面向人类-人工智能交互模式选择的准则方法

人工智能工具如今已广泛应用于众多知识工作行业。随着AI能力的提升和互动性的增强，日益需要指导如何最有效地使用AI。A2C框架（Tariq, Chhetri, Nepal & Paris, 2024）区分了三种与AI交互的决策模式：自动化（AI完成任务，包括决策/行动）、增强（AI支持人类决策）和协作（人类与AI之间的迭代交互）。然而，为特定应用选择合适的模式并不总是直接。本研究旨在编译并试验一套简单准则，以支持针对特定应用推荐合适的A2C模式。我们依据人因工程和计算机科学文献，确定与任务要素、对员工影响以及支持需求相关的关键准则。基于这些准则，我们构建了带有A2C模式建议的评分表。作为该方法的初步测试，我们将这些准则应用于来自三个科学领域任务的认知任务分析（CTA）输出——基因注释、生物样本策展和蛋白质晶体构象 - 并得出关于员工决策点、挑战和专家策略的见解。本文描述了将CTA与A2C相连接的方法，反思其挑战以及未来方向。