In een VR-onderzoek kregen deelnemers gemiddeld CHF 2,96 toegewezen aan AI-avatar Johan en CHF 2,54 aan Johanna. Dat geld was bestemd voor de ontwikkeling van de assistenten, niet als loon voor de AI. De onderzoekers konden het verschil niet losmaken van de menselijke uitstraling en andere kenmerken van de avatars en hun stemmen.
Wat de deelnemers beoordeelden
Aan het onderzoek deden 189 kenniswerkers mee. Iedereen werkte met een tekstchatbot, een robot voor op een bureau en één mensachtige avatar: Johan of Johanna. Alle vier de assistentvormen gebruikten hetzelfde model, gpt-4-1106-preview.
De deelnemers maakten in een VR-kantoor opdrachten rond welzijn, inclusie en samenwerking op de werkvloer. Na een sessie van ongeveer 30 minuten beoordeelden ze de menselijkheid, het vertrouwen en de erkenning voor de bijdrage van de assistent op een schaal van 1 tot 7. Ook konden ze maximaal CHF 4 per assistent aan de ontwikkeling ervan toewijzen. Niet toegewezen geld hielden ze zelf.
Voor de analyse van die geldtoewijzingen telden 159 deelnemers mee. Dertig anderen vielen buiten die analyse omdat hun werkgever het aannemen van een vergoeding verbood.
Menselijkheid, vertrouwen, erkenning en geldtoewijzing
| Maatstaf | Johan | Johanna | Uitkomst |
| Menselijkheid (schaal van 1–7) | 5,09 | 4,59 | Significant verschil, p = 0,029 |
| Vertrouwen (schaal van 1–7) | 5,58 | 5,25 | Geen significant verschil, p = 0,065 |
| Erkenning voor de bijdrage (schaal van 1–7) | 5,24 | 5,05 | Geen significant verschil, p = 0,164 |
| Gemiddelde geldtoewijzing voor ontwikkeling | CHF 2,96 | CHF 2,54 | Significant verschil, p = 0,026 |
Johan kreeg een hogere gemiddelde toewijzing dan Johanna. De verschillen in vertrouwen en erkenning waren volgens de onderzoekers niet statistisch significant. De tabel laat dus zien dat de uitkomsten uiteenliepen per maatstaf, niet dat deelnemers Johan op elk punt hoger beoordeelden.
Wat het verschil wel en niet zegt
De onderzoekers konden genderpresentatie niet zuiver scheiden van de waargenomen menselijkheid en specifieke kenmerken van de avatar en stem. Johan kreeg ook een hogere score voor menselijkheid dan Johanna. Daardoor bewijst de geldtoewijzing niet dat gender op zichzelf het verschil veroorzaakte.
Het ging om een korte, gecontroleerde simulatie van een werkplek. De uitkomst beschrijft de reacties in die proefopstelling; ze bepaalt niet hoe mensen alle AI-assistenten of collega’s op het werk beoordelen.
Onderzoek naar ChatGPT keek naar een andere taak
Een afzonderlijke studie uit 2024 onderzocht 1.400 aanbevelingsbrieven van ChatGPT-3.5 voor namen die als mannelijk of vrouwelijk werden gezien. De onderzoekers vonden verschillen in taalgebruik die varieerden per opdracht en taalcategorie. Dat onderzoek ging over gegenereerde tekst, niet over de presentatie van Johan en Johanna in de VR-proef.
