論文の概要: From User Surveys to Telemetry-Driven AI Agents: Exploring the Potential of Personalized Productivity Solutions
- arxiv url: http://arxiv.org/abs/2401.08960v2
- Date: Thu, 05 Jun 2025 05:00:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.11584
- Title: From User Surveys to Telemetry-Driven AI Agents: Exploring the Potential of Personalized Productivity Solutions
- Title（参考訳）: ユーザ調査からテレメトリ駆動型AIエージェントへ:パーソナライズされた生産性ソリューションの可能性を探る
- Authors: Subigya Nepal, Javier Hernandez, Talie Massachi, Kael Rowan, Judith Amores, Jina Suh, Gonzalo Ramos, Brian Houck, Shamsi T. Iqbal, Mary Czerwinski,
- Abstract要約: 情報労働者は、現代の職場で生産性の課題にますます苦労している。
エンタープライズツールを通じて生産性のメトリクスが利用可能であるにもかかわらず、労働者はしばしばこのデータを実行可能な洞察に変換するのに失敗する。
ユーザのニーズに合わせたAIベースの生産性エージェントを通じて、これらの課題に対処するための包括的でユーザ中心のアプローチを提案する。
- 参考スコア（独自算出の注目度）: 21.79433247723466
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Information workers increasingly struggle with productivity challenges in modern workplaces, facing difficulties in managing time and effectively utilizing workplace analytics data for behavioral improvement. Despite the availability of productivity metrics through enterprise tools, workers often fail to translate this data into actionable insights. We present a comprehensive, user-centric approach to address these challenges through AI-based productivity agents tailored to users' needs. Utilizing a two-phase method, we first conducted a survey with 363 participants, exploring various aspects of productivity, communication style, agent approach, personality traits, personalization, and privacy. Drawing on the survey insights, we developed a GPT-4 powered personalized productivity agent that utilizes telemetry data gathered via Viva Insights from information workers to provide tailored assistance. We compared its performance with alternative productivity-assistive tools, such as dashboard and narrative, in a study involving 40 participants. Our findings highlight the importance of user-centric design, adaptability, and the balance between personalization and privacy in AI-assisted productivity tools. By building on these insights, our work provides important guidance for developing more effective productivity solutions, ultimately leading to optimized efficiency and user experiences for information workers.
- Abstract（参考訳）: 情報労働者は、現代の職場における生産性の課題にますます苦労し、時間管理の困難に直面し、行動改善のために職場分析データを効果的に活用している。
エンタプライズツールによる生産性指標の可用性にもかかわらず、労働者はしばしばこのデータを実行可能な洞察に変換することに失敗する。
ユーザのニーズに合わせたAIベースの生産性エージェントを通じて、これらの課題に対処するための包括的でユーザ中心のアプローチを提案する。
2段階の手法を用いて、まず633人の被験者を対象に、生産性、コミュニケーションスタイル、エージェントアプローチ、性格特性、パーソナライゼーション、プライバシのさまざまな側面を調査した。
調査結果に基づいて,情報労働者から収集したテレメトリデータを利用して,GPT-4を活用した個人化された生産性エージェントを開発した。
私たちは40人の参加者を対象とした調査で、そのパフォーマンスをダッシュボードやナラティブといった代替の生産性支援ツールと比較した。
我々の研究は、AI支援生産性ツールにおけるユーザ中心の設計、適応性、パーソナライゼーションとプライバシのバランスの重要性を強調した。
これらの知見に基づいて、我々の研究は、より効果的な生産性ソリューションを開発するための重要なガイダンスを提供し、最終的には、情報労働者のための最適化された効率性とユーザエクスペリエンスをもたらす。
関連論文リスト
- KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [75.78948575957081]
大規模言語モデル(LLM)は通常、知識材料を瞬時に活用するために、検索強化世代に依存している。
本稿では,知識ベースを含む下流タスクへの効率的な適応を目的としたKBAlignを提案する。
提案手法は,Q&Aペアやリビジョン提案などの自己注釈付きデータを用いて反復学習を行い,モデルが知識内容を効率的に把握できるようにする。
論文 参考訳（メタデータ） (2024-11-22T08:21:03Z) - Advancing Employee Behavior Analysis through Synthetic Data: Leveraging ABMs, GANs, and Statistical Models for Enhanced Organizational Efficiency [0.0]
この研究は、従業員のパフォーマンスを包括的に理解するための強力なツールである、合成データの作成に重点を置いています。
合成データは、従業員の活動の詳細と正確な画像を提供する。
我々は、合成データが専門分野から従業員の行動研究に欠かせない資源へとどのように進化してきたかを検討する。
論文 参考訳（メタデータ） (2024-09-21T16:58:23Z) - Towards Optimizing and Evaluating a Retrieval Augmented QA Chatbot using LLMs with Human in the Loop [44.51779041553597]
大規模言語モデルは、ヒューマンリソース(HR)のサポートを含む、日常的で反復的なタスクに応用されている。
我々は、従業員の質問に対処するための効率的かつ効果的なツールとして、人事支援チャットボットを開発した。
実験と評価の結果,GPT-4は他のモデルよりも優れており,データの矛盾を克服できることがわかった。
専門家分析により、G-Evalなどの基準フリー評価指標を推定し、信頼性が人間の評価と密接に一致していることを示す。
論文 参考訳（メタデータ） (2024-07-08T13:32:14Z) - Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。
我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。
我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
論文 参考訳（メタデータ） (2024-03-15T20:21:31Z) - Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement [79.2400720115588]
本稿では,タスクコンテキスト間の一般化を改善するための階層的な構築プロセスからなる,シンプルで効果的なフレームワークであるPersona-DBを紹介する。
応答予測の評価において,Persona-DB は精度を著しく低減した検索サイズで維持する上で,より優れたコンテキスト効率を示す。
我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで10%以上の顕著な改善が示されていることも示している。
論文 参考訳（メタデータ） (2024-02-16T20:20:43Z) - An explainable machine learning-based approach for analyzing customers'
online data to identify the importance of product attributes [0.6437284704257459]
本稿では,製品開発におけるデザインの包括的意味を抽出するゲーム理論機械学習(ML)手法を提案する。
提案手法をKaggleの実際のラップトップのデータセットに適用し,結果に基づいて設計上の意味を導出する。
論文 参考訳（メタデータ） (2024-02-03T20:50:48Z) - Uncertainty-Aware Explainable Recommendation with Large Language Models [15.229417987212631]
GPT-2のプロンプトとしてユーザおよびアイテム入力のIDベクトルを利用するモデルを開発する。
マルチタスク学習フレームワークには,推薦タスクと説明タスクの両方を最適化するために,共同トレーニング機構が採用されている。
提案手法はYelp, TripAdvisor, Amazon のデータセット上でそれぞれ 1.59 DIV, 0.57 USR, 0.41 FCR を達成する。
論文 参考訳（メタデータ） (2024-01-31T14:06:26Z) - Assisting Human Decisions in Document Matching [52.79491990823573]
我々は,意思決定者のパフォーマンスを向上する支援情報の種類を評価するためのプロキシマッチングタスクを考案した。
ブラックボックスモデルによる説明を提供することで,マッチング作業におけるユーザの精度が低下することが判明した。
一方,タスク固有のデシラタに密接に対応するように設計されたカスタムメソッドは,ユーザのパフォーマンス向上に有効であることが判明した。
論文 参考訳（メタデータ） (2023-02-16T17:45:20Z) - ItemSage: Learning Product Embeddings for Shopping Recommendations at
Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。
このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文 参考訳（メタデータ） (2022-05-24T02:28:58Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳（メタデータ） (2022-03-02T19:57:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。