Por qué nos cuesta confiar en los robots tras unos pocos errores

A robot
Humans are becoming less forgiving of robots after multiple mistakesImage: PEXELS / Alex Knight
Este contenido ha sido traducido automáticamente con IA.
  • Al igual que los compañeros de trabajo humanos, los robots pueden cometer errores que vulneran la confianza de una persona.

  • Un nuevo estudio analiza cuatro estrategias que podrían reparar el daño causado por esta pérdida de confianza: disculpas, negaciones, explicaciones y promesas de fiabilidad.

  • Sin embargo, los resultados mostraron que, tras tres errores, ninguna de estas estrategias es eficaz para reparar por completo la confianza de la persona en el robot.

  • Esto significa que no se da a los robots la oportunidad de aprender de sus errores, lo que implica que los humanos podrían estar perdiendo posibles beneficios, según afirman los investigadores.

Los humanos son menos indulgentes con los robots después de cometer múltiples errores, y la confianza es difícil de recuperar, según un nuevo estudio.

Al igual que los compañeros de trabajo humanos, los robots pueden cometer errores que vulneran la confianza que las personas depositan en ellos. Cuando se producen errores, las personas suelen considerar que los robots son menos fiables, lo que en última instancia reduce su confianza en ellos.

El estudio analiza cuatro estrategias que podrían reparar y mitigar los efectos negativos de estas vulneraciones de la confianza. Estas estrategias de confianza son: disculpas, negaciones, explicaciones y promesas de fiabilidad.

Los investigadores realizaron un experimento en el que 240 participantes trabajaron con un robot compañero para llevar a cabo una tarea, la cual en ocasiones implicaba que el robot cometiera errores. El robot vulneró la confianza del participante y, a continuación, ofreció una estrategia de reparación concreta.

Los resultados indicaron que, tras tres errores, ninguna de las estrategias de reparación llegó a restablecer por completo la fiabilidad.

“Al llegar a la tercera vulneración, nunca llegaron a materializarse las estrategias que el robot utilizó para reparar por completo la desconfianza”, afirma Connor Esterwood, investigador de la Escuela de Información de la Universidad de Míchigan y autor principal del estudio publicado en Computers in Human Behavior.

Esterwood y el coautor Lionel Robert, catedrático de Información, señalan también que esta investigación introduce las teorías del perdón, el olvido, la información y la desinformación.

El estudio tiene dos implicaciones. Esterwood afirma que los investigadores deben desarrollar estrategias de reparación más eficaces que ayuden a los robots a restablecer mejor la confianza tras estos errores. Además, los robots deben asegurarse de haber dominado una nueva tarea antes de intentar reparar la confianza que una persona deposita en ellos.

“Si no lo hacen, corren el riesgo de perder la confianza de una persona de una forma que no puede recuperarse”, afirma Esterwood.

¿Qué implican los hallazgos para la confianza entre humanos y su reparación? La confianza nunca se repara por completo mediante disculpas, negaciones, explicaciones o promesas, afirman los investigadores.

“Los resultados de nuestro estudio indican que, tras tres vulneraciones y reparaciones, la confianza no puede restablecerse por completo, lo que respalda el refrán «a la tercera va la vencida»”, afirma Robert. “Al hacerlo, plantea un posible límite que podría existir respecto al momento en que la confianza puede restablecerse por completo.”

Incluso cuando un robot puede mejorar tras cometer un error y adaptarse después, es posible que no se le dé la oportunidad de hacerlo mejor, afirma Esterwood. Así, se pierden los beneficios de los robots.

Lionel señala que las personas podrían intentar sortear o eludir al robot, lo que reduciría su rendimiento. Esto podría provocar problemas de rendimiento que, a su vez, podrían acabar en su despido por falta de rendimiento o de cumplimiento, afirma.

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.