論文の概要: Generative AI Enhances Team Performance and Reduces Need for Traditional Teams

• arxiv url: http://arxiv.org/abs/2405.17924v1
• Date: Tue, 28 May 2024 07:47:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 19:47:39.169819
• Title: Generative AI Enhances Team Performance and Reduces Need for Traditional Teams
• Title（参考訳）: ジェネレーティブAIはチームパフォーマンスを高め、従来のチームの必要性を減らす
• Authors: Ning Li, Huaikang Zhou, Kris Mikel-Hong,
• Abstract要約: 生成AIによって強化されたチームは、人間のコラボレーションにのみ依存するチームよりも大幅に優れていた。 我々の分析によると、少数のチームメンバーによる集中型AIの使用は、分散エンゲージメントよりも効果的である。
• 参考スコア（独自算出の注目度）: 1.5031024722977635
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent advancements in generative artificial intelligence (AI) have transformed collaborative work processes, yet the impact on team performance remains underexplored. Here we examine the role of generative AI in enhancing or replacing traditional team dynamics using a randomized controlled experiment with 435 participants across 122 teams. We show that teams augmented with generative AI significantly outperformed those relying solely on human collaboration across various performance measures. Interestingly, teams with multiple AIs did not exhibit further gains, indicating diminishing returns with increased AI integration. Our analysis suggests that centralized AI usage by a few team members is more effective than distributed engagement. Additionally, individual-AI pairs matched the performance of conventional teams, suggesting a reduced need for traditional team structures in some contexts. However, despite this capability, individual-AI pairs still fell short of the performance levels achieved by AI-assisted teams. These findings underscore that while generative AI can replace some traditional team functions, more comprehensively integrating AI within team structures provides superior benefits, enhancing overall effectiveness beyond individual efforts.
• Abstract（参考訳）: 生成人工知能(AI)の最近の進歩は協調作業プロセスに変化をもたらしたが、チームパフォーマンスへの影響は未解明のままである。 ここでは,122チームにわたる435人の参加者によるランダム化制御実験を用いて,従来のチームダイナミクスの強化や置き換えにおける生成AIの役割について検討する。 生成的AIによって強化されたチームは、さまざまなパフォーマンス指標で、人間のコラボレーションにのみ依存しているチームよりも大幅に優れていた。 興味深いことに、複数のAIを持つチームはそれ以上の利益を示しておらず、AI統合の増大によるリターンの減少を示唆している。 我々の分析によると、少数のチームメンバーによる集中型AIの使用は、分散エンゲージメントよりも効果的である。 さらに、個人とAIのペアは従来のチームのパフォーマンスにマッチし、いくつかのコンテキストにおける従来のチーム構造の必要性を減らしたことを示唆した。 しかし、この能力にもかかわらず、個々のAIペアは、AI支援チームが達成したパフォーマンスレベルにはまだ達していない。 これらの調査結果は、ジェネレーティブなAIが従来のチーム機能を置き換えることができる一方で、より包括的なチーム構造へのAI統合は優れたメリットをもたらし、個々の取り組みを超えて全体的な効果を高めることを強調している。

関連論文リスト

• Raising the Stakes: Performance Pressure Improves AI-Assisted Decision Making [57.53469908423318]
  日常の人が共通のAI支援タスクを完了すると、パフォーマンスプレッシャーがAIアドバイスへの依存に与える影響を示す。 利害関係が高い場合には、AIの説明の有無にかかわらず、利害関係が低い場合よりもAIアドバイスを適切に使用することが分かりました。
  論文  参考訳（メタデータ） (2024-10-21T22:39:52Z)
• Comparing Zealous and Restrained AI Recommendations in a Real-World Human-AI Collaboration Task [11.040918613968854]
  正確さとリコールのトレードオフを慎重に活用することで、チームのパフォーマンスが大幅に向上する、と私たちは主張する。 我々は、a)AIアシストなし、b)高精度な「制限された」AI、c)3,466時間以上のアノテーション作業で、78のプロのアノテータのパフォーマンスを分析する。
  論文  参考訳（メタデータ） (2024-10-06T23:19:19Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Collective Attention in Human-AI Teams [4.312803416185713]
  AIアシスタントの存在は、共有認知の様々な側面を調節することによって、チームの集団的注意に大きく影響する。 本研究は,チーム設定におけるAIシステムがチームパフォーマンスに影響を及ぼす中心的なメカニズムとして,集団的注意を喚起することによって,人間とAIのコラボレーション研究に寄与する。
  論文  参考訳（メタデータ） (2024-07-03T13:46:00Z)
• DanZero+: Dominating the GuanDan Game through Reinforcement Learning [95.90682269990705]
  我々は、GuanDanという、非常に複雑で人気のあるカードゲームのためのAIプログラムを開発した。 私たちはまず、DanZeroという名のAIプログラムをこのゲームのために提案しました。 AIの能力をさらに強化するために、政策に基づく強化学習アルゴリズムをGuanDanに適用する。
  論文  参考訳（メタデータ） (2023-12-05T08:07:32Z)
• Evaluation of Human-AI Teams for Learned and Rule-Based Agents in Hanabi [0.0]
  我々は,ルールベースエージェントと学習ベースエージェントの両方を用いて,協力型カードゲームEmphHanabiにおける人間とAIエージェントのチームを評価する。 人間は、最先端の学習ベースのAIチームメイトよりも、ルールベースのAIチームメイトをはっきりと好みます。
  論文  参考訳（メタデータ） (2021-07-15T22:19:15Z)
• Who/What is My Teammate? Team Composition Considerations in Human-AI Teaming [1.3477333339913569]
  本稿では,チームパフォーマンスやチーム状況の認識,チーム認知など,人間とAIのコラボレーションに欠かせない側面について考察する。 認識されたチームの認知は、人間のみのチームで最も高く、混合構成チームは、全チームの58%以下で認識されたチームの認知を報告した。
  論文  参考訳（メタデータ） (2021-05-23T19:06:18Z)
• Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
  予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。 フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
  論文  参考訳（メタデータ） (2020-11-18T10:26:02Z)
• Does the Whole Exceed its Parts? The Effect of AI Explanations on Complementary Team Performance [44.730580857733]
  以前の研究では、AIが人間と最高のチームの両方を上回った場合にのみ、説明による改善が観察された。 我々は、3つのデータセットで混合メソッドのユーザー研究を行い、人間に匹敵する精度のAIが、参加者のタスク解決に役立ちます。 説明は、人間がAIの推奨を受け入れる可能性を高める。
  論文  参考訳（メタデータ） (2020-06-26T03:34:04Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。