Naukowcy opracowali PLACO — framework, który inteligentnie decyduje, czy zadanie powierzyć sztucznej inteligencji, człowiekowi, czy połączyć obie siły, aby zaoszczędzić pieniądze bez utraty jakości. To rozwiązanie zmienia podejście do budowania zespołów współpracujących z AI, pozwalając firmom na dynamiczny wybór najefektywniejszego sposobu wykonania każdego zadania. Zamiast tradycyjnego podejścia, gdzie sztucznie dzieli się pracę między człowieka i maszynę, PLACO analizuje konkretne warunki — skomplikowanie problemu, dostępny budżet, wymagane tempo — i proponuje optymalną strategię w danej sytuacji. To ważne, bo rosnące koszty serwisów AI oraz rosnące oczekiwania względem jakości decyzji zmuszają przedsiębiorstwa do bardziej pragmatycznego myślenia o inwestycjach w automatyzację.
Framework działa na zasadzie wieloetapowej optymalizacji, gdzie najpierw ocenia się charakterystykę problemu, a następnie wybiera się najlepszą opcję: czy puszczenie zadania przez model AI, zaangażowanie człowieka do weryfikacji, czy stworzenie hybrydowego workflow'u łączącego moce obydwu stron. Kluczową zaletą PLACO jest zdolność do w locie dostosowywania się do zmieniających się warunków — jeśli koszty AI wzrosną lub dostępność ekspertów się zmieni, system automatycznie przemodeluje swoją strategię. To szczególnie wartościowe dla dużych organizacji, gdzie tysiące procesów biegnie równolegle i każdy procent optymalizacji przekłada się na znaczne oszczędności.
Praktyczne zastosowanie rozwiązania obejmuje sektory od obsługi klienta, przez analitykę danych, aż po wsparcie decyzji biznesowych. Naukowcy wykazali, że konsekwentne stosowanie PLACO-like podejścia może zredukować koszty operacyjne o kilkadziesiąt procent w porównaniu do systemów, które sztywnie przydzielają zadania tylko AI albo tylko ludziom. Dla firm, które już inwestują w duże modele językowe, ale zmierają się z rosnącymi rachunkami za API czy wewnętrzne serwery, PLACO stanowi praktyczne narzędzie do przywrócenia równowagi między ambicją a budżetem.