自動化されたAIエージェントの能力はますます高まっているが、多くの科学的・専門的タスクでは依然として人間の判断と文脈に基づく専門知識が必要である。Nachiket Kotalwarら3名による論文「Searching for Synergy in Shared Workspace Human-AI Collaboration」は、AIエージェントと人間の協力者が最終回答を提出する前に責任を調整する必要がある共有ワークスペース型の人間とAIのチームを研究している。この論文はICML 2026 Human-AI Co-Creativity Workshopに採択され、13ページ、図5点、表3点で構成されている。
研究チームはCollaborative Gym環境とDiscoveryBenchタスクを用いて、模擬的な人間の協力者を追加することが性能を向上させる条件と、プロセス損失によって追加の協力者が調整のオーバーヘッドに変わる条件を検討した。1,482セッションの分析により、チームが貢献を調整する構造を欠いている場合、関連する協力者を追加すると性能が低下しうることが明らかになった。
この問題に対処するため、研究者らは共有グループメモリと模擬的な人間参加型（HITL）ゲートを組み合わせた足場を評価した。HITLゲートでは、選択された行動に指定された模擬参加者の承認が必要となる。この足場により平均性能が向上し、特に3人チームで顕著であった。また、責任のシグナルがより明確になり、専門知識がチームの行動により効果的にルーティングされることも確認された。
全体として、人間とAIのチームがどのように調整し専門知識を統合するかは、利用可能な能力そのものと同じくらい重要であると研究は強調している。この知見は協調型AIシステムの設計に直接的な示唆を与える。エージェントや人間のメンバーを単に増やすだけでは不十分であり、共有メモリ、承認プロセス、明確な責任分担の仕組みを構築することで、調整のオーバーヘッドを避け、チームのシナジーを引き出すことが可能になる。