본 논문은 인간-자동화 팀이 이진 분류 작업을 수행하는 상황에서 최적의 의사결정 위탁 문제를 다룹니다. 사전 훈련된 분류기를 포함하는 자동화 시스템은 독립적인 작업 배치에 대한 데이터를 관찰하고 분석하여 일부 작업을 인간 운영자에게 최종 분석을 위해 위탁할 수 있습니다. 핵심 모델링 가정은 인간의 성능이 작업 부하에 따라 저하된다는 것입니다. 본 논문은 작업 위탁 문제를 확률적 최적화 문제로 모델링하고, 주어진 작업 부하에 대해 관찰된 데이터를 조건으로 예상 비용을 가장 크게 줄이는 작업을 근시안적으로 위탁하는 것이 최적임을 보여줍니다. 이는 순위 지정 방식과 위탁을 위한 최적 작업 집합을 결정하는 정책을 제공합니다. 인간 참가자를 대상으로 한 실험 연구를 통해 이 정책을 기준 정책과 비교 평가합니다. 레이더 화면 시뮬레이터를 사용하여 참가자는 시간 제약 하에 이진 표적 분류 결정을 내렸습니다. 참가자는 제공된 의사결정 규칙에 따라 안내되었지만 시간 압박 하에서는 여전히 오류가 발생하기 쉽습니다. 초기 실험은 인간 성능 모델 매개변수를 추정했고, 두 번째 실험은 두 가지 위탁 정책을 비교했습니다. 결과는 제안된 최적 위탁 정책이 자동화 및 인간 성능 모델을 사용하지만 관찰된 데이터를 기반으로 하지 않는 맹목적인 정책보다 통계적으로 유의미한 이점을 보여줍니다.
