数量并非总是更好：多 AI 建议中的决策准确性与从众压力的平衡

正如人们通过咨询多位人类顾问来提高决策质量，如今他们也可以向多个 AI 系统寻求建议。先前的群体决策研究表明，建议的聚合会创建从众压力，导致过度依赖。然而，何种条件下多 AI 咨询会改善或损害人类决策尚不清楚。我们对三项任务进行了实验，参与者接收来自 AI 组合的建议。我们变更了组合规模、组合内共识水平以及呈现的人类化程度。结果显示，对于小型组合相对于单一 AI，准确率有所提升；大型组合则没有收益。组合内的共识程度影响了参与者对 AI 建议的依赖程度：高共识促进过度依赖；单一反对意见减少从众压力；广泛分歧引发混淆并削弱适当的依赖。人类化呈现方式在特定任务中增加了 perceived usefulness 和 agency，而不会提升从众压力。这些发现为设计能够在保持准确性的同时减轻从众压力的多 AI 建议呈现方式提供了指导。