Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work
Dieses Positionspapier untersucht, wie generative KI die kollaborative Sensemaking umgestaltet, und schlägt einen konzeptionellen Rahmen mit fünf Designprinzipien und spezialisierten KI-Agenten vor, um eine transparente, rechenschaftspflichtige und verhandelte Wissenskonstruktion in Multi-Human-Multi-Agent-Teams zu unterstützen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie und ein Team von Freunden versuchen, ein riesiges, komplexes Rätsel zu lösen. Sie haben Stapel von Hinweisen, alte Landkarten, Zeitungsartikel und halbfertige Theorien. In der Vergangenheit wären Sie um einen Tisch zusammengesessen, hätten die Papiere sortiert, darüber diskutiert, was sie bedeuten, und langsam eine gemeinsame Geschichte dessen aufgebaut, was passiert ist. Dieser Prozess, rohe Informationen in ein klares Verständnis zu verwandeln, wird als Sensemaking bezeichnet.
Stellen Sie sich nun vor, Sie laden einen superintelligenten, schnell sprechenden Roboter an den Tisch ein. Dieser Roboter (Generative KI) kann all Ihre Papiere in Sekunden lesen und Ihnen sofort eine ordentliche Zusammenfassung, eine Liste von Themen und eine fertige Theorie überreichen.
Das Problem:
Obwohl der Roboter schnell ist, schafft er ein neues Problem. Weil der Roboter das „Denken“ und „Sortieren“ für Sie übernimmt, könnten Sie vergessen, wie er zu seinem Schluss gekommen ist. Hat er einen entscheidenden Hinweis ignoriert? Hat er eine Tatsache erfunden? In einem Team wird das noch chaotischer. Wenn Ihr Teammitglied den Roboter nutzt, um seinen Teil der Geschichte zu schreiben, woher wissen Sie dann, ob er die Hinweise tatsächlich verstanden hat oder ob er einfach nur den Output des Roboters hineinkopiert hat? Sie laufen Gefahr, einer Geschichte zu vertrauen, die Sie nicht verifizieren können, oder die ganze Zeit damit zu verbringen, Arbeit zu doppelt zu prüfen, der Sie früher vertraut haben.
Die Lösung:
Die Autoren dieser Arbeit schlagen eine neue Art vor, mit diesen KI-Robotern zusammenzuarbeiten. Anstatt den Roboter das Denken für Sie erledigen zu lassen, schlagen sie ein System vor, bei dem der Roboter Ihnen hilft, mit Ihnen zu denken, während gleichzeitig ein klarer Nachweis darüber geführt wird, wer was getan hat.
Sie nennen dies einen „Dynamic Shared Workspace“ (Dynamischen Gemeinsamen Arbeitsraum). So funktioniert es, erklärt anhand einer einfachen Analogie:
1. Die drei spezialisierten Roboter (Agenten)
Stellen Sie sich vor, Ihr Team hat drei spezifische Roboter-Assistenten, von denen jeder eine andere Aufgabe hat:
- Der Partner-Agent (Ihr persönlicher Komplize): Dieser Roboter sitzt individuell neben Ihnen. Er gibt Ihnen nicht einfach nur Antworten; er stellt Ihnen Fragen. Wenn Sie nach Hinweisen zu „Geld“ suchen, könnte er sagen: „Hey, haben Sie schon die Daten zum ‚Optionsmarkt‘ geprüft?“ oder „Ihre Theorie über Credit Spreads hat eine Lücke; was ist mit den Zeiten, in denen die Spreads stiegen, aber die Aktien nicht fielen?“ Er hilft Ihnen, Lücken in Ihrem eigenen Denken zu erkennen, und sorgt dafür, dass Sie das Steuer in der Hand behalten.
- Der Shared Space Agent (Der Team-Bibliothekar): Wenn Sie bereit sind, Ihre Erkenntnisse mit dem Team zu teilen, werfen Sie diese nicht einfach nur auf den Tisch. Sie übergeben sie an diesen Roboter. Er betrachtet Ihre neue Idee und prüft: „Passt das zu dem, was der Rest des Teams gerade aufbaut? Verbindet es sich mit der Karte, die wir gestern erstellt haben?“ Wenn Sie eine widersprüchliche Idee haben, erzwingt er keine sofortige Entscheidung. Stattdessen hält er beide Ideen sichtbar, wie zwei verschiedene Pfade auf einer Karte, damit das Team darüber diskutieren kann.
- Der Orchestrator-Agent (Der Protokollant): Dieser Roboter ist der ultimative Aufzeichner. Jedes Mal, wenn Sie oder Ihre Teamkollegen einen Hinweis oder eine Theorie hinzufügen, schreibt dieser Roboter genau auf, wer es getan hat, woher die Beweise stammten und wie sich die Idee im Laufe der Zeit verändert hat. Er stellt sicher, dass Sie – falls eine Theorie sich als falsch erweist – darauf zurückverfolgen können, welche Person sie vorgeschlagen hat und welche Beweise sie dafür genutzt hat.
2. Die „Schuhkarton“-Methode (Ebenen des Verständnisses)
Die Arbeit schlägt vor, Informationen wie eine Serie von übereinander gestapelten Schuhkartons zu organisieren:
- Unterster Karton: Rohdaten (Zahlen, Zeitungsartikel).
- Mittlere Kartons: Cluster von Beweisen und spezifischen Fakten.
- Oberster Karton: Das große Ganze, die Geschichte und die endgültige Präsentation.
Das System ermöglicht es Ihnen, sich zwischen diesen Kartons auf und ab zu bewegen. Sie können zu den Rohzahlen zurückkehren, um einen Fakt zu prüfen, oder herauszoomen, um das große Bild zu sehen. Die KI hilft Ihnen, sich zwischen diesen Ebenen zu bewegen, ohne die Verbindung zwischen den winzigen Details und dem großen Ganzen zu verlieren.
3. Die fünf Regeln für den Erfolg
Um dies zum Erfolg zu führen, schlagen die Autoren fünf einfache Regeln vor, wie sich diese Werkzeuge verhalten sollten:
- Zeigen Sie die Ebenen: Zeigen Sie nicht nur die endgültige Antwort; zeigen Sie die Rohdaten, die Notizen und die Theorien, damit alle das gesamte Bild sehen können.
- Identifizieren Sie die Lücken: Das System sollte aktiv darauf hinweisen, was Sie noch nicht verstehen, anstatt so zu tun, als sei alles bereits gelöst.
- Bleiben Sie kritisch: Sie müssen in der Lage sein, die Vorschläge der KI zu hinterfragen und neu anzuordnen, anstatt sie einfach als endgültige Wahrheit zu akzeptieren.
- Beweisen Sie es: Sie sollten immer in der Lage sein zu erklären, wie Sie zu einem Schluss gekommen sind, und die Beweise dafür aufzuzeigen.
- Übernehmen Sie Verantwortung: Alle Beiträge müssen klar gekennzeichnet und nachverfolgbar sein, damit das Team weiß, wer was gedacht hat, und man sich gegenseitig zur Rechenschaft ziehen kann.
Das Fazgest
Die Arbeit argumentt, dass wir die KI nicht die Denkprozesse ersetzen lassen sollten. Stattdessen sollten wir einen Arbeitsraum schaffen, in dem Menschen und KI wie ein Team von Detektiven zusammenarbeiten. Die KI hilft dabei, die Hinweise zu organisieren und schwierige Fragen zu stellen, aber die Menschen bleiben diejenigen, die die Geschichte aufbauen, die Fakten prüfen und die Verantwortung für das Endergebnis tragen. Auf diese Weise baut das Team ein gemeinsames Verständnis auf, das stark, klar und vertrauenswürdig ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.