Column
「人間とAIが一緒に働く」は、実は5種類ある——チーム分類学が示すAI導入設計の盲点
53本の論文を体系分析した結果、人間-AI協働には質的に異なる5つのチームタイプが存在することが判明。同じ「人間-AI協働」という言葉が、研究間でまったく違うチーム動態を指していた。企業のAI導入設計に直結する分類フレームワークを解説する。
こんにちは。Affectosphere Group の三浦です。
「うちの会社もAIを導入しました」という話を、最近よく聞くようになりました。
でも、よく聞いてみると「導入した」の中身が全然違うことに気づきます。AIが自動でレポートを作成して人間がそれをチェックするケース。AIが人間の判断を補助するツールとして使われるケース。人間とAIが対等なパートナーとして意思決定を分担するケース。組織全体でAIと協調しながら仕事を進めるケース。
同じ「AI導入」という言葉でも、チームの動態はまったく違います。
arXivで公開された研究（Hughes & Habli, arXiv:2607.02198）は、この違いを整理した論文です。人間-AI協働を扱う53本の論文を体系的に分析し、5つの独自チームクラスターを同定しています。「人間-AI協働という言葉を使っていても、研究間でまったく異なるチーム動態を指している」という比較困難性の問題に、正面から向き合った研究です。
今日の3点
- 53本の論文を体系的に分析し、自律性の分配・意思決定権限・相互依存の形態において質的に異なる5つのチームクラスターが同定された。
- 「同じ人間-AI協働という言葉でも、研究間でまったく異なるチーム動態を指している」という比較困難性が明らかになった。
- 5類型フレームワークは、エンタープライズAI導入の設計論として直接転用できる。
「同じ言葉が違うことを指している」問題
人間-AI協働の研究は、ここ数年で急増しています。でも研究の比較や蓄積が難しいという問題がありました。
なぜかというと、研究者によって「人間-AI協働」という言葉が指しているチームの形が、根本的に違うからです。
ある研究では、AIが全て自動的に処理して人間は結果を確認するだけの「アシスタント関係」を研究している。別の研究では、人間とAIが対等に意思決定に参加する「パートナー関係」を研究している。さらに別の研究では、複数の人間と複数のAIが複雑に絡み合いながら協調する「チーム関係」を研究している。
これらを同じ「人間-AI協働」という枠でまとめて比較しても、意味のある知見は得られません。それぞれが本質的に異なる問いに答えているからです。
Hughes & Habliの研究は、この混乱を整理するために53本の論文を体系的に分析し、「どんなチームタイプが実際に存在しているか」を明らかにしました。
5つのチームクラスター
研究が同定した5つのクラスターは、それぞれ異なる自律性の分配・意思決定権限・相互依存の形態を持っています。
一つ目は「AIアシスタント型」です。AIが特定のタスクを自動処理し、人間がその結果を監督・承認する形です。AIは補助的な役割で、人間が最終的な意思決定権を持ちます。多くの企業で「AI導入」として実装されているのは、実はこのタイプです。
二つ目は「場当たり的依存型」です。人間が必要と感じたときだけAIに頼る、というアドホックな協働です。AIとの連携は構造化されておらず、人間の判断で随時使ったり使わなかったりします。計画的な協働ではなく、偶発的・臨機応変な利用が特徴です。
三つ目は「場当たり的強制依存型」です。人間がAIの判断に従わざるを得ない状況が生まれる、という形です。表向きは人間が主導しているように見えても、実際にはAIの出力がデフォルト選択になっていて、それを覆すコストが高い状況です。自動化バイアスの問題がここで発生しやすいです。
四つ目は「ペア均衡型」です。一人の人間と一つのAIが対等に近い形で協働する形です。意思決定が人間とAIの間で分担され、双方が相手の判断を参照しながら動きます。自律性の分配が最も精緻に設計される必要があるタイプです。
五つ目は「グループ均衡型」です。複数の人間と複数のAIが、チームとして協調しながら動く形です。役割分担・情報共有・意思決定がチームレベルで設計され、相互依存が最も複雑な形をとります。
この5つは「より良い・より悪い」という序列ではありません。それぞれが異なる文脈で有効であり、異なる設計要件を持ちます。
フレームワークが明かす比較の難しさ
この分類が示す重要な洞察は、「同じ指標で異なるチームタイプを比較しても意味がない」ということです。
たとえば「人間-AI協働の精度」を比較する研究を考えてみます。AIアシスタント型の研究と、ペア均衡型の研究では、「精度」という言葉が指している意思決定の構造がまったく違います。前者では人間がAIの出力を最終確認している精度であり、後者では人間とAIが相互参照しながら収束した精度です。
これらを同じ軸で比較することは、適切ではありません。
同様に、「AI導入によって生産性が向上した」という研究結果も、どのチームタイプで測定したかによって解釈が変わります。AIアシスタント型での生産性向上が、ペア均衡型に導入したときにも再現されるとは限らない。
このフレームワークは、研究者が「自分の研究がどのチームタイプを対象にしているか」を明示するための共通言語を提供しています。
AI導入設計のアセスメントツールとして
ここからビジネス側の話をします。
このフレームワークを企業のAI導入アセスメントとして活用できると思っています。
多くの企業のAI導入で起きている問題は、「何を導入するか」の検討が「どんなチームを作るか」の設計より先行することです。ツールを選んだ後で、「でどうやって使うの？」という話になる。
でも実際には、「どのチームタイプを目指すか」が決まれば、ツールの選定・意思決定プロセスの設計・責任分担・評価指標がセットで決まってきます。
たとえばCHROや人材開発部門が「わが社はペア均衡型を目指す」と決めたとします。すると設計すべき要素が明確になります。AIと人間の判断の重みをどう設定するか。AIが出した提案を人間が覆す際のプロセスをどう設計するか。AIの説明可能性をどのレベルで確保するか。評価指標はAI単体ではなく人間-AIペアのパフォーマンスとして何を測るか。
こうした問いが、チームタイプを決めることで浮き彫りになります。
特に重要なのは、「場当たり的強制依存型」というクラスターです。これは「AI導入が成功したように見えて、実は問題を抱えている」タイプです。AIが出す結果を人間が実質的に追認するだけになっており、自律性が設計上は人間にあるのに実態はAI依存という状況です。監査や説明責任の観点から、リスクが最も高いタイプでもあります。
自社のAI導入がこのタイプになっていないか、定期的にチェックする評価設計が必要です。
三者合意のツールとして
AI導入において、経営・法務・HRの三者が最も合意しにくいのは「人間の監督水準」と「説明責任の所在」だと思います。
「AIが判断したのだから、人間の責任ではない」という論理が通るのか。AIが誤った判断をした場合、誰がどの範囲で責任を負うのか。従業員はAIの判断を拒否できるのか。
このフレームワークは、こうした議論の共通語として機能できます。「われわれが目指すのはAIアシスタント型であり、最終的な意思決定権は常に人間にある」という設計方針を、チームタイプという言葉で明示できます。逆に「ペア均衡型を目指す場合、意思決定の責任はどう分担するか」という議論を、抽象的な言葉ではなくチーム動態の具体像として進めることができます。
特にAIエージェントの導入が進む局面では、「このエージェントはどのチームタイプとして設計されているか」を明確にすることが、説明責任構造の設計において不可欠になってくると思います。
CHRO・情報システム部門・法務が同じフレームワークを参照して議論できる状態を作ること——それがこの分類学の実務的な価値です。
「何を導入するか」より「どんなチームになるか」
AI導入の話題では、どうしてもツールやモデルの性能に注目が集まりがちです。
でも本当に重要な問いは、「このAIを入れたとき、私たちのチームはどんな形になるのか」という問いです。人間とAIの間の自律性はどう分配されるのか。意思決定の権限はどこにあるのか。相互依存はどんな形をとるのか。
この5類型フレームワークは、そういう問いに答えるための語彙を提供しています。研究者だけでなく、AI導入を設計する実務者が使える道具として、十分な有用性を持っています。
「人間-AI協働」という言葉を、もう少し具体的に話せるようになるために。まずはこの5つの分類を、自社の状況に当てはめることから始めてみてはどうでしょう。
では！
参考論文
- Nathan Hughes, Ibrahim Habli (2026). What Types of Human-AI Teams Exist?. arXiv preprint.
※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。