English title:
Human–AI Collaborative Intelligence and Team Effectiveness: The Mediating Role of Psychological Safety in AI-Integrated Teams
NGUYỄN VĂN HÙNG
HIGHLIGHTS
- Develops Human–AI Collaborative Intelligence (HACI) as an emergent higher-order team capability rather than a measure of AI use intensity.
- Identifies six theoretically distinct dimensions of HACI: human–AI complementarity, distributed cognition, reciprocal adaptation, calibrated reliance, collaborative learning, and human accountability.
- Positions Team Psychological Safety (TPS) as the social-relational conversion mechanism through which collaborative intelligence contributes to Team Effectiveness.
- Distinguishes psychological safety from trust in AI, AI acceptance, interpersonal trust, and confidence in using AI.
- Proposes a multi-wave, multi-source, multilevel empirical design supplemented by behavioral experimentation.
- Introduces Psychologically Safe Human–AI Teaming as a human-centered principle for organizing AI-integrated teamwork.
- Identifies Evaluative AI Context as a theoretically defensible boundary condition capable of weakening the HACI–psychological-safety relationship.
TÓM TẮT
Sự phát triển nhanh chóng của trí tuệ nhân tạo, đặc biệt là trí tuệ nhân tạo tạo sinh, conversational AI và các AI agents có mức tự chủ ngày càng cao, đang chuyển AI từ vị trí công cụ hỗ trợ cá nhân sang một tác nhân có khả năng tham gia trực tiếp vào các quá trình của đội nhóm như tổng hợp thông tin, phát triển ý tưởng, phản hồi, phân tích phương án, điều phối và hỗ trợ ra quyết định. Tuy nhiên, sự hiện diện hoặc cường độ sử dụng AI không tự động tạo ra hiệu quả đội nhóm cao hơn. Các nghiên cứu gần đây cho thấy lợi ích của AI phụ thuộc đáng kể vào cấu hình tri thức, cách nhóm xử lý thông tin AI, mức độ tin cậy phù hợp và khả năng duy trì tương tác cộng tác giữa các thành viên con người. Trong một thí nghiệm với 215 cá nhân thuộc 81 nhóm, Zercher et al. (2025) cho thấy các nhóm có AI nắm giữ thông tin tập trung có thể đưa ra quyết định chính xác hơn nhóm chỉ gồm người; ngược lại, khi AI tạo ra các bất đối xứng thông tin mới, mistrust và xử lý thông tin không hiệu quả có thể làm mất lợi thế của Human–AI teaming.
Nghiên cứu này phát triển khái niệm Human–AI Collaborative Intelligence (HACI) như một năng lực đội nhóm bậc cao phản ánh khả năng các thành viên con người và hệ thống AI phối hợp động để kết hợp thế mạnh bổ trợ, phân bổ hoạt động nhận thức, thích ứng qua lại, hiệu chỉnh mức độ reliance, học tập cộng tác và duy trì trách nhiệm có ý nghĩa của con người. Sáu chiều được đề xuất gồm Human–AI Complementarity, Distributed Cognition, Reciprocal Adaptation, Calibrated Reliance, Collaborative Learning và Human Accountability. HACI vì vậy được phân biệt với AI use intensity, AI literacy, trust in AI, human–AI interaction quality và collective intelligence truyền thống.
Dựa trên Psychological Safety Theory, Socio-Technical Systems Theory, Distributed Cognition và các nghiên cứu về Human–AI Teaming, mô hình cốt lõi đề xuất HACI → Team Psychological Safety → Team Effectiveness. Psychological Safety được định vị như một cơ chế xã hội–tâm lý giúp chuyển năng lực cộng tác Người–AI thành voice, error reporting, experimentation, knowledge sharing và learning behaviors. Trong nhóm tích hợp AI, an toàn tâm lý không chỉ phản ánh việc thành viên có thể đặt câu hỏi hoặc thừa nhận sai sót với đồng đội, mà còn phản ánh khả năng thách thức, contest hoặc bác bỏ khuyến nghị AI mà không lo bị trừng phạt, mất vị thế hoặc chịu đánh giá thuật toán bất lợi.
Nghiên cứu không giả định rằng AI tự thân làm tăng an toàn tâm lý. Bằng chứng năm 2026 cho thấy Human–AI teams và human-only teams có thể không khác biệt về mức psychological safety, trong khi conversational AI có thể làm suy giảm psychological safety khi được sử dụng trong bối cảnh mang tính đánh giá gián tiếp. Vì vậy, nghiên cứu đề xuất Evaluative AI Context như điều kiện biên làm suy yếu quan hệ HACI → Psychological Safety và qua đó tạo moderated mediation đối với Team Effectiveness.
Về phương pháp, bài viết đề xuất một chương trình nghiên cứu đa giai đoạn gồm xác định miền khái niệm, phỏng vấn định tính, phát triển thang HACI, EFA/CFA trên các mẫu độc lập, khảo sát nhiều thời điểm tại 100–150 đội nhóm, aggregation tests, multilevel SEM và một thí nghiệm về AI role × evaluative context. Nghiên cứu đóng góp bằng cách chuyển trọng tâm từ câu hỏi “đội nhóm sử dụng bao nhiêu AI?” sang câu hỏi “đội nhóm cộng tác thông minh với AI đến mức nào và trong những điều kiện tâm lý–xã hội nào năng lực đó thực sự tạo ra hiệu quả bền vững?”
Từ khóa: Human–AI collaborative intelligence; psychological safety; team effectiveness; Human–AI teaming; collective intelligence; calibrated reliance; collaborative learning; responsible AI.
ABSTRACT
Artificial intelligence (AI), particularly generative AI, conversational systems, and increasingly autonomous AI agents, is moving beyond the role of an individual productivity tool to participate directly in team processes such as information synthesis, idea generation, feedback, coordination, problem solving, and collective decision-making. Yet AI presence and AI-use intensity do not automatically improve team effectiveness. Emerging empirical evidence suggests that the value generated by AI teammates depends on knowledge configuration, human processing of AI-provided information, appropriately calibrated trust, and the preservation of collaboration among human teammates.
This study develops Human–AI Collaborative Intelligence (HACI) as an emergent higher-order team capability through which human members and AI systems dynamically combine complementary expertise, distribute cognitive work, reciprocally adapt, calibrate reliance, learn collectively, and preserve meaningful human accountability in pursuit of shared goals. Six dimensions are proposed: Human–AI Complementarity, Distributed Cognition, Reciprocal Adaptation, Calibrated Reliance, Collaborative Learning, and Human Accountability. HACI is therefore distinguished from AI-use intensity, AI literacy, trust in AI, human–AI interaction quality, and conventional collective intelligence.
Drawing on Psychological Safety Theory, Socio-Technical Systems Theory, distributed cognition, and human–AI teaming research, the study proposes a core pathway in which HACI enhances Team Effectiveness partly through Team Psychological Safety. Psychological safety functions as a social-relational conversion mechanism that enables voice, experimentation, error reporting, knowledge sharing, learning, and the responsible contestation of AI recommendations. In AI-integrated teams, psychological safety therefore includes the shared belief that team members can question, challenge, or override AI outputs without interpersonal punishment, status loss, or unfair algorithmic evaluation.
Importantly, the framework does not assume that AI integration inherently creates psychological safety. Recent evidence suggests no automatic psychological-safety advantage for human–AI teams over human-only teams, whereas conversational AI may undermine psychological safety in indirectly evaluative contexts. The study consequently identifies Evaluative AI Context as a theoretically meaningful boundary condition capable of weakening the HACI–psychological-safety relationship.
Methodologically, the paper proposes a multi-study program involving conceptual-domain specification, qualitative validation, HACI scale development, independent EFA and CFA samples, a multi-wave and multi-source field study involving approximately 100–150 teams, multilevel structural equation modeling, and an experimental extension manipulating AI role and evaluative context. The framework contributes to human–AI teaming and organizational behavior research by shifting attention from whether teams use AI toward how intelligently teams integrate AI and under what psychological conditions this integration produces sustainable collective effectiveness.
Keywords: Human–AI collaborative intelligence; team psychological safety; team effectiveness; Human–AI teaming; collective intelligence; generative AI; calibrated reliance; human-centered AI.
- GIỚI THIỆU
1.1. Từ AI như công cụ đến AI như thành phần của hệ thống đội nhóm
Công nghệ từ lâu đã là thành phần quan trọng của teamwork, nhưng phần lớn các hệ thống công nghệ truyền thống đóng vai trò hạ tầng hoặc công cụ thụ động: lưu giữ dữ liệu, truyền thông tin, tự động hóa các tác vụ đã được xác định và hỗ trợ con người thực hiện công việc. Sự phát triển của AI đang làm thay đổi ranh giới này. Các hệ thống GenAI và AI agents hiện có thể tạo lập nội dung, diễn giải dữ liệu, đề xuất phương án, phản hồi đối thoại, phân tích các tình huống không cấu trúc và tham gia vào những chu trình tương tác vốn trước đây chủ yếu thuộc về con người.
Sự tiến hóa có thể được khái quát:
AI as Tool → AI as Assistant → AI as Collaborator → AI as Team Participant.
Đây không đơn thuần là thay đổi về mức độ tự động hóa. Khi AI bắt đầu ảnh hưởng đến thông tin mà nhóm xem xét, các phương án được tạo ra, cách vấn đề được framing và quyết định cuối cùng, AI trở thành một thành phần của hệ thống nhận thức và xã hội–kỹ thuật của đội nhóm.
Seeber et al. (2020) đã sớm đặt vấn đề về “machines as teammates”, cho rằng AI tham gia teamwork tạo ra một chương trình nghiên cứu mới về coordination, communication, trust và team processes. Sự phát triển nhanh của GenAI kể từ đó làm cho vấn đề này cấp thiết hơn. AI ngày nay không chỉ cung cấp outputs tính toán mà còn tương tác bằng ngôn ngữ tự nhiên với teammate-likeness ngày càng cao.
Tuy nhiên, việc một hệ thống có vẻ giống teammate không có nghĩa rằng các cơ chế teamwork truyền thống sẽ tự động vận hành giống như trong human-only teams. Rieth, Ontrup, Kluge và Hagemann (2026), trong nghiên cứu thực nghiệm với 67 nhóm và 134 người tham gia, nhận thấy Human–AI teams có mức team cohesion và team identification thấp hơn human-only teams, mặc dù không phát hiện khác biệt có ý nghĩa về psychological safety. Kết quả này cho thấy các emergent states trong Human–AI teams cần được nghiên cứu trực tiếp thay vì suy rộng đơn giản từ lý thuyết nhóm truyền thống.
Vấn đề vì vậy không phải:
“Có AI trong nhóm hay không?”
mà là:
“AI được tích hợp vào hệ thống nhận thức, tương tác và trách nhiệm của nhóm như thế nào?”
Nghiên cứu này gọi năng lực tích hợp đó là Human–AI Collaborative Intelligence.
1.2. Nghịch lý augmentation–substitution ở cấp đội nhóm
Human–AI teamwork mang trong nó một nghịch lý căn bản.
Quỹ đạo thứ nhất là augmentation:
AI capability → Expanded information processing → More alternatives → Better analysis → Potentially higher team effectiveness.
AI có thể giúp đội nhóm truy cập và tổng hợp lượng thông tin lớn hơn, phát hiện pattern, tạo phương án nhanh, hỗ trợ kiểm tra giả định và giảm một số giới hạn nhận thức của con người.
Zercher, Jussupow, Benke và Heinzl (2025) cung cấp một minh họa quan trọng. Trong thí nghiệm với 215 cá nhân thuộc 81 nhóm thực hiện hidden-profile task, những nhóm Human–AI có AI nắm giữ kiến thức tập trung đạt quyết định chính xác hơn nhóm con người. Tuy nhiên, lợi ích này không xuất hiện đồng đều. Khi knowledge configuration của AI tạo ra bất đối xứng mới, mistrust và nonbeneficial AI information processing xuất hiện, các nhóm không còn vượt trội so với human-only teams.
Như vậy, AI capability không trực tiếp tương đương với team capability.
Có thể biểu diễn:
AI Capability ≠ Human–AI Collaborative Capability.
Quỹ đạo thứ hai là substitution:
AI availability → Reduced human knowledge seeking → Fewer teammate interactions → Weaker emergent states → Potential reduction in team viability.
Reif và Cummings (2026) phát triển lý thuyết multilevel về “Generative AI dilemma” trong knowledge-intensive teams. Khi thành viên nhận thấy GenAI có thể cung cấp thông tin, advice và feedback tương tự đồng đội, họ có thể dịch chuyển hoạt động knowledge seeking từ teammate sang AI. Khi xu hướng này tích tụ ở cấp đội nhóm, collaboration network có thể suy yếu và không còn tạo ra các emergent states cần cho team effectiveness. AI có thể giúp từng thành viên làm việc nhanh hơn nhưng đồng thời làm đội nhóm ít cộng tác hơn.
Nghịch lý này dẫn đến một kết luận quan trọng:
More individual AI productivity does not necessarily produce stronger collective intelligence.
Chính sự khác biệt giữa AI augmentation và social substitution tạo cơ sở để phát triển HACI.
1.3. Psychological Safety trong hệ thống Human–AI
Psychological Safety là một trong những emergent states có ảnh hưởng lớn nhất trong nghiên cứu đội nhóm. Edmondson (1999) định nghĩa psychological safety như niềm tin chung của thành viên rằng nhóm là một môi trường an toàn cho interpersonal risk taking. Khi safety cao, thành viên có khả năng đặt câu hỏi, thừa nhận sai sót, tìm kiếm trợ giúp, nêu quan điểm khác biệt và thử nghiệm những phương án mới.
Trong đội nhóm có AI, bản chất của risk taking mở rộng.
Thành viên không chỉ phải quyết định liệu họ có nên phản biện teammate hay không, mà còn phải quyết định:
“Có an toàn không nếu tôi nói AI sai?”
“Có an toàn không nếu tôi thừa nhận chưa biết sử dụng AI?”
“Có bị đánh giá là chống đổi mới nếu tôi yêu cầu kiểm tra lại khuyến nghị thuật toán?”
“Có thể override AI mà không bị coi là thiếu năng lực công nghệ không?”
“Thông tin tôi trao đổi với AI có được dùng để đánh giá hiệu suất của tôi không?”
Những câu hỏi này cho thấy Human–AI teams tạo ra dạng epistemic and algorithmically mediated interpersonal risk mới.
Tuy nhiên, không nên biến điều này thành một construct “AI psychological safety” hoàn toàn tách biệt. Core construct của Edmondson vẫn thích hợp: vấn đề vẫn là shared belief về consequences of risk taking. AI chỉ thay đổi đối tượng, hình thức và bối cảnh của rủi ro.
Bằng chứng hiện tại cũng bác bỏ giả định đơn giản “AI làm giảm psychological safety”. Rieth et al. (2026) không tìm thấy khác biệt về psychological safety giữa Human–AI và human-only teams. Trong khi đó, Brown, Dishop, Kuznetsov và Woolley (2026) qua hai thí nghiệm preregistered cho thấy conversational AI làm giảm psychological safety so với human partner khi hoạt động diễn ra trong indirectly evaluative context, nhưng khác biệt biến mất trong non-evaluative context; autonomy satisfaction giải thích cơ chế này.
Vì vậy, nghiên cứu này không lập luận:
AI → Psychological Safety.
Thay vào đó:
Quality of Human–AI Collaborative Configuration → Psychological Safety.
Đây là khác biệt lý thuyết căn bản.
1.4. Khoảng trống nghiên cứu
Bốn khoảng trống cần được giải quyết.
Thứ nhất là construct gap. Nhiều nghiên cứu sử dụng AI adoption, AI use intensity, perceived usefulness hoặc trust in AI để mô tả Human–AI collaboration. Những biến này không đo khả năng đội nhóm tích hợp AI một cách thông minh.
Thứ hai là level-of-analysis gap. Human–AI research vẫn tập trung nhiều vào cá nhân–AI dyads. Nhưng đội nhóm là hệ thống có emergence, interdependence và distributed cognition. Một năng lực nhóm không thể được suy ra trực tiếp từ AI competence của từng cá nhân.
Thứ ba là mechanism gap. Chưa rõ qua cơ chế xã hội–tâm lý nào một cấu hình cộng tác Người–AI chất lượng cao chuyển thành team effectiveness. Psychological safety là một ứng viên đặc biệt phù hợp vì AI integration làm gia tăng uncertainty và nhu cầu contest, verification, learning và error correction.
Thứ tư là boundary-condition gap. AI vừa có thể là collaborator vừa có thể là evaluator. Khi cùng một hệ thống hỗ trợ nhân viên nhưng cũng ghi nhận dữ liệu, theo dõi hiệu suất hoặc đóng góp vào đánh giá, psychological safety có thể thay đổi mạnh.
Nghiên cứu này vì vậy đề xuất:
HACI → Team Psychological Safety → Team Effectiveness
với Evaluative AI Context như boundary condition.
1.5. Câu hỏi nghiên cứu
RQ1. Human–AI Collaborative Intelligence ảnh hưởng như thế nào đến Team Psychological Safety?
RQ2. HACI ảnh hưởng như thế nào đến Team Effectiveness?
RQ3. Team Psychological Safety ảnh hưởng như thế nào đến Team Effectiveness trong AI-integrated teams?
RQ4. Team Psychological Safety có trung gian hóa tác động của HACI lên Team Effectiveness hay không?
RQ5. Evaluative AI Context có làm suy yếu tác động tích cực của HACI lên Team Psychological Safety hay không?
RQ6. Tác động gián tiếp HACI → Psychological Safety → Team Effectiveness có thay đổi theo mức độ AI được sử dụng như công cụ đánh giá hay giám sát hay không?
Câu hỏi trung tâm là:
How does Human–AI Collaborative Intelligence enable AI-integrated teams to achieve sustainable effectiveness through psychological safety, and under what AI-use conditions does this mechanism weaken?
- NỀN TẢNG LÝ THUYẾT
2.1. Socio-Technical Systems Theory
Socio-Technical Systems Theory cho rằng hiệu quả tổ chức không đạt được bằng cách tối ưu social subsystem hoặc technical subsystem riêng biệt. Điều quan trọng là joint optimization.
Trong AI-integrated teams:
Social subsystem gồm con người, role, norm, leadership, communication, trust và coordination.
Technical subsystem gồm AI capability, data, interface, autonomy, explainability và system constraints.
Một cách tiếp cận thuần công nghệ có thể tạo AI mạnh nhưng workflow yếu. Một cách tiếp cận thuần xã hội có thể tạo teamwork tốt nhưng không khai thác được năng lực mới của AI.
HACI được định vị như năng lực giúp nhóm thực hiện joint optimization này.
Nó không nằm hoàn toàn ở con người hoặc AI.
HACI là một relational–socio-technical capability.
2.2. Psychological Safety Theory
Edmondson (1999) chỉ ra rằng psychological safety thúc đẩy learning behavior trong work teams. Edmondson và Lei (2014) sau đó tổng hợp bằng chứng rộng hơn cho thấy construct này đặc biệt quan trọng trong những môi trường có uncertainty, interdependence và nhu cầu học hỏi cao.
AI-integrated work hội tụ cả ba đặc điểm.
AI có thể sai.
AI có thể tạo hallucination.
AI có thể thiếu contextual knowledge.
Con người có thể không hiểu giới hạn của hệ thống.
Vì vậy, nhóm cần cơ chế để:
question → test → disagree → correct → learn.
Nếu safety thấp:
AI output → silence → acceptance → error propagation.
Nếu safety cao:
AI output → scrutiny → dialogue → correction/integration.
Psychological safety vì vậy là cầu nối logic giữa HACI và team outcomes.
2.3. Distributed Cognition
Distributed cognition cho rằng cognition không nhất thiết nằm trong một cá nhân. Nó có thể được phân bổ qua nhiều người, artifacts, hệ thống ký hiệu và công nghệ.
Trong đội Human–AI, cognition có thể được phân bố:
Human expertise + teammate knowledge + AI model + databases + organizational memory + external information.
Điểm quan trọng không phải mỗi node thông minh đến đâu, mà là khả năng kết nối và sử dụng đúng knowledge distribution.
Zercher et al. (2025) cho thấy chính knowledge configuration của AI ảnh hưởng đến quyết định nhóm; AI knowledge tập trung có thể giảm information asymmetry, trong khi AI knowledge bất đối xứng có thể tạo ra những dạng lệch mới. Điều này hỗ trợ trực tiếp luận điểm rằng collaborative intelligence phụ thuộc vào architecture of distributed cognition, không chỉ AI accuracy.
2.4. Collective Intelligence và Hybrid Intelligence
Collective Intelligence tập trung vào năng lực một nhóm giải quyết nhiều loại nhiệm vụ, học hỏi, thích ứng và tạo kết quả vượt quá đóng góp của từng cá nhân.
AI làm xuất hiện khả năng:
Human Collective Intelligence → Hybrid Human–AI Collective Intelligence.
Nhưng cần tránh mô hình cộng đơn giản:
Human Intelligence + AI Intelligence = HACI.
HACI không phải tổng intelligence score.
Nó là năng lực tổ chức quan hệ cộng tác.
Một AI cực kỳ mạnh nhưng bị sử dụng thiếu phản biện có thể làm nhóm kém hiệu quả. Một nhóm người giỏi nhưng không biết khai thác AI cũng không tạo được lợi thế kết hợp.
Do đó:
HACI = Complementarity + Integration + Adaptation + Calibration + Learning + Accountability.
- HUMAN–AI COLLABORATIVE INTELLIGENCE
3.1. Định nghĩa
Nghiên cứu đề xuất:
Human–AI Collaborative Intelligence is an emergent team-level capability through which human members and AI systems dynamically combine complementary expertise, distribute cognitive work, reciprocally adapt, calibrate reliance, learn collectively, and preserve meaningful human agency and accountability in pursuit of shared goals.
Định nghĩa chứa bốn điểm.
Thứ nhất, HACI là team-level capability.
Thứ hai, nó có tính emergent.
Thứ ba, nó đòi hỏi integration, không chỉ coexistence.
Thứ tư, nó bảo toàn human agency and accountability.
3.2. Human–AI Complementarity
Complementarity phản ánh khả năng phân bổ công việc phù hợp với comparative advantages.
AI thường có lợi thế tương đối về tốc độ, computational scale, retrieval, pattern detection và alternative generation.
Con người thường có lợi thế trong contextual interpretation, tacit knowledge, social meaning, ethical reasoning, goal definition và accountability.
Complementarity cao không có nghĩa AI thực hiện nhiều nhất.
Nó có nghĩa:
Right task → Right actor → Right degree of interaction.
Một dấu hiệu của HACI thấp là automation indiscriminately applied.
Một dấu hiệu HACI cao là purposeful allocation.
3.3. Distributed Cognition Integration
Có distributed knowledge không đồng nghĩa với distributed intelligence.
Nhóm phải tích hợp outputs.
Một nhóm HACI cao không xem đầu ra AI là final answer. AI output được đặt vào shared information space, được teammate kiểm tra, đối chiếu với contextual knowledge và kết hợp với dữ liệu khác.
Do đó, chiều này có thể được hiểu:
the team’s capacity to integrate AI-generated and human-held knowledge into a shared cognitive system.
3.4. Reciprocal Adaptation
Human–AI collaboration là một quá trình động.
Con người phải học hệ thống:
- strengths;
- weaknesses;
- prompting;
- failure modes;
- confidence limits.
Đồng thời workflow và AI configuration được điều chỉnh dựa trên feedback.
Không nhất thiết mọi AI đều tự “học” real-time; reciprocal adaptation có thể xảy ra ở cấp system configuration và work design.
Vì vậy cần tránh item mơ hồ như “AI tự học từ chúng tôi” nếu hệ thống thực tế không có chức năng đó.
Item nên đo:
“Nhóm điều chỉnh cách sử dụng AI dựa trên kết quả trước đó.”
và:
“Các thiết lập/quy trình AI được thay đổi để phù hợp hơn với nhu cầu của nhóm.”
3.5. Calibrated Reliance
Đây là chiều có ý nghĩa quyết định.
HACI không yêu cầu maximum trust.
Nó yêu cầu appropriate reliance.
Nhóm có calibrated reliance khi biết:
- khi nào AI có comparative advantage;
- khi nào output cần verification;
- khi nào uncertainty quá cao;
- khi nào con người phải override;
- khi nào phải tìm nguồn độc lập.
Calibrated reliance phân biệt HACI với technology enthusiasm.
3.6. Collaborative Learning
AI tạo giá trị dài hạn khi teamwork không chỉ tạo output mà còn tạo learning.
Nhóm HACI cao biến:
errors → reflection → updated routine.
AI failures được thảo luận.
Human mistakes được thảo luận.
Prompt failures được thảo luận.
Knowledge gaps được ghi nhận.
Như vậy, hệ thống Human–AI phát triển qua learning loops.
3.7. Human Agency and Accountability
AI có thể tham gia mạnh nhưng responsibility vẫn cần cấu trúc rõ.
Human Accountability bao gồm:
- quyền contest;
- quyền override;
- ability to trace reasoning;
- clear decision ownership;
- accountability for consequences.
Một nhóm không thể được gọi là collaboratively intelligent nếu khi quyết định sai, câu trả lời là:
“AI đã đề xuất như vậy.”
Human accountability vì thế không phải phụ lục đạo đức. Nó là thành phần của intelligence.
- TEAM PSYCHOLOGICAL SAFETY TRONG NHÓM TÍCH HỢP AI
Psychological safety nên được giữ là construct established thay vì phát triển một thuật ngữ mới.
Định nghĩa contextualized:
Team Psychological Safety in AI-integrated teams is a shared belief that members can take interpersonal and AI-related epistemic risks—including asking questions, admitting uncertainty, challenging AI outputs, reporting errors, experimenting, and expressing dissent—without fear of interpersonal punishment, status loss, or unfair evaluation.
Có hai điểm cần bảo vệ.
Thứ nhất, challenging AI vẫn là social risk vì AI được tổ chức lựa chọn, championed bởi leader hoặc gắn với chiến lược đổi mới. Phản biện AI đôi khi đồng nghĩa phản biện quyết định của management.
Thứ hai, AI-mediated evaluation có thể làm risk perception tăng lên. Brown et al. (2026) cho thấy psychological safety thấp hơn khi collaboration với conversational AI diễn ra dưới điều kiện đánh giá gián tiếp; autonomy-supportive conditions có thể loại bỏ khác biệt này.
Do đó psychological safety là một emergent team state chịu ảnh hưởng bởi cả social norms và technical governance.
- TEAM EFFECTIVENESS
Không nên đồng nhất Team Effectiveness với một chỉ số performance đơn lẻ.
Một nhóm có thể tăng productivity trong ngắn hạn nhưng suy yếu cohesion, learning hoặc willingness to continue.
Reif và Cummings (2026) chính là cảnh báo về trade-off này: GenAI có thể nâng individual efficiency đồng thời làm suy yếu collaboration network và team satisfaction.
Do đó nghiên cứu đề xuất ba thành phần outcome.
Task Performance phản ánh quality, accuracy, productivity và achievement of team goals.
Team Viability phản ánh khả năng tiếp tục làm việc cùng nhau một cách bền vững.
Adaptive Effectiveness phản ánh khả năng học hỏi, sửa lỗi và thích ứng với yêu cầu mới.
Trong empirical model, không nhất thiết gộp chúng thành một latent second-order TE nếu dữ liệu không hỗ trợ. Có thể xử lý team performance là primary outcome, còn viability và adaptability là complementary outcomes.
Cách này an toàn hơn về measurement.
- PHÁT TRIỂN GIẢ THUYẾT
6.1. HACI và Team Psychological Safety
HACI có thể tạo an toàn tâm lý qua nhiều cơ chế.
Complementarity làm giảm zero-sum framing rằng AI thay thế con người.
Role clarity giúp thành viên hiểu AI được phép làm gì.
Calibrated reliance hợp thức hóa việc nghi ngờ AI khi cần thiết.
Collaborative learning biến lỗi thành learning signal thay vì evidence of incompetence.
Human accountability giúp thành viên duy trì quyền chủ thể.
Khi các điều kiện này hiện diện, AI được trải nghiệm như một phần của hệ thống cộng tác có thể contest hơn là authority không thể thách thức.
H1. Human–AI Collaborative Intelligence is positively associated with Team Psychological Safety in AI-integrated teams.
6.2. HACI và Team Effectiveness
HACI cho phép nhóm kết hợp computational capacity của AI với contextual intelligence và social judgment của con người.
Zercher et al. (2025) cho thấy Human–AI teaming có thể tạo decision-quality gains khi AI knowledge được cấu hình phù hợp và information processing của nhóm hỗ trợ tích hợp hiệu quả.
HACI cao vì vậy dự kiến liên quan đến better performance, adaptability và viability.
H2. Human–AI Collaborative Intelligence is positively associated with Team Effectiveness.
6.3. Team Psychological Safety và Team Effectiveness
Psychological Safety tạo điều kiện cho voice, learning, experimentation và error detection.
Vai trò này đặc biệt quan trọng trong môi trường AI bởi AI systems có uncertainty và failure modes riêng.
Nếu safety thấp:
Wrong AI recommendation → conformity/silence → error propagation.
Nếu safety cao:
Wrong AI recommendation → challenge → evidence sharing → correction.
Do đó:
H3. Team Psychological Safety is positively associated with Team Effectiveness in AI-integrated teams.
6.4. Psychological Safety như cơ chế trung gian
HACI có thể cải thiện cognitive architecture của nhóm, nhưng cognitive potential chỉ tạo giá trị nếu con người thực sự sử dụng quyền voice và contestability.
Psychological Safety cung cấp điều kiện xã hội để biến capability thành behavior.
Cơ chế:
HACI → Psychological Safety → Voice/Learning/Correction → Team Effectiveness.
H4. Team Psychological Safety mediates the positive relationship between Human–AI Collaborative Intelligence and Team Effectiveness.
Đây là giả thuyết trung tâm của nghiên cứu.
6.5. Evaluative AI Context như điều kiện biên
AI được sử dụng trong nhóm có thể thực hiện hai vai trò rất khác.
Trong supportive context, AI hỗ trợ brainstorming, retrieval, drafting, analysis hoặc problem solving.
Trong evaluative context, hệ thống ghi nhận hoặc suy luận performance, productivity, competence hoặc compliance.
Nếu thành viên tin rằng interactions với AI đồng thời là dữ liệu đánh giá mình, experimentation trở nên rủi ro hơn.
Brown et al. (2026) cung cấp bằng chứng nhân quả phù hợp: tác động tiêu cực lên psychological safety xuất hiện trong indirectly evaluative condition và được giải thích qua giảm autonomy satisfaction.
Do đó:
H5. Evaluative AI Context negatively moderates the positive relationship between Human–AI Collaborative Intelligence and Team Psychological Safety, such that the relationship is weaker when AI is perceived as highly evaluative.
6.6. Conditional indirect effect
Nếu H5 đúng, tác động gián tiếp HACI → TPS → TE cũng thay đổi theo Evaluative AI Context.
H6. The positive indirect effect of Human–AI Collaborative Intelligence on Team Effectiveness through Team Psychological Safety is weaker under highly evaluative AI conditions.
H6 tạo moderated mediation nhưng không làm mô hình quá phức tạp vì chỉ sử dụng một moderator duy nhất.
- MÔ HÌNH NGHIÊN CỨU CHUẨN HÓA
Mô hình cốt lõi:
Human–AI Collaborative Intelligence
→ Team Psychological Safety
→ Team Effectiveness
Các đường:
HACI → TPS: H1 (+)
HACI → TE: H2 (+)
TPS → TE: H3 (+)
HACI → TPS → TE: H4 mediation
Boundary condition:
Evaluative AI Context × HACI → TPS: H5 (negative moderation)
Conditional indirect effect:
HACI → TPS → TE | Evaluative AI Context: H6.
Về mặt lý thuyết:
Collaborative Capability
→ Psychological Permission
→ Voice / Learning / Error Correction
→ Sustainable Team Effectiveness.
- KIẾN TRÚC ĐO LƯỜNG
8.1. HACI là construct phát triển mới duy nhất
Đây là quyết định quan trọng nhất để giảm construct proliferation.
Không nên phát triển đồng thời:
- HACI mới;
- Psychological Safety mới;
- Team Effectiveness mới;
- AI Substitution Orientation mới;
- Team Learning mới.
Một bài phát triển thang đo sẽ thuyết phục hơn khi tập trung vào một construct mới với nomological validity mạnh.
Do đó:
New construct: HACI.
Established mediator: Team Psychological Safety.
Established outcomes: Team performance/viability/adaptability.
Moderator: một thang contextualized về Evaluative AI Context.
8.2. Cấu trúc HACI
Sáu first-order dimensions:
- Human–AI Complementarity
Ví dụ:
“Nhóm phân bổ công việc giữa con người và AI theo thế mạnh tương đối của mỗi bên.”
- Distributed Cognition Integration
“Nhóm kết hợp đầu ra AI với kiến thức của nhiều thành viên trước khi quyết định.”
- Reciprocal Adaptation
“Nhóm thường xuyên điều chỉnh cách sử dụng AI dựa trên những gì học được từ các nhiệm vụ trước.”
- Calibrated Reliance
“Nhóm biết khi nào nên dựa vào AI và khi nào cần kiểm tra hoặc bác bỏ khuyến nghị AI.”
- Collaborative Learning
“Những sai sót phát sinh trong quá trình làm việc với AI được sử dụng để cải thiện cách làm việc của cả nhóm.”
- Human Agency and Accountability
“Trách nhiệm đối với quyết định quan trọng vẫn được xác định rõ cho con người ngay cả khi AI đóng góp đáng kể.”
Sau EFA/CFA, có thể kiểm định HACI như:
six correlated first-order factors
và:
second-order HACI.
Không nên mặc định higher-order model trước khi dữ liệu hỗ trợ.
8.3. Discriminant validity
HACI cần được chứng minh khác biệt với ít nhất bốn construct lân cận.
AI Use Intensity đo lượng sử dụng.
AI Literacy đo năng lực hiểu/sử dụng AI.
Trust in AI đo kỳ vọng đối với technology.
Collective Intelligence đo năng lực giải quyết vấn đề của nhóm nói chung.
Ngoài ra có thể kiểm tra với team learning behavior hoặc team cognition nếu cỡ mẫu cho phép.
Tuyên bố novelty nên là:
HACI is not the presence or intensity of Human–AI collaboration; it is the emergent capability of a team to organize that collaboration intelligently.
8.4. Psychological Safety
Nên kế thừa Edmondson (1999), chỉ contextualize một số item.
Không biến thang thành AI confidence.
Ví dụ adaptation có thể bổ sung:
“Trong nhóm này, chúng tôi có thể công khai đặt câu hỏi về một khuyến nghị AI.”
Nhưng vẫn cần giữ các item cốt lõi về asking for help, mistakes, interpersonal risk.
8.5. Team Effectiveness
Khuyến nghị multi-source.
Employee/team members:
- adaptability;
- viability.
Supervisor:
- team performance.
Objective nếu khả thi:
- accuracy;
- error rate;
- completion time;
- quality metrics.
Cách này giảm common method variance đáng kể.
- PHƯƠNG PHÁP NGHIÊN CỨU
9.1. Tổng quan thiết kế
Thiết kế thích hợp nhất là:
Sequential Exploratory Scale Development + Multi-Wave Multilevel Field Study + Experiment.
Không nên gọi đơn giản là “mixed methods” nếu các phase không thực sự được tích hợp.
Chương trình nghiên cứu gồm bốn study.
9.2. Study 1 – Conceptual Domain Specification
Thực hiện systematic/scoping review về:
human–AI teaming, hybrid intelligence, collective intelligence, distributed cognition, team cognition, calibrated trust/reliance, psychological safety và team effectiveness.
Mục tiêu không chỉ tổng quan tài liệu mà phải trả lời:
What is HACI?
What is not HACI?
At what level does HACI exist?
What dimensions are necessary and sufficient?
Item pool sơ bộ được xây dựng từ domain specification này.
9.3. Study 2 – Qualitative Validation
Phỏng vấn khoảng 20–30 người gồm team leaders, knowledge workers, project managers và AI-intensive professionals.
Nên sử dụng critical-incident questions thay vì chỉ hỏi định nghĩa.
Ví dụ:
“Hãy kể một tình huống nhóm của anh/chị đạt kết quả tốt hơn nhờ AI.”
“Hãy kể trường hợp AI làm teamwork tệ hơn.”
“Điều gì xảy ra khi thành viên không đồng ý với AI?”
“Nhóm xác định ai chịu trách nhiệm như thế nào?”
“Có khi nào thành viên ngừng hỏi đồng đội vì dùng AI không?”
“AI có được sử dụng để đánh giá thành viên không?”
Dữ liệu định tính giúp xác nhận domain và phát hiện item language tự nhiên.
9.4. Study 3 – Scale Development
Một mẫu khoảng 250–350 respondents từ nhiều AI-integrated teams có thể được sử dụng cho EFA.
Quy trình:
domain specification → item generation → expert evaluation → cognitive interview → pilot → EFA → purification.
Expert panel nên đánh giá relevance, clarity, representativeness và redundancy.
Nếu có thể, Content Validity Index có thể được báo cáo.
CFA phải dùng mẫu độc lập, không sử dụng cùng dữ liệu EFA nếu mục tiêu là phát triển thang mạnh.
9.5. Main Field Study
Đơn vị phân tích chính phải là team, phù hợp với định nghĩa HACI và Team Psychological Safety.
Khuyến nghị:
100–150 teams
với khoảng:
4–8 members/team,
tương đương khoảng:
500–800 individuals.
Con số cuối cùng phải được xác định bằng simulation-based hoặc Monte Carlo power analysis dựa trên số team, average cluster size và anticipated effect sizes.
Không nên chỉ dựa trên quy tắc “10 respondents per parameter”.
9.6. Multi-wave design
Một cấu hình phù hợp:
Time 1: HACI + AI use intensity + AI role/context + controls.
Time 2: Team Psychological Safety.
Time 3: Team Effectiveness outcomes.
Supervisor ratings thu độc lập ở Time 3.
Khoảng cách 2–4 tuần có thể giúp temporal separation nhưng cần phù hợp cycle của nhóm.
Multi-wave design không tự động chứng minh causality nhưng cải thiện temporal ordering.
9.7. Aggregation
Đây là yêu cầu phương pháp bắt buộc.
HACI và TPS chỉ được aggregate nếu có bằng chứng đủ về within-team agreement và between-team variance.
Cần báo cáo:
rwg(j)
ICC(1)
ICC(2).
Nếu ICC thấp, không được gọi điểm trung bình cá nhân là “team-level HACI” chỉ vì lý thuyết mong muốn như vậy.
Cũng cần giải thích referent của item:
“my team” thay vì “I”.
HACI item nên dùng team-referent shift consensus model.
9.8. Multilevel structure
Dữ liệu có thể có cấu trúc:
Individual → Team → Organization.
Nếu nhiều teams thuộc cùng organization, organizational clustering cần được kiểm tra.
Tùy số organizations, có thể sử dụng:
- team-level SEM;
- multilevel SEM;
- cluster-robust standard errors.
Nếu chỉ có rất ít organizations, không nên cố ước lượng level 3 latent model.
9.9. CFA
CFA cho HACI nên so sánh ít nhất:
Model 1: one-factor HACI.
Model 2: six correlated first-order dimensions.
Model 3: second-order HACI.
Đánh giá:
χ²/df,
CFI,
TLI,
RMSEA,
SRMR,
factor loadings,
omega,
CR,
AVE,
HTMT.
Cronbach’s alpha có thể báo cáo nhưng không nên là reliability statistic duy nhất.
9.10. Structural model
Core model kiểm định:
H1: HACI → TPS.
H2: HACI → TE.
H3: TPS → TE.
H4: HACI → TPS → TE.
Indirect effect phải sử dụng bootstrapped confidence intervals hoặc multilevel Monte Carlo confidence intervals phù hợp với estimator.
9.11. Moderated mediation
H5 kiểm định:
HACI × Evaluative AI Context → TPS.
Cần trình bày simple slopes.
Nếu moderator liên tục, Johnson–Neyman region có thể hữu ích.
H6 kiểm định conditional indirect effect ở các mức low/medium/high evaluative context và sử dụng index of moderated mediation.
9.12. Competing models
Ít nhất nên so sánh:
Direct model: HACI → TE.
Mediation model: HACI → TPS → TE.
Reversed mediator model: TPS → HACI → TE.
Trust model: HACI → Trust in AI → TE.
Nếu psychological safety model có explanatory advantage, novelty cơ chế sẽ mạnh hơn.
Không cần thêm Team Learning vào mô hình chính. Team Learning nên để nghiên cứu tương lai, bởi đưa TPS → Team Learning → TE sẽ khiến bài đầu tiên quá nặng construct.
9.13. Common method variance
Thiết kế nên ưu tiên procedural remedies:
multi-wave measurement;
multi-source outcome;
anonymity;
separation of predictors and outcomes;
neutral wording;
different response formats khi hợp lý.
Về thống kê, có thể sử dụng marker-variable technique hoặc latent method factor.
Harman’s single-factor test không đủ để kết luận không có common method bias.
9.14. Control variables
Chỉ nên giữ controls có logic lý thuyết.
Các ứng viên hợp lý:
team size;
team tenure;
task interdependence;
task complexity;
AI use intensity;
AI experience;
team virtuality.
Đặc biệt, AI use intensity là control quan trọng vì cần chứng minh HACI dự báo outcomes vượt quá việc đơn giản “dùng AI nhiều”.
9.15. Study 4 – Experimental Validation
Thí nghiệm nên tập trung vào boundary condition chứ không cố kiểm định toàn bộ HACI scale.
Thiết kế:
AI Role: Collaborator vs. Evaluator
×
Autonomy Support: High vs. Low.
Hoặc:
AI Role: Advisor vs. Evaluator
×
Transparency: High vs. Low.
Outcomes:
psychological safety;
autonomy satisfaction;
voice intention;
willingness to challenge AI;
error reporting;
decision quality.
Thiết kế này trực tiếp nối với bằng chứng Brown et al. (2026), đồng thời cho phép causal test cho cơ chế evaluative context.
9.16. Ethics
Nghiên cứu cần được phê duyệt bởi institutional ethics committee trước thu thập dữ liệu.
Người tham gia cần informed consent.
Nếu AI-interaction logs được thu, phải thông báo rõ dữ liệu nào được lưu.
Không dùng interaction data cho organizational performance evaluation.
Trong experiment có deception về evaluative role, cần debriefing.
Nếu sử dụng GenAI hỗ trợ coding, item development hoặc language editing, cần disclosure theo chính sách tạp chí đích và human researchers vẫn chịu trách nhiệm toàn bộ cho research integrity.
- THẢO LUẬN DỰ KIẾN
Nếu H1 được hỗ trợ, đóng góp quan trọng đầu tiên là chứng minh Psychological Safety trong AI-integrated teams không phải hệ quả của AI presence mà là kết quả của collaboration architecture.
Điều này phù hợp với Rieth et al. (2026), nơi chỉ đơn giản có AI teammate không tạo khác biệt psychological safety. Nó cho thấy câu hỏi đúng không phải “AI có an toàn tâm lý không?”, mà là “nhóm tổ chức quan hệ với AI thế nào?”.
Nếu H2 được hỗ trợ, HACI chứng minh incremental value beyond AI use.
Điều này sẽ hỗ trợ sự chuyển dịch:
AI Adoption → AI Usage → Human–AI Collaboration → Human–AI Collaborative Intelligence.
Nếu H3 được hỗ trợ, Psychological Safety tiếp tục có giá trị lý thuyết ngay cả trong teams có nonhuman collaborator. Điều đó có nghĩa một phần cốt lõi của hiệu quả Human–AI vẫn phụ thuộc vào social conditions giữa con người.
Nếu H4 được hỗ trợ, đóng góp tích hợp mạnh nhất là:
Human–AI Collaborative Intelligence creates value not only because it improves the distribution of cognition, but because it creates the psychological conditions under which team members can safely interrogate, correct, and learn from both human and AI contributions.
Nếu H5 được hỗ trợ, Evaluative AI Context cho thấy cùng một AI capability có thể tạo ra social consequences khác nhau tùy governance.
AI as helper và AI as evaluator không phải hai implementation tương đương.
Nếu H6 được hỗ trợ, bài sẽ cung cấp moderated mediation gọn nhưng mạnh:
HACI → TPS → TE
phụ thuộc vào:
Evaluative AI Context.
Nếu H1 không được hỗ trợ, không nên xem đây là thất bại hoàn toàn của HACI. Nó có thể cho thấy psychological safety được quyết định chủ yếu bởi human leadership hoặc team climate, trong khi HACI tác động performance qua cognition trực tiếp.
Nếu H4 không được hỗ trợ nhưng H2 mạnh, HACI có thể chủ yếu là cognitive capability hơn social capability.
Những kết quả thay thế này đều có giá trị lý thuyết.
- ĐÓNG GÓP LÝ THUYẾT
11.1. Từ AI Use sang Human–AI Collaborative Intelligence
Đóng góp trung tâm là thay đổi đơn vị tư duy.
Research question truyền thống:
How much AI does the team use?
Nghiên cứu đề xuất:
How intelligently does the team organize collaboration with AI?
Đây là khác biệt giữa technology intensity và organizational capability.
11.2. Mở rộng Collective Intelligence
HACI mở rộng collective intelligence từ hệ thống chỉ gồm người sang hệ thống hybrid.
Tuy nhiên:
Human + Human + AI ≠ Automatically higher collective intelligence.
Emergence phụ thuộc integration quality.
11.3. Mở rộng Psychological Safety Theory
Nghiên cứu không thay đổi định nghĩa lõi của psychological safety, nhưng mở rộng domain của interpersonal risk-taking sang AI-mediated epistemic risk.
Challenging AI có thể trở thành một hành động interpersonal và organizationally consequential.
Điều này giúp psychological safety theory thích ứng với algorithmically mediated work.
11.4. Psychological Safety như Conversion Mechanism
HACI tạo potential.
Safety tạo permission.
Behavior tạo actual value.
Cấu trúc:
Capability → Psychological Permission → Voice/Learning → Effectiveness.
Đây là đóng góp cơ chế quan trọng hơn việc chỉ chứng minh HACI tương quan với performance.
11.5. Kết nối Automation–Augmentation Paradox với Team Theory
Raisch và Krakowski (2021) mô tả nghịch lý automation–augmentation ở quản trị.
Reif và Cummings (2026) đưa nghịch lý này xuống cấp knowledge-intensive teams: AI tăng efficiency nhưng có thể thay thế knowledge-seeking interactions.
HACI bổ sung lời giải ở cấp capability:
High HACI → augmentation with preserved human collaboration.
Low HACI → either ineffective AI use or social substitution.
11.6. Governance as a Psychological Boundary Condition
Evaluative AI Context đưa governance vào team psychology.
Một hệ thống AI không chỉ có technical characteristics; nó còn mang một institutional role.
Cùng một conversational AI nhưng nếu được xem là observer/evaluator có thể tạo trải nghiệm khác AI as private assistant.
Bằng chứng Brown et al. (2026) đặc biệt hỗ trợ điểm này.
- ĐÓNG GÓP THỰC TIỄN
Các tổ chức đang tập trung mạnh vào AI literacy và prompt engineering. Điều đó cần thiết nhưng chưa đủ.
Câu hỏi:
“Nhân viên có biết dùng AI không?”
phải được bổ sung bằng:
“Đội nhóm có biết cộng tác với AI và với nhau trong khi dùng AI không?”
Training nên bao gồm:
Human–AI task allocation;
verification;
calibrated reliance;
shared prompting;
cross-checking;
safe dissent;
error reporting;
reflection;
human accountability.
Một nguyên tắc vận hành có thể là:
Frame → Allocate → Generate → Challenge → Integrate → Decide → Reflect → Learn.
Trong đó:
Frame: con người xác định vấn đề.
Allocate: xác định vai trò Human/AI.
Generate: con người và AI tạo thông tin/phương án.
Challenge: tất cả outputs đều có thể bị phản biện.
Integrate: kết hợp AI knowledge và human context.
Decide: accountability được xác lập.
Reflect: đánh giá cả quyết định và collaboration process.
Learn: cập nhật team routine.
- PSYCHOLOGICALLY SAFE HUMAN–AI TEAMING
Nghiên cứu đề xuất khái niệm tích hợp:
Psychologically Safe Human–AI Teaming is a collaborative configuration in which AI augments collective cognition while team members retain the interpersonal security, autonomy, voice, and authority required to question, contest, learn from, override, and responsibly use AI.
Khái niệm này không nhất thiết phải được đo như biến mới trong study chính.
Nó nên được sử dụng như integrative theoretical principle.
Các yếu tố gồm:
AI Augmentation
- Human Voice
- Safe Dissent
- Calibrated Reliance
- Collaborative Learning
- Human Accountability.
- HÀM Ý ĐỐI VỚI RESPONSIBLE AI
Responsible AI frameworks thường tập trung vào fairness, transparency, privacy và accountability.
Đối với teamwork, cần thêm social conditions.
Một AI có thể technically trustworthy nhưng vẫn gây tổn hại nếu nó tạo:
silence;
surveillance anxiety;
loss of autonomy;
fear of experimentation;
reduced peer interaction.
Do đó:
Responsible AI Teaming = Technical Trustworthiness + Psychological Safety + Human Agency + Contestability.
AI systems được sử dụng trong teamwork nên hỗ trợ:
uncertainty visibility;
source traceability;
contestability;
human override;
feedback channels;
reversibility khi có thể.
Đặc biệt, tổ chức cần phân biệt rõ:
AI for Assistance
và:
AI for Evaluation.
Nếu cùng một AI thực hiện cả hai chức năng, governance phải minh bạch về dữ liệu được thu, ai có quyền truy cập, dữ liệu được dùng để làm gì và liệu interactions exploratory có ảnh hưởng đến performance evaluation hay không.
- GIỚI HẠN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
Giới hạn thứ nhất liên quan đến novelty của HACI. Construct này có nguy cơ overlap với collective intelligence, team cognition và human–AI teaming quality. Vì vậy, discriminant và incremental validity là điều kiện bắt buộc.
Giới hạn thứ hai liên quan đến agency của AI. Một chatbot hỗ trợ đơn giản và autonomous agent có khả năng phân công nhiệm vụ không phải cùng một technology class. Các nghiên cứu tương lai cần phân biệt AI autonomy levels.
Giới hạn thứ ba là psychological safety được đo bằng perception. Các nghiên cứu tương lai nên bổ sung behavioral measures như actual voice, override frequency và error reporting.
Giới hạn thứ tư là causal inference. Multi-wave survey cải thiện temporal separation nhưng không thay thế experiment hoặc longitudinal intervention.
Giới hạn thứ năm là Team Effectiveness đa chiều. Productivity và viability có thể vận động ngược chiều.
Một hướng mở rộng sau khi HACI được xác nhận là:
HACI → Psychological Safety → Team Learning → Team Effectiveness.
Tuy nhiên, đây nên là nghiên cứu tiếp theo chứ không đưa vào mô hình ban đầu.
Hướng thứ hai:
HACI → Knowledge Network Preservation → Team Viability.
Điều này trực tiếp phát triển từ Reif và Cummings (2026).
Hướng thứ ba là nghiên cứu cross-cultural. Psychological safety, attitudes toward authority và AI acceptance có thể ảnh hưởng đến willingness to challenge AI khác nhau giữa các nền văn hóa.
Hướng thứ tư là longitudinal team adaptation. HACI có thể không phải stable trait; nó có thể phát triển qua shared experience với AI.
- KẾT LUẬN
AI đang biến teamwork từ một hệ thống tương tác chủ yếu giữa con người thành một hệ thống hybrid trong đó machine intelligence ngày càng tham gia sâu vào cognition, communication và decision-making. Sự thay đổi này tạo ra tiềm năng đáng kể nhưng cũng thách thức giả định rằng việc tăng AI capability sẽ tự động làm tăng team capability.
Bằng chứng mới cho thấy sự thật phức tạp hơn. Human–AI teams có thể ra quyết định tốt hơn khi AI knowledge được tổ chức và tích hợp phù hợp, nhưng cũng có thể tạo mistrust và information-processing asymmetries mới. GenAI có thể giúp từng thành viên truy cập kiến thức nhanh hơn, nhưng chính điều đó có thể làm giảm knowledge seeking giữa teammates và suy yếu collaboration network. AI presence tự nó không làm psychological safety cao hơn hoặc thấp hơn một cách nhất quán; social role và evaluative context của AI mới là yếu tố quan trọng.
Từ những nghịch lý đó, nghiên cứu đề xuất Human–AI Collaborative Intelligence.
HACI không phải năng lực AI.
HACI cũng không phải tổng năng lực cá nhân.
Nó là:
the team’s emergent capability to integrate human and artificial intelligence intelligently.
Mô hình:
Human–AI Collaborative Intelligence → Team Psychological Safety → Team Effectiveness
giải thích cách một capability socio-technical có thể chuyển thành kết quả đội nhóm thông qua một cơ chế xã hội–tâm lý.
HACI tạo cấu trúc cộng tác.
Psychological Safety cho phép con người sử dụng cấu trúc đó một cách phản tư.
Team Effectiveness phản ánh giá trị được tạo ra.
Trong nhóm tích hợp AI, an toàn tâm lý vì thế mang ý nghĩa mới. Thành viên không chỉ cần được an toàn khi bất đồng với nhau; họ cần được an toàn khi bất đồng với công nghệ mà tổ chức đã đầu tư, khuyến khích hoặc sử dụng để đánh giá họ.
Một Human–AI team thực sự thông minh không phải là nhóm luôn nghe AI.
Cũng không phải nhóm luôn ưu tiên human intuition.
Đó là nhóm có khả năng biết:
khi nào AI nên dẫn dắt phân tích,
khi nào con người phải cung cấp bối cảnh,
khi nào output cần bị thách thức,
khi nào cần học từ lỗi,
và:
ai phải chịu trách nhiệm cuối cùng.
Do đó, câu hỏi nghiên cứu quan trọng trong kỷ nguyên AI không còn là:
“Do teams perform better when they use AI?”
mà là:
“Under what collaborative, psychological, and governance conditions can teams integrate AI in ways that enhance collective intelligence without weakening human voice, interpersonal learning, autonomy, collective agency, and accountability?”
Đây là nền tảng của Psychologically Safe Human–AI Teaming: một mô hình trong đó AI mở rộng cognition nhưng không làm im lặng con người; AI cung cấp expertise nhưng không thay thế interaction cần thiết để đội nhóm học hỏi; và con người duy trì quyền được hỏi, phản biện, contest, override, quyết định và chịu trách nhiệm.
TÀI LIỆU THAM KHẢO CHUẨN HÓA APA 7
Brown, A. S., Dishop, C., Kuznetsov, A., & Woolley, A. W. (2026). Safe to talk: Psychological safety and conversational AI at work. Academy of Management Proceedings, 2026(1). doi:10.5465/AMPROC.2026.18369abstract.
Edmondson, A. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383.
Edmondson, A. C., & Lei, Z. (2014). Psychological safety: The history, renaissance, and future of an interpersonal construct. Annual Review of Organizational Psychology and Organizational Behavior, 1, 23–43.
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. doi:10.5465/amr.2018.0072.
Reif, J. A., & Cummings, J. N. (2026). The generative AI dilemma in knowledge-intensive teams. Academy of Management Review. Advance online publication. doi:10.5465/amr.2024.0538.
Rieth, M., Ontrup, G., Kluge, A., & Hagemann, V. (2026). Unveiling team emergent states in the age of human-AI teaming. International Journal of Human–Computer Interaction. Advance online publication. doi:10.1080/10447318.2026.2635683.
Seeber, I., Bittner, E., Briggs, R. O., de Vreede, T., de Vreede, G.-J., Elkins, A., Maier, R., Merz, A. B., Oeste-Reiß, S., Randrup, N., Schwabe, G., & Söllner, M. (2020). Machines as teammates: A research agenda on AI in team collaboration. Information & Management, 57(2), 103174.
Zercher, D., Jussupow, E., Benke, I., & Heinzl, A. (2025). How can teams benefit from AI team members? Exploring the effect of generative AI on decision-making processes and decision quality in team–AI collaboration. Journal of Organizational Behavior. Advance online publication. doi:10.1002/job.2898.
A
