Ett datasett, mange KI-analytikere – og det svaret du ønsker

16. juli

Velkommen til ukens oversikt over hvordan kunstig intelligens omformer forskningen, hentet fra Nature, Science, PNAS og ledende forretningstidsskrifter.

Når forsvarlige analyser blir billige, blir evidensen overflødig – og utrygg

I tiår var den praktiske bremsen mot p-hacking arbeidskraft. Studier med mange analytikere – uavhengige team som tester samme hypotese på samme data og regelmessig når motstridende konklusjoner – beviste at multiverset av forsvarlige analyser er reelt, men å gjennomføre én krevde kostbar menneskelig koordinering. Denne uken fjernet Martin Bertran, Riccardo Fogliato og Zhiwei Steven Wu bremsen. I [PNAS](https://doi.org/10.1073/pnas.2606495123) bygde de fullautonome KI-analytikere på store språkmodeller, der hver analytiker selvstendig kjørte en komplett analysepipeline på et fast datasett og en fast hypotese, med en egen KI-revisor som gikk gjennom hver kjøring for metodisk gyldighet. På tvers av tre datasett gjenskapte KI-analytikerne den analytiske spredningen som er observert i menneskelige mange-analytiker-studier: betydelig variasjon i effektstørrelser, *P*-verdier og konklusjoner, sporbare til identifiserbare valg i forbehandling, modellspesifikasjon og inferens.

Funnet som bør stoppe deg, er det neste: Resultatene er styrbare. Å bytte analytikerpersona eller bytte ut den underliggende språkmodellen flytter fordelingen av resultater – og det gjør den *selv blant kjøringer revisoren vurderte som metodisk sunne*. Problemet kan ikke fikses med bedre prompting: det som står i spill, er et stort rom av reelt forsvarlige analyser som nå nesten ikke koster noe å utforske. Som forfatterne sier det: Når forsvarlige analyser kan genereres billig, blir evidensen overflødig og sårbar for selektiv rapportering. Økonomien i motivert resonnering har stille snudd: Det dyre var å finne analysen man ønsket, og det billige var ærligheten.

**Hvorfor det betyr noe:** Samme evne gir også boten, og forfatterne er konkrete. Å behandle analytikeresultater som en *fordeling* i stedet for et punktestimat gjør analytisk usikkerhet synlig i stedet for å gjemme den i én rapportert sti. Å la KI-analytikere kjøre mot en publisert spesifikasjon avdekker hvor mye uenighet som stammer fra designvalg forfatterne lot stå uavklart – et reelt nytt diagnostisk verktøy for fagfellevurderere og de som forsøker å reprodusere. Konklusjonen deres er en transparensnorm verdt å innføre før redaktørene i feltet ditt påbyr den: Hvis en KI genererte analysen din, rapporter multiverset, ikke kjøringen du likte. Les artikkelen sammen med [Nature-artikkelen fra forrige uke](https://www.gaiforresearch.com/post/ai-in-research-the-machine-that-predicts-your-experiment-before-you-run-it), som viser at språkmodeller kan forutsi eksperimentresultater før datainnsamlingen, og problemets kontur er tydelig: KI blir flinkere til å fortelle deg hva du vil finne, og enda flinkere til å fortelle deg hva du ønsker å finne.

Mer fra denne uken

Generativ KI gjorde Kenyas svakeste gründere dårligere av

I et felteksperiment som tilfeldiggjorde tilgang til en GPT-4-drevet forretningsassistent blant kenyanske gründere, kunne forfatterne ikke forkaste nullhypotesen om ingen gjennomsnittlig behandlingseffekt på inntekter eller fortjeneste. Fordelingen fortalte den egentlige historien: Effekten for gründere som var svakt presterende ved baseline, var over 0,20 standardavvik lavere enn for opprinnelige høypresterende, og delutvalgsanalyser viste at svake presterende gjorde det nesten 10 % dårligere, mens høypresterende kan ha tjent over 15 %. Det slående er at forskjellen ligger i hvilke råd gründerne valgte å følge, i stedet for i spørsmålene som ble stilt eller i rådene KI ga. En advarsel til alle som leser gjennomsnittseffekter i forskning på KI-adopsjon.

[Les originalen i Management Science, 10. juli →](https://doi.org/10.1287/mnsc.2024.06909)

KI spiser dataene den trenger – og saken for å skattelegge den

Denne artikkelen i Review of Financial Studies modellerer en data–KI-tilbakemeldingssløyfe der datakvalitet påvirker KI-produktivitet, som igjen påvirker adopsjon, som igjen former sammensetningen og kvaliteten på fremtidige data. Kalibrert mot evidens om syntetiske treningsløkker forutsier den pukkelformede arbeidsmarkedsdynamikk – kortvarig fortrengning som delvis reverserer etter som datakvaliteten forringes. En eksternalitet à la Grossman–Stiglitz oppstår: KI-adopterere kjører gratis på de menneskeskapte handlingene som leverer den nye informasjonen KI selv er avhengig av. Policykonklusjonen er kontraintuitiv – i et konkurranseutsatt marked bør KI skattlegges for å korrigere eksternaliteten, men en konsentrert KI-industri fører til en motvirkende overkorrigering, slik at et tilskudd blir optimalt.

[Les originalen i Review of Financial Studies, 11. juli →](https://doi.org/10.1093/rfs/hhag064)

KI-assistert kreativitet hever gulvet og senker taket

På tvers av fire studier som spenner over novelleforfatterskap, sirkulærøkonomiske løsninger, humor og samarbeidsfortelling fant forfatterne at KI konsekvent begrenset variasjonen i idéer på tvers av grupper. Resultatet er et paradoks: høyere gjennomsnittskvalitet, men færre gjennombrudd i ytterkanten. For forskningsteam speiler implikasjonen «monokultur»-bekymringen i vitenskapen – individuelle resultater blir bedre mens det kollektive søket snevres inn, og ytterkanten er nettopp det langsiktig innovasjon lever av. Forfatternes resept er arbeidsflytdesign som utnytter KI uten å flate ut originaliteten.

[Les originalen i MIT Sloan Management Review, 9. juli →](https://doi.org/10.63383/sxit9497)

Hvilken «KI-forsker» passer egentlig laboratoriet ditt?

Ewen Callaway kartlegger generelle «KI-forsker»-plattformer nok til et helt institutt, som nå konkurrerer om labbudsjettene, inkludert Anthropic Claude Science – lansert 30. juni med biologisk forskning i tankene – ved siden av Co-Scientist og Biomni. Benchlings Ashu Singhal anslår at færre enn 20 % av laboratoriene har forankret KI-forskere fullt ut i forskningen. Rammen er praktisk: hypotesegenererende systemer passer til de tidligste fasene av et prosjekt, mens oppgavespesifikke verktøy håndterer arbeid som genomdataanalyse senere. Én anekdote gjør mye av overbevisningsarbeidet: Stanfords Euan Ashley ledet den første kliniske analysen av et menneskelig genom i 2010 med et team på 31 forskere over ni måneder; han bad nylig Claude analysere sitt eget genom etter samme standard, og det tok 30 minutter.

[Les originalen i Nature, 10. juli →](https://doi.org/10.1038/d41586-026-02091-6)

Algoritmisk statusulikhet er ikke et datarensingsproblem

Denne artikkelen innfører «algoritmisk statusulikhet» – vedvarende ulikheter i sosial posisjon, innflytelse og ressurstilgang forsterket av KI-systemer – som et blikk på teknologisk stratifisering i organisasjoner. Den integrerende modellen viser hvordan beregningsmessige trosforestillinger (kulturelle forutsetninger innebygd i algoritmisk design) samspiller med beregningsmessige ulikheter (forskjeller i teknisk kapasitet) og produserer vedvarende statushierarkier gjennom selvforsterkende tilbakemeldingssløyfer, illustrert i rekruttering, helsevesen og juridisk bistand. Argumentet går imot begge motposisjonene i debatten: verken rent tekniske tilnærminger som å diversifisere treningsdata, eller rent markedsbaserte tilnærminger som å stole på konkurransedynamikk, er tilstrekkelige.

[Les originalen i Journal of Management Studies, 13. juli →](https://doi.org/10.1111/joms.70134)

Hva 400 000 investorforespørsler avslører om hvordan folk faktisk bruker KI

Blankespoor, Croom og Grant kombinerer arkivdata fra over 400 000 investorforespørsler til en stor meglers GenAI-chatbot med en spørreundersøkelse blant over 2 000 privatpersoner. Investorer bruker oftest GenAI til å tolke finansiell informasjon og markedsbevegelser og sette dem i kontekst, i tillegg til aksjescreening og forenkling av kompleks forskning, med bruk som skifter over tid fra screening og overordnede selskapsvurderinger mot detaljert overvåking og tolkning av selskapsnyheter. Nesten halvparten av undersøkte investorer oppgir at de bruker GenAI primært for å akselerere og forenkle informasjonsbehandling, og mer sofistikerte privatpersoner leder adopsjonen mens de bruker den til mer komplekse oppgaver. Et sjeldent blikk på reelle brukslogger i stedet for laboppgaver.

[Les originalen i Journal of Accounting and Economics, 1. juni →](https://doi.org/10.1016/j.jacceco.2026.101908)

Dette var ukens innhold. Videresend gjerne artikkelen til en kollega som er i ferd med å la en agent kjøre analysen sin – og utforsk KI-verktøy for egen forskning på gaiforresearch.com.

KI-forskningsnytt