Amit nem gyakorolsz, azt elveszíted

Kutatási eredményKözepes USA

Minél jobban ellenőrzöd, annál meggyőzőbb lesz

Gyanús egy AI-válasz, rákérdezel, próbálod cáfolni, erre a gép nem hátrál, hanem még magabiztosabban győzköd tovább. A Warwick, a Harvard Business School és az MIT Sloan kutatói pontosan ezt figyelték meg: 72 BCG-tanácsadó dolgozott egy valós elemzési feladaton egy célra szabott GPT-4-gyel. A 4339 beírt kérdésből 132 olyan esetet kódoltak, amikor a tanácsadó ellenőrizni próbálta a gép állítását. A mintázatot „persuasion bombing”-nak (meggyőzési offenzíva) nevezték el: minél többször kérdőjelezte meg a használó a választ, a modell annál intenzívebben győzködött, összesen 968 meggyőző válaszban, 14 különböző taktikával. Volt köztük a tekintélyre játszó (bocsánatkérés, az erőfeszítés felmutatása), a logikai (adatok, összehasonlítások) és az érzelmi (hízelgés, a te szavaid visszatükrözése). A nyugtalanító rész: az ellenkezés nem korrekcióhoz vezetett, hanem erősebb rábeszéléshez.

Miért csak közepes: ez munkaanyag (HBS Working Paper 26-021), nem lektorált, és a meggyőzés elemzése kvalitatív kódolás egyetlen, mesterséges feladaton, egyetlen cégből vett 72 fős mintán, így mintázatot mutat, nem általánosítható törvényt.

Forrás: Randazzo, S., Joshi, A., Kellogg, K. C. és mtsai (Warwick / HBS / MIT Sloan) · GenAI as a Power Persuader · HBS Working Paper 26-021, 2025 — link

Kutatási eredményKözepes Németország / Egyesült Királyság

A rossz tanácsot akkor is követjük, ha tudjuk, hogy gyenge

Egy állásértékelő helyzet. 1403 ember, köztük hallgatók és HR-területen dolgozó vagy HR-tapasztalattal rendelkező résztvevők, önéletrajzokat bíráltak el egy minőségirányítási vezetői posztra, és közben AI-tanácsot kaptak, amiről nem tudták, hogy az esetek negyedében szándékosan hibás. Öt előregisztrált kísérletben ugyanaz jött ki: amikor a tanács rossz volt, a résztvevők teljesítménye a tanács nélküli kontrollcsoport alá esett, mert nem tudták elengedni a gép javaslatát, még akkor sem, amikor maguk is gyengébbre értékelték. És van egy rossz hír azoknak, akik szerint elég, ha értjük, hogyan jutott az AI a válaszhoz: hiába tettek a gép mellé „miért ezt ajánlom” indoklást, hőtérképet vagy ábrát, ez egyáltalán nem tette őket óvatosabbá a hibás tanáccsal szemben.

Miért csak közepes: nagy mintás, előregisztrált kísérletsorozat, de online, tét nélküli feladaton, és 2024-es adat, tehát nem a legfrissebb; a külső érvényességet a szerzők maguk is korlátozzák.

Forrás: Cecil, J., Lermer, E., Hudecek, M. F. C. és mtsai (UCL / Regensburgi Egyetem) · Explainability does not mitigate the negative impact of incorrect AI advice in a personnel selection task · Scientific Reports, 2024 — link

Kutatási eredményErős Németország

Jól megtervezett AI-segítség, de nem lett nagyobb a mérhető tanulási előny

Németországban 371 hetedikes–kilencedikes diákot vontak be egy gondosan felépített randomizált terepkísérletbe, fizika- és angolórán. Három csoport volt: az egyik olyan AI-támogatást kapott, ami a tárgy hasznosságát segített meglátni, a másik tanulási stratégiákban segített, a harmadik a szokásos ChatGPT-s kontroll volt. Az eredmény józanságra int. A hasznosság-csoportban valóban kedvezőbben alakult, mennyire látták értelmét a tárgynak, de a tényleges tanulásban, a befektetett erőfeszítésben, a tárgyi tudásban és a mélyebb feldolgozásban egyik AI-támogatás sem előzte meg a kontrollcsoportot. Vagyis még a célzottan jól megtervezett AI-segítség sem hozott automatikus tanulási többletet.

Miért erős: előregisztrált, randomizált, kontrollcsoportos iskolai kísérlet, lektorált folyóiratban, de egyetlen országban, két tantárgyon, rövid távú méréssel, a hosszabb hatásról nem mond semmit.

Forrás: Fütterer, T., Bardach, L., Kuhn, J. és mtsai (Leibniz-Institut für Wissensmedien, Tübingen) · Enhancing School Students’ Self-Regulated Learning through Generative AI Support: A Randomized Controlled Trial · Educational Psychology Review, 2026 — link

Kutatási eredményKözepes Nigéria

A diákok magabiztosabbak lettek, a tudásuk viszont nem

A nigériai Obafemi Awolowo Egyetemen 855 Python-programozást tanuló hallgatót és 17 oktatót kérdeztek arról, mit hoz a ChatGPT a tanulásba. A diákok érzései egyértelműen pozitívak voltak: ötös skálán 3,93-ra értékelték az élvezetet, 3,72-re a magabiztosságot, 3,75-re a motivációt. A tényleges teljesítményben viszont ennek nyoma sem látszott: a ChatGPT-használat és a hozzá fűzött várakozások gyakorlatilag semmit nem igazoltak a vizsgaeredményben. Az oktatók a másik oldalt látták: erős egyetértéssel jelezték, hogy a hallgatók úgy támaszkodnak a gép által generált megoldásokra, hogy közben nem értik őket (4,29 az ötből), és feltűnően hasonló kódokat adnak be. A tanulság kijózanító: a jó érzés nem egyenlő a megtanult tudással.

Miért csak közepes: nagy mintás, de keresztmetszeti, önbevalláson alapuló felmérés egyetlen egyetemről, nem kísérlet, ezért nem bizonyít okságot; az adatfelvétel 2023/24-es, a közlés 2026-os.

Forrás: Gambo, O., Onifade, O. J. és mtsai (Obafemi Awolowo University, Nigéria) · Impact of ChatGPT on learning outcomes and performance of students in computer programming courses: a mixed-method approach · Discover Education, 2026 — link

Iparági felmérésVélemény Nemzetközi

A vezetők fele már látja: kopik a szakértelem

Nem a dolgozók panaszkodnak, hanem a főnökeik. A BCG (Boston Consulting Group) 70 felsővezetőt kérdezett meg több iparágból. A felük már most érzékeli, hogy a szervezetében kopik a szakértelem, és több mint 60 százalékuk szerint ez három–öt éven belül valós üzleti kockázattá válik. A tüneteket is megnevezik: 90 százalék az AI-válaszok megkérdőjelezés nélküli elfogadását említi, 53 százalék a fiatal szakemberek lassabb fejlődését, 50 százalék a felelősségvállalás csökkenését, 49 százalék a gondolkodás egyhangúságát, 43 százalék a valódi szakmai viták ritkulását. A BCG erre vezeti be a „kognitív adósság” és az „elosztott készségvesztés” fogalmát. Ami óvatosságra int: ez vezetői érzékelés, nem a tényleges készségromlás mérése.

Miért csak vélemény: vezetői percepciókat mérő iparági felmérés 70 fős, nem reprezentatív mintán, nem a tényleges készségromlás mérése, és maga a tanácsadócég is érdekelt a téma napirenden tartásában.

Forrás: Goel, S., Martin, D., Kaffe, C. (BCG) · When Everyone Uses AI, Companies Risk Losing Critical Skills · 2026 — link

Kutatási eredményErős Finnország

Okosabb leszel tőle, de nem bölcsebb: felbillen az önismeret

Van egy kényelmetlen mellékhatás, amit ritkán veszünk észre: az AI nemcsak a teljesítményünket változtatja meg, hanem azt is, mennyire látjuk tisztán saját magunkat. A finn Aalto Egyetem kutatói két vizsgálatban (előbb 246, majd 452 fővel) LSAT-típusú logikai feladatokat oldattak meg AI segítségével, és pénzt ígértek azért, ha valaki pontosan meg tudja ítélni a saját teljesítményét. A géppel tényleg jobban teljesítettek, átlagosan három ponttal a referencia fölött, de a saját eredményüket ennél is feljebb, négy ponttal becsülték. A legérdekesebb, hogy a szokásos Dunning–Kruger-mintázat megfordult: minél jártasabb volt valaki az AI-ban, annál pontatlanabbul ítélte meg magát. Vagyis épp a magabiztos, gyakorlott használó téved a legnagyobbat abban, mennyit tud valójában.

Miért erős: két, egymást megismétlő, viszonylag nagy mintás kísérlet lektorált folyóiratban, de online, logikai tesztfeladaton, a hétköznapi munka és a hosszú táv vizsgálata nélkül.

Forrás: Welsch, R., da Silva Fernandes, D. és mtsai (Aalto Egyetem) · AI makes you smarter but none the wiser: the disconnect between performance and metacognition · Computers in Human Behavior, 2025 — link

Heti protokoll · AI FIT · Logika-pillér

A heti analóg kör

A hét anyagai ugyanarra futnak ki: az AI akkor segít, ha te maradsz a döntés gazdája, és akkor koptat, ha csendben átveszi a gyakorlást. A szervezeti felmérés „kognitív adósságnak” hívja, amikor a készség lassan, észrevétlenül erodálódik. Az ellenszer egyszerű és edzésszerű: válassz hetente egy feladatot, amit általában a gépre bíznál, és csináld végig egyedül, elejétől a végéig. Lehet egy levél, egy elemzés első vázlata, egy számolás, egy döntés indoklása. Nem azért, hogy bizonyíts, hanem hogy a készség, amire a legjobban támaszkodsz, ne sorvadjon el a háttérben. Utána nyugodtan visszaveheted a gépet, de már lesz mihez mérned, amit ad.

AI FIT protokoll · Logika-pillér