연구진은 인간-AI 협업 모델을 통계적 교정 관점에서 분석했어요. 인간과 AI 모델 모두 특정 특징 공간을 기준으로 교정된다고 가정하고, 예측 결합 또는 예측 책임 위임 프레임워크에 교정 가정이 어떻게 적용되는지 살펴봤어요. 기존 결합 방법은 인간의 교정 정도를 유지하지 못하고, 위임 방법은 하위 예측기의 교정을 유지하지만, 예측자를 결정하는 거부기 모델에 부담을 줘요.
거부기 모델은 각 구성원의 우수성을 파악할 만큼 정밀하게 교정되어야 하며, 인간의 전문성이 증가함에 따라 이 요구 사항은 커져요. 인간이 시스템이 관찰할 수 없는 정보에 의존하는 경우, 거부기 모델의 교정은 불가능해져요.
연구는 이론적, 실증적 결과로 인간-AI 협업 프레임워크의 교정 문제를 강조하고, 더 나은 협업 시스템 설계를 위한 통찰력을 제공해요.