A gondozói empátiát illetően a szakirodalom is határozott. Agnese Balzani és Alison Hanlon állatjóléti kutatók 2020-as áttekintése szerint az empatikus reakciókat a tapasztalat és az egyedi állatok ismerete erősíti, és a közvetlen érzékszervi kapcsolatot fenntartó rendszerek nagyobb eséllyel segítik a jóléti gondok felismerését. Ebből a logikából következik Natasha Boyland félelme is, miszerint ha a gondozó szerepe mindinkább „képernyőfigyelővé” válik, a kötődés, az észlelés és a felelősség­érzet egyaránt gyengülhet.

A kockázatot tovább növeli az automatizálási torzítás (’automation bias’) jelensége is, amikor a döntéshozó azért fogadja el a rendszer kimenetét, mert „a gép mondta”, és ezzel a döntés a gyakorlatban ténylegesen automatizálttá válik. Az európai adatvédelmi biztos egyik 2025-ös elemzése is hasonló mechanizmust ír le. Ha a felhasználó reflexszerűen elfogadja a rendszer javaslatát, a döntéstámogatás a gyakorlatban döntéshozatallá alakul, még akkor is, ha formálisan továbbra is az emberé a végső szó.

Mitől lesz az MI állatjóléti eszköz?

Natasha Boyland szerint az első lépés mindig az, hogy megnézzük, mit optimalizál valójában a rendszer. A cél termelési mutatókhoz (tejhozam, takarmány-hasznosítás, növekedési ütem) kötődik vagy közvetlenül a jóléti indikátorokhoz? Számít az is, milyen jólét fogalomból indul ki a fejlesztés. Sok rendszer a biológiai funkcióra és az egészségre fókuszál, miközben a viselkedési szükségletek és az affektív állapotok (például a krónikus stressz) kevésbé jelennek meg a mérésben. A kutató szerint a „jólétjavító” címkét akkor érdemes komolyan venni, ha a tervezés, az ösztönzők és a bizonyítékok is valóban a jólét irányába mutatnak.

A jólét összetettségét a tudományos modellek is tükrözik. Az állatjólét öt domén modellje a táplálkozás, a fizikai környezet, az egészség és a viselkedési interakciók hatását a mentális állapot összegző értékelésében köti össze, és a 2020-as frissítés kifejezetten beépíti az ember–állat interakciók pozitív és negatív hatásának vizsgálatát. Ez azért lényeges, mert

Natasha Boyland a robotfejést hozta fel példának. Ez a technológia elvileg nagyobb szabadságot adhat a teheneknek abban, hogy mikor mennek fejésre. A gyakorlatban azonban a rendszer kialakítása sokszor mégis a termelési szempontokat helyezi előtérbe. Ilyenek lehetnek például a robotnál kiadott takarmányjutalmak, az állatok mozgását irányító kapurendszerek vagy azok a riasztások, amelyek jelzik, ha egy tehén túl későn vagy egyáltalán nem ment fejésre. Egyes telepi elrendezésekben ez akár oda is vezethet, hogy az állat csak a roboton keresztül jut el bizonyos erőforrásokhoz, például takarmányhoz vagy a pihenőterülethez. A kutató szerint ez stresszt okozhat – különösen az alacsonyabb rangú egyedeknél –, és olyan viselkedési kompromisszumokat eredményezhet, amelyek a termelési adatokból nem feltétlenül láthatók.

Hitelesítés és szabályozás

Amikor egy MI azt állítja, hogy stresszt, fájdalmat vagy érzelmi állapotot képes felismerni, Natasha Boyland szerint kulcsfontosságú a rendszerek tudományos ellenőrzése. Ehhez független, lektorált kutatásokra van szükség, és már a fejlesztés során be kell vonni az állatorvosokat és az állatjóléti kutatókat.