In einer aktuellen Veröffentlichung im Academy of Management Review haben die Forscher Ann-Katrin Eicke (Universität Münster), Johann Nils Foege (Leibniz Universität Hannover) und Stephan Nüesch (Universität Fribourg) eine Erweiterung des Modells der Mensch-KI-Zusammenarbeit im Bereich des hybriden Problemlösens vorgeschlagen. Ihre Studie trägt den Titel "Iterative Alternative Evaluation within Human–Artificial Intelligence Problem-Solving: An Extension to Raisch and Fomina’s “Combining Human and Artificial Intelligence”" und untersucht, wie Menschen und KI durch wiederholte Interaktionen gemeinsam komplexe Probleme lösen können.

Im Rahmen dieser Forschung betonen die Autoren, dass die iterative Bewertung von Lösungsalternativen durch Menschen entscheidend ist, um den Suchprozess dynamisch zu gestalten. Anders als frühere Modelle annehmen, hinterfragen Menschen die Vorschläge der KI oft kritisch und fordern präzisere Anpassungen, bevor sie eine endgültige Entscheidung treffen. Dies beeinflusst die Tiefe und Breite der Suche und führt zu einer feineren Abstimmung der KI auf menschliche Präferenzen.

Das Modell erweitert die bisherigen Konzepte von "autonomer", "sequentieller" und "interaktiver" Suche, indem es die Bedeutung von Mehrfachinteraktionen hervorhebt, die den Prozess der Lösungsfindung in Unternehmen praxisnäher und verhaltenspsychologisch plausibler machen.