Penelitian ini mengeksplorasi manifestasi dinamika kekuasaan dan hierarki sosial dalam interaksi antar-agen berbasis Large Language Model (LLM). Dengan mengondisikan agen AI ke dalam peran asimetris (misalnya, principal-teacher dan manager-employee), studi ini mengidentifikasi keberadaan authority bias, harmful compliance, efektivitas penggunaan kata ganti (pronoun effect), dan language coordination.

Hasil eksperimen terhadap enam arsitektur LLM (termasuk varian ChatGPT dan Meta Llama) menunjukkan bahwa agen dengan status subordinat (lower-status agents) secara signifikan lebih rentan terhadap persuasi dan memiliki tendensi lebih tinggi untuk mematuhi instruksi berrisiko (unsafe requests). Temuan ini mengindikasikan adanya celah keselamatan (safety vulnerabilities) ketika agen AI mereplikasi dinamika sosial manusia secara presisi.