# Path Dependence under Adaptive AI Delegation

### 저자

Lingxiao Huang, Nisheeth K. Vishnoi

### 💡 개요

본 연구는 AI의 반복적인 도움을 받는 상황에서 단기적인 작업 성능 향상이 장기적인 독립 작업 능력 저하로 이어질 수 있다는 장기적인 상충 관계를 수학적으로 분석합니다. 인간의 잠재적 기술 수준과 AI에 대한 의존도를 추적하는 모델을 개발하여, AI 의존도가 높아질수록 인간의 기술은 퇴보하고 AI 의존도는 심화될 수 있음을 보입니다. 특히, AI 성능에 따라 의존도가 적응적으로 변화하는 경우, 기술 저하 또는 숙련도 유지라는 두 가지 상반된 장기적 결과로 수렴할 수 있음을 밝혔습니다.

### 🔑 시사점 및 한계

- AI의 지속적인 지원은 즉각적인 작업 결과 개선에 기여할 수 있지만, 사용자 스스로의 기술 습득 및 유지에는 부정적인 영향을 미칠 수 있습니다.

- AI에 대한 의존도는 사용자의 경험과 관찰된 성과에 따라 적응적으로 변화하며, 이는 사용자의 장기적인 기술 발달 궤적을 결정하는 데 중요한 역할을 합니다.

- AI 지원 자체보다는 성능 기반의 의존성과 사용량 기반의 기술 변화가 결합될 때, 초기 조건에 따라 낮은 기술 수준으로 고착화될 위험이 있으며, 이는 AI 능력 향상이 오히려 장기적인 기술 손실을 초래할 수 있음을 시사합니다.

- 본 연구에서 제시된 모델은 고정된 위임 수준과 비교하여 적응적인 위임 수준의 복잡한 역학을 탐구하지만, 실제 인간의 학습 및 적응 과정의 모든 측면을 포괄하지는 못할 수 있습니다. 또한, 다양한 AI 시스템 및 작업 유형에 대한 일반화 가능성은 추가적인 연구가 필요합니다.

---

[PDF 보기](https://arxiv.org/pdf/2603.02950)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).