Печать
№2 (31) / 2026 Весь выпуск

Дата выхода 25.05.2026

ОБЗОРЫ И РЕЦЕНЗИИ

  

 

 

Самойлов Олег Михайлович

аспирант, Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ), (Москва), Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript. 

https://orcid.org/0009-0005-1509-7225

 

Татарко Александр Николаевич

д.психол.н., профессор, Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ), (Москва), Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript. 

https://orcid.org/0000-0001-7557-9107

  

СОЦИАЛЬНО-ПСИХОЛОГИЧЕСКИЕ ФАКТОРЫ ДОВЕРИЯ ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ: СОСТОЯНИЕ ИССЛЕДОВАНИЙ

Размер файла209–228
Размер файла  229 КБ
  Лицензия Creative Commons 4.0 
 JATS XML

В статье представлен теоретический обзор литературы за последние десять лет, посвящённой анализу социально-психологических факторов доверия искусственному интеллекту. Повсеместное внедрение автоматизированных ИИ-систем, связанное с ожидаемым экономическим ростом, снижением ресурсных затрат и оптимизацией ряда рабочих процессов, на практике зачастую сталкивается с недоверием пользователей к новым инструментам и отсутствием готовности трансформировать классические рабочие процессы. Совокупность факторов снижения доверия к искусственному интеллекту приводит к низкой экономической эффективности внедрения инноваций, несмотря на широкие технические возможности. Помимо важности учёта когнитивных и аффективных факторов доверия искусственному интеллекту, особую значимость приобретают социально-психологические аспекты, которые определяют этическую и ценностную приемлемость использования автоматизированных ИИ-систем. В рамках теоретического анализа было обнаружено, что индивидуализирующие моральные основания положительно связаны с доверием искусственному интеллекту в ситуациях, когда применение ИИ-систем приносит пользу обществу. Пользователи, отдающие приоритет сплачивающим моральным основаниям, проявляют большее недоверие к искусственному интеллекту и меньшую готовность делегировать часть задач автоматизированным ассистентам. Ценности «Открытости изменениям» и «Самопреодоления» в большей степени положительно связаны с доверием к ИИ и цифровым инновациям, исключая ситуации высокого риска для жизни или социальной несправедливости. Ценности «Самоутверждения» также положительно связаны с доверием ИИ-инструментам, но преимущественно в ситуациях, когда искусственный интеллект упрощает достижение целей пользователя или расширяет возможности человека для этого. Между ценностями «Сохранения» и доверием искусственному интеллекту наблюдается неоднородная структура связей, обусловленная культурными особенностями. Хотя необходимо отметить, что именно ценности «Сохранения» чаще всего рассматриваются в качестве предикторов недоверия автоматизированным ИИ-системам. Обсуждается важность рассмотрения ценностной конгруэнтности между пользователями и воспринимаемыми профилями нейросетей. Для разработчиков ИИ-систем обнаруживается необходимость уделять особое внимание возможностям адаптивной персонализированной настройки ценностных профилей генеративных моделей под пользователей, что приведет к повышению эффективности взаимодействия системы человек-машина. Подчёркиваются перспективы исследований данной области в рамках разработки системной модели доверия искусственному интеллекту.

 

Ключевые слова: доверие, искусственный интеллект, социально-психологические факторы, ценности, моральные основания

 

JEL: O33, D83, M15, A13, Z13

УДК: 159.9, 316.6

DOI: 10.52342/2587-7666VTE_2026_2_209_228

 

© О.М. Самойлов, А.Н. Татарко, 2026

© ФГБУН Институт экономики РАН «Вопросы теоретической экономики», 2026

 

 

ЛИТЕРАТУРА 

  1. Винокуров Ф.Н., Садовская Е.Д. (2023). Экспериментальное сравнение доверия искусственному интеллекту и человеку в экономических решениях // Экспериментальная психология. Т. 6. №2. С. 87-100. DOI: 10.17759/exppsy.2023160206

  2. Казун А.Д., Поршнев А.В. (2021). Кто верит в теории заговора? Факторы склонности к конспирологическому мышлению в России, Казахстане и Украине // Мониторинг общественного мнения: экономические и социальные перемены. №6. C. 549-565. DOI: 10.14515/monitoring.2021.6.1889

  3. Лукичев П.М. (2024). Принятие решений в современной экономике: искусственный интеллект vs поведенческая экономика // Вопросы инновационной экономики. Т.14 №3. C. 649-666. DOI: 10.18334/vinec.14.3.121070 

  4. Макаров М.Ю. (2020). Влияние искусственного интеллекта на производительность труда // Экономика и управление. Т.26. №5. С. 479-486. DOI: 10.35854/1998-1627-2020-5-479-486

  5. Манахова И.В., Маковская А.М. (2025). Человек и искусственный интеллект в дискурсе поведенческой экономики // Вестник Московского университета. Серия 6. Экономика. Т. 60. №3. C. 3-19. DOI: 10.55959/MSU0130-0105-6-60-3-1

полный список публикаций

закрыть список

  1. Петрунин Ю.Ю., Нуралиева Н.З. (2025). Доверие к технологиям генеративного искусственного интеллекта как зеркало доверия к институтам // Государственное управление: электронный вестник. №113. С. 22-30. DOI: 10.55959/MSU2070-1381-113-2025-22-30

  2. Татарко А.Н. (2017). Взаимосвязь базовых человеческих ценностей и электорального поведения // Социальная психология и общество. Т.8. №1. C. 17-37. DOI: 10.17759/sps.2017080102

  3. Aghion P., Jones B.F., Jones C.I. (2017). Artificial Intelligence and Economic Growth // NBER Working Papers. No. 23928. DOI: 10.3386/w23928

  4. Anisha S.A., Sen A., Ahmad B. et al. (2025). Exploring Acceptance of Digital Health Technologies for Managing Non-Communicable Diseases Among Older Adults: A Systematic Scoping Review // Journal of Medical Systems. Vol. 49. Article 35. DOI: 10.1007/s10916-025-02166-3

  5. Awad E., Dsouza S., Kim R., Schulz J., Henrich J., Shariff A., Bonnefon J.F., Rahwan I. (2018). The Moral Machine experiment // Nature. Vol. 563. No. 7729. Pp. 59-64. DOI: 10.1038/s41586-018-0637-6

  6. Bai X., Yang L. (2025). Research on the influencing factors of generative artificial intelligence usage intent in post-secondary education: An empirical analysis based on the AIDUA extended model // Frontiers in Psychology. Vol. 16. Article 1644209. DOI: 10.3389/fpsyg.2025.1644209

  7. Bajpai S., Sameer A., Fatima R. (2025). Insights into Moral Reasoning of AI: A Comparative Study Between Humans and Large Language Models // Journal of Media Ethics. Pp. 1-15. DOI: 10.1080/23736992.2025.2553146

  8. Banker S., Park J., Chan E.Y. (2023). The moral foundations of cryptocurrency: Evidence from Twitter and survey research // Frontiers in Psychology. Vol. 14. Article 1128575. DOI: 10.3389/fpsyg.2023.1128575

  9. Bhat S. et al. (2024). Value alignment and trust in human-robot interaction: Insights from simulation and user study // Discovering the frontiers of human-robot interaction: Insights and innovations in collaboration, communication, and control / R. Vinjamuri (ed.) – Cham: Springer Nature Switzerland. Pp. 39-63. DOI: 10.1007/978-3-031-66656-8_3

  10. Bigman Y.E., Gray K. (2018). People are averse to machines making moral decisions // Cognition. Vol. 181. Pp. 21-34. DOI: 10.1016/j.cognition.2018.08.003

  11. Cheung J.C., Ho S.S. (2025). The effectiveness of explainable AI on human factors in trust models // Scientific Reports. Vol. 15. Article 23337. DOI: 10.1038/s41598-025-04189-9

  12. Claudy M.C., Parkinson M., Aquino K. (2024). Why should innovators care about morality? Political ideology, moral foundations, and the acceptance of technological innovations // Technological Forecasting and Social Change. Vol. 203. Article 123384. DOI: 10.1016/j.techfore.2024.123384

  13. Dietvorst B.J., Simmons J.P., Massey C. (2015). Algorithm aversion: people erroneously avoid algorithms after seeing them err // Journal of experimental psychology. General. Vol. 144. No. 1. Pp. 114-126. DOI: 10.1037/xge0000033

  14. Eubanks V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. — New York: St. Martin’s Press.

  15. Filippucci F. et al. (2024). The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges // OECD Artificial Intelligence Papers. No. 15 / OECD Publishing. – Paris. DOI: 10.1787/8d900037-en.

  16. Gerke S., Minssen T., Cohen G. (2020). Ethical and legal challenges of artificial intelligence-driven healthcare // Artificial Intelligence in Healthcare / A. Bohr, K. Memarzadeh (eds.) – Elsevier. Pp. 295-336. DOI: 10.1016/B978-0-12-818438-7.00012-5

  17. Glikson E., Woolley A.W. (2020). Human Trust in Artificial Intelligence: Review of Empirical Research // Academy of Management Annals. Vol. 14. No. 2. Pp. 627–660. DOI: 10.5465/annals.2018.0057

  18. Gondauri D. (2025). The impact of artificial intelligence on gross domestic product: A global analysis // arXiv preprint. ArXiv:2505.11989. DOI: 10.48550/arXiv.2505.11989

  19. Graham J., Nosek B.A., Haidt J., Iyer R., Koleva S., Ditto P.H. (2011). Mapping the Moral Domain // Journal of Personality and Social Psychology. Vol. 101. No. 2. Pp. 366-385. DOI: 10.1037/a0021847

  20. Graham J., Haidt J., Koleva S., Motyl M., Iyer R., Wojcik S., Ditto P.H. (2013). Moral foundations theory: The pragmatic validity of moral pluralism // Advances in Experimental Social Psychology. Vol. 47. Pp. 55-130. DOI: 10.1016/B978-0-12-407236-7.00002-4

  21. Graham J., Haidt J., Motyl M., Meindl P., Iskiwitch C., Mooijman M. (2018). Moral Foundations Theory // Atlas of Moral Psychology / K. Gray, J. Graham (eds.). — New York, London: The Guilford Press. Pp. 211-222.

  22. Gursoy D., Della Corte V., del Gaudio G., Crisci A., Xu, Y. (2025). Factors influencing elderly adoption of artificial intelligence robots for aging-in-place: Motivators, barriers, and emotional impact // Work, Aging and Retirement. Article waaf016. DOI: 10.1093/workar/waaf016

  23. Hadar-Shoval D., Asraf K., Mizrachi Y., Haber, Y., Elyoseph Z. (2024). Assessing the Alignment of Large Language Models With Human Values for Mental Health Integration: Cross-Sectional Study Using Schwartz’s Theory of Basic Values // JMIR Mental Health. Vol. 11. Article e55988. DOI: 10.2196/55988

  24. Hobeika J, Liew C.Y, Rajan M.E.S (2025). Are cryptocurrencies influenced by stereotypes and values? Evidence of the role of banker stereotypes and human values on cryptocurrency acceptance // International Journal of Bank Marketing. Vol. 43. No. 8. Pp. 1627–1661, DOI: 10.1108/IJBM-04-2024-0181

  25. Horowitz M.C., Kahn L. (2021). What influences attitudes about artificial intelligence adoption: Evidence from U.S. local officials // PLOS ONE. Vol. 16. No. 10. Article e0257732. DOI: 10.1371/journal.pone.0257732

  26. Jalan A., Matkovskyy R., Urquhart A., Yarovaya L. (2023). The role of interpersonal trust in cryptocurrency adoption // Journal of International Financial Markets, Institutions and Money. Vol. 83. Article 101715. DOI: 10.1016/j.intfin.2022.101715

  27. Jobin A., Ienca M., Vayena E. (2019). The global landscape of AI ethics guidelines // Nature Machine Intelligence. Vol. 1. Pp. 389-399. DOI: 10.1038/s42256-019-0088-2

  28. Kai C., Ping W., Xiaomin J. (2026). AI anxiety and adoption intention in higher education based on an extended TAM-UTAUT and PLS-SEM analysis // Scientific Reports. Vol. 16. Article 3672. DOI: 10.1038/s41598-026-35823-9

  29. Kauttonen J., Rousi R., Alamäki A. (2025). Trust and Acceptance Challenges in the Adoption of AI Applications in Health Care: Quantitative Survey Analysis // Journal of Medical Internet Research. Vol. 27. Article e65567. DOI: 10.2196/65567

  30. Lammert D., Liu M., Betz S., Lammert J., Pfeffer J. (2026). Culturally-Aware Artificial Intelligence: Personal Values and Technology Acceptance among AI Researchers in China and Germany // EAI Endorsed Transactions on Internet of Things. Vol. 11. DOI: 10.4108/eetiot.10618

  31. Lep Ž., Trunk A., Babnik K. (2022). Value Orientations and Institutional Trust as Contributors to the Adoption of Online Services in Youth: A Cross-Country Comparison // Frontiers in Psychology. Vol. 13. Article 887587. DOI: 10.3389/fpsyg.2022.887587

  32. Li H., Wei X. (2025). Factors influencing older adults’ adoption of AI voice assistants: Extending the UTAUT model // Frontiers in Psychology. Vol. 16. Article 1618689. DOI: 10.3389/fpsyg.2025.1618689

  33. Longoni C., Bonezzi A., Morewedge C.K. (2019). Resistance to medical artificial intelligence // Journal of Consumer Research. Vol. 46. No. 4. Pp. 629-650. DOI: 10.1093/jcr/ucz013

  34. Malle B.F., Magar S.T., Scheutz M. (2019). AI in the sky: How people morally evaluate human and machine decisions in a lethal strike dilemma // Robotics and Well-Being. Intelligent Systems, Control and Automation: Science and Engineering / A.M. Ferreira, S. J. Sequeira, S.G. Virk, M. Tokhi, E E. Kadar (eds). – Vol. 95. – Cham: Springer International Publishing. Pp. 111-133. DOI: 10.1007/978-3-030-12524-0_11

  35. Maninger T., Shank D.B. (2022). Perceptions of violations by artificial and human actors across moral foundations // Computers in Human Behavior Reports. Vol. 5. Article 100154. DOI: 10.1016/J.CHBR.2021.100154

  36. Massachusetts Institute of Technology. (2025). The GenAI divide: State of Business 2025. URL: ai_report_2025.pdf (access date: 26.02.2026)

  37. Mayer R.C., Davis J.H., Schoorman F.D. (1995). An integrative model of organizational trust // Academy of Management Review. Vol. 20. No. 3. Pp. 709-734. DOI: 10.5465/amr.1995.9508080335

  38. Mehrotra S., Jonker C.M., Tielman M.L. (2021). More Similar Values, More Trust? - The Effect of Value Similarity on Trust in Human-Agent Interaction. Proceedings of the 2021 AAAI/ACM Conference on AI, Ethics, and Society. Association for Computing Machinery. — New York. Pp. 777–783. DOI: 10.1145/3461702.3462576

  39. Mirowska A., Arsenyan J. (2025). «It Feels Wrong»: Understanding Reactions to Artificial Intelligence as a Decision-Maker in Selection Through the Lens of Moral Foundations Theory // International Journal of Selection and Assessment. Vol. 34. Article e70039. DOI: 10.1111/ijsa.70039

  40. Morselli D., Spini D., Devos T. (2012). Human Values and Trust in Institutions across Countries: A Multilevel Test of Schwartz’s Hypothesis of Structural Equivalence // Survey Research Methods. Vol. 6. No. 1. Pp. 49-60. DOI: 10.18148/srm/2012.v6i1.5090

  41. Nagy S., Hajdú N. (2021). Consumer acceptance of the use of artificial intelligence in online shopping: Evidence from Hungary // Amfiteatru Economic. Vol. 23. No. 56. Pp. 155-173. DOI:10.24818/EA/2021/56/155

  42. Nunes J.L. et al. (2024). Are large language models moral hypocrites? A study based on moral foundations // Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society. Vol. 7. No. 1. Pp. 1074-1087. DOI: 10.48550/arXiv.2405.11100

  43. Panari C., Lorenzi G., Mariani M.G. (2021). The Predictive Factors of New Technology Adoption, Workers’ Well-Being and Absenteeism: The Case of a Public Maritime Company in Venice // International Journal of Environmental Research and Public Health. Vol. 8. No. 23. Article 12358. DOI: 10.3390/ijerph182312358

  44. Purcell Z.A., Bonnefon J.F. (2023). Humans feel too special for machines to score their morals // PNAS nexus. Vol. 2. No. 6. Article pgad179. DOI: 10.1093/pnasnexus/pgad179

  45. Robinette P. et al. (2016). Overtrust of robots in emergency evacuation scenarios // 11th ACM/IEEE International Conference on Human-Robot Interaction (HRI). — Christchurch, New Zealand. Pp. 101-108. DOI: 10.1109/HRI.2016.7451740.

  46. Ruelas-Villavicencio A.L., Contreras-Yáñez I., Gómez-Ruiz R.P., Zagaglia Del Valle M.C., Malagón-Liceaga A., Pascual-Ramos V. (2025). Digital health literacy is linked to attitudes regarding the ethical aspects of digital health among patients with dermatologic comorbidities // PLOS ONE. Vol. 20. No. 9. DOI: 10.1371/journal.pone.0330916

  47. Sakamoto Y., Uchida T., Ishiguro H. (2025). Value-based large language model agent simulation for mutual evaluation of trust and interpersonal closeness // Scientific Reports. Vol. 15. Article 41653. DOI: 10.1038/s41598-025-25531-1

  48. Salatino A., Prével A., Caspar E. et al. (2025). Influence of AI behavior on human moral decisions, agency, and responsibility // Scientific Reports. Vol. 15. Article 12329. DOI: 10.1038/s41598-025-95587-6

  49. Schwartz S.H. (1992). Universals in the content and structure of values: Theoretical advances and empirical tests in 20 countries // Advances in Experimental Social Psychology. Vol. 25. No. 1. Pp. 1-65. DOI: 10.1016/S0065-2601(08)60281-6

  50. Schwartz S.H., Cieciuch J., Vecchione M., Davidov E., Fischer R., Beierlein C., Ramos A., Verkasalo M., Lönnqvist J.-E., Demirutku K., Dirilen-Gumus O., Konty M. (2012). Refining the theory of basic individual values // Journal of Personality and Social Psychology. Vol. 103. No. 4. Pp. 663-688. DOI: 10.1037/a0029393

  51. Segerer R. (2025). Cultural value alignment in large language models: A prompt-based analysis of Schwartz values in Gemini, ChatGPT, and DeepSeek // arXiv preprint. ArXiv:2505.17112. DOI: 10.48550/arXiv.2505.17112

  52. Shahzad M.F., Xu S., Lim W.M. et al. (2024). Cryptocurrency awareness, acceptance, and adoption: The role of trust as a cornerstone // Humanities and Social Sciences Communications. Vol. 11. Article 4. DOI: 10.1057/s41599-023-02528-7

  53. Shank D.B., DeSanti A. (2018). Attributions of morality and mind to artificial intelligence after real-world moral violations // Computers in Human Behavior. Vol. 86. Pp. 401-411. DOI: 10.1016/J.CHB.2018.05.014

  54. Shank D.B., Gott A. (2020). Exposed by AIs! People personally witness artificial intelligence exposing personal information and exposing people to undesirable content // International Journal of Human–Computer Interaction. Vol. 36. No. 17. Pp. 1636-1645. DOI: 10.1080/10447318.2020.1768674

  55. Shen H. et al. (2025). ValueCompass: A framework for measuring contextual value alignment between human and LLMs / Proceedings of the 9th Widening NLP Workshop. Pp. 75-86.   DOI: 10.48550/arXiv.2409.09586

  56. Stanciu A., Partsch M., Lechner C.M. (2024). Basic human values and the adoption of cryptocurrency // Frontiers in Psychology. Vol. 15. Article 1395674. DOI: 10.3389/fpsyg.2024.1395674

  57. Stein J.P., Messingschlager T., Gnambs T. et al. (2024). Attitudes towards AI: measurement and associations with personality // Scientific Reports. Vol. 14. Article 2909.  DOI: 10.1038/s41598-024-53335-2

  58. Sullivan Y., de Bourmont M., Dunaway M. (2022). Appraisals of harms and injustice trigger an eerie feeling that decreases trust in artificial intelligence systems // Annals of Operations Research. Vol. 308. Pp. 525-548. DOI: 10.1007/s10479-020-03702-9

  59. Tang L., Ferronato P., Bashir M. (2023) Lecture Notes in Computer Science). Do Users’ Values Influence Trust in Automation? //  Intelligent Human Computer Interaction. IHCI 2022. Lecture Notes in Computer Science. / H. Zaynidinov, M. Singh, U.S. Tiwary, D. Singh (eds). – Cham: Springer. Vol. 13741. DOI: 10.1007/978-3-031-27199-1_30  

  60. Ulfert A.S., Antoni C.H., Ellwart T. (2022). The role of agent autonomy in using decision support systems at work // Computers in Human Behavior. Vol. 126. Article 106987. DOI:10.1016/j.chb.2021.106987

  61. Vuori N., Burkhard B., Pitkäranta L. (2025). It’s Amazing–But Terrifying!: Unveiling the Combined Effect of Emotional and Cognitive Trust on Organizational Member’Behaviours, AI Performance, and Adoption // Journal of Management Studies. Vol. 63. No. 2. Pp. 473-514. DOI: 10.1111/joms.13177

  62. Wen Y., Wang J., Chen X. (2025). Trust and AI weight: Human-AI collaboration in organizational management decision-making // Frontiers in Organizational Psychology. Vol. 3. Article 1419403. DOI: 10.3389/forgp.2025.1419403

  63. Witte E.H., Stanciu A., Boehnke K. (2020). A New Empirical Approach to Intercultural Comparisons of Value Preferences Based on Schwartz’s Theory // Frontiers in Psychology. Vol. 11. Article 1723. DOI: 10.3389/fpsyg.2020.01723

  64. Xiong Y. et al. (2023). More trust or more risk? User acceptance of artificial intelligence virtual assistant // Human Factors and Ergonomics In Manufacturing. Vol. 34. No. 3. Pp. 190-205. DOI: 10.1002/hfm.21020

  65. You Y., Hu Y., Yang W., Cao S. (2022). Research on the Influence Path of Online Consumers’ Purchase Decision Based on Commitment and Trust Theory // Frontiers in Psychology. Vol. 13. Article 916465. DOI: 10.3389/fpsyg.2022.916465

  66. Zhang Q., Lee M.L., Carter S. (2022). You complete me: Human-ai teams and complementary expertise // CHI Conference on Human Factors in Computing Systems. Article 114. Pp. 1-28. DOI: 10.1145/3491102.3517791

  67. Zhang Q., Wang F., Liao G., Li M. (2025). How Does AI Trust Foster Innovative Performance Under Paternalistic Leadership? The Roles of AI Crafting and Leader’s AI Opportunity Perception // Behavioral Sciences. Vol. 15. No. 8. Article 1064. DOI: 10.3390/bs15081064

 

 

Дата поступления рукописи: 09.03.2026

Дата принятия к публикации: 09.04.2026

 

Для цитирования: Самойлов О.М., Татарко А.Н. Социально-психологические факторы доверия искусственному интеллекту: состояние исследований // Вопросы теоретической экономики. 2026. №2. С. 209–228. DOI: 10.52342/2587-7666VTE_2026_2_209_228.