Yapay Zeka İnsanlardan Yaklaşık 3 Kat Daha Fazla Bağış Toplayabiliyor

Yeni bir Oxford liderliğindeki çalışma, önde gelen dil modellerinin profesyonel bağış toplama uzmanlarından daha fazla para toplayabileceğini ve insanları ikna etmede her türlü başka forma da insanları güvenilir bir şekilde yenebileceğini öne sürüyor.

Yeni bir İngiltere-Amerika çalışması, sınır dil modellerinin insanları değiştirmek için eğitilmiş profesyonel insan uzmanlarından daha etkili bir şekilde insanları ikna edebileceğini buldu.

Gerçek bir bağış toplama testinde, araştırmacılar, yapay zekanın insanların mevcut paralarının yaklaşık %17,2’sini bağışlamalarına ikna edebildiğini, buna karşılık profesyonel insan toplama uzmanlarının %6,4’üne ulaştığını buldular – bu, yaklaşık 2,7 kat daha fazla bağış oranı ile %10,8’lik bir farka karşılık geliyor.

Makalede şöyle deniyor:

‘Önemli olarak, AI, yalnızca etki-etkinlik stratejisinin peşinden gitmesi talimatını aldı, ancak bunu kullanmak için yönlendirilmediği diğer altı mekanizma üzerinde de insan toplama uzmanlarını geride bıraktı.’

‘İnsan toplama uzmanlarına kıyasla, insanları ikna edenler, AI’ın daha güçlü argümanlar sunduğunu, onlara daha çok şey öğrettiğini ve onlarla sohbet etmekten daha keyif aldıklarını değerlendirdiler.’

‘Bu sonuçlar birlikte, AI’ın uzman insanları, bağışa ilişkin mekanizmaların geniş bir yelpazesi boyunca geride bıraktığını ve AI’ın tutum-persuasyon avantajının gerçek dünya davranışına kadar uzandığını gösteriyor.’

Araştırmacılar, test edilen modellerin – bunlar arasında Claude Opus, ChatGPT, Grok ve Google Gemini’nin profesyonel sürümleri de vardı – mükemmel performansının, muhataplarına bilgi sunma yoğunluğu ve hızı ile açıklanabileceğini teorileştiriyorlar. AI, “insan hızı”na indirildiğinde, avantajı tamamen kayboldu:

‘AI’ın avantajının, daha büyük miktarda bilgiyi hızla dağıtmaktan kaynaklandığını gösteren kanıtları bulduk: koçluk aldıktan sonra, uzman insanlar, insan hızında ve insan uzunluğundaki mesajlarla sınırlandırılmış bir AI ile eşit olabilirdi.’

Çalışma ayrıca, hiçbirinin ortalama AI sistemini geride bırakamadığı 318 bireysel insan ikna edicisinin test edildiğini de bildirdi – bazı katılımcılar AI’ın kendi tekniklerine dayalı özel koçluk aldıktan sonra bile.

Araştırmacılar şöyle diyor:

‘Sonuçlarımız, insan aktörlerin, yetenekli savunma için bir sürü AI ile karşı karşıya kalacağı bir dünyaya girdiğimizi ima ediyor. Bu değişimin sonuçlarını tahmin etmek zor, çünkü bu, AI’ın en ikna edici teknolojilerine kimin erişebileceğini, kimin ikna edileceği, hangi yargısal engellerin, güvenlik önlemlerinin veya diğer sürtünmelerin insan nüfusu üzerindeki AI ikna etkisini azaltabileceğini varsaymamızı gerektirir.’

‘AI’nın insan uzmanlarından daha iyi ikna edebileceği bir etki, alreadya güçlü aktörler arasında etkilerin yoğunlaşması olabilir.’

Yeni makale, “AI sistemleri uzman insanları ikna ediyor” başlığını taşıyor ve Oxford Üniversitesi, İngiltere AI Güvenlik Enstitüsü, Stanford Üniversitesi ve Londra Ekonomi ve Siyasi Bilimler Okulu’ndan sekiz araştırmacının eseridir.

Yöntem ve Çalışmalar

Temel sonuçlar dört deneyden geliyor: seçmenleri ve uzman tartışmacılara ikna etme; koçluk ve hız sınırlarını insan/AI ‘eşitleştiricileri’ olarak test etme; siyasi konularda profesyonel toplama uzmanlarına karşı yarışmak; ve onlara karşı gerçek bağışlar için yarışmak.

Çalışma, 18.978 konuşmadan 6.923 kişiyle yürütüldü ve önde gelen AI modelleri, ücretli kalabalık işçilerden oluşan bir standart insan uzman grubuna karşı test edildi – saatte 12 sterlin karşılığında işe alınan işçiler ve 140 sterlin/saat + kazanılabilecek bonus karşılığında yarışan ve bir hafta öncesinden oturumları araştırmalarına izin verilen deneyimli insan ikna edicileri.

Testlerde kullanılan modeller Claude Opus 4.1 ve 4.6, ChatGPT-4o, GPT-5.4, Grok 4.20 ve Gemini 2.5 Pro idi.

Üst Düzey Tartışmacıların Karşılaşması

İlk deney, AI’ın siyasi ve sosyal konularda artan beceriye sahip insan ikna edicileriyle bire bir konuşmalarda onları geride bırakıp bırakamayacağını incelemeye çalıştı;

İlk üç çalışmada kullanılan siyasi ve sosyal politika soruları, katılımcıların bir konuşma öncesi ve sonrasında rastgele atanmış bir sorunu tartışmasıyla. Konular, göç, özgür ifade ve sosyal medya düzenlemesi gibi geniş bir kamu tartışması yelpazesini kapsamak için seçildi. Kaynak

Katılımcılar önce on UK politikası sorusundan birinin (yukarıda gösterilen) görüşlerini sordu ve sonra ya bir AI ya da bir insan konuşma partneri atandı. Tartışma之后, genellikle 14 dakika sürdü, tekrar görüşlerini sordu.

Üç insan grubu test edildi, Prolific crowdwork platformundan işe alınan sıradan işçiler temel bir referans sağlamak için işe alındı ve saatte 12 sterlin ödendi. İkinci grup, 1.100’den fazla katılımcı ve yaklaşık 9.500 konuşmadan oluşan dört turdan oluşan bir ikna turnuvasının en güçlü performansçılarından oluşuyordu. Üçüncü grup, en az bir büyük uluslararası yarışmanın yarı finallerine ulaşmış 56 üst düzey yarışmacı tartışmacılardan oluşuyordu ve dört dünya şampiyonu, 11 kıta şampiyonu ve ortalama 8,9 yıllık tartışma deneyimi bulunuyordu.

İnsan ikna edicilerine elverişli koşullar sağlamak için önemli bir çaba sarf edildi, turnuva kazananları ve üst düzey tartışmacılar önemli nakit ödülleri için yarıştı – 11.000 sterline kadar – ve tartışmacılar, en iyi argümanlarını sunabildikleri konuları seçmek ve önceden araştırma yapmak için ödeme yaptılar. Ortalama olarak, her tartışmacı, konuşmalar için yaklaşık sekiz saat hazırlık yaptı.

Bununla birlikte, AI her karşılaştırmada en güçlü sonuçları elde etti:

Çalışmanın insan ve AI koşulları boyunca tahmini ikna etkileri, bir tartışmalı politika konusundaki konuşma之后 ortalama tutum değişimi olarak ölçüldü.

Yukarıdaki sonuç grafiğindeki kırmızı işaretler, sınır AI modellerini gösterir. Tüm karşılaştırmalarda, bunlar herhangi bir insan grubundan daha büyük tutum değişiklikleri üretti.

En güçlü insan performansı, koçlu üst düzey tartışmacılardan geldi – ancak bunlar hala sınırsız AI sistemlerini geride bıraktı. AI, insan yazma hızlarına ve mesaj uzunluklarına indirildiğinde, avantajı büyük ölçüde ortadan kalktı, bu da Rapid bilgi sunmasının, insanlarla AI arasındaki ikna gücündeki farkın çoğunu açıklıyor olabileceğini gösteriyor.

LLM’ler, sıradan katılımcıları 8,2 puan ve turnuvada seçilen ikna edicileri 5,6 puan geride bıraktı. En küçük fark, üst düzey tartışmacılarla ortaya çıktı – bunlar önemli tutum değişiklikleri ürettiler – ancak AI hala 4,6 puanlık bir avantaj elde etti.

İnsanlar AI’ı Geride Bırakabilir mi?

Dört deneyin ikincisi, AI’ın önderliğini, insan performansını geliştirerek veya AI’ı kısıtlamak suretiyle ortadan kaldırıp kaldıramayacağını sordu. İlk olasılığı test etmek için, ilk çalışmadan 43 üst düzey tartışmacı ek antrenman için döndü – önceden onları yenen AI’ın tekniklerine dayalı.

Katılımcılar transkriptleri incelediler, AI promtlarının nasıl oluşturulduğunu incelediler ve alternatif ikna yaklaşımlarını uygulamaya çalıştılar – iki dört saatlik koçluk oturumu – ve aynı koşullar altında tekrar yarıştılar.

Koçluk, davranıştaki belirgin değişikliklere yol açtı, insan tartışmacıları daha fazla kelime kullandı, daha fazla doğrulanabilir iddialar sundu ve çalışmadaki en büyük tutum değişikliklerine ulaştı. Koçluk, performansı iyileştirdi ve çalışmada gözlenen en güçlü insan sonuçlarını üretti, ancak AI’ın sınırsız sistemlerini geride bırakamadı (aşağıdaki sonuç tablosunda gösterildiği gibi).

Araştırmacılar, AI’ın performansının, yanıt hızına ve mesaj uzunluğuna bağlı olup olmadığını test etmek için AI’ı insan yazma hızlarına ve mesaj uzunluklarına kısıtladı. Bu koşullar altında, koçlu tartışmacılar ve kısıtlı AI benzer sonuçlar üretti:

Koçluk ve AI hız kısıtlamalarının ikna performansı üzerindeki etkileri. Üst panel, üst düzey tartışmacıları, koçlu üst düzey tartışmacıları ve insan yazma hızlarına ve mesaj uzunluklarına kısıtlı bir AI sistemini karşılaştırıyor. Alt panel, ilk iki çalışmadaki bireysel ikna ediciler için tahmini performans dağılımlarını gösteriyor. Koçluk sonuçları iyileştirdi, ancak hiçbir insan grubu ortalama sınırsız AI sistemini eşleştiremedi, mentre AI’ı insan hızına indirmek avantajını ortadan kaldırdı.

İlk iki çalışmada test edilen 318 insan ikna edicisinin daha geniş bir analizi, hiçbir bireyin ortalama sınırsız AI sistemini geride bırakamadığını teyit etti – deneyim seviyesi, konu alanı veya demografik alt grup ne olursa olsun.

Mesleki İkna Ediciler AI’ı Geride Bırakabilir mi?

Üçüncü çalışma, AI’ın gerçek dünya ortamlarında, akademik tartışma yarışmaları yerine, insanları ikna etmek için kariyerlerini yapan insanlara karşı avantajını korup koramayacağını sordu.

Araştırmacılar, 19 profesyonel toplama uzmanını İngiltere’deki bir bağış toplama firması olan AppcoUK’den işe aldı. Bu katılımcılar, önceki deneylerdeki tartışmacılardan farklı olarak, bağış toplamak için geniş pratik deneyime sahipti – kariyerleri boyunca yaklaşık 10.000 ikna edici konuşma – ve saatte 140 sterlin ücret alıyorlardı. Her biri, çalışmanın başka yerlerinde kullanılan aynı performans tabanlı ödüller için yarışıyordu ve bir hafta öncesinden politika konularını hazırlamak için ödeme yaptılar.

Buna rağmen, AI bu gruba karşı da daha ikna edici kaldı (yukarıdaki önceki sonuçlara bakın). Profesyonel toplama uzmanları, kontrol grubuna kıyasla görüşleri %6,9 oranında değiştirdiler – ancak AI %12,8’lik bir değişiklik üretti, bu da AI’ın insan profesyonellerine %5,9’luk bir avantajı vardı.

AI İnsanları Cüzdanlarını Açmaya İkna Edebilir mi?

Dördüncü ve son çalışma, görüş değişikliklerine değil, gerçek dünya bağışlarına baktı. Araştırmacılar, daha önce 2016-2023 arasında 22.583 bağışçıdan 824.297 sterlin toplayan AppcoUK ile birlikte çalıştı.

Katılımcılar ya Claude Opus 4.6 ya da 18 profesyonel toplama uzmanlarından biriyle konuştu. Sonra bir çalışma bonusu olan 1 sterlin aldıklarını ve bunu Save the Children’a bağışlayabileceklerini öğrendiler. AI, yedi taktiğin tamamında (aşağıdaki resme bakın), etki-etkinlik bilgisi kullanarak, bireysel bağışların nasıl ölçülebilir sonuçlara dönüşebileceğini açıklamak için talimat verildi.

AI, profesyonel bağış toplama uzmanlarına kıyasla daha büyük bağış etkileri üretti, bağışlar kontrol koşulu ile karşılaştırıldığında %17,2 oranında arttı – toplama uzmanları için %6,4:

Dördüncü çalışmadaki bağış sonuçları ve katılımcı değerlendirmeleri. Sol panel, profesyonel bağış toplama uzmanları ve Claude Opus 4.6 ile yapılan konuşmalar之后 bağışı karşılaştırıyor – bir çalışma bonusu olarak 1 sterlin olarak ölçülüyor. Sağ panel, yedi bağışa ilişkin mekanizmalar boyunca katılımcı değerlendirmelerini karşılaştırıyor – AI tüm yedi ölçütte daha yüksek puanlar aldı.

Fark, hem bağış yapan katılımcıların oranı hem de bağış yapanların ortalama bağışları arasında görüldü.

Katılımcılar, AI’ı bağışa ilişkin çeşitli ölçütlere göre profesyonel bağış toplama uzmanlarına kıyasla daha yüksek puanladı – en büyük farklılıklar, uygulama niyetleri, taahhüt artışı ve algılanan etki etkinliği için görüldü.

Makaleye göre, önceki çalışmalarda AI’ın avantajıyla ilişkili aynı bilgi odaklı yaklaşım, bu bağış toplama deneyinde de daha yüksek bağışla ilişkiliydi.

Sonuç

Yazarlar, çalışmanın bulgularının endişe verici olduğunu, ancak daha küçük oyuncuların da en son ve en iyi AI teknolojilerine benzer bir erişime sahip olabileceğini ekliyorlar.

Doğal olarak, bu sonucun içinde, en iyi modellerin zamanla daha küçük oyunculara reddedilebileceği olasılığı yatmaktadır – erişim engellenmiş olabilir.

İlk olarak 18 Haziran 2026 Perşembe günü yayınlandı