Solving complex problems has been proclaimed as one major challenge for hybrid teams of humans and artificial intelligence (AI) systems. Human-AI collaboration brings immense opportunities in these complex tasks, in which humans struggle, but full automation is also impossible. Understanding and designing human-AI collaboration for complex problem solving is a wicked and multifaceted research problem itself. We contribute to this emergent field by reviewing to what extent existing research on instantiated human-AI collaboration already addresses this challenge. After clarifying the two key concepts (complex problem solving and human-AI collaboration), we perform a systematic literature review. We extract research contexts and assess them considering different complexity features. We thereby provide an overview of existing and guidance for designing new, suitable research contexts for studying complex problem solving through human-AI collaboration and present an outlook for further work on this research challenge.
ZusammenfassungAufgrund der Fortschritte im Bereich der künstlichen Intelligenz (KI) ergeben sich neue Gestaltungsmöglichkeiten zur Reorganisation von Wissensarbeit an der Schnittstelle von Menschen und Maschine. Durch die Verschmelzung von menschlicher und künstlicher Intelligenz können komplementäre Stärken zum Lösen von Arbeitsaufgaben gebündelt werden. Neuartige Wissensarbeitssysteme sind erforderlich, die Wissensarbeitende sowohl bei der Ausübung von Routineaufgaben als auch Nichtroutineaufgaben unterstützen.Der Schlagwortartikel umreißt die Grundlagen von Wissensarbeit und arbeitet die Charakteristika von Routineaufgaben und Nichtroutineaufgaben innerhalb von Arbeitsprozessen auf. Es werden Grenzen klassischer IT-gestützter Wissensarbeitssysteme als Werkzeuge umrissen, die Wissensarbeitende im Arbeitsprozess unterstützen. Aufbauend darauf diskutiert der Artikel, dass technologische Fortschritte eine arbeitsprozessintegrierte und personalisierte Unterstützung von Wissensarbeitenden erlauben. Dazu verweist der Artikel auf die Charakteristika von kollaborativ interaktiv lernenden Systemen. Darauf aufbauend werden Hybride Wissensarbeitssysteme vorgestellt, die sowohl das KI-unterstützte menschliche Lernen als auch das Mensch-unterstützte maschinelle Lernen unterstützen. In diesem Zusammenhang beschreibt der Artikel definitorische Grundlagen von menschlicher, künstlicher und hybrider Intelligenz, stellt drei Archetypen von Mensch-Maschine-Aufgaben innerhalb von hybriden Wissensarbeitssystemen vor und umreißt drei Gestaltungsdimensionen solcher Systeme. Mittels eines Praxisbeispiels zum kollaborativen Schreiben von Journalist*innen beschreibt der Artikel exemplarisch die hybride Wissensarbeit. Der Artikel schließt mit einem Ausblick auf zukünftige Forschungsbedarfe.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.