Naukowcy zaproponowali PLACO — wieloetapowy framework optymalizujący wydajność i koszty współpracy między ludźmi a systemami AI. Podejście umożliwia dynamiczny wybór, kiedy powierzyć zadania modelom AI, a kiedy zwrócić się do ekspertów, czy użyć metod hybrydowych. Rozwiązanie ma praktyczne znaczenie dla przedsiębiorstw, które chcą maksymalizować wydajność zespołów AI przy zachowaniu kontroli nad kosztami i jakością decyzji.