연구진은 인간과 AI가 협력하는 서비스 시스템에서 작업 처리 방식을 연구했어요. 작업 유형에 따라 자동화 챗봇과 인간 상담원에게 분산되며, 챗봇 성공 확률과 상담원 서비스율이 불확실해요.
UCB-DPP 정책을 제안하여 시스템 파라미터를 학습하고 큐 상황을 고려한 의사 결정을 내리는데, 이는 후회(regret)를 $ ilde{ ext{O}}(K ext{√}T)$ 로 줄이고 인간 상담원 큐의 안정성을 보장해요.
시뮬레이션 결과, 제안된 정책이 기존 방식보다 뛰어난 성능을 보여줬으며, 자동화 수준을 조절하는 것이 비용과 인간 상담원 과부하 사이의 균형을 맞추는 데 중요해요.