AIエージェントの能力向上に伴い、科学研究や専門的業務の多くが人間の判断と文脈的専門知識を必要としている。本研究は、AIエージェントと人間の協働者が責任を調整した上で最終的な回答を提出する共有ワークスペース環境における人間とAIのチーム協働について検討している。Collaborative Gym環境とDiscoveryBenchタスクを用いた実験では、シミュレートされた人間の協働者を追加した場合、パフォーマンスが向上する状況と、プロセスロス（協調の課題）によって追加メンバーが調整オーバーヘッドに転じてしまう状況を分析した。 1,482セッションにわたる実験結果から、関連性のある協働者を追加してもチームが貢献を調整する構造を欠いていればパフォーマンスが低下することが明らかになった。そこで研究チームは、共有グループメモリとシミュレートされた人間ループゲート（HITL）を組み合わせたスキャフォルディング手法を評価した。このアプローチでは、特定のアクションが指定されたシミュレーション参加者の承認を必要とするものである。 このスキャフォルディングにより平均パフォーマンスが向上し、特に3人チームにおいて効果が顕著であり、責任信号がより明確になり、専門知識がチームのアクションに効果的にルーティングされた。本研究の結論として、人間とAIチームがどのように協調し専門知識を統合するかは、チームに利用可能な能力そのものと同等かそれ以上に重要であることが示された。