Modeling AI-Human Collaboration as a Multi-Agent Adaptation

要約

エージェントベースのシミュレーションを開発して、AI-Humanコラボレーションをタスク構造の関数として形式化し、組織での戦略的意思決定のための一般化可能なフレームワークを進めています。
ヒューリスティックベースの人間の適応とルールベースのAI検索を区別して、NKモデルを使用してモジュラー（並列）とシーケンス（相互依存）タスクを介した相互作用をモデル化します。
我々の結果は、モジュラータスクでは、AIはしばしば人間を代用します – 人間の専門知識が非常に高く、AIの検索スペースが狭く焦点を絞っているか、非常に広い場合を除き、より高い見返りを提供します。
シーケンスされたタスクでは、興味深い補完性が現れます。
専門家の人間が検索を開始し、その後AIがそれを改良すると、総パフォーマンスが最大化されます。
逆に、AIがリードすると、人間による過度のヒューリスティック洗練は、見返りを減らすことができます。
また、「幻覚」AIでさえ、記憶や構造を欠いていることでさえ、地元のオプティマから逃れるのを助けることで低能力の人間を増やすときに結果を改善できることを示しています。
これらの結果は、堅牢な含意をもたらします。AIと人間のコラボレーションの有効性は、コンテキストまたは業界に依存し、基礎となるタスク構造に依存します。
分析の中央単位としてタスク分解を高めることにより、我々のモデルは、多様な組織設定全体にわたる人間とエージェントAIが関与する戦略的意思決定のための転送可能なレンズを提供します。

要約(オリジナル)

We develop an agent-based simulation to formalize AI-human collaboration as a function of task structure, advancing a generalizable framework for strategic decision-making in organizations. Distinguishing between heuristic-based human adaptation and rule-based AI search, we model interactions across modular (parallel) and sequenced (interdependent) tasks using an NK model. Our results reveal that in modular tasks, AI often substitutes for humans – delivering higher payoffs unless human expertise is very high, and the AI search space is either narrowly focused or extremely broad. In sequenced tasks, interesting complementarities emerge. When an expert human initiates the search and AI subsequently refines it, aggregate performance is maximized. Conversely, when AI leads, excessive heuristic refinement by the human can reduce payoffs. We also show that even ‘hallucinatory’ AI – lacking memory or structure – can improve outcomes when augmenting low-capability humans by helping escape local optima. These results yield a robust implication: the effectiveness of AI-human collaboration depends less on context or industry, and more on the underlying task structure. By elevating task decomposition as the central unit of analysis, our model provides a transferable lens for strategic decision-making involving humans and an agentic AI across diverse organizational settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google