Flow-by-Flow:Content-Judgment Bypass for Governing AI Output in High-Loss Domains
Di cosa parla
Flow-by-Flow è un progetto per ridurre il sovraccarico della supervisione umana quando sistemi di intelligenza artificiale producono troppi contenuti da valutare. Parte dall’idea che il carico per ogni elemento derivi da selezione, giudizio e risposta, e che solo il giudizio diminuisce con migliori capacità. Propone un punteggio di costo cognitivo che cresce col volume, un limite istituzionale di lavorazione e quattro regole operative.
Cosa permette di osservare
Quali scelte istituzionali — limiti, tariffe o regole di processo — consentono di contenere la crescita dei flussi di output AI senza giudicare caso per caso? Il lavoro aiuta a esplorare queste alternative e il loro impatto sulla sostenibilità della supervisione umana.
Dalla fonte
Prior work showed that human-in-the-loop oversight becomes structurally untenable in high-loss domains once AI output velocity V exceeds human cognitive capacity C_max. The operative constraint, however, is V x L, where L is per-item cognitive load: triage, judgment, and response. These components respond asymmetrically to capability improvement. Triage cost does not decline, because semantic indeterminacy is inherent in general-purpose design. Response cost is invariant to accuracy. Only judgment cost faces downward pressure, largely by inducing omission. Capability improvement therefore restructures L rather than reducing it. We prove a proposition: if V x L grows at any positive compound rate while supervisory capacity grows linearly, exceedance occurs in finite time; capacity investment buys time only logarithmically, while reducing the growth rate extends it hyperbolically. Supervi…