בעידן מערכות הרב-סוכנים של הבינה המלאכותית, בעיית ההשתמטות מאיימת להרוס יוזמות קבוצתיות. כל מאמץ אישי מועיל לכולם, אך העלות נופלת על הפועל לבדו. מחקר חדש מ-arXiv מציג יסודות חישוביים לקואופטיציה אסטרטגית, שמבוססים על מסגרת i* ומשלבים מנגנוני נאמנות כדי להתגבר על שיווי המשקל הנאשיאני של השתמטות מוחלטת, כפי שתואר על ידי הולמסטרום. המחקר בונה על עבודות קודמות בנושאי תלות הדדית ואמון, ומציע פונקציות תועלת מתוקנות בנאמנות שכוללות הטבות נאמנות והפחתת עלויות.
המסגרת החדשה כוללת שני מנגנונים עיקריים: הטבת נאמנות, שמשלבת פנים-רווחה קבוצתית והנאה תרומה פנימית, וסובלנות עלויות, שמקלה על מאמץ לחברי צוות נאמנים. היא משלבת תלות מבניות של i* דרך לכידות צוותית משוקללת בתלות, ומחברת תמריצים אישיים לעמדת הצוות. המסגרת חלה על צוותים אנושיים, שבהם נאמנות היא זיהוי פסיכולוגי, ועל מערכות רב-סוכנים, עם מקדמי יישור ופונקציות עלות מותאמות.
בניסויים על 3,125 תצורות, המחקר הוכיח השפעות נאמנות חזקות: הבדלי מאמץ פי 15.04 בממוצע. ששת יעדי ההתנהגות הושגו בהצלחה: בסיס השתמטות (96.5%), מונוטוניות נאמנות (100%), הבדלי מאמץ (100%), השפעת גודל צוות (100%), סינרגיה מנגנונים (99.5%) ותוצאות מוגבלות (100%). כל זאת בעל משמעות סטטיסטית גבוהה.
התיקוף האמפירי נעשה על מחקר מקרה של שרת HTTP של אפאצ'י מ-1995 עד 2023, והשיג 60/60 נקודות, משחזר דפוסי תרומה בשלבים של היווצרות, צמיחה, בשלות וממשל. משמעות סטטיסטית p<0.001 ו-Cohen's d=0.71. מסגרת זו מספקת כלים חישוביים לניתוח דינמיקות צוותים בקואופטיציה, רלוונטי במיוחד לעסקים ישראליים בפיתוח AI שיתופי.
למנהלי עסקים ומפתחי AI, המסגרת מצביעה על הצורך בשילוב נאמנות בתכנון צוותים ומערכות. כיצד תיישמו זאת בפרויקט הבא שלכם כדי למנוע השתמטות ולהגביר תפוקה?