Leverage Laws: A Per-Task Framework for Human-Agent Collaboration

1. Probleemstelling

De huidige literatuur over mens-AI-samenwerking heeft vastgesteld dat AI de output verbetert, dat productiviteitswinsten per taak variëren, en dat de autonome tijds horizonnen toenemen. Het vakgebied mist echter een unificerend analyse-eenheid om de operationele vraag te beantwoorden: Waar moet een professional de volgende werkuren investeren om de snelheid te maximaliseren waarmee agenten menselijk werk verdringen?

Bestaande kaders zijn kwalitatief (bijv. niveaus van toezichtcontrole, theorie van gemeenschappelijke grond) of richten zich uitsluitend op aggregaatoutput. Er is geen normatieve ratio die de kosten van samenwerking opsplitst in meetbare kanalen, waardoor optimalisatie van workflowontwerp versus modelcapaciteit mogelijk wordt.

2. Methodologie

Het paper stelt een normatief kader voor dat is gebaseerd op een per-taak hefboomratio ($L_{task}$) en dit uitbreidt tot een gevenvensterde hefboommaatstaf ($L_{window}$).

A. De Basisformule: Per-Taak Hefboom

De kernmetriek wordt gedefinieerd als de ratio van verdrongen menselijk werk tot de geïnvesteerde menselijke tijd:
$$L_{task} = \frac{H_{displaced}}{t_{planning} + \sum t_{interrupt_j} + t_{review}}$$

• Teller ($H_{displaced}$): Uren menselijk werk die door de agent van de werktaak van de operator worden verwijderd (geleid door de capaciteit van de agent).
• Noemer: Uren menselijk werk besteed aan drie distincte kanalen:
  1. Planning ($t_{planning}$): Het specificeren van de taak.
  2. Onderbrekingen ($\sum t_{interrupt_j}$): Het oplossen van problemen tijdens de uitvoering.
  3. Review ($t_{review}$): Het verifiëren van de output.

B. Informatiedichtheid en Directionele Asymmetrie

Het kader introduceert Informatiedichtheid ($\rho$) als bits per uur, opgesplitst in twee directionele stromen:

• $\rho_{in}$ (Mens-naar-Agent): Geblokkeerd door menselijke output (spraak/typen). De asymptoot is $\approx 20$ bits/sec.
• $\rho_{out}$ (Agent-naar-Mens): Geblokkeerd door menselijke input (lezen/visuele parsing). Heeft aanzienlijk meer ruimte vanwege het vermogen van de agent om hoogdichte modaliteiten te kiezen (bijv. dashboards versus proza).

De effectieve dichtheid van een uitwisseling is het harmonisch gemiddelde van deze twee snelheden, gewogen naar het aandeel informatie dat in elke richting stroomt ($\alpha$). Het paper betoogt dat verschillende fasen van samenwerking verschillende $\alpha$-waarden hebben:

• Planning: Hoge $\alpha$ (input-gedreven).
• Onderbrekingen: Gebalanceerde $\alpha$ (bidirectioneel).
• Review: Lage $\alpha$ (output-gedreven).

C. Wet van Informatiebehoud

Elke taak heeft een vaste informatievraag ($I_{task}$) die moet worden overgebracht. Deze informatie stroomt door de drie kanalen. Het kader stelt dat onderspecificeren in de planning informatie forceert naar onderbrekingen of review, waar de "kostenscalers" ($c_p, c_i, c_r$) vaak hoger zijn vanwege contextwisseling en herwerk.

D. Asymptotische Analyse

Het paper analyseert het gedrag van $L_{task}$ naarmate systeemcapaciteiten en gedeeld geheugen ($M$) naar oneindig gaan:

• Onderbrekingen en Review: Deze termen zakken naar nul naarmate het geheugen verbetert en verificatie geautomatiseerd wordt.
• Planning: Benadert een niet-nul vloer bepaald door onherleidbare taaknieuwheid ($I_{novel}$). Zelfs met perfect geheugen vereisen nieuwe taken unieke intentiespecificatie.
• Resultaat: $L_{task}$ is begrensd door de ratio van verdrongen werk tot taaknieuwheid, geschaald naar de menselijke inputbandbreedte ($\rho_{in}$).

E. Gevenvensterde Hefboom ($L_{window}$)

Om terugkerende taken en systeemontwerp aan te pakken, introduceren de auteurs een tijdsgevenvensterde maatstaf. Dit maakt afschrijving mogelijk:

• Terugkerende Taken: Planningskosten worden één keer betaald en gedeeld door $N$ uitvoeringen.
• Gegenereerde Subtaken: Kinderen erven het geheugen van de ouder, wat hun planningskosten verlaagt.
• Systeemontwerp: Upstream investeringen (sjablonen, vaardigheden) worden afgeschreven over alle toekomstige taken.
  In tegenstelling tot $L_{task}$ heeft $L_{window}$ geen per-taak plafond, maar is het begrensd door de voorraad aan opgebouwde planningsinvestering.

3. Belangrijkste Bijdragen

1. Unificerend Normatief Ratio: Eén formule ($L_{task}$) die drie eerder losstaande concepten operationaliseert: kosten van toezichtcontrole, gemeenschappelijke grond (gedeelde context) en logica voor onderbrekingen met gemengde initiatieven.
2. Directionele Informatieasymmetrie: Een theoretisch bewijs dat mens-naar-agent en agent-naar-mens stromen verschillende blokkades en plafonds hebben. Dit impliceert dat het verbeteren van inputmodaliteiten (bijv. spraak) vooral helpt bij planning, terwijl het verbeteren van outputmodaliteiten (bijv. visualisatie) vooral helpt bij review.
3. De "Onherleidbare Nieuwheid" Vloer: De vaststelling dat plannings tijd niet kan worden geëlimineerd, alleen gecomprimeerd, omdat elke taak een unieke informatiecomponent ($I_{novel}$) bevat die niet door geheugen kan worden voorspeld.
4. Afschrijvingskader: Een verschuiving van per-taakanalyse naar per-vensteranalyse, die uitlegt hoe terugkerende taken en investeringen in systeemontwerp het per-taak hefboomplafond doorbreken.
5. Falsificatieprotocol: Een specifiek, "Popper-achtig" experimenteel ontwerp om de claim van directionele asymmetrie te testen door tijdsdelta's te meten wanneer $\rho_{in}$ en $\rho_{out}$ onafhankelijk van elkaar worden verbeterd.

4. Resultaten en Theoretische Bevindingen

• Ontkoppeling van Hevels: Investeringen in modelcapaciteit (teller) en workflowontwerp (noemer) zijn in de eerste orde ontkoppeld, maar co-evolueren in de tweede orde.
• Schalingsassen: Hefboomwerking schaalt langs twee assen: Capaciteit (toename van $H_{displaced}$) en Geheugen (toename van $\rho$ en vermindering van $t_{interrupt}$ en $t_{review}$).
• Begrensdheid:
  • $L_{task}$ is begrensd door $H_{displaced} \cdot \rho_{in}^{max} / I_{novel}$.
  • $L_{window}$ is uitsluitend begrensd door de opgebouwde voorraad aan planningsinvestering beschikbaar binnen het tijdsvenster.
• Fasespecifieke Optimalisatie: Het kader voorspelt dat het optimaliseren van een specifieke fase (bijv. review) gericht moet zijn op de specifieke informatieflowrichting die in die fase dominant is (bijv. $\rho_{out}$ voor review).

5. Betekenis

• Operationele Richtlijnen: Biedt professionals een concrete methode om knelpunten te diagnosticeren. Als $t_{review}$ hoog is, is de oplossing betere outputmodaliteiten van de agent ($\rho_{out}$), niet betere menselijke input.
• Strategische Investering: Maakt onderscheid tussen investeringen die het plafond van hefboomwerking verhogen (verbetering van $\rho_{in}$ voor nieuwe taken) en diegene die de snelheid van hefboomwerking verhogen (kosten afschrijven via systeemontwerp).
• Onderzoeksroadmap: Identificeert 10 open empirische vragen, waaronder de functionele vorm van geheugendichtheid $\rho(M)$, de meting van kostenscalers ($c$) en de dynamiek van recursieve taakhierarchieën.
• Theoretische Synthese: Overbrugt de kloof tussen kwalitatieve HCI-theorieën (toezichtcontrole, gemeenschappelijke grond) en kwantitatieve productiviteitsmetrieken, en biedt een strikt wiskundige basis voor de toekomst van mens-agent samenwerking.

Kortom, het paper verlegt het vakgebied van de vraag "Helpt AI?" naar "Hoe optimaliseren we wiskundig de stroom van informatie tussen mens en agent om arbeidsverdringing te maximaliseren?" door de fundamentele grenzen en hevels van die interactie te definiëren.