論文の概要: Generative AI in Knowledge Work: Design Implications for Data Navigation and Decision-Making

• arxiv url: http://arxiv.org/abs/2503.18419v1
• Date: Mon, 24 Mar 2025 08:02:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:33:45.840611
• Title: Generative AI in Knowledge Work: Design Implications for Data Navigation and Decision-Making
• Title（参考訳）: 知識労働におけるジェネレーティブAI:データナビゲーションと意思決定のための設計上の意味
• Authors: Bhada Yun, Dana Feng, Ace S. Chen, Afshin Nikzad, Niloufar Salehi,
• Abstract要約: 我々は、知識労働におけるAIの機会と限界の両方を探求するために、AI対応システムであるYodeaiを開発した。 我々は、知識労働におけるジェネレーティブAIの重要な要件として、適応可能なユーザコントロール、透過的な協調メカニズム、背景知識と外部情報を統合する能力の3つを特定した。
• 参考スコア（独自算出の注目度）: 6.460380734209551
• License:
• Abstract: Our study of 20 knowledge workers revealed a common challenge: the difficulty of synthesizing unstructured information scattered across multiple platforms to make informed decisions. Drawing on their vision of an ideal knowledge synthesis tool, we developed Yodeai, an AI-enabled system, to explore both the opportunities and limitations of AI in knowledge work. Through a user study with 16 product managers, we identified three key requirements for Generative AI in knowledge work: adaptable user control, transparent collaboration mechanisms, and the ability to integrate background knowledge with external information. However, we also found significant limitations, including overreliance on AI, user isolation, and contextual factors outside the AI's reach. As AI tools become increasingly prevalent in professional settings, we propose design principles that emphasize adaptability to diverse workflows, accountability in personal and collaborative contexts, and context-aware interoperability to guide the development of human-centered AI systems for product managers and knowledge workers.
• Abstract（参考訳）: 知識労働者20名を対象に,複数のプラットフォームに散在する非構造化情報を合成し,情報的意思決定を行うことの難しさについて検討した。 理想的な知識合成ツールというビジョンに基づいて、知識労働におけるAIの機会と限界の両方を探求するために、AI対応システムであるYodeaiを開発した。 16のプロダクトマネージャによるユーザスタディを通じて、私たちは、知識労働におけるジェネレーティブAIの3つの重要な要件を特定しました。 しかし、AIへの過度な依存、ユーザー分離、AIの範囲外におけるコンテキスト要因など、大きな制限も見つかりました。 AIツールがプロフェッショナルな環境でますます普及するにつれて、さまざまなワークフローへの適応性、個人的および協力的なコンテキストにおける説明責任、コンテキスト対応の相互運用性を重視した設計原則を提案し、プロダクトマネージャとナレッジワーカーのための人間中心のAIシステムの開発を導く。

関連論文リスト

• Empowering AIOps: Leveraging Large Language Models for IT Operations Management [0.6752538702870792]
  従来の予測機械学習モデルとLarge Language Models(LLMs)のような生成AI技術を統合することを目指しています。 LLMは、システムログやインシデントレポート、技術ドキュメントなど、膨大な量の非構造化データの処理と分析を可能にする。 我々は,AIOpsにおける永続的な課題に対処し,IT運用管理の能力を高めるための革新的な手法を提案する。
  論文  参考訳（メタデータ） (2025-01-21T19:17:46Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• The AI-DEC: A Card-based Design Method for User-centered AI Explanations [20.658833770179903]
  我々は,AIの説明の4次元を定義する設計手法であるAI-DECを開発した。 我々は、医療、金融、マネジメント産業の労働者との共同設計セッションを通じて、この手法を評価する。 実世界のシステムにおけるAI説明のユーザ中心設計におけるAI-DECの利用の意味について論じる。
  論文  参考訳（メタデータ） (2024-05-26T22:18:38Z)
• In-IDE Human-AI Experience in the Era of Large Language Models; A Literature Review [2.6703221234079946]
  IDEにおけるヒューマンAIエクスペリエンスの研究は、これらのAIツールがソフトウェア開発プロセスをどのように変化させているかを理解する上で非常に重要である。 我々は,IDE内人間-AI体験研究の現状を研究するために文献レビューを行った。
  論文  参考訳（メタデータ） (2024-01-19T14:55:51Z)
• Synergizing Human-AI Agency: A Guide of 23 Heuristics for Service Co-Creation with LLM-Based Agents [16.560339524456268]
  この研究は、に関心のあるサービスプロバイダが、その実践者やより広範なコミュニティに対して、Large Language Models(LLM)技術が統合されるかどうかを判断するための原動力となる。 LLMをベースとしたサービス共同作成ツールであるCoAGentを通じて,非AI専門家とAIの相互学習の旅について検討する。
  論文  参考訳（メタデータ） (2023-10-23T16:11:48Z)
• Agency and legibility for artists through Experiential AI [12.941266914933454]
  Experiential AIは、AIを具体的で明示的なものにするという課題に対処する、新たな研究分野である。 本稿では,創造的データ探索を目的とした経験的AIシステムの実証事例について報告する。 実験的なAIがアーティストの妥当性とエージェンシーを高める方法について論じる。
  論文  参考訳（メタデータ） (2023-06-04T11:00:07Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
  我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。 未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
  論文  参考訳（メタデータ） (2020-08-07T21:00:13Z)

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。