Store sprogmodeller (LLM'er) har ofte en forenklet og misvisende forståelse af kulturelle normer, især når de møder multikulturelle samfund. Ny forskning fra arXiv viser, at modellerne enten fejler i at danne sammenhængende kulturelle mønstre eller over-regulerer dem til en ensartet, homogen version – hvilket kan få alvorlige konsekvenser for virksomheder og organisationer, der bruger AI i globale sammenhænge.
Forskerne bag studiet anvender cultural consensus theory (CCT) fra kulturantropologien til at analysere, hvordan LLM'er håndterer kulturel kompleksitet. Ved at anvende CCT på data fra World Values Survey (WVS) på tværs af 10 lande og 12 domæner viser de, at modellerne ofte misrepræsenterer kulturelle strukturer – enten ved at fejle i at skabe sammenhængende konsensus eller ved at over-regularisere konsensus på en måde, der udvisker forskelle.
For beslutningstagere er pointen klar: AI-systemer, der antager en ensartet kulturel forståelse, kan føre til fejlslagne produkter, misforståede markeder og dårlige kundeoplevelser i multikulturelle miljøer. Metoden giver dog også et værktøj – en konkret diagnostik til at evaluere, hvornår modeller afspejler ægte menneskelig diversitet versus algoritmisk homogenisering. Det betyder, at virksomheder nu kan teste og justere deres AI-løsninger, før de implementeres globalt.
