What Types of Human-AI Teams Exist?

Technische Samenvatting: "Welke typen mens-AI-teams bestaan er?"

Probleemstelling
Het vakgebied van Human-AI Teaming heeft een exponentiële groei doorgemaakt, maar er blijft een kritieke definitionele ambiguïteit bestaan. Hoewel de term breed verwijst naar mensen en AI die interdependent samenwerken naar gedeelde doelen, geven bestaande literatuuroverzichten aan dat studies zich zwaar concentreren op de technische aspecten van AI in plaats van op de "teaming"-dynamiek. Als gevolg hiervan is het moeilijk te onderscheiden wanneer een AI overgaat van een "simpel hulpmiddel" naar een "teamgenoot", en het blijft onduidelijk welke specifieke typen teams worden bestudeerd onder dezelfde brede definitie. Dit gebrek aan specificiteit belemmert de overdraagbaarheid van inzichten tussen papers, aangezien uiteenlopende teamconfiguraties (bijv. variërende taakinterdependentie, rolstructuren en leiderschapspatronen) vaak worden samengevoegd. De auteurs stellen dat zonder een duidelijke taxonomie van teamtypen, het synthetiseren van onderzoek en het toepassen van bevindingen op veiligheidskritische domeinen of regelgevende kaders in gevaar komt.

Methodologie
Om dit aan te pakken, voerden de auteurs een scoping review uit van experimentele studies naar Human-AI Teaming, conform de PRISMA-extensierichtlijnen.

• Gegevensverzameling: Een zoekopdracht in de ACM Digital Library, IEEE en Web of Science leverde 532 initiële papers op. Na screening op de specifieke frase "human-AI team" in titels/trefwoorden, het uitsluiten van niet-experimenteel werk, en het verwijderen van papers waar de frase alleen als trefwoord werd gebruikt zonder substantiële beschrijving, bestond de uiteindelijke dataset uit 53 experimentele papers (die 54 verschillende studies analyseerden).
• Analytisch kader: De auteurs pasten een deductieve inhoudsanalyse toe met behulp van een psychologische taxonomie van teaming afkomstig van [7]. Dit kader categoriseert teams op basis van:
  • Taakgerelateerde kenmerken: De typen werk die worden uitgevoerd (bijv. managen, adviseren, probleemoplossing, psychomotorische actie).
  • Teamgerelateerde kenmerken: Holistische structurele variabelen inclusief taakinterdependentie (gepoolde, sequentiële, reciproke, intensieve), rolstructuur (functioneel versus divisionair), leiderschapsstructuur, communicatiestructuur, fysieke distributie en teamlevensduur.
• Adaptatie: De auteurs merkten op dat het toepassen van deze mensgerichte taxonomieën op AI kleine herinterpretaties vereiste, met name met betrekking tot fysieke distributie (het interpreteren van de vraag of de mens en de AI dezelfde omgeving delen) en teamlevensduur (het interpreteren van de vraag of de taak een eenmalige gebeurtenis is of onderdeel van een langetermijnarrangement).
• Clustering: De 53 papers werden geclusterd op basis van hun teamgerelateerde kenmerken. Zeven clusters werden geïdentificeerd, maar alleen de vijf grootste (bevatten ten minste drie studies elk) werden gerapporteerd als de primaire bevindingen.

Belangrijkste bijdragen

1. Een voorlopige taxonomie: Het paper stelt een initiële classificatiesysteem voor dat vijf verschillende subtypen van Human-AI teams identificeert die momenteel in de literatuur worden bestudeerd.
2. Identificatie van definitionele hiaten: De analyse laat zien dat studies die onder de enkele term "Human-AI Teaming" worden gegroepeerd, eigenlijk uiteenlopende teamconfiguraties vertegenwoordigen met unieke combinaties van kenmerken, wat de aanname uitdaagt dat inzichten direct overdraagbaar zijn tussen deze typen.
3. Rapportagevoorschriften: De auteurs bieden een checklist voor toekomstig onderzoek om de specificiteit en duidelijkheid van de rapportage van Human-AI teamstudies te verbeteren, waarbij auteurs worden aangemoedigd om teamgerelateerde kenmerken expliciet te definiëren.

Resultaten
De analyse van 54 experimentele studies onthulde een sterke voorkeur voor 1 mens en 1 AI configuraties (34 papers), primair in gaming, objectclassificatie en luchtvaart/militaire/ruimte-domeinen. De vijf geïdentificeerde teamclusters zijn:

1. AI Assistent (18 studies, 34%):

   • Structuur: Sequentiële taakinterdependentie, functionele rollen, aangewezen leiderschap, ketencommunicatie.
   • Dynamiek: Een mens en AI werken in beurten; de AI adviseert of voorspelt, en de mens beheert de uiteindelijke beslissing. Rollen zijn niet uitwisselbaar.
   • Context: Vaak langdurig of ad-hoc, doorgaans gelokaliseerd (colocated). Veelvoorkomend bij classificatie- en cybersecuritytaken.

2. Ad-hoc Afhankelijkheid (11 studies, 20%):

   • Structuur: Intensieve taakinterdependentie, functionele rollen, gedistribueerd leiderschap, ster-communicatie.
   • Dynamiek: Een groep van ten minste drie leden (mix van mensen en AI) werkt als een eenheid met niet-uitwisselbare rollen. Leiderschap wordt simultaan gedeeld.
   • Context: Typisch ad-hoc (uiteenvallend na een specifieke taak). Veelvoorkomend in luchtvaart, rampenbestrijding en puzzels.

3. Ad-hoc Gedwongen Afhankelijkheid (6 studies, 11%):

   • Structuur: Reciproque taakinterdependentie, functionele rollen, aangewezen leiderschap, ketencommunicatie.
   • Dynamiek: Een mens en AI gaan een heen-en-weer interactie aan waarbij zij "gedwongen" zijn te interageren omdat geen van beiden de taak alleen kan voltooien (bijv. complementaire informatie toegang).
   • Context: Ad-hoc levensduur. Veelvoorkomend in games en simulaties van rampenbestrijding.

4. Gepaard Evenwicht (Paired Equanimity) (4 studies, 7%):

   • Structuur: Reciproque taakinterdependentie, divisionaire rollen, gedistribueerd leiderschap, ster-communicatie.
   • Dynamiek: Een mens en AI vervullen samen de dezelfde rol (uitwisselbaar), delen leiderschap en communiceren vrijelijk.
   • Context: Ad-hoc. Veelvoorkomend in teamwork games (bijv. Rocket League).

5. Groepsevenwicht (Group Equanimity) (3 studies, 6%):

   • Structuur: Intensieve taakinterdependentie, divisionaire rollen, gedistribueerd leiderschap, ster-communicatie.
   • Dynamiek: Een groep van ten minste drie leden (mix van mensen en AI) die allemaal samen de dezelfde rol vervullen, waarbij leiderschap wordt gedeeld.
   • Context: Ad-hoc. Veelvoorkomend in puzzels en educatie.

De studie merkte ook op dat 25% van de papers geen cluster vormde, wat unieke combinaties van kenmerken vertegenwoordigt die nog niet breed bestudeerd zijn. Bovendien benadrukte de analyse dat veel studies (met name Cluster 1) strikt genomen mogelijk niet voldoen aan de definitie van "teaming" als de AI louter als een hulpmiddel wordt waargenomen in plaats van als een teamgenoot, wat vragen oproept over de huidige toepassing van de term.

Betekenis en Claims
Het paper beweert dat het huidige veld lijdt aan een gebrek aan taxonomische taal om onderscheid te maken tussen verschillende typen Human-AI teams. De auteurs stellen dat:

• Inzichten zijn niet inherent overdraagbaar: Bevindingen uit een "Cluster 1" (AI Assistent) studie kunnen niet met vertrouwen worden toegepast op een "Cluster 4" (Gepaard Evenwicht) studie vanwege fundamentele verschillen in leiderschap, communicatie en interdependentie.
• Definitionele Ambiguïteit: De huidige definitie van Human-AI Teaming is te breed en omvat mogelijk eenvoudige hulpmiddel-gebruik of studies waarbij de AI niet beschikt over "unieke en complementaire capaciteiten" zoals de definitie suggereert.
• Veiligheid en Regulering: Duidelijkere taxonomieën zijn essentieel voor veiligheidsanalyse, regelgevende kaders en de toewijzing van morele verantwoordelijkheid, vooral naarmate agentische AI-systemen prominenter worden.
• Toekomstige Richting: Het veld moet verder gaan dan brede definities door de exacte teamgerelateerde kenmerken te specificeren. De auteurs beweren niet dat ze de definitie van Human-AI Teaming hebben opgelost, maar bieden eerder een kader om bestaand werk te categoriseren en hiaten te identificeren (bijv. gepoolde interdependentie of externe manager-leiderschapsstructuren zijn momenteel ondervertegenwoordigd).

Het paper concludeert door onderzoekers aan te dringen om de voorgestelde checklist te gebruiken om teamkenmerken expliciet te rapporteren, om zo een betere synthese van de literatuur en preciezer toekomstig onderzoek mogelijk te maken.