What Types of Human-AI Teams Exist?

Resumen Técnico: "¿Qué tipos de equipos humano-IA existen?"

Planteamiento del problema
El campo del trabajo en equipo Humano-IA ha experimentado un crecimiento exponencial; sin embargo, persiste una ambigüedad definicional crítica. Si bien el término se refiere ampliamente a humanos e IA trabajando de forma interdependiente hacia metas compartidas, las revisiones de la literatura existente indican que los estudios se centran excesivamente en los aspectos técnicos de la IA en lugar de en la dinámica de "trabajo en equipo" (teaming). En consecuencia, es difícil distinguir cuándo una IA transiciona de ser un "mero instrumento" a ser un "compañero de equipo", y sigue sin estar claro qué tipos específicos de equipos se están estudiando bajo la misma definición paraguas. Esta falta de especificidad obstaculiza la transferibilidad de los conocimientos entre artículos, ya que las disparidades en las configuraciones de equipo (por ejemplo, variaciones en la interdependencia de tareas, estructuras de roles y patrones de liderazgo) suelen confundirse. Los autores argumentan que, sin una taxonomía clara de los tipos de equipos, la síntesis de la investigación y la aplicación de los hallazgos en dominios de seguridad crítica o marcos regulatorios se ven comprometidas.

Metodología
Para abordar esto, los autores realizaron una revisión de alcance de estudios experimentales sobre el trabajo en equipo Humano-IA, adhiriéndose a la guía de extensión PRISMA.

• Recopilación de datos: Una búsqueda en la ACM Digital Library, IEEE y Web of Science arrojó 552 artículos iniciales. Tras filtrar por la frase específica "human-AI team" en títulos/palabras clave, excluir trabajos no experimentales y eliminar artículos donde la frase se utilizaba solo como palabra clave sin una descripción sustantiva, el conjunto de datos final constó de 53 artículos experimentales (analizando 54 estudios distintos).
• Marco analítico: Los autores aplicaron un análisis de contenido deductivo utilizando una taxonomía psicológica de trabajo en equipo proporcionada por [7]. Este marco categoriza los equipos basándose en:
  • Características a nivel de tarea: Los tipos de trabajo realizados (por ejemplo, gestión, asesoramiento, resolución de problemas, acción psicomotriz).
  • Características a nivel de equipo: Variables estructurales holísticas que incluyen la interdependencia de tareas (agrupada, secuencial, recíproca, intensiva), la estructura de roles (funcional vs. divisional), la estructura de liderazgo, la estructura de comunicación, la distribución física y la vida útil del equipo.
• Adaptación: Los autores señalaron que la aplicación de estas taxonomías centradas en humanos a la IA requería interpretaciones menores, particularmente respecto a la distribución física (interpretándola como si el humano y la IA comparten el mismo entorno) y la vida útil del equipo (interpretándola como si la tarea es un evento único o parte de un arreglo a largo plazo).
• Agrupación (Clustering): Los 53 artículos se agruparon según sus características a nivel de equipo. Se identificaron siete grupos, pero solo se informaron los cinco más grandes (que contenían al menos tres estudios cada uno) como los hallazgos principales.

Contribuciones clave

1. Una taxonomía preliminar: El artículo propone un sistema de clasificación inicial que identifica cinco subtipos distintos de equipos Humano-IA estudiados actualmente en la literatura.
2. Identificación de brechas definicionales: El análisis revela que los estudios agrupados bajo el término único "Human-AI Teaming" representan en realidad configuraciones de equipo dispares con combinaciones únicas de características, lo que desafía la suposición de que los conocimientos son directamente transferibles entre estos tipos.
3. Guía de reporte: Los autores proporcionan una lista de verificación (checklist) para futuras investigaciones con el fin de mejorar la especificidad y claridad del reporte de estudios de equipos Humano-IA, alentando a los autores a definir explícitamente las características a nivel de equipo.

Resultos
El análisis de 54 estudios experimentales reveló una fuerte preferencia por las configuraciones de 1 humano y 1 IA (34 artículos), principalmente en los dominios de videojuegos, clasificación de objetos y aviación/militar/espacial. Los cinco grupos de equipos identificados son:

1. Asistente de IA (18 estudios, 34%):

   • Estructura: Interdependencia de tareas secuencial, roles funcionales, liderazgo designado, comunicación en cadena.
   • Dinámica: Un humano y una IA trabajan por turnos; la IA asesora o predice, y el humano gestiona la decisión final. Los roles no son intercambiables.
   • Contexto: A menudo a largo plazo o ad-hoc, típicamente colocados en el mismo lugar. Común en tareas de clasificación y ciberseguridad.

2. Dependencia Ad-hoc (11 estudios, 20%):

   • Estructura: Interdependencia de tareas intensiva, roles funcionales, liderazgo distribuido, comunicación en estrella.
   • Dinámica: Un grupo de al menos tres miembros (mezcla de humanos e IA) trabaja como una unidad con roles no intercambiables. El liderazgo se comparte simultáneamente.
   • Contexto: Típicamente ad-hoc (disolviéndose tras una tarea específica). Común en aviación, respuesta ante desastres y acertijos.

3. Dependencia Forzada Ad-hoc (6 estudios, 11%):

   • Estructura: Interdependencia de tareas recíproca, roles funcionales, liderazgo designado, comunicación en cadena.
   • Dinámica: Un humano y una IA participan en una interacción de ida y vuelta donde están "forzados" a interactuar porque ninguno puede completar la tarea por sí solo (por ejemplo, acceso complementario a la información).
   • Contexto: Vida útil ad-hoc. Común en juegos y simulaciones de respuesta ante desastres.

4. Equanimidad de Pareja (4 estudios, 7%):

   • Estructura: Interdependencia de tareas recíproca, roles divisionales, liderazgo distribuido, comunicación en estrella.
   • Dinámica: Un humano y una IA realizan el mismo rol juntos (intercambiables), compartiendo el liderazgo y comunicándose libremente.
   • Contexto: Ad-hoc. Común en juegos de equipo (por ejemplo, Rocket League).

5. Equanimidad de Grupo (3 estudios, 6%):

   • Estructura: Interdependencia de tareas intensiva, roles divisionales, liderazgo distribuido, comunicación en estrella.
   • Dinámica: Un grupo de al menos tres miembros (mezcla de humanos e IA) que realizan el mismo rol juntos, compartiendo el liderazgo.
   • Contexto: Ad-hoc. Común en acertijos y educación.

El estudio también señaló que el 25% de los artículos no formaron un grupo, representando combinaciones únicas de características aún no ampliamente estudiadas. Además, el análisis destacó que muchos estudios (particularmente el Clúster 1) podrían no encajar estrictamente en la definición de "trabajo en equipo" (teaming) si la IA es percibida meramente como una herramienta en lugar de un compañero de equipo, lo que plantea interrogantes sobre la aplicación actual del término.

Significancia y Reivindicaciones
El artículo sostiene que el campo actual sufre de una falta de lenguaje taxonómico para distinguir entre diferentes tipos de equipos Humano-IA. Los autores argumentan que:

• Los conocimientos no son intrínsecamente transferibles: Los hallazgos de un estudio de "Clúster 1" (Asistente de IA) no pueden aplicarse con confianza a un estudio de "Clúster 4" (Equanimidad de Pareja) debido a diferencias fundamentales en liderazgo, comunicación e interdependencia.
• Ambigüedad definicional: La definición actual de Trabajo en Equipo Humano-IA es demasiado amplia, pudiendo abarcar el uso simple de herramientas o estudios donde la IA no posee "capacidades únicas y complementarias" de la manera en que la definición implica.
• Seguridad y Regulación: Las taxonomías más claras son esenciales para el análisis de seguridad, los marcos regulatorios y la asignación de responsabilidad moral, particularmente a medida que los sistemas de IA agénticos se vuelven más prevalentes.
• Dirección Futura: El campo debe ir más allá de las definiciones generales para especificar las características exactas a nivel de equipo que se están estudiando. Los autores no pretenden haber resuelto la definición de Trabajo en Equipo Humano-IA, sino que proporcionan un marco para categorizar el trabajo existente e identificar brechas (por ejemplo, la interdependencia agrupada o las estructuras de liderazgo de gestores externos están actualmente subrepresentadas).

El artículo concluye instando a los investigadores a utilizar la lista de verificación propuesta para reportar explícitamente las características del equipo, permitiendo así una mejor síntesis de la literatura y una investigación futura más precisa.