednym z ostatnich tekstów napisałem, że AI jest istotnym czynnikiem wpływającym na wyobrażenie pracowników o stosowaniu wobec nich mobbingu. Znam osobiście przypadki, w których doszło do radykalnego wzmocnienia przekonania o mobbingu właśnie wskutek licznych interakcji z AI, a użytkownik był przekonany, że jest ofiarą mobbingu, chociaż obiektywna analiza wykluczyła. Co więcej, znamienna jest reakcja użytkownika, który nie przyjmował do wiadomości naszej interpretacji i zarzucał nam brak profesjonalizmu i rzekome związki z pracodawcą, któremu mieliśmy potajemnie sprzyjać. On nie szukał pomocy prawnej. On szukał potwierdzenia i wykonawcy.

Tabela 1: Przykładowe mechanizmy eskalacji konfliktów w interakcji człowiek–AI

Mechanizmy przedstawione w tabeli pokazują, że AI nie musi generować radykalnych treści, aby wpływać na eskalację konfliktu. Wystarczy, że wzmacnia interpretacje użytkownika, potwierdza jego emocje lub pomaga mu budować narrację o złej woli drugiej strony. W sporach, w których obie strony korzystają z AI, zjawiska te mogą się sprzęgać. Prowadzą wówczas do pętli eskalacyjnych, w których każda kolejna decyzja jest reakcją na interpretację wygenerowaną przez model.

Właśnie dlatego tak ważne jest rozumienie tych mechanizmów — zarówno przez profesjonalistów, jak i przez osoby uwikłane w konflikt. AI może być narzędziem analitycznym i wspierającym. Ale może też stać się nieświadomym „uczestnikiem” lub akceleratorem sporu, wzmacniającym błędy poznawcze i zawężającym przestrzeń negocjacyjną.

by dr Andrzej Jakubiec - adwokat, mediator

PUŁAPKI MYŚLENIA I ICH WPŁYW NA DECYZJE W MODELU FOGGA

W kilku poprzednich tekstach przedstawiłem niektóre błędy poznawcze (pułapki myślenia), m.in. podstawowy błąd atrybucji, myślenie tunelowe i moją autorską koncepcję sprzężonego błędu konfirmacji (Coupled Confirmation Bias). Pisałem o nich głównie w kontekście ich wpływu na dynamikę sporu, co obserwuję w mojej codziennej pracy. Teraz chcę pójść krok dalej i pokazać, jak te same mechanizmy wpływają na proces podejmowania decyzji w modelu Fogga.

Czym są błędy poznawcze?

Błędy poznawcze to inaczej błędy lub pułapki myślenia. Pojęcie to wprowadził do języka powszechnego Daniel Kahneman. Ten wybitny psycholog opublikował książkę „Pułapki myślenia. O myśleniu szybkim i wolnym„. Opisał w niej mechanizmy, które dotyczą nas wszystkich. Nie dlatego, że coś z nami nie tak. Te mechanizmy mają swoje istotne funkcje. Upraszczają wiele spraw. Pozwalają np. zachować energię, rozwiązać dany problem w sposób wystarczający na tyle, żeby zająć się następnym. Ale w złożonych relacjach społecznych sprawiają, że błędnie oceniamy rzeczywistość, tworzymy w głowie nieprawdziwe narracje i w efekcie podejmujemy błędne decyzje.

Jakie znamy błędy poznawcze?

Błędów poznawczych jest sporo, a pewnie wielu jeszcze nie odkryliśmy. Ja tu przedstawię krótko tylko z nich:

1. Błąd potwierdzenia (confirmation bias)

2. Podstawowy błąd atrybucji (Fundamental Attribution Error)

3. Błąd status quo (Status quo bias)

4. Efekt utopionych kosztów (sunk costs fallacy)

5. Sprzężony błąd konfirmacji (Coupled Confirmation Bias) – moja autorska koncepcja (i jej rozwinięcie), która jest wyłącznie hipotezą i wymaga rozwinięcia i empirycznego potwierdzenia.

6. Myślenie tunelowe (tunnel vision), które nie jest samo w sobie błędem poznawczym, ale mechanizmem systemowym.

Wpływ błędów poznawczych na podejmowanie decyzji choćby w kontekście zawierania porozumień jest przedmiotem pogłębionych badań naukowych. Część z nich jest uznana za hamujące, inne za wzmacniające. Ten podział jest przydatny do wyciągnięcia dalszych wniosków.

Poniżej przedstawię kolejno:

1. tryb podejmowania decyzji w modelu Fogga i
2. parametry podjętej decyzji.

Dopiero potem pokażę, jak wybrane błędy poznawcze mogą wpływać zarówno na to, czy w ogóle podejmiemy decyzję, jak i na jej treść.

Podejmowanie decyzji w modelu Fogga. Triada decyzyjna

Model podejmowania decyzji Fogga jest prosty i elegancki. Obejmuje on triadę decyzyjną, na którą składają się: 1) motywacja; 2) wykonalność i 3) wyzwalacz. Jeśli chcecie dowiedzieć się o tym modelu więcej, więcej, odsyłam Was do artykułu, który napisałem o zastosowaniu modelu Fogga do analizy mechanizmu podejmowania decyzji i zakończeniu współpracy / wyjścia ze spółki. Tam napisałem więcej o motywacji jako stanie afektywnym o podłożu biologicznym, który ma dwa kierunki: pozytywy i negatywny. Teraz zobaczmy graficzne przedstawienie modelu decyzyjnego Fogga:

Zapamiętajmy z niego, że aby doszło do decyzji wszystkie 3 elementy 1) motywacja, 2) możliwość i 3) wyzwalacz muszą wystąpić: łącznie. Omówiłem to już szerzej w poprzednim tekście.

Teraz tylko postawię pytanie:

Czym jest „możliwość” w ujęciu Fogga?

Ja rozumiem możliwość jako właściwość, której cechy lepiej oddaje słowo „wykonalność”. Tego wątku nie rozwinąłem w poprzednim artykule, dlatego robię to teraz.

Wykonalność w modelu Fogga -w moim rozumieniu – jest wypadkową subiektywnie postrzeganych: 1) własnych możliwości i 2) trudności zadania.

Liczy się wyłącznie percepcja decydenta. Może on oczywiście źle ocenić sytuację wskutek błędu poznawczego lub błędu danych. Co ciekawe, błąd może prowadzić w efekcie do podjęcia korzystnej decyzji. Wyobraźmy sobie, że mam niepełne lub nieprawdziwe dane. Działając pod wypływem błędu logicznego lub błędu kognitywnego wyciągam z nich nieprawidłowe wnioski. Wnioski te byłyby ocenione jako prawidłowe, gdybym miał dostęp do pełnych lub prawdziwych danych, a nie działałbym pod wpływem błędu.

Można to podsumować jednym zdaniem: triada Fogga wpływa na podjecie decyzji, co nie jest tożsame ze sposobem jej realizacji. Sposób realizacji wcześniej podjętej decyzji jest opisywany przez parametry decyzji (o nich niżej).

Jakie są rodzaje decyzji?

Proponuję, by decyzjom analizowanym przez pryzmat sposobu ich wykonania przypisać 3 parametry. Decydują one o sposobie ich realizacji.

3 parametry decyzji to: wektor, dynamika i determinacja (zastanawiam się, czy nie lepiej nazwać ją pędem).

Pierwszym parametrem jest wektor. Jego punktem odniesienia niech będzie stan obecny. Jego wartość to 0 lub 1. Niech 0 oznacza tendencję do pozostania w obecnym układzie, a 1 jest dążeniem do zmiany.

Drugim parametrem jest dynamika. Wyróżnijmy 2 wartości dynamiki: (+) i (-), gdzie (+) oznacza, że decyzja skutkuje działaniem, a (-) biernością.

Trzecim parametrem jest determinacja (L) i (H), gdzie (L) – oznacza niską (ang low) determinację, a (H) oznacza wysoką (ang. high) determinację.

Wektor określa stosunek do stanu aktualnego i jego zmiany. Decyzja o obronie status quo lub jego zmianie może być realizowana – zależnie od okoliczności – przez bierność lub działanie (dynamika + lub –). Determinacja jest funkcją gotowości zaangażowania, przez które rozumiem wypadkową:

1) gotowości poniesienia kosztów (finansowych, wizerunkowych, organizacyjnych, energetycznych, a nawet biologicznych) oraz

2) tolerancji ryzyka.

Wektor, dynamika i determinacja stanowią uproszczony model heurystyczny, stworzony przeze mnie (a przynajmniej nie znam publikacji, które się tymi parametrami posługują – poza wyżej wspomnianymi biasami hamującymi i wzmacniającymi) na potrzeby tego opisu. Jego użyteczność wymaga z pewnością badań – jest to obecnie wyłącznie model hipotetyczny. Zaznaczam też, że ludzka psychika to nie matematyka, ale właśnie matematyka pozwala -paradoksalnie – zrozumieć psychikę lepie

Tabela 1: 3 parametry decyzji

Użycie wyżej wymienionych 3 parametrów pozwala nam wyróżnić 8 rodzajów decyzji.

Tabela 2: 8 rodzajów decyzji

Dodajmy, że:

1. decyzje o wektorze 0 (zachowanie status quo) oraz
2. decyzje o dynamice ujemnej (-) o osiągnięciu celu przez bierność

nie oznaczają w żadnym razie braku decyzji. To nie jest to samo. Decyduję się siedzieć cicho i nieruchomo, żeby ktoś mnie nie znalazł. Decyzja o tym nie jest tym samym, co zewnętrznie dostrzegana bierność spowodowana np. apatią lub ambiwalentnym stosunkiem do danego stanu.

Tak samo trzeba wspomnieć, że

1. decyzja o zmianie (Wektor 1) nie może być utożsamiana z działaniem (+), a
2. decyzja o bronieniu status quo (Wektor 0) nie może być utożsamiana z brakiem działania.

Stan wyjściowy (status quo) może być tak pożądany, że decydujemy się go aktywnie bronić (wektor 0, dynamika +). A więc nie chcąc zmiany podejmiemy działanie. Przykład: Jeśli chcę, aby tonący przeżył, będę go ratował. Nie chcąc dopuści do zmiany (życie -> śmierć) podejmę działanie.

Analogicznie, może się zdarzyć, że dążąc do zmiany zdecydujemy się na brak działania. Jeśli chcę, by topiący się umarł, wystarczy, że nie będę go ratował. Utonięcie oznacza zmianę jego stanu (życie -> śmierć) przy mojej bierności. Mamy tu więc wektor 1, dynamikę ujemną i determinację, której w tym przykładzie nie znamy, ale zakładamy, że musiałaby być bardzo wysoka.

Dla porządku jeszcze trzeba stwierdzić, że brak decyzji o zmianie nie jest tożsamy z decyzją o utrzymaniu status quo. Brak decyzji wynika z braku co najmniej jednego elementu triady decyzyjnej (patrz wyżej). Brak decyzji może zatem wynikać z braku motywacji, subiektywnie postrzegalnej niewykonalności lub braku wyzwalacza. Nie musi to oznaczać to, że dany bodziec jest dla nas obojętny. Może bowiem np. rodzić motywację, ale nie podejmiemy decyzji, bo zadanie wydaje nam się niewykonalne. W tej sytuacji obiektywny brak działania nie może być utożsamiany z biernością jako wyborem jednego z parametrów podjętej decyzji.

Przykład: Spotykając niedźwiedzia w górach mogę decydować o poddaniu się lub ratowaniu życia. Ale czy osiągnę to przez udawanie martwego, walkę czy ucieczkę – to już jest parametr decyzji. I w tym zakresie może być podjęta prawidłowo lub nieprawidłowo: mogę uciekać na drzewo, na które niedźwiedź wejdzie za mną, albo schować się w szczelinie w skałach, gdzie mnie nie dosięgnie. Nie zmienia to faktu, że postanowiłem trwać przy życiu (wektor 0) przez działanie w postaci ucieczki (dynamika +) lub bierność w postaci udawania martwego (dynamika -) przy wysokiej determinacji w każdym wypadku (H).

Jak wyżej zasygnalizowałem, należy odróżnić w tej sytuacji, czy leżę, bo wybrałem świadomie przeżyć przez udawanie martwego, od sytuacji, w której się położyłem i stwierdziłem, że i tak nie mam szans, a poza tym już od dawna nie chciało mi się żyć.

Jaki jest wzajemny stosunek błędów poznawczych, triady decyzyjnej i parametrów decyzji?

Wyżej zarysowałem trzy obszary: błędy poznawcze, triadę decyzją i parametry decyzji. Powstaje naturalnie pytanie, w jakich relacjach mogą one wobec siebie pozostawać.

Zacznijmy od zastrzeżenia, że nie ma tu żadnego determinizmu. Błędy poznawcze nie determinują podjęcia danej decyzji, ale zwiększają istotnie tendencję, „ciążą” w danym kierunku. Sygnalizuję też, że można pozostawać jednocześnie pod wypływem dwóch lub więcej błędów, mających rożne źródła, a których oddziaływanie krzyżuje się w danym momencie i każdy z nich „pcha” decydenta w innym (lub tym samy) kierunku.

Wpływ błędów poznawczych na triadę decyzyjną (podjęcie decyzji)

Jak wyżej zasygnalizowałem, błędy poznawcze mogą zadziałać na każdym etapie i poziomie podejmowania i realizacji decyzji. Może się okazać, że gdy zachodzi triada decyzja uaktywni się jeden błąd, a ustawiając parametry jej wykonania będziemy działać pod wpływem innego. Może być też tak, że dwa błędy zadziałają jednocześnie, a ich wzajemny stosunek będzie dodatni (będą działać w tym samym kierunku), lub cześciowo albo zupełnie przeciwstawny. Najczęściej jednak będziemy pozostawać pod wpływem jednego z nich.

Przyjmijmy, że błędy poznawcze mogą wpływać na:

1. powstanie motywacji przez wpływ na ocenę bodźca rodzącego emocję, a w konsekwcgji na kierunek motywacji lub jej siłę;
2. subiektywną ocenę wykonalności;
3. podatność na wyzwalacz.

Przyjmijmy, że w odniesieniu do każdego z elementów triady decyzyjnej wpływ błędu poznawczego może być wzmacniający ⬆️ lub ⬇️ osłabiający.

W odniesieniu do motywacji błąd kognitywny może wpłynąć na samo jej istnienie (wywołać ją lub zgasić), a istniejącą motywację może wzmocnić lub osłabić.

W odniesieniu do percepcji wykonalności może wpłynąć na ocenę i poczucie wykonalności uczynić silniejszym lub słabszym (zarówno przez oddziaływanie na odczucie własnych możliwości, jak i subiektywnie postrzeganej trudności samego zadania).

Zakrzywienie oceny wywołane błędem poznawczym skutkuje więc tym, że można:

1. ocenić zadanie jako wykonalne, gdy nie jest wykonalne;
2. ocenić zadanie jako niewykonalne, gdy jest wykonalne.

a w konsekwencji:

1. podjąć decyzję, gdy cel jest „pożądany”, ale obiektywnie nieosiągalny (brak wykonalności);
2. nie podjąć decyzji, gdy cel jest obiektywnie możliwy do osiągnięcia i pożądany.

W odniesieniu do wyzwalacza, błąd poznawczy może jego działanie zarówno wzmocnić, jak osłabić. Oznacza to, że przy odpowiednim natężeniu błędu poznawczego:

1. pewne błędy poznawcze mogą uznać za wyzwalacz czynniki, który w innych okolicznościach nie zostałby tak zinterpretowany.
2. obiektywnie istniejący silny wyzwalacz okaże się za słaby, chociaż wystarczyłby do podjęcia decyzji, gdyby błąd tego rodzaju i tej siły nie występował;
3. obiektywnie istniejący słaby wyzwalacz okaże się wystarczająco silny do podjęcia decyzji, chociaż bez zaistnienia błędu tego rodzaju i tej siły, by do tego nie wystarczył;

Dla przykładu posłużę się tabelą, w której przedstawiam możliwy wpływ poszczególnych błędów poznawczych na wybrane element triady decyzyjnej, jakim jest wykonalność.

Tabela 2: Wpływ wybranych błędów poznawczych na percepcję wykonalności zadania w modelu Fogga

Wpływ błędów poznawczych na parametry decyzji

Błąd poznawczy może (niezależnie do wcześniejszego wpływu na samo podjęcie decyzji zgodnie z modelem Fogga), pojawić się i zadziałać na kolejnym etapie, tj. ustalaniu parametrów wykonania decyzji.

Może więc wpłynąć na jej wektor i skutkować tym, że reagując na dany bodziec podejmiemy błędną decyzję o utrzymaniu lub zmianie stanu obecnego. Przykład: radio gra za głośno. Decyduję o usunięciu niezgodności między głośnością muzyki, a moim samopoczuciem. Błąd poznawczy może skutkować tym, że zamiast dostosować radio do siebie: ściszyć je lub wyłączyć (wektor 1, dynamika 1, determinacja L) będę starał się przyzwyczaić (wektor 1, dynamika 0, determinacja L).

Błąd poznawczy może wpłynąć na dynamikę decyzji i skutkować tym, że po ustaleniu wektora decyzji (stosunek do stanu obecnego) wybiorę nieprawidłowo działanie zamiast zaniechania. Przykład: na trekkingu boli mnie noga. Chcę usunąć ból (wektor 1 – zmiana stanu obecnego). Ale pod wpływem błędu poznawczego decyduję błędnie o dynamice i wybieram aktywność (rozchodzić ból) zamiast bierności (zatrzymać się i odpocząć).

Błędy kognitywne tak samo mogą wpłynąć na determinację i zwiększyć ją lub osłabić. Skutkuje to większym zaangażowaniem i skłonnością do ryzyka, niż wynikałoby to z racjonalnej oceny. Przykład: źle prowadzona spółka przynosi straty i wspólnik kolejny raz prosi mnie, żebym dołożył do niej znaczną kwotę. Błąd poznawczy w postaci efektu utopionych kosztów może skutkować zwiększeniem mojej determinacji do zwiększenia inwestycji (wektor 0 – decyzja o pozostaniu, dynamika + w postaci decyzji o dołożeniu pieniędzy), przez co dołożę do niej więcej, niż byłbym gotów, gdybym nie pozostawał pod wpływem tego błędu.

Jak widzimy, błędy poznawcze mogą działać na niezależnie na każdy z elementów składających się na triadę decyzyjną i parametry decyzji.

Działanie błędu kognitywnego i jego możliwe skutki

Proces decyzyjny rozumiem w ten sposób:

1. najpierw jest bodziec;

2. po nim triada decyzyjna skutkuje podjęciem decyzji lub brakiem decyzji;

3. następnie wybierane są parametry decyzji, które mają funkcję wykonania podjętej decyzji.

Zaznaczam, że wybór parametrów decyzji może być prawidłowy lub nieprawidłowy (jak ucieczka na drzewo przed niedźwiedziem). One są jedynie narzędziem, sposobem realizacji decyzji mającej swe źródło w motywacji. Od nas, lub od czynników zewnętrznych zależy, czy prawidłowo przeprowadzimy rozumowanie fundamentalne: wybór sposobu realizacji celu. W praktyce adwokackiej widzę, jak często ludzie popełniają tu rażące błędy: chcą coś osiągnąć, ale korzystają z narzędzi, które nie mogą ich przybliżyć do celu. Albo korzystają z nich nieprawidłowo.

Błędy, jakie możemy popełnić ustalając parametry decyzji możemy podzielić na:

1. wybór narzędzia, które w żadnych warunkach nie służy osiągnięciu danego celu;
2. wybór narzędzia, które w tych warunkach nie nadaje się osiągnięcia wyznaczonego celu;
3. błędne użycie dobrze wybranego narzędzia:
   • co do sposobu;
   • co do kierunku.

Zwróćmy uwagę, że błędy poznawcze mogą wpływać na ostateczny kształt naszej decyzji na każdym etapie jej podejmowania:

1. powstania motywacji;
2. oceny wykonalności;
3. podatności na wyzwalacz;
4. ustawienia parametrów wykonania decyzji.

Jak konkretny błąd poznawczy może zniekształcić decyzje?

Przyjrzyjmy się teraz, jak niektóre błędy poznawcze mogą wpływać na: 1) podjęcie decyzji (triada decyzja Fogga) i 2) jej parametry decyzji: wektor, dynamikę i determinację.

Nie mam tu miejsca na pokazanie wszystkich wariantów: wpływu każdego z rozpoznanych błędów na każdy z elementów triady decyzyjnej i każdy z elementów parametrów decyzji. Nie mam tez miejsca na pokazanie wpływu „zespołów błędów poznawczych” działających równocześnie, ani kolejno.

To, co w ramach artykułu mogę zrobić, to pokazać, jak działa jeden błąd na proces podejmowania decyzji. Posłużę się więc błędem potwierdzenia (confirmation bias).

Jako punkt wyjścia należy oczywiście przyjąć najbardziej prawdopodobną decyzję, jaka byłaby podjęta, gdyby nie wpływ błędu.

Wpływ błędu konfirmacji na poszczególne elementy procesu decyzyjny.

Posłużmy się wyżej opisanym przykładem o spotkanym w górach niedźwiedziu.

Moje sensory biologiczne dostrzegają zagrożenie -> powstaje motywacja do zachowania życia -> oceniam zadanie jako wykonalne -> wyzwalaczem jest ocena, że pojawia się krótkie okienko czasowe, w którym mam szansę, ale działać muszę teraz -> podejmuję decyzję o tym, że chcę pozostać żywy (wektor 0) -> jako narzędzie (tym razem) wybiorę udawanie martwego (bierność, dynamika -) -> moja determinacja jest bardzo wysoka (H).

Ta determinacja jest w tym przykładzie bardzo ciekawa. Przejawi się w mojej tolerancji na koszty – niedźwiedź będzie mnie drapał, sprawdzał, może mnie podeptać, ale ja decyduję się pozostawać w niekomfortowej sytuacji (do której nie przywykłem), w której doznaję kolejnych strat i uszkodzeń, tak długo, jak to będzie potrzebne.

Jak w takiej sytuacji może zadziałać błąd konfirmacji? Przypomnijmy, że polega on na tym, że szukamy potwierdzenia słuszności wcześniej podjętej decyzji i przypisujemy walor potwierdzenia tym czynnikom, które go logicznie nie niosą.

W opisanym przykładzie błąd potwierdzenia może przejawić się np.:

Wpływ tego błędu może przedstawić poniższa tabela.

Tabela3: Wpływ błędu konfirmacji na proces decyzyjny

Wpływ różnych błędów poznawczych na wybrany element procesu decyzyjnego

Jak wyżej wspomniałem, każdy z błędów poznawczych może działać na każdy (z osobna, lub wybrane łącznie) element procesu decyzyjnego. Wyżej pokazałem, jak wybrany błąd poznawczy – błąd konfirmacji – działa na cały proces decyzyjny. Teraz pokażę, jak każdy z błędów poznawczych może działać na wybrany element procesu decyzyjnego. Niech będzie nim wektor decyzji. Dla ułatwienia pozostanę przy znanym już przykładzie z niedźwiedziem.

Tabela 4: Wpływ wybranych błędów poznawczych na wektor decyzji (na przykładzie spotkania niedźwiedzia)

Wpływ błędów poznawczych na podejmowanie i parametry decyzji. Podsumowanie

Próba analizy działania poszczególnych błędów poznawczych pozwala na ostrożne wyciągnięcie wniosku, że część z nich ma tendencję do konkretnego wpływania na poszczególne parametry decyzji. Dla przykładu posłużę się dwuwymiarowym wykresem, który obejmuje tylko wektor i dynamikę, ale nie obejmuje determinacji (to wymagałoby wykresu trójwymiarowego). Widzimy na nim, że niektóre błędy częściej będą skutkować „ciągnięciem” danego parametru w danym kierunku, inne zaś nie będą miały wpływu np. na dynamikę, ale będą miały wpływ na wektor. Można to ostrożnie przedstawić w następujący sposób.

Zapamiętajmy z tego jedno. Mylić się jest rzeczą ludzką. Mylimy się wszyscy i ciągle. Na część z przyczyny naszych błędów mamy wpływ, na inne nie mamy. Błędy poznawcze mają tę cechę, że działają skrycie i bardzo mocno wpływają na nasze postrzeganie rzeczywistości, wciągają, jak ruchome piaski i sprawiają, że możemy stracić kontakt z rzeczywistością.

Najłatwiej możemy się przed nimi uchronić poznając je, ucząc się ich i sprawdzać logikę naszego myślenia. Jeśli je poznamy, nauczymy się je wyławypać, a to uchroni nas przed wieloma bardzo kosztownymi błędami.

by dr Andrzej Jakubiec - adwokat, mediator

CYFROWY GASLIGHTING W NEGOCJACJACH

Negocjacje są grą psychologiczną. Ludzie zawsze próbowali wpływać na siebie, testować swoje granice, budować i wykorzystywać przewagi. Jednak dziś do tej gry dołącza nowy uczestnik – niewidzialny, szybki i pozbawiony emocji. Algorytm. Może on stać się „wspomaganiem” jednej ze stron. Może być narzędziem, które nie tylko wzmacnia argumenty, ale tworzy groźny nacisk emocjonalny.

Czym jest cyfrowy gaslighting?

Cyfrowy gaslighting to wykorzystanie sztucznej inteligencji do generowania komunikatów, które mają podważyć osąd przeciwnika, wywołać w nim nieuzasadnione poczucie winy, lęku lub dezorientacji. Używam tego pojęcia nie w sensie klinicznym, lecz jako skrótu opisującego algorytmicznie wzmacnianą manipulację poznawczą w komunikacji negocjacyjnej. To już nie jest zwykła perswazja. To precyzyjna inżynieria wpływu. Mamy do czynienia z manipulacją napędzaną najnowszą technologią. Jest to przeskok jakościowy, z jakim jeszcze nie mieliśmy do czynienia.

Sam fakt wykorzystywania AI w sporach jest już faktem. Przeczytajcie mój artykuł zawierający wyniki naszego badania: https://jakubieciwspolnicy.pl/badanie-ai-jako-ukryty-sojusznik-w-sporach/

Jakie korzyści daje cyfrowy gaslighting?

Dlaczego ta technika działa tak skutecznie? Przede wszystkim dlatego, że AI potrafi analizować styl pisania z dokładnością, której człowiek nie jest w stanie osiągnąć. W kilku akapitach potrafi wychwycić skłonność do przepraszania, unikania konfliktu, nadmiernego tłumaczenia się czy lęku przed oceną. Są to klasyczne markery słabszej pozycji negocjacyjnej – wcześniej wykorzystywane intuicyjnie, dziś identyfikowane i wzmacniane algorytmicznie.

A potem AI generuje komunikaty, które uderzają dokładnie w te punkty. To hiperdopasowanie sprawia, że odbiorca ma wrażenie, jakby druga strona „czytała mu w myślach”. W rzeczywistości to nie intuicja, lecz analiza wzorców językowych: modalności, stopnia pewności, afektywności i sposobu uzasadniania własnych racji. Mamy do czynienia z automatycznym doborem formy i argumentów, które z natury rzeczy wywrzeć mają najsilniejszy możliwy wpływ na odbiorcę według uzyskanych wcześniej wskazówek. AI przy tym „nie wie”, że robi coś złego.

Drugą przewagą jest brak hamulców. Człowiek, nawet cyniczny, ma naturalne ograniczenia: empatię, zmęczenie, moralny opór, strach przed przesadą (pomijam teraz psychopatów i socjopatów). AI nie ma żadnego z tych oporów. Jeśli dostanie cel: „wywołaj w nim wątpliwość”, zrobi to w sposób chłodny, konsekwentny i pozornie uprzejmy. Nie poczuje dyskomfortu, nie cofnie się, nie złagodzi tonu. To komunikacja zaprojektowana wyłącznie pod kątem skuteczności, a nie relacji.

Trzecia przewaga to efekt szybkości i skali. Człowiek napisze jedną wiadomość, a AI sto – i to bez wysiłku. Wybierze też tę, która najlepiej destabilizuje emocje ofiary i przesuwa punkt odniesienia. To jak walka z przeciwnikiem, który może trenować nieskończoną liczbę kombinacji, zanim wykona ruch. Nic dziwnego, że odbiorca czuje się przytłoczony – bo faktycznie mierzy się z czymś, co ma nieludzką przewagę. Dla większości ludzi może to się okazać zbyt trudne.

Jak rozpoznać, że przeciwnik wykorzystuje AI?

Jak rozpoznać, że po drugiej stronie „pisze” algorytm? Pokazuję niżej kilka sygnałów. Żaden z nich nie jest dowodem sam w sobie. Stanowią one jednak zespół sygnałów ostrzegawczych. Ich wystąpienie może sugerować duże ryzyko algorytmicznego wsparcia jednej ze stron.

Pierwszym z nich jest nienaturalna intensywność. Komunikat jest zbyt gęsty od argumentów, zbyt „czysty” stylistycznie, zbyt precyzyjnie trafia w emocje. Brzmi jak człowiek, który miał godzinę na przemyślenie każdego zdania – ale odpowiedź przyszła bardzo szybko.

Drugim sygnałem jest brak ludzkiego błędu: brak dygresji, wahań, niekonsekwencji, potknięć językowych. To język wygładzony do granic sztuczności.

Trzeci sygnał to pętla potakiwania – każda Twoja wątpliwość spotyka się z natychmiastowym, perfekcyjnie skrojonym kontrargumentem, a każda próba zmiany tematu kończy się powrotem do narracji korzystnej dla drugiej strony. To nie jest rozmowa. To algorytmiczna spirala nacisku.

Czwartym sygnałem może być widoczna różnica miedzy stylem wypowiedzi, używanym słownictwem i poziomem argumentacji miedzy tekstem pisanym, a tym, co druga strona prezentuje na żywo. Owszem, są ludzie, którym znacznie łatwiej przychodzi pisanie, a na żywo są nieśmiali i niezbyt rozmowni, ale są pewne granice.

Cyfrowy gaslighting. Jak się bronić?

Skoro AI działa szybko, intensywnie i bezlitośnie, obrona może być odwrotna: powolna, świadoma i analogowa reakcja. Najprostsza technika to dekonstrukcja tekstu. Wystarczy rozbić komunikat na dwie kategorie: fakty oraz emocjonalne przymiotniki i sugestie. Wiem, że brzmi to łatwo, a w praktyce może być bardzo trudne. Ale warto z tej techniki korzystać częściej, nie tylko, gdy podejrzewamy manipulację z wykorzystaniem AI. Jeśli jednak tego dokonamy, zobaczymy, jaka część powstała tylko po to, by np. wzbudzić w nas wyrzuty sumienia.

Możemy więc odpowiedzieć tylko na jeden – weryfikowalny – fakt z długiego maila. Pominiemy natomiast emocjonalną narrację, ewentualnie poprosimy o doprecyzowanie reszty. W większości przypadków okaże się, że nacisk opierał się na insynuacjach, hiperbolach i manipulacji kontekstem. Oddzielenie treści od tonu odbiera sprawcy korzystającemu z AI większość mocy.

Kolejną strategią jest test czasu. AI działa w trybie natychmiastowym, ale Ty nie musisz. Celowe spowolnienie obniża presję, pozwala odzyskać kontrolę i zmusza drugą stronę do wyjścia poza algorytmiczny rytm. To klasyczna technika negocjacyjna, która w erze AI zyskuje nowe znaczenie. Może to wybić sprawcę z uderzenia. On chciałby działać natychmiast, Ty nie musisz.

Trzecią metodą – chyba najlepszą – jest zmiana kanału komunikacji. AI najlepiej działa w mailach i czatach. Odejdźmy więc od nich. Póki co AI nie potrafi ani doskonale udawać człowieka np. w telekonferencji, ani tym bardziej – nie zastąpi go na żywo. Przejście na telefon lub spotkanie bezpośrednie odcina przeciwnika od algorytmicznego wsparcia.

Czy stosowanie cyfrowego gaslightingu się opłaca?

Warto jednak zadać pytanie: czy stosowanie cyfrowego gaslightingu w ogóle się opłaca?

Krótkoterminowo – tak. Daje przewagę, pozwala „przepchnąć” swoje stanowisko, wywołać presję, uzyskać ustępstwa. Ale długoterminowo koszt jest ogromny.

Przede wszystkim, dochodzi do erozji zaufania. Negocjacje działają tylko wtedy, gdy istnieje minimalny poziom przewidywalności i wiarygodności. Jeśli obie strony zaczynają używać cyfrowych masek, punkt koordynacji znika. Zostaje gra pozorów, a tracimy relację i zaufanie. W sporach, które mają trwać lata – rodzinnych, biznesowych i sukcesyjnych – takie koszty są często wyższe niż jakakolwiek chwilowa przewaga.

Drugim ryzykiem jest rykoszet. Jeśli AI zbytnio „przyciśnie” człowieka wpędzając go do tego w poczucie winy, istnieje ryzyko, że on sam… zwróci się o pomoc do swojego modelu językowego. Uzyska ją szybko i za darmo. Będzie ona nosiła cechy racjonalności i da mu oparcie w postaci domniemania zewnętrznego autorytetu. Czy taka osoba będzie miała skrupuły? O tym, co może się stać, gdy obie strony sporu korzystają z pomocy modeli językowych pisałem w serii artykułów poświęconych sprzężonemu błędowi konfirmacji. Zostawiam link do jednego z nich: https://jakubieciwspolnicy.pl/sprzezony-blad-konfirmacji/

Trzecim ryzykiem jest to, że manipulacja wyjdzie na jaw – a w erze cyfrowej ślady zostają – reputacja pęka jak szkło. Raz utraconego zaufania nie da się odbudować albo będzie to bardzo trudne.

Pomijam w tym miejscu kwestie czysto prawne, a odnoszące się do możliwości podważenia porozumienia zawartego wskutek opisywanej manipulacji. Są w końcu takie możliwości, jak uchylenie się od skutków oświadczenia woli złożonego pod wpływem np. błędu lub podstępu, wyzysk, a nawet przestępstwo oszustwa. O tym wszystkim będę pisał w osobnym tekście, być może niejednym.

Co nam zostaje?

Okazuje się, że nowe możliwości rodzą nowe zagrożenia, a te przypominają nam o starych wartościach. W świecie, w którym AI może być narzędziem nacisku, największą przewagą staje się zdolność do zachowania racjonalności. Nie szybkość, nie agresja, nie perfekcyjna argumentacja, a racjonalność i… przewidywalność. One budują zaufanie. I one będą w cenie. Jestem o tym przekonany.

Jednym z zadań adwokata, mediatora, stratega negocjacyjnego – jest bycie „filtrem”, który oddziela emocjonalny szum od faktów, rozpoznaje algorytmiczne wzorce nacisku i chroni klienta przed cyfrową manipulacją, szczególnie tam, gdzie komunikacja pisemna zamiast rozwiązywać spór, zaczyna go eskalować.

To powrót do fundamentalnej funkcji doradcy: przywracania proporcji, dystansu i zdrowego rozsądku. Cyfrowy gaslighting będzie się rozwijał. Tak samo, jak przez cały XX wiek rozwijały się techniki manipulacji. Ale tak samo może rozwijać się nasza odporność na nie, jak wzrastała odporność na propagandę. A odporność zaczyna się od świadomości – od zrozumienia, że po drugiej stronie może nie siedzieć człowiek, lecz algorytm zaprojektowany do tego, by nas „rozegrać”. I od decyzji, że nie damy się w tę grę wciągnąć. Zapamiętajmy z tego jedno: bądźmy uważni, bądźmy rozsądni.

Więcej o aspektach etycznych wykorzystania AI w negocjacjach możecie przeczytać m.in. tutaj w Harvard PON:

https://www.pon.harvard.edu/tag/ai

i tutaj na stronie American Bar:

https://www.americanbar.org/groups/dispute_resolution/resources

Jakie to ma dla Ciebie znaczenie?

Wykorzystywanie AI w negocjacjach, komunikacji, w sporach rodzinnych i biznesowych jest faktem. To samo dotyczy relacji w pracy. Musimy być świadomi, że znaczenie AI będzie wzrastać, a już dzisiaj dla wielu osób stanowi ona pierwszy (a czasem jedyny) punkt oceny, weryfikacji i planowania działań.

Naszą misją w Kancelarii Jakubiec i Wspólnicy jest pomoc naszym Klientom w rozwiązywaniu ich sporów i ochronie relacji. Wiemy, że technologia AI niesie wielkie szanse i ułatwienia, ale widzimy również zagrożenia wynikające z braku świadomości lub złej woli.

Jeśli czujecie, że utknęliście w sporze, potrzebujecie pomocy prawnej, negocjacyjnej, odezwijcie się do nas. Jesteśmy od tego, żeby Wam pomóc:

📩 kancelaria@jakubieciwspolnicy.pl

📞 536 270 935

by dr Andrzej Jakubiec - adwokat, mediator

BADANIE: AI JAKO UKRYTY SOJUSZNIK W SPORACH?

Poniżej przedstawiamy raport z badania, jakie przeprowadziliśmy w styczniu 2026 roku. Jego przedmiotem było zebranie informacji o tym, jak ludzie korzystają z AI w analizie sporów, których są stronami. Wyniki okazały się bardzo interesujące.

Raport o roli AI w sporach ze stycznia 2026 roku. Ukryty doradca czy generator błędów? Co zrobiliśmy?

Przeprowadziliśmy ankietę, którą wypełniło 87 osób. Wśród nich są nasi klienci, zaprzyjaźnieni adwokaci, radcowie prawni, mediatorzy, biznesmeni, psychologowie, ludzie zajmujący się nauką i sztuką. Z pewnością nie jest to więc grupa reprezentatywna w rozumieniu badań ogólnopolskich, takich jak badania opinii publicznej. Jest to jednak grupa posiadająca wysoką świadomość istoty sporu i zdolność do krytycznej oceny własnego rozumowania.

Ankietę ułożyłem sam. Już po jej rozesłaniu kilka osób zwróciło mi uwagę na kwestie techniczne lub związane z formułowaniem niektórych pytań. Dziękuję za te uwagi – z pewnością uwzględnię je w następnych badaniach, które – już wiem – z pewnością przeprowadzę.

Co było przedmiotem ankiety o AI?

Pytania dotyczyły korzystania z AI w ogóle oraz wykorzystywania jej do analizy sytuacji rodzinnej / pracowniczej / biznesowej. Obejmuje etap również sprzed powstania sporu.

Kolejne pytania dotyczyły analizy intencji drugiej strony sporu. Jest to element najbardziej podatny na działanie podstawowego błędu atrybucji. W przypadku zetknięcia z AI – przez jej hiperdopasowanie – generuje to działanie tzw. feedback loop. Jest to pułapka potwierdzenia, która prowadzi do powstania myślenia tunelowego.

Następnie zapytałem wykorzystanie AI do ustalenia własnych działań – celowo nie doprecyzowałem, czy chodziło o pierwsze działanie, czy też o reakcję na postawę drugiej strony.

Jednakże najważniejsze było dla mnie pytanie o to, czy poinformowalibyśmy drugą stronę o tym, że korzystamy z AI do analizy jej działań / intencji lub przygotowania własnych ruchów. Tutaj ankieterzy wykazali się zdumiewającą wręcz zgodnością. Jest kwestią otwartą, jakie z tego wyciągniemy wnioski – nie chcę tego przesądzać.

Ostatnie dwa pytania dotyczyły zaufania do AI. Były bardzo podobne, ale jednak… ciekawe jest to, że nie pokrywają się wyniki zaufania do AI z oceną jej obiektywności. Tak, jakbyśmy wiedzieli, że nie jest obiektywna, ale mieli tendencję do tego, by jej ufać.

Jak odpowiadali uczestnicy?

Poniżej przedstawiamy „suche” pytania i odpowiedzi.

Raport o roli AI w sporach. Analiza odpowiedzi

Zdecydowana większość uczestników korzysta z AI. Z pewnością nie dotyczy do wszystkich w tym samym stopniu, ani tym bardziej – tematy poruszane nie są takie same, ani nawet podobne. Jednak fakt powszechnego korzystania z modeli językowych jest faktem.

Prawie połowa, bo 43% respondentów odpowiedziało, że używa modeli językowych do analizy swojej sytuacji rodzinnej, w miejscu pracy lub biznesie. Moim zdaniem, to bardzo dużo. Co ciekawe, najmniej osób potwierdziło analizę sytuacji rodzinnej, a najwięcej biznesowej. 29% osób wskazało też na inne obszary. Zostawiam tu link do artykułu o roli AI w sporach rodzinnych: https://jakubieciwspolnicy.pl/ai-w-sprawach-rodzinnych/

Znaczna większość, bo 81% osób nie próbowało ustalić intencji drugiej strony za pomocą AI. Czy to dużo? Spójrzmy z drugiej strony – prawie 20% osób próbuje to robić. Oznacza to, że co piąta osoba jest podatna na sprzężenie zwrotne wynikające ze wzmocnienia jej pierwotnego nastawienia przez AI, która ma tendencję do „potakiwania”.

25% osób potwierdziło, że ustala własne ruchy w sporze z wykorzystaniem sztucznej inteligencji. Ta rozbieżność z poprzednim pytaniem jest ciekawa. Można ja przemilczeć jako błąd statystyczny albo uznać, że 5% procent z nas korzysta z AI do ustalenia własnych ruchów w sporach bez analizy intencji drugiej strony. Oczywiście, nie wiem, czy to dokładnie te 5% uczestników.

Bardzo ciekawe jest to, że 80% z nas nie poinformowałoby drugiej strony, że korzysta z AI do analizy sporu, intencji drugiej strony lub formułowania własnych posunięć. Dlaczego? Czy uważamy to za nieuczciwe (jak doping)? A może podchodzimy do tego, jak do zabobonu i przesądu i trochę się wstydzimy (nie wiem, jak to działa, ale na wszelki wypadek posłucham, jednak nie będę się tym chwalić)? Może uważamy, że wyprzedziliśmy technologicznie i intelektualnie drugą stronę i nie chcemy ujawniać, że mamy tak potężną broń?

Czy ufamy AI?

Ostatnie dwa pytania dają wyniki zdumiewające. Z AI korzysta 75% z nas, ale 67% uważa, że nie jest ona obiektywna. Czemu więc korzystamy? Dla wzmocnienia własnych przekonań? – W końcu miło jest nam, gdy najpotężniejsza technologia w historii ludzkości zaczyna co drugie zdanie od: „To świetny pomysł, Andrzeju!”. A może zwyczajnie udajemy, że tego nie widzimy? A może uznajemy, że brak obiektywności nie oznacza, że AI nie udziela dobrych rad, tylko że jest po naszej stronie (i dobrze!)? Ciekawie koresponduje to z wynikami poprzedniego pytania, w którym ogromna większość odpowiedziała, że częściowo ufa AI.

Raport o roli AI w sporach. Wnioski

AI stała się powszechnym narzędziem i stanowi jeden z elementów kształtowania naszych postaw w wielu dziedzinach życia. Z pewnością, jej wpływ jest odczuwalny w sporach, które prowadzimy. Co ciekawe, również widzimy ją w analizie samej struktury sytuacji. Może to prowadzić do powstania potrzeby zmiany dotychczasowego układu, a to z kolei – do sporu.

Moje poprzednie publikacje o AI w sporach

Poniżej zostawiam Wam kilka linków do artykułów, w których poruszyłem rolę i wpływ AI na dynamikę sporów. Przedstawiłem w nich moją autorską koncepcję Sprzężonego Błędu Konfirmacji (Coupled Confirmation Bias, CCB). W tekstach tych znajdziecie odnośniki do najnowszych badań zamieszczonych w prestiżowych czasopismach naukowych. Dotyczą one psychologii, aspektów technologicznych AI i jej roli w powstawaniu myślenia tunelowego, utwierdzania pierwotnych uprzedzeń lub preferencji. Tutaj zostawiam link do jednego z najważniejszych artykułów na ten temat, autorstwa  Yiran Du: Confirmation Bias in Generative AI Chatbots. Zawiera on analizę tychże mechanizmów błędu potwierdzenia w modelach AI. Przeczytamy w nim również o ryzykach związanych z tym sprzężeniem: https://arxiv.org/abs/2504.09343?

Ja nałożyłem te badania na sytuację, gdy z AI korzystają obie strony sporu, a działania jednej strony ustalone wspólnie z jej AI, stanowią punkt wyjścia do analizy drugiej strony (wspólnie z jej AI), co skłoni tę drugą stronę do przygotowania adekwatnej odpowiedzi. Eskalacja konfliktu wydaje się tu szczególnie niebezpieczna.

Dla zainteresowanych zostawiam również link do artykułu w wersji angielskiej, w którym rozwinąłem koncepcję sprzężonego błędu konfirmacji:

Zaproszenie do współpracy

Jeśli jesteście stroną sporu, potrzebujecie doradztwa strategicznego, nie tylko prawnego, możecie się do mnie odezwać. Ja i mój zespół zajmujemy się nie tylko prawem, ale prowadzimy negocjacje w oparciu o wiedzę z zakresu psychologii, ekonomii, sztuki negocjacji i analizy behawioralnej.

Jeśli macie własne doświadczenia z AI jako czynnikiem w sporach, odezwijcie się do nas. Chętnie wysłuchamy Waszej historii, być może posłuży ona nam jako wartościowy materiał do nauki lub badań. Zapewniamy oczywiście pełną anonimowość.

📩 kancelaria@jakubieciwspolnicy.pl

📞 536 270 935

by dr Andrzej Jakubiec - adwokat, mediator

GDY STRONY SPORU KORZYSTAJĄ Z RÓŻNYCH MODELI AI

W ostatnich wpisach przedstawiłem autorską koncepcję sprzężonego błędu konfirmacji (Coupled Confirmation Bias, CCB). Teraz sygnalizuję potrzebę sprawdzenia, jak różne rodzaje LLM wpływają na dynamikę sporu. Przez różne rodzaje mam na myśli dwie podstawowe grupy: modele AI amerykańskie i chińskie. Jest to oczywiście modelowe uproszczenie, uzasadnione dla przedstawienia pewnego problemu. Zaznaczam, że rozróżnienia między nimi nie dokonuję na podstawie jakichkolwiek kwestii technologicznych. Zakładam, że modele językowe niosą w sobie pewne tendencje zakorzenione głęboko w kulturach i językach ich twórców.

Kulturowe modele AI. Jakie są rodzaje modeli językowych?

Przyjmijmy dwa podstawowe kulturowe modele AI: amerykański i chiński. Ten podział nie opisuje technologii, lecz dominujące style komunikacji zakorzenione w kulturach, które te modele ukształtowały. Odnosi się do tego, że język jest ściśle związany z kulturą. A modele językowe mają za zadanie tworzenie i utrzymywanie relacji z użytkownikami. Robią to dokonując predykcji kolejnych słów, jednakże nie sposób uciec od wrażenia, że nie dzieje się to w oderwaniu od: 1) wartości kulturowych twórców modelu językowego; 2) języka wybranego do rozmowy przez użytkownika i – co stanowi wyłącznie mój domysł – 3) zakładanej lub zadeklarowanej narodowości / natywności językowej użytkownika (tego w jakim języku ten użytkownik myśli).

Tak więc, modele językowe amerykańskie – jak zakładam – operują inną siatką pojęciową wynikająca z naturalnych różnic semantycznych. Na tym jednak nie koniec – zakładam, że inaczej będą one prowadzić rozmowę ze swoimi użytkownikami. Inny jest bowiem rodzaj, cel i forma interakcji w kulturze zachodniej i wschodniej. O ile w kulturze amerykańskiej ceni się indywidualizm, współzawodnictwo, rywalizację i rację, to w Chinach harmonię, kolektywizm, uprzejmość. Kluczowym przykładem – być może centralnym i ogniskującym różnice – jest podejście do zachowania twarzy w obu tych kulturach. Jeśli więc modele różnią się sposobem prowadzenia rozmowy, to mogą w odmienny sposób wpływać na percepcję sporu u użytkownika. Chcę podkreślić, że LLM to nie tylko „maszyna do słów”. To także nośnik wartości. Jeśli amerykański AI promuje adversarial system (system kontradyktoryjny), to chiński może promować consensus-based approach.

Wzajemne postrzeganie stron korzystających w różnych modeli językowych

W Sprzężonym Błędzie Konfirmacji każda strona interpretuje działania drugiej przez filtr własnego modelu kulturowego. Model AI wzmacnia tę interpretację, tworząc spiralę wzajemnych błędów. Załóżmy, że jedna ze stron korzysta z LLM amerykańskiego, a druga chińskiego. I sami użytkownicy również należą do tych kręgów kulturowych. Ich postrzeganie świata będzie odmienne. Tak samo inne będzie językowe formułowanie opisów, pytań i celów. W każdym języku istnieją pewne schematy i uproszczenia. Są też kwestie oczywiste, obszary taboo lub takie, o których wspominać nie trzeba – albo przeciwnie – należy to robić. Są kultury nisko (amerykańska) i wysoko (chińska) kontekstowe.

W pewnych kulturach asertywność, konfrontacja, dążenie do posiadania racji są wartościami samymi w sobie. W innych od racji ważniejsza jest relacja, harmonia, hierarchia, miejsce w społeczeństwie. Zakładam też, że modele typowe dla każdej kultury wzmacniają te wartości i postawy, które w tej kulturze uchodzą za pożądane.

Może z tego wynikać, że jedno zdarzenie będzie nie tylko odmiennie opisane przez użytkowników pochodzących z różnych kręgów kulturowych. Co więcej, wynik konsultacji z AI może być skrajnie odmienny. Problemy wynikające z podstawowego błędu atrybucji i błędu konfirmacji po stronie użytkowników oraz hiperużytecznosci modeli AI nałożą się na kwestie kulturowo – językowe. Hiperużyteczność oznacza tendencję modeli do dostarczania odpowiedzi maksymalnie pomocnych z perspektywy użytkownika — nawet jeśli wzmacnia to jego błędne założenia. Może się okazać, że w takiej sytuacji dojdzie do szybkiego rozpadu jakiejkolwiek przestrzeni wspólnej w odniesieniu do postrzegania rzeczywistości.

Punkt krytyczny

W CCB punkt krytyczny pojawia się wtedy, gdy interpretacje obu stron — wzmacniane przez ich modele — stają się tak rozbieżne, że każda reakcja jednej strony jest odczytywana przez drugą jako eskalacja. Gdy modele wzmacniają odmienne style interpretacji, wspólna przestrzeń poznawcza zanika szybciej niż w tradycyjnych konfliktach. 

Kulturowe modele AI. Literatura

Jeśli interesują Was te kwestie, możecie przeczytać „Geografię myślenia” R., Nisbetta oraz „Babel. 20 języków dookoła świata” G. Dorren oraz „Wiek nie-pokoju. Współzależność jako źródło konfliktu” M. Leonarda. Te trzy książki sprawiły, że zainteresowałem różnicami kulturowymi w kontekście konfliktów i stanowiły dla mnie punkt wyjścia dla dalszych poszukiwań. Nic nie zastąpi oczywiście jednej z najważniejszych książek, jakie kiedykolwiek czytałem „Strategii konfliktu” T. Schellinga.

O tym, że modele językowe wiele przejmują z kultur, w których powstały i są trenowane, przeczytać m.in. tutaj: Cultural Alignment in Large Language Models” (Johnson et al., 2023/2024) https://globalaicultures.github.io/pdf/14_cultural_alignment_in_large_la.pdf

Tutaj znajdziecie badanie potwierdzające, że modele chińskie są znacznie mniej skłonne do otwartego konfliktu, od amerykańskich: CultureLLM: Incorporating Cultural Differences into Large Language Models https://arxiv.org/abs/2402.10946

Podobne wnioski znajdują się w tym badaniu: Values-aligned AI: Comparing Western and Chinese LLMs on Moral Dilemmas” (Liu et al., 2024) https://arxiv.org/html/2506.01495v5

Jeśli natomiast chcecie przeczytać więcej o Coupled Confirmation Bias, CCB, to zostawiam Wam linki do dwóch moich tekstów po polsku:

i jego rozwinięcia po angielsku: