이 논문은 코딩 에이전트가 엔지니어 감독 하에 일하거나 임상 모델이 방사선의를 보조하는 상황에서, 인간-AI 협업 워크플로가 인간 단독이나 에이전트 단독보다 나은지 판단하려면 두 대안 모두를 리플레이해야 하지만 이는 전문가 시간이나 연산 비용이 크다는 문제를 다룬다. 각 과제에 인간 단독·에이전트 단독 두 가지 리플레이 확률을 부여하고, 기존 지식으로 예측하기 어려운 비교일수록 확률을 높이고 리플레이 비용이 클수록 낮추는 규칙인 TEAM-Design을 제안한다. 이 규칙이 예산 제약 하 설계 문제를 해결하며 무작위 리플레이 추출로도 워크플로가 두 대안을 모두 이긴다고 잘못 선언할 확률을 통제함을 증명했다. 6개 임상 사례와 1개 코딩 벤치마크를 재분석해 난이도 격차가 클 때 가장 효과적임을 확인했다.

• •인간-AI 워크플로의 배치 결정을 위한 예산 제약형 리플레이 설계 규칙 TEAM-Design 제안
• •예측이 어려운 비교일수록 리플레이 확률을 높이고 비용이 클수록 낮추는 방식으로 확률 배분
• •무작위 리플레이 추출로도 잘못된 워크플로 채택 판단 확률을 통제함을 이론적으로 증명
• •6개 임상 사례·1개 코딩 벤치마크 재분석에서 난이도 격차가 클 때 가장 효과적임을 확인