[논문 리뷰] Generative AI Enhances Team Performance and Reduces Need for Traditional Teams

Ning Li, Huaikang Zhou외 1명|arXiv (Cornell University)|2024. 05. 28.

Big Data and Business IntelligenceBusiness, Management and Accounting인용 수 3

한 줄 요약

이 연구는 122개 팀에 435명의 참가자가 참여한 무작위 대조 실험을 통해 생성형 AI가 팀 성과에 미치는 영향을 조사한다. 연구 결과, AI를 통합한 팀은 전통적인 인간 중심 팀보다 유의하게 뛰어난 성과를 보였으며, 소수의 구성원이 중심이 되어 AI를 사용할 경우 최적의 성과를 얻었다. 그러나 개인-AI 조합은 AI 통합 팀에 비해 여전히 성과가 열등하여, AI는 전통적 팀에 대한 의존도를 줄일 수는 있지만, 팀 전체에 AI를 통합할 경우 성과 향상 효과가 최대가 됨을 시사한다.

ABSTRACT

Recent advancements in generative artificial intelligence (AI) have transformed collaborative work processes, yet the impact on team performance remains underexplored. Here we examine the role of generative AI in enhancing or replacing traditional team dynamics using a randomized controlled experiment with 435 participants across 122 teams. We show that teams augmented with generative AI significantly outperformed those relying solely on human collaboration across various performance measures. Interestingly, teams with multiple AIs did not exhibit further gains, indicating diminishing returns with increased AI integration. Our analysis suggests that centralized AI usage by a few team members is more effective than distributed engagement. Additionally, individual-AI pairs matched the performance of conventional teams, suggesting a reduced need for traditional team structures in some contexts. However, despite this capability, individual-AI pairs still fell short of the performance levels achieved by AI-assisted teams. These findings underscore that while generative AI can replace some traditional team functions, more comprehensively integrating AI within team structures provides superior benefits, enhancing overall effectiveness beyond individual efforts.

연구 동기 및 목표

• 생성형 AI가 협업 환경에서 팀 성과에 미치는 영향을 조사하기 위해.
• AI가 전통적인 팀 구조를 대체하거나 줄일 수 있는지 평가하기 위해.
• 인간 중심 팀, 개인-AI 조합, AI 통합 팀 간의 성과를 비교하기 위해.
• 팀 내에서 중앙집중식 대비 분산형 AI 사용의 영향을 조사하기 위해.
• 팀당 다수의 AI를 사용할 경우 성과 향상 효과가 누적되는지 확인하기 위해.

제안 방법

• 122개 팀, 총 435명의 참가자가 참여한 무작위 대조 실험을 실시하였다.
• 팀을 세 가지 조건으로 할당: 인간 중심 협업, 개인-AI 협업, 팀 기반 AI 보강.
• 중앙집중식 AI 배포 방식을 사용하여, 팀의 일부 구성원이 그룹을 대신해 AI와 상호작용하도록 하였다.
• 작업 정확도, 처리 속도, 출력 품질 등의 다중 지표를 통해 성과를 측정하였다.
• 통계 분석을 통해 각 조건 간 성과 결과를 비교하여 유의미한 차이를 확인하였다.
• 팀당 다수의 AI 사용이 성과 향상에 기여하는지 평가하기 위해 다중 AI 사용 영향을 분석하였다.

실험 결과

연구 질문

• RQ1 생성형 AI는 전통적인 인간 중심 협업에 비해 팀 성과를 향상시키는가?
• RQ2 개인-AI 조합은 기존 인간 중심 팀의 성과를 따라하거나 초월할 수 있는가?
• RQ3 중앙집중식 대비 분산형 AI 사용이 팀 성과에 어떤 영향을 미치는가?
• RQ4 다수의 AI를 보유한 팀은 단일 AI 팀에 비해 추가적인 성과 향상을 달성하는가?
• RQ5 전통적 팀 구조는 AI 통합을 통해 어느 정도 줄어들거나 대체될 수 있는가?

주요 결과

• AI를 통합한 팀은 모든 성과 측정 기준에서 인간 중심 팀보다 유의미하게 뛰어난 성과를 보였다.
• 개인-AI 조합은 기존 인간 중심 팀의 성과를 따라했지만, 이를 초월하지 못했다.
• 다수의 AI를 보유한 팀는 추가 성과 향상이 없었으며, 이는 수익 감소 현상이 있음을 시사한다.
• 소수의 구성원만 AI와 상호작용하는 중앙집중식 AI 사용 방식이 분산된 AI 활용보다 더 높은 성과를 보였다.
• AI 통합 팀은 최고의 개인-AI 조합보다도 뛰어난 성과를 보여, 팀-AI 통합 협업의 우월성을 입증했다.
• 연구 결과는 생성형 AI가 전통적 팀의 필요성을 줄일 수는 있지만, 팀 구조 내에서 완전히 통합될 경우 성과 향상 효과가 최대가 됨을 시사한다.