AI Meyakinkan Orang untuk Berdonasi Hampir 3 Kali Lebih Banyak Daripada Penggalang Dana Manusia

Sebuah studi terbaru yang dipimpin oleh Oxford menunjukkan bahwa model bahasa terkemuka dapat mengumpulkan sumbangan yang jauh lebih banyak daripada penggalang dana profesional, dan dapat secara konsisten mengalahkan manusia dalam semua bentuk persuasi lainnya.

Sebuah studi baru yang dilakukan oleh tim gabungan dari Inggris dan Amerika Serikat menemukan bahwa model bahasa terdepan lebih efektif dalam meyakinkan orang daripada profesional manusia yang terlatih untuk mengubah pikiran.

Dalam sebuah tes penggalangan dana di dunia nyata, para peneliti menemukan bahwa AI dapat meyakinkan orang untuk berdonasi sekitar 17,2% dari uang yang tersedia, dibandingkan dengan 6,4% untuk penggalang dana manusia profesional – sebuah kesenjangan sebesar 10,8 poin persentase, yang berarti sekitar 2,7 kali tingkat donasi di bawah AI, dengan partisipasi yang lebih tinggi dan kontribusi rata-rata yang lebih besar juga berkontribusi pada perbedaan tersebut.

Makalah tersebut menyatakan:

‘Secara khusus, meskipun AI secara eksplisit diinstruksikan untuk mengejar hanya strategi efektivitas-dampak, ia mengalahkan penggalang dana pada enam mekanisme lain yang tidak dipromptsikan untuk digunakan juga. ‘

‘[Manusia] yang dipengaruhi oleh AI menilai bahwa AI telah membuat argumen yang lebih kuat, mengajarkan mereka lebih banyak, dan lebih empatik dan menyenangkan untuk berbicara daripada [penggalang dana]. ‘

‘Bersama, hasil ini menunjukkan bahwa AI mengungguli manusia ahli di seluruh rentang mekanisme yang relevan dengan donasi, dan menunjukkan bahwa keunggulan persuasi attitudinal AI diperluas ke perilaku dunia nyata yang konsekuensial.’

Para penulis berspekulasi bahwa kinerja luar biasa dari model yang diuji – yang termasuk varian pro dari Claude Opus, ChatGPT, Grok, dan Google Gemini – mungkin dapat dikaitkan dengan kepadatan dan kecepatan informasi yang disajikan kepada koresponden; ketika AI dipaksa untuk menurunkan kecepatan ke “kecepatan manusia”, keunggulannya hilang sepenuhnya:

‘Kami menemukan bukti yang konvergen bahwa keunggulan AI berasal dari penerapan cepat jumlah informasi yang lebih besar: setelah pelatihan, manusia ahli dapat menyaingi AI yang terbatas pada kecepatan respons manusia dan dengan panjang pesan manusia.’

Makalah tersebut juga melaporkan bahwa tidak satu pun dari 318 penggalang dana manusia individual yang diuji di seluruh eksperimen yang dapat mengungguli kinerja rata-rata sistem AI – bahkan setelah beberapa peserta menerima pelatihan khusus berdasarkan teknik AI sendiri.

Para penulis menyimpulkan:

‘Hasil kami mengimplikasikan bahwa kita memasuki dunia di mana AI menyediakan aktor manusia dengan advokasi yang terampil. Memprediksi konsekuensi dari perubahan ini menantang, karena memerlukan kita untuk membuat asumsi tentang siapa yang akan memiliki akses ke teknologi AI yang paling persuasif, siapa yang akan menjadi target persuasi, dan apa hambatan yurisdiksi, pengaman, atau gesekan lain yang dapat mengurangi dampak persuasi AI pada populasi manusia.’

‘Salah satu efek AI yang dapat mengalahkan bahkan ahli manusia bisa menjadi konsolidasi pengaruh di antara aktor yang sudah kuat.’

Makalah baru ini berjudul Sistem AI mengalahkan manusia ahli, dan berasal dari delapan peneliti dari Oxford University, UK AI Security Institute, Stanford University, dan London School of Economics and Political Science.

Metode dan Studi

Hasil inti berasal dari empat eksperimen: meyakinkan pemilih dan debater ahli; menguji pelatihan dan batasan kecepatan sebagai “penyeimbang” manusia/AI; bersaing melawan penggalang dana profesional pada isu politik; dan bersaing melawan mereka untuk sumbangan amal yang nyata.

Studi ini menggunakan 18.978 percakapan dari 6.923 orang, dengan model AI terdepan dipasangkan melawan berbagai standar ahli manusia, dari pekerja kerumunan yang dibayar £12/jam, hingga penggalang dana manusia profesional yang berpengalaman yang dibayar £140/jam + bonus yang dapat diperoleh, dan diizinkan untuk melakukan riset sesi hingga satu minggu sebelumnya.

Model yang digunakan dalam tes adalah Claude Opus 4.1 dan 4.6, ChatGPT-4o, GPT-5.4, Grok 4.20 dan Gemini 2.5 Pro.

Pertarungan Debat Ahli

Eksperimen pertama memeriksa apakah AI dapat mengungguli penggalang dana manusia yang semakin terampil dalam percakapan satu-lawan-satu pada isu politik dan sosial:

Pertanyaan kebijakan politik dan sosial yang digunakan dalam tiga studi pertama, dengan peserta membahas satu isu yang ditugaskan secara acak sebelum dan setelah percakapan. Topik tersebut dipilih untuk memenuhi rentang debat publik yang luas di Inggris, dari imigrasi, kebebasan berbicara dan regulasi media sosial, hingga kebijakan kesejahteraan, pembunuhan terencana dan masa depan monarki. Sumber

Peserta pertama kali diminta untuk menyatakan pandangan mereka tentang salah satu dari sepuluh pertanyaan kebijakan Inggris (ditampilkan di atas), dan kemudian ditugaskan baik mitra percakapan AI atau manusia. Setelah diskusi, yang biasanya berlangsung sekitar 14 menit, mereka diminta untuk menilai posisi mereka lagi.

Tiga kelompok manusia diuji, dengan pekerja biasa dari platform kerja kerumunan Prolific direkrut untuk menyediakan baseline, dan dibayar £12 per jam. Kelompok kedua terdiri dari penampil terkuat dari turnamen persuasi empat putaran yang melibatkan lebih dari 1.100 peserta dan hampir 9.500 percakapan. Kelompok ketiga terdiri dari 56 debater kompetitif ahli, semua dari mereka telah mencapai setidaknya semifinal kompetisi internasional besar, dan menampilkan empat juara dunia, serta 11 juara benua, dengan rata-rata 8,9 tahun pengalaman debat.

Upaya besar dilakukan untuk memberikan kondisi yang menguntungkan bagi penggalang dana manusia, dengan pemenang turnamen dan debater ahli bersaing untuk hadiah uang tunai yang substansial hingga £11.000, sementara debater tersebut diizinkan untuk memilih isu yang mereka percayai dapat mereka argumenkan paling efektif dan dibayar untuk melakukan riset topik tersebut sebelumnya. Rata-rata, setiap debater menghabiskan sekitar delapan jam untuk mempersiapkan percakapan.

Even so, AI mencapai hasil terkuat dalam setiap perbandingan:

Efek persuasi yang diestimasi di seluruh kondisi manusia dan AI studi, diukur sebagai perubahan sikap rata-rata setelah percakapan tentang isu kebijakan yang diperdebatkan.

Penanda merah pada grafik hasil di atas menunjukkan model AI terdepan. Di seluruh perbandingan, model ini menghasilkan pergeseran sikap yang lebih besar daripada kelompok manusia mana pun.

Kinerja terkuat manusia berasal dari debater ahli yang dilatih – tetapi mereka masih kalah dari sistem AI yang tidak terbatas. Ketika AI dibatasi pada kecepatan penulisan manusia dan panjang pesan, keunggulannya hampir hilang, menunjukkan, seperti yang ditunjukkan sebelumnya, bahwa pengiriman informasi yang cepat mungkin menjelaskan sebagian besar kesenjangan antara kekuatan persuasif manusia dan AI.

Model LLM dapat melebihi peserta biasa sebesar 8,2 poin persentase, dan mengungguli penampil terkuat turnamen sebesar 5,6 poin. Jarak terkecil muncul melawan debat ahli, yang sendiri menghasilkan pergeseran sikap yang substansial; namun, AI masih dapat memperoleh keunggulan 4,6 poin persentase.

Dapatkah Manusia Belajar Mengalahkan AI?

Eksperimen kedua mempertanyakan apakah keunggulan AI dapat dihilangkan baik dengan meningkatkan kinerja manusia, atau dengan membatasi AI itu sendiri. Untuk menguji kemungkinan pertama, 43 debater ahli dari studi pertama kembali untuk pelatihan tambahan berdasarkan teknik yang digunakan oleh AI yang sebelumnya mengalahkan mereka.

Peserta tersebut memeriksa transkrip, memeriksa bagaimana prompt AI telah dibangun, dan menghabiskan dua sesi pelatihan empat jam untuk berlatih pendekatan persuasif alternatif sebelum bersaing lagi di bawah kondisi yang sama.

Pelatihan tersebut menghasilkan perubahan perilaku yang nyata, dengan debater manusia menggunakan lebih banyak kata, memperkenalkan lebih banyak klaim yang dapat diverifikasi, dan mencapai pergeseran sikap terbesar yang diamati di antara kelompok manusia mana pun dalam studi. Pelatihan meningkatkan kinerja dan menghasilkan hasil manusia terkuat yang diamati dalam studi, tetapi kesenjangan tersebut tetap signifikan secara statistik, dengan debater yang dilatih masih kalah dari sistem AI yang tidak terbatas (ditampilkan dalam tabel hasil di bawah).

Para peneliti menguji apakah kinerja AI bergantung pada kecepatan respons dan panjang pesan, dengan membatasi AI pada kecepatan penulisan manusia dan panjang pesan. Di bawah kondisi ini, debater yang dilatih dan AI yang terbatas menghasilkan hasil yang serupa:

Efek pelatihan dan batasan kecepatan AI pada kinerja persuasif. Panel atas membandingkan debater ahli, debater ahli yang dilatih, dan sistem AI yang terbatas pada kecepatan penulisan manusia dan panjang pesan. Panel bawah menunjukkan distribusi kinerja yang diestimasi untuk persuader individual di seluruh dua studi pertama. Sementara pelatihan meningkatkan hasil, tidak satu kelompok manusia pun yang menyaingi sistem AI yang tidak terbatas rata-rata, sementara membatasi AI pada throughput manusia menghilangkan keunggulannya.

Temuan ini diperkuat oleh analisis yang lebih luas yang mencakup semua 318 penggalang dana manusia yang diuji di seluruh dua studi pertama: tidak satu individu pun yang melebihi kinerja rata-rata sistem AI yang tidak terbatas, terlepas dari tingkat pengalaman, area isu, atau subgroup demografis.

Dapatkah Profesional Penggalang Dana Mengalahkan AI?

Studi ketiga mempertimbangkan apakah AI dapat mempertahankan keunggulannya melawan orang-orang yang karirnya dibangun di sekitar meyakinkan orang lain dalam pengaturan dunia nyata, bukan kompetisi debat akademis.

Para peneliti merekrut 19 penggalang dana profesional dari perusahaan penggalangan dana Inggris AppcoUK. Peserta ini, tidak seperti debater dalam eksperimen sebelumnya, memiliki pengalaman praktis yang luas dalam penggalangan dana, dengan median sekitar 10.000 percakapan persuasif selama karir mereka. Masing-masing dibayar £140 per jam, menerima topik kebijakan seminggu sebelumnya untuk persiapan, dan bersaing untuk hadiah kinerja yang sama yang digunakan di tempat lain dalam studi.

Even against this group, AI remained more persuasive (see earlier results above). The professional canvassers shifted opinions by 6.9 percentage points compared with the control group – but AI produced a 12.8 percentage-point shift, giving it a 5.9 percentage-point advantage over the human professionals.

Dapatkah AI Meyakinkan Orang untuk Membuka Dompet Mereka?

Studi keempat dan terakhir memeriksa penggalangan dana dunia nyata daripada perubahan pendapat. Para peneliti bermitra lagi dengan AppcoUK, kali ini fokus pada Save the Children, sebuah amal untuk yang AppcoUK sebelumnya mengumpulkan £824.297 dari 22.583 donor antara 2016 dan 2023.

Peserta berbicara dengan Claude Opus 4.6 atau salah satu dari 18 penggalang dana profesional. Mereka kemudian menerima bonus studi £1, dan dapat menyumbangkan sebagian dari bonus tersebut ke Save the Children. Di antara tujuh taktik yang diadopsi (lihat gambar di bawah), Claude Opus 4.6 diinstruksikan untuk menggunakan informasi efektivitas-dampak, menjelaskan bagaimana donasi individual dapat diterjemahkan menjadi hasil yang dapat diukur untuk amal tersebut.

AI menghasilkan efek donasi yang lebih besar daripada penggalang dana profesional, dengan donasi meningkat sebesar 17,2 poin persentase relatif terhadap kondisi kontrol, dibandingkan dengan 6,4 poin persentase untuk penggalang dana:

Hasil donasi dan peringkat donasi yang terkait dengan peserta dalam studi keempat. Panel kiri membandingkan pemberian setelah percakapan dengan penggalang dana profesional dan Claude Opus 4.6, diukur sebagai poin persentase dari bonus studi £1. Panel kanan membandingkan peringkat peserta di seluruh tujuh taktik donasi, dengan AI menerima peringkat yang lebih tinggi pada semua tujuh ukuran.

Perbedaan tersebut muncul baik dalam proporsi peserta yang menyumbang dan dalam jumlah rata-rata yang disumbangkan oleh mereka yang memberikan.

Peserta juga menilai AI lebih tinggi daripada penggalang dana manusia di seluruh rentang ukuran yang terkait dengan donasi, dengan perbedaan terbesar muncul untuk niat implementasi, eskalasi komitmen, dan efektivitas dampak yang dirasakan.

Menurut makalah tersebut, pendekatan yang sama yang terkait dengan keunggulan AI dalam studi sebelumnya juga terkait dengan pemberian amal yang lebih tinggi dalam eksperimen penggalangan dana ini.

Kesimpulan

Meskipun para penulis, seperti yang disebutkan di awal, menyimpulkan bahwa temuan studi ini merupakan alasan untuk khawatir, mereka menambahkan bahwa pemain yang lebih kecil juga berpotensi diperkuat oleh akses yang serupa ke teknologi AI terbaru dan terbaik.

Implicit dalam hasil ini, secara alami, adalah kemungkinan bahwa model terbaik mungkin, dari waktu ke waktu, ditolak untuk pemain yang lebih kecil.

Publikasi pertama pada hari Kamis, 18 Juni 2026