본 박사 논문은 인공지능(AI)을 활용하여 팀 만족도, 참여도 및 성과를 향상시키는 팀 최적화 프레임워크와 실용적인 시스템을 개발하는 것을 목표로 한다. 먼저, 다중 무장 밴딧 알고리즘을 활용하여 사용자 선호도를 기반으로 팀 구성을 반복적으로 개선하고 개인의 요구와 집단적 팀 목표 간의 일치를 보장하여 팀 만족도를 높이는 팀 구성 프레임워크를 제안한다. 둘째, 대규모 언어 모델(LLM)을 사용하여 팀과 개별 구성원 모두에게 즉각적인 개인 맞춤형 피드백을 제공하여 응집력과 참여도를 높이는 AI 기반 시스템인 tAIfa(Team AI Feedback Assistant)를 소개한다. 마지막으로, 작업 중심의 협업과 장기적인 조정을 통합하여 현실적인 환경 내에서 복잡한 팀 역학을 모델링하는 LLM 기반 시뮬레이션 프레임워크인 PuppeteerLLM을 제시한다. 기존의 팀 최적화 방법론이 정적인 데이터, 좁은 알고리즘 목표, 특정 상황에 맞춘 해결책에 의존하여 팀 구성원의 성격, 변화하는 목표, 변화하는 개인적 선호도의 역동적인 상호 작용을 고려하지 못하는 한계를 극복하고자 한다.
