論文の概要: Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance

• arxiv url: http://arxiv.org/abs/2503.18238v2
• Date: Fri, 15 Aug 2025 17:18:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:09.876344
• Title: Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance
• Title（参考訳）: AIエージェントとのコラボレーション: チームワーク、生産性、パフォーマンスに関するフィールド実験
• Authors: Harang Ju, Sinan Aral,
• Abstract要約: 私たちは、人間とAIエージェントが統合ワークスペースで協力できる実験プラットフォームであるPairitを紹介します。 プラットフォーム上での大規模なマーケティング実験では、2310人の参加者がランダムに人間-AIチームと人間-AIチームに割り当てられた。 チームは183,691件のメッセージを交換し、63,656件の画像編集、1,960,095件の広告編集、10,375件のAI生成画像を作成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To uncover how AI agents change productivity, performance, and work processes, we introduce Pairit -- an experimentation platform enabling humans and AI agents to collaborate in integrative workspaces. In a large-scale marketing experiment on the platform, 2310 participants were randomly assigned to human-human and human-AI teams. The teams exchanged 183,691 messages and created 63,656 image edits, 1,960,095 ad copy edits, and 10,375 AI-generated images while producing 11,138 ads for a large think tank. Analysis of fine-grained communication, collaboration, and workflow logs revealed that collaborating with AI agents increased communication by 63% and allowed humans to engage in 71% less direct text editing. While human-AI teams engaged in 18% more process and content communication, human-human teams engaged in 29% more social and emotional communication. Humans in human-AI teams experienced 73% greater productivity per worker and produced higher-quality ad copy, while human-human teams produced higher-quality images, suggesting AI agents require fine-tuning for multimodal workflows. Field tests of the ad campaigns accumulated ~5M ad impressions and revealed that ads with higher image quality (produced by human-human collaborations) and higher text quality (produced by human-AI collaborations) performed significantly better on click-through rates, view through rates, and cost per click metrics. Together, these results suggest that human collaboration with AI agents significantly reshapes communication patterns and work processes and increases productivity, while improving some dimensions of output quality and deteriorating others. We hope the release of the extensible Pairit platform will accelerate RCTs of human-AI collaboration across a variety of work tasks and contexts.
• Abstract（参考訳）: AIエージェントが生産性、パフォーマンス、作業プロセスをどのように変えるかを明らかにするために、人間とAIエージェントが統合ワークスペースで協力できるようにする実験プラットフォームであるPairitを紹介します。 プラットフォーム上での大規模なマーケティング実験では、2310人の参加者がランダムに人間-AIチームと人間-AIチームに割り当てられた。 チームは183,691件のメッセージを交換し、63,656件の画像編集、1,960,095件の広告編集、10,375件のAI生成画像を作成した。 きめ細かいコミュニケーション、コラボレーション、ワークフローログの分析により、AIエージェントとのコラボレーションによってコミュニケーションが63%増加し、人間が直接テキスト編集を71%削減できることがわかった。 人間-AIチームは、プロセスとコンテンツコミュニケーションを18%増やす一方、人間-AIチームは、社会的および感情的なコミュニケーションを29%増やした。 人間-AIチームの人間は、労働者1人当たりの生産性が73%向上し、高品質の広告コピーが生み出された。 広告キャンペーンのフィールドテストでは、500万の広告インプレッションが蓄積され、画像品質の高い広告(人間と人間のコラボレーションによる)とテキスト品質の高い広告(人間とAIのコラボレーションによる)が、クリックスルー率、スルーレート、クリック毎のコストで大幅に向上したことが明らかになった。 これらの結果は、人間のAIエージェントとのコラボレーションがコミュニケーションのパターンや作業プロセスを大幅に改善し、生産性を向上し、出力品質のいくつかの次元を改善し、他を劣化させることを示唆している。 拡張可能なPairitプラットフォームのリリースによって、さまざまな作業タスクやコンテキストにわたる人間とAIのコラボレーションのRDTが加速されることを願っています。

関連論文リスト

• ChatCollab: Exploring Collaboration Between Humans and AI Agents in Software Teams [1.3967206132709542]
  ChatCollabの斬新なアーキテクチャは、エージェント(人間またはAI)が任意の役割でコラボレーションに参加することを可能にする。 ソフトウェアエンジニアリングをケーススタディとして使用することで、私たちのAIエージェントが彼らの役割と責任をうまく特定できることが分かりました。 ソフトウェア開発のための従来の3つのマルチエージェントAIシステムに関連して、ChatCollab AIエージェントはインタラクティブなゲーム開発タスクにおいて、同等またはより良いソフトウェアを生成する。
  論文  参考訳（メタデータ） (2024-12-02T21:56:46Z)
• AI-Driven Agents with Prompts Designed for High Agreeableness Increase the Likelihood of Being Mistaken for a Human in the Turing Test [0.0]
  チューリング試験では, 適合性の異なるGPT剤を試験した。 混乱率は50%を超え、AIエージェントは60%を超えた。 この薬は、最も人間らしい特徴を示すものと認識された。
  論文  参考訳（メタデータ） (2024-11-20T23:12:49Z)
• Human Bias in the Face of AI: The Role of Human Judgement in AI Generated Text Evaluation [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Generation Z's Ability to Discriminate Between AI-generated and Human-Authored Text on Discord [0.32885740436059047]
  DiscordはAI統合を可能にし、主にAI生成コンテンツに"ジェネレーションZ"ユーザベースをさらけ出す。 我々は,AI生成テキストと人間によるテキストの識別能力を評価するため,世代Zの高齢者を対象に調査を行った。 ジェネレーションZの個人は、AIと人間によるテキストを区別できない。
  論文  参考訳（メタデータ） (2023-12-31T11:52:15Z)
• HoloAssist: an Egocentric Human Interaction Dataset for Interactive AI Assistants in the Real World [48.90399899928823]
  この研究は、物理的な世界でのタスクを実行することで人間を対話的に導くインテリジェントエージェントを開発するための、より広範な研究努力の一環である。 大規模なエゴセントリックなヒューマンインタラクションデータセットであるHoloAssistを紹介する。 人間のアシスタントがミスを正し、タスク完了手順に介入し、環境に指示を下す方法について、重要な知見を提示する。
  論文  参考訳（メタデータ） (2023-09-29T07:17:43Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Seeing is not always believing: Benchmarking Human and Model Perception of AI-Generated Images [66.20578637253831]
  人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。 本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
  論文  参考訳（メタデータ） (2023-04-25T17:51:59Z)
• Why is AI not a Panacea for Data Workers? An Interview Study on Human-AI Collaboration in Data Storytelling [73.14508303965683]
  業界と学界の18人のデータワーカーにインタビューして、AIとのコラボレーションの場所と方法を聞いた。 驚いたことに、参加者はAIとのコラボレーションに興奮を見せたが、彼らの多くは反感を表明し、曖昧な理由を指摘した。
  論文  参考訳（メタデータ） (2023-04-17T15:30:05Z)
• Roots and Requirements for Collaborative AIs [0.0]
  コラボレーションの夢としてのAIは、人間の知性(IA)を増強するコンピュータツールや、中間的な人間のコラボレーションとは異なる。 AIの政府諮問グループとリーダーは、AIは透明で効果的な協力者であるべきだと長年主張してきた。 AIチームメイトは、ソリューションの一部なのか?人工知能(AI)はどのようにして存在するべきか?
  論文  参考訳（メタデータ） (2023-03-21T17:27:38Z)
• Improving Human-AI Collaboration With Descriptions of AI Behavior [14.904401331154062]
  人々はAIシステムを使って意思決定を改善するが、しばしばAIの予測を過度に、あるいは過度に予測し、手伝わなかったよりも悪いパフォーマンスをする。 人々がAIアシスタントを適切に頼りにするために、行動記述を示すことを提案する。
  論文  参考訳（メタデータ） (2023-01-06T00:33:08Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• 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。