# Le decisioni passate possono influenzare i rimborsi approvati dall’IA

> Uno studio ha rilevato che modificare le decisioni sui casi precedenti e modificarne i fatti può spingere i modelli linguistici ad approvare rimborsi in direzioni opposte.

Oossa · 2026-11-03 · https://oossa.com/it/past-decisions-can-skew-ai-refund-approvals

Uno studio pubblicato su arXiv ha verificato come tre modelli linguistici gestiscono richieste di rimborso e risarcimento al limite, presentando loro tre casi precedenti simili. Con DeepSeek V4.1 Flash, GPT-5.6 Luna e Claude Haiku 5.5, modificare le decisioni registrate nei casi da DENY ad APPROVE ha aumentato le percentuali di approvazione di circa 30-55 punti percentuali, applicando policy elaborate per lo studio.

Ma quando DeepSeek e Luna hanno visto soltanto i fatti dei casi precedenti, i casi con elementi a sostegno dell’approvazione li hanno indotti ad approvare meno spesso rispetto a quelli con elementi a sostegno del diniego. Gli autori affermano che lo stesso andamento è emerso anche con nove policy pubbliche parafrasate da policy reali.

## I fatti

- Lo studio ha testato DeepSeek V4.1 Flash, GPT-5.6 Luna e Claude Haiku 5.5.
- In un test separato con DeepSeek, modificare le decisioni relative a casi simili a una richiesta diversa ha spostato le approvazioni di 9 punti percentuali, contro 43 quando i casi erano simili alla richiesta.

## Perché conta

Le organizzazioni che usano l’IA per valutare rimborsi o richieste di risarcimento dovrebbero testare separatamente i fatti dei casi precedenti e gli esiti registrati, perché entrambi possono influenzare le decisioni e l’effetto può andare in direzioni diverse.

## Fonti e riferimenti

1. [Precedent Labels and Facts Shift LLM Approval Decisions in Opposite Directions](https://arxiv.org/abs/2611.00672) – arXiv, 2026-11-03

Ultimo aggiornamento: 2026-11-03