Um estudo piloto usando dados do Polymarket revela que o valor da colaboração humano-IA depende de traços humanos específicos, em vez de apenas benchmarks de modelos. O desempenho híbrido foi encontrado como trimodal, com a maioria dos usuários deferindo ou validando automaticamente a IA, enquanto uma minoria alcançou raciocínio complementar.
- A maioria dos participantes igualou a precisão do modelo ou performou pior ao usá-lo para validar palpites anteriores.
- Uma minoria se envolveu em verdadeiro raciocínio complementar, atingindo precisão que igualava ou excedia o próprio mercado.
- Traços colaborativos, como tomada de perspectiva, humildade intelectual e curiosidade, distinguiram aqueles que tiveram sucesso.
- A capacidade cognitiva bruta não previu o sucesso; os resultados são estatisticamente robustos, mas preliminares.
As descobertas motivam uma replicação pré-registrada para validar ainda mais como fatores específicos de capital humano permitem inteligência híbrida eficaz.