Una revisió del 2024 sobre la col·laboració entre persones i IA va concloure que, de mitjana, els equips mixtos feien pitjor feina que la millor de les dues parts per separat. Ara Julian Berger i Stefan Herzog, del Centre de Racionalitat Adaptativa de l'Institut Max Planck de Desenvolupament Humà, i un equip internacional, hi tornen a mirar a *PNAS*, revista revisada per parells.
L'article es titula «Human learning is an understudied but promising lever for boosting human–AI synergy» (DOI 10.1073/pnas.2536100123). No són experiments nous, sinó una reanàlisi dels 74 estudis de la revisió del 2024, amb tasques com classificar imatges, preveure el preu d'un habitatge o escriure codi. Amb una metaregressió van comparar els treballs amb retroacció sobre els resultats i sense, i amb explicacions de la IA i sense.
Només 10 dels 74 estudis donaven algun tipus de retroacció als participants i cap no la feia variar de manera experimental. Tot i això, el patró és clar: amb retroacció i explicacions, els equips superaven la millor part sola; amb explicacions però sense retroacció, la sinergia era clarament negativa; i la retroacció sense explicacions no mostrava una diferència apreciable. Els autors resumeixen que les explicacions ajuden sobretot quan la persona pot aprendre a comprovar la fiabilitat de la IA gràcies a la retroacció.
El mateix equip avisa que les troballes són correlacionals i que no demostren causalitat, perquè cap estudi no va manipular les oportunitats d'aprendre. Tampoc no se sap si valen per als models de llenguatge actuals, ja que les respostes d'un xatbot poden ser errònies i no sempre donen una retroacció independent, i delegar feina mental a la IA podria erosionar l'aprenentatge. Demanen experiments que ho provin directament.