التحسّن الذي تنسبه إلى تبنّي الذكاء الاصطناعي هو أثر انتقاء

يوضح المقال أن قياس أثر ميزة ذكاء اصطناعي اختيارية (opt-in)، مثل المساعد الذكي، يتعقّد بسبب تحيّز الانتقاء: فالحسابات التي تتبنّى الميزة تميل إلى أن تكون أكثر تفاعلًا وأعلى في معدلات الاحتفاظ بصرف النظر عن الميزة نفسها. وتبالغ المقارنات الساذجة في تقدير الأثر بسبب عوامل مُربِكة غير مرصودة تتعلق بالتفاعل. ويستعرض المقال ثلاث طرق للتقدير باستخدام مجموعة بيانات مُصطنَعة (synthetic) ذات حدّ أهلية قائم على عدد المقاعد: 1) فجوة الاحتفاظ الساذجة بين المتبنّين وغير المتبنّين (+15 نقطة، متحيّزة)، 2) الانحدار مع ضبط المتغيرات المصاحبة المرصودة (لا يزال متحيّزًا)، 3) انقطاع الانحدار (RD) عند حدّ الأهلية. ويستخدم انقطاع الانحدار حدّ المقاعد الاعتباطي أداةً لعزل الآثار السببية عن أثر الانتقاء. ويقدّر انقطاع الانحدار متوسط أثر معالجة محليًا يبلغ نحو +5 نقاط في معدل الاحتفاظ للمتبنّين الذين دفعهم الحدّ إلى التبنّي، مع فترات ثقة أوسع تعكس عدم اليقين الحقيقي. ويسلّط المقال الضوء على اختبارات تشخيصية للتحقق من مصداقية انقطاع الانحدار، ويؤكد أن التباين الذي لا يختاره العملاء (مثل حدّ الأهلية) هو وحده ما يحدّد الآثار السببية. ويحثّ على التفسير الدقيق لتحديد المقدَّر (estimand) الذي يناسب سؤال العمل، ويحذّر من التقديرات الساذجة المتحيّزة المفرطة في الثقة.