Las personas tienen el triple de probabilidades de iniciar una conversación con su propio asistente de IA en una app de citas que de responder al agente de otra persona.

31 agosto 202620 vistas

Dos encuestas a usuarios activos de una plataforma de citas mostraron que la disposición a delegar la correspondencia a un agente LLM propio es notablemente mayor que la disposición a conversar con agentes de otras personas. Debido a esta asimetría, solo el 4–13% de las parejas aleatorias combinan el envío y la recepción de mensajes agénticos, y la selección que tiene en cuenta la receptividad del interlocutor puede triplicar la participación.

Las personas tienen el triple de probabilidades de iniciar una conversación con su propio asistente de IA en una app de citas que de responder al agente de otra persona.

ИИ в дейтинге: почему мы охотно отправляем агента, но не хотим общаться с чужим

Свидания вслепую с алгоритмами — уже не фантастика. Автономные LLM-агенты, которые ведут переписку от имени пользователя, постепенно становятся новым стандартом на платформах знакомств. Но насколько люди готовы доверить ИИ свою коммуникацию и, что важнее, принять разговор от такого же агента на противоположной стороне? Судя по свежему исследованию на arXiv, готовность «отправлять» и «принимать» агентов — это две большие разницы, и они сильно влияют на то, как стоит проектировать подобные системы.

Асимметрия доверия: свои и чужие

Исследователи изучили данные двух опросов активных пользователей крупного дейтинг-сервиса — почти 2,9 тысячи и 2,6 тысячи респондентов на двух языках. Они построили статистическую модель, которая раздельно измеряет два типа восприимчивости: к использованию агента для собственных сообщений и к получению сообщений от чужого агента.

Интуиция подсказывала, что эти вещи связаны, и действительно, корреляция между ними высокая. Но статистический анализ показывает: это разные конструкты. Пользователь может с энтузиазмом настроить собственного ИИ-помощника, но при этом холодно относиться к переписке с незнакомцем, за которым тоже стоит алгоритм. Отсюда и систематическая асимметрия: порог готовности «запустить» своего агента заметно ниже, чем порог готовности «вовлечься» в разговор с чужим. В среднем склонность к развертыванию собственного помощника примерно втрое выше, чем к взаимодействию с чужим. То есть люди воспринимают своего агента как продолжение себя, а чужого — как барьер или даже угрозу.

Если все используют агентов

Чтобы понять, к чему приводит такая асимметрия, авторы смоделировали случайный подбор пар на основе заявленной восприимчивости участников. Результат ожидаемо грустный: лишь в 4–13% направленных контактов «отправитель с агентом» встречает «получателя, готового с этим агентом общаться». Плюс добавляется гендерный перекос — дисбаланс направленности, когда одни группы пользователей охотнее делегируют общение, чем другие, что ещё сильнее запутывает картину.

[image: диаграмма, показывающая два распределения готовности: широкая зона «свой агент» и узкая зона «чужой агент» с заметным разрывом между ними]

Но главное — это не приговор, а руководство к действию. Исследователи проверили несколько гипотетических сценариев дизайна. Если требовать от пользователя взаимности — то есть чтобы обе стороны согласились на агентное общение, — объём взаимодействий падает минимум вдвое, а почти две трети потенциальных запусков собственных агентов просто отсекаются. Жёсткое взаимное согласие убивает саму идею «агент познакомится за меня».

Зато есть обнадёживающий вариант: маршрутизация агентных контактов с учётом восприимчивости получателя. Если умная система предлагает сконтактировать с агентом только тем, кто в принципе не против такого формата, вовлечённость на контакт утраивается. Эффект устойчив: при кросс-валидации модель показывает AUC 0,88 и подъём в 3,1 раза по квартилям. Проще говоря, не нужно бороться с предубеждением пользователей — достаточно не подсовывать им агентов против их желания.

Выводы для создателей платформ

Полученные данные напрямую подсказывают, как стоит строить агентные функции в дейтинге. Во-первых, важна прозрачность: пользователи должны понимать, что общаются с агентом, а не с человеком, — это снизит эффект неожиданности и, возможно, повысит доверие. Во-вторых, нужна механика opt-in, причём разная для «отправки» и «приёма»: нельзя принуждать к общению с чужими агентами всех подряд. В-третьих, алгоритмы подбора должны учитывать восприимчивость конкретного пользователя к агентам, а не только его интересы и геолокацию.

Асимметрия делегирования — «своего запустить легко, чужого принять трудно» — это не баг, а особенность человеческого восприятия. Игнорировать её нельзя, но и бояться не стоит: правильная маршрутизация способна превратить неловкую фичу в полноценный способ знакомств. Возможно, именно так ИИ в дейтинге станет не препятствием между людьми, а полезным посредником, которого обе стороны выбрали осознанно.

[image: условная схема «карта действий»: два профиля, между ними стрелка контакта, на которой показан фильтр по готовности принять агента — одна ветка ведёт к игнорированию, другая к диалогу]

Preguntas frecuentes

Material similar

Todos los materiales
STAR: normalización adaptativa del contexto temporal y del grafo de servicios para la gestión de incidentes de extremo a extremo
Investigación

STAR: normalización adaptativa del contexto temporal y del grafo de servicios para la gestión de incidentes de extremo a extremo

El framework STAR enseña representaciones a partir de métricas, registros y trazas, aplicando una normalización aprendida que tiene en cuenta la dinámica temporal a múltiples escalas y la estructura de dependencias entre servicios. En dos conjuntos de datos reales, este enfoque mejora de forma consistente la detección de anomalías, la clasificación de fallos y la búsqueda de causas raíz frente a los métodos de referencia más avanzados.

10 noviembre 2026
Memoria del reservorio de Chern-Simons: dinámica autónoma de la conectividad y transporte de densidad
Noticias

Memoria del reservorio de Chern-Simons: dinámica autónoma de la conectividad y transporte de densidad

El artículo analiza cómo un reservorio conserva el historial de las señales de entrada tanto en la distribución de densidad como en los grados de libertad geométricos. La comparación de cuatro mecanismos muestra que la corriente crea una componente de conectividad independiente que modifica la respuesta posterior de la densidad, y que tener en cuenta todos los rasgos medidos ofrece una pequeña mejora en la decodificación del orden de los impulsos.

10 noviembre 2026
Verificar candidatos cuesta más que generarlos: señuelos contra la búsqueda de vulnerabilidades con LLM
Noticias

Verificar candidatos cuesta más que generarlos: señuelos contra la búsqueda de vulnerabilidades con LLM

El trabajo analiza la asimetría de costes en la búsqueda agéntica de defectos: generar candidatos es barato, pero confirmarlos mediante análisis de alcanzabilidad, ejecución y PoC requiere la mayor parte del presupuesto, por lo que la verificación puede convertirse en un objetivo de defensa por sí misma. La propuesta RedHerring —señuelos adaptados al repositorio con un certificado oculto— redujo entre un 38,7 y un 60,4 % el número de vulnerabilidades reales encontradas con el mismo coste en 33 proyectos de OSS-Fuzz; incluso tras advertir al agente, la reducción se mantuvo en el 37,2 %.

9 noviembre 2026
Las personas tienen el triple de probabilidades de iniciar una conversación con su propio asistente de IA en una app de citas que de responder al agente de otra persona.