신뢰의 타이밍 의존성: 인간-AI 팀에서의 속도, 정확도, 그리고 cBCI 신경 디커플링 (Neuro-Decoupling)

인공 팀원(artificial teammate)의 속도와 정확도는 인간-AI 통합(Human-AI integration)의 실패 상태를 근본적으로 변화시킵니다. 고속 AI 개입은 반사적인 맹목적 순응(reflexive blind compliance)을 유도할 위험이 있는 반면, 지연된 개입은 모호한 인지적 갈등(cognitive conflict)을 유발할 수 있습니다. 본 연구는 가상 현실(Virtual Reality) 드론 작업에서 '빠르지만 정확도가 낮은 AI (Fast/Less-Accurate, FLA-AI)'와 '느리지만 정확한 AI (Slow/Accurate, SA-AI)'라는 작업 내 AI 어시스턴트의 근본적인 특성이 협업 뇌-컴퓨터 인터페이스 (Collaborative Brain-Computer Interface, cBCI) 팀의 시너지에 어떤 영향을 미치는지 조사합니다. 17명의 운영자가 높은 인지 부하 (cognitive workload) 상태에서 연속적인 탐색 작업을 수행했으며, 이들의 공간 공분산 (spatial covariance)은 2D 적응형 리만 오라클 (2D Adaptive Riemannian Oracle)을 사용하여 매핑되었습니다. 결과는 AI의 타이밍이 팀 실패의 메커니즘을 결정한다는 것을 수학적으로 입증합니다. 빠른 AI는 즉각적이고 맹목적인 순응을 유도했습니다. 기만 상황에서 인간의 정확도는 50.2%로 급락했으며, 순수 행동 팀 (N=8)은 74.1% 이상의 확장성을 확보하는 데 실패했습니다. 반면, 느린 AI는 지연된 인지적 갈등을 유도했습니다. 인간은 망설였으나 (정확도 61.1%), N=8 행동 팀은 결국 100.0%로 회복되었습니다. 결정적으로, 리만 오라클 (Riemannian Oracle)은 이러한 상태에 수학적으로 적응했습니다. 즉, 빠른 반사적 순응을 차단하기 위해 시간 창 (temporal windows)을 엄격하게 제한(< 0.8s)하는 한편, 지연된 인지적 갈등을 포착하기 위해 시간 창을 확장(> 1.2s)했습니다. 이러한 고립된 진실 신호 (veridical signals)를 하이브리드 퓨전 (Hybrid Fusion)을 통해 통합함으로써, 빠른 AI 팀을 성공적으로 구조화하였고 (N=8에서 +7.6%), 소규모 느린 AI 팀의 회복을 유의미하게 가속화했습니다 (N=4에서 +6.9%). 이러한 발견은 cBCI 시너지가 신뢰의 시간적 역학 (temporal dynamics of trust)에 크게 의존한다는 것을 증명하며, 동적으로 게이트가 설정되는 (dynamically gated) 인간-AI 시스템을 설계하기 위한 중요한 프레임워크를 제공합니다.