論文の概要: Shifting Work Patterns with Generative AI

• arxiv url: http://arxiv.org/abs/2504.11436v2
• Date: Tue, 13 May 2025 22:28:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 15:30:05.582736
• Title: Shifting Work Patterns with Generative AI
• Title（参考訳）: ジェネレーティブAIによるワークパターンのシフト
• Abstract要約: 本稿では,生産型AIが知識労働者の作業パターンをどのように変えるかを示す。 研究に参加した7,137人の従業員の半分は、電子メール、文書作成、会議にすでに使用しているアプリケーションに統合された生成AIツールにアクセスした。
• 参考スコア（独自算出の注目度）: 2.2686659871784043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present evidence on how generative AI changes the work patterns of knowledge workers using data from a 6-month-long, cross-industry, randomized field experiment. Half of the 7,137 workers in the study received access to a generative AI tool integrated into the applications they already used for emails, document creation, and meetings. We find that access to the AI tool during the first year of its release primarily impacted behaviors that workers could change independently and not behaviors that require coordination to change: workers who used the tool in more than half of the sample weeks spent 3.6 fewer hours, or 31% less time on email each week (intent to treat estimate is 1.3 hours) and completed documents moderately faster, but did not significantly change time spent in meetings.
• Abstract（参考訳）: 本研究では,6ヶ月にわたるクロス産業的ランダム化フィールド実験から得られたデータを用いて,生産型AIが知識労働者の作業パターンをどのように変えるかを示す。 研究に参加した7,137人の従業員の半分は、電子メール、文書作成、会議にすでに使用しているアプリケーションに統合された生成AIツールにアクセスした。 リリース初年度のAIツールへのアクセスは、主に、労働者が独立して変更できる行動に影響を与えており、調整を必要とする行動ではない: サンプル週間の半分以上でこのツールを使用した労働者は、週に3.6時間、メールで31%の時間(見積もりの扱いは1.3時間)、完成したドキュメントは適度に速いが、会議に費やした時間を大きく変更しなかった。

関連論文リスト

• Efficient Test-Time Adaptation through Human-AI Interaction [112.5131603022122]
  我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
  論文  参考訳（メタデータ） (2026-09-03T17:33:18Z)
• Quick Build, Careful Check? Generative AI Use in Hackathons [83.0493885475068]
  中央ヨーロッパにおけるAIをテーマとしたハッカソンの参加者を対象とした探索的なインタビュー研究を報告する。 参加者はコーディング以外の目的でGenAIを使用して,馴染みのないトピックの学習やブレインストーミング,ドキュメントの作成などを行いました。 また、すべての参加者が、使用前にGenAI出力をチェックするという書面のないプラクティスに集約されていることもわかりました。
  論文  参考訳（メタデータ） (2026-07-31T08:59:18Z)
• Digital Fragmentation and Generative AI Use Across 103 Million Application Events [0.0]
  8つの組織で1017人の従業員から2秒間に記録された1億3300万のアプリケーションイベントを分析した。 個々の従業員の断片化の日々の変化は、デジタル断片化の44.6%を占めていた。 これらの結果は、作業日をデジタル断片化を理解し、介入するための重要なレベルとして認識し、AIが断片化された作業を単に強化するのではなく、構造化するのに役立つことを示唆している。
  論文  参考訳（メタデータ） (2026-07-07T18:01:46Z)
• How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope [0.7466390172678969]
  我々は、AIエージェントが知識の働きを加速し、作り直す方法を研究する。 コンピュータはユーザセッション毎に26分間の自律的な作業を実行しますが、検索には33秒かかります。 自律的な優位性のため、コンピュータは完了時間をマッチしたタスクで269分から36分に短縮する。
  論文  参考訳（メタデータ） (2026-06-05T17:45:39Z)
• Effects of Generative AI Errors on User Reliance Across Task Difficulty [48.30228856226023]
  生成AI出力の誤差とユーザ依存に対するテスト効果を誘導する。 より簡単あるいは難しい図生成タスクにおいて,10%,30%,50%のエラー率で事前に登録した3x2実験でインターフェースを実証する。 その結果, 簡単なタスクエラーは, ハードタスクエラー以上の使用率を著しく低下させるものではないことが明らかとなり, この実験環境では, 人々がジャグネスに逆らわないことが示唆された。
  論文  参考訳（メタデータ） (2026-04-05T23:54:57Z)
• Comparing AI Coding Agents: A Task-Stratified Analysis of Pull Request Acceptance [4.424336158797069]
  この記事では、AIを利用した一般的な5つのコーディングアシスタント(OpenAI Codex、GitHub Copilot、Devin、Cursor、Claude Code)を比較します。 デビンは受容率において唯一一貫した正の傾向を示す(32週間で週0.77%以上)。 分析の結果,PRタスクタイプが受入率に影響を及ぼす主要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2026-02-09T17:14:46Z)
• Evolving with AI: A Longitudinal Analysis of Developer Logs [3.7353323067733473]
  我々は,持続的AI利用が日常的なコーディング実践を長期的にどのように改善するかを考察する。 生産性、コード品質、コード編集、コードの再利用、コンテキスト切り替えという、ワークフローの変更の5つの側面を分析します。 我々の結果は、ソフトウェアのサイレント再構築に関する実証的な洞察を提供し、将来のAI強化ツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-01-15T10:30:24Z)
• How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations [112.57167042285437]
  エージェントが人間とエージェントの労働者の直接比較を初めて提示することで、エージェントがどのように人間の仕事をするかを考察する。 結果が88.3%速く、コストが90.4-96.2%低いことが判明した。
  論文  参考訳（メタデータ） (2025-10-26T18:10:22Z)
• Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity [0.5789840336223054]
  広く採用されているにもかかわらず、ソフトウェア開発におけるAIツールの影響はいまだ検討されていない。 2025年2月から6月までのフロンティアにおけるAIツールが、経験豊富なオープンソース開発者の生産性にどのように影響するかを理解するために、ランダム化制御トライアル(RCT)を実施しています。 適度なAI経験を持つ16人の開発者が、平均5年間の経験を持つ成熟したプロジェクトで246のタスクを完了した。
  論文  参考訳（メタデータ） (2025-07-12T00:16:33Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• AGI Is Coming... Right After AI Learns to Play Wordle [4.2909314120969855]
  マルチモーダルエージェント、特にOpenAIのComputer-User Agent (CUA)は、人間のように標準的なコンピュータインターフェースを通じてタスクを制御および完了するよう訓練されている。 The New York Times Wordle game におけるエージェントのパフォーマンスを評価し,モデル行動の抽出と欠点の同定を行った。
  論文  参考訳（メタデータ） (2025-04-21T20:58:58Z)
• Early Impacts of M365 Copilot [12.676018679245672]
  我々は、AIがいかにして知識労働者の仕事の仕方を変えつつあるかについて、最も初期の証拠をいくつか提示する。 さまざまな産業や職業において、共通コアタスクの大幅な削減が期待できる。 技術が新しくなったにもかかわらず、ツールにアクセスできる労働者の40%近くが、6ヶ月にわたる研究で定期的に利用している。
  論文  参考訳（メタデータ） (2025-04-15T17:55:32Z)
• Tool-as-Interface: Learning Robot Policies from Human Tool Usage through Imitation Learning [16.394434999046293]
  ツール使用時の知識を人間からロボットに伝達する枠組みを提案する。 我々は,ミートボールスクーピング,パンフリップ,ワインボトルのバランス,その他の複雑なタスクなど,現実世界のさまざまなタスクに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-04-06T20:40:19Z)
• Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
  本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。 私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
  論文  参考訳（メタデータ） (2025-01-05T23:25:21Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [52.46737975742287]
  私たちは小さなソフトウェア企業環境を模倣したデータによる自己完結型環境を構築します。 最も競争力のあるエージェントでは、タスクの24%が自律的に完了できます。 これは、LMエージェントによるタスク自動化に関するニュアンスな絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• How much does AI impact development speed? An enterprise-based randomized controlled trial [8.759453531975668]
  複雑なエンタープライズレベルのタスクに開発者が費やす時間に対する3つのAI機能の影響を見積もる。 また、コード関連のアクティビティに1日あたり何時間も費やす開発者は、AIがより速くなるという興味深い効果も見出しました。
  論文  参考訳（メタデータ） (2024-10-16T18:31:14Z)
• 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)
• Crowdsourcing with Meta-Workers: A New Way to Save the Budget [50.04836252733443]
  我々は,AIに適したタスクの種類をメタラーニングで学習したマシンアノテータであるEmphmeta-workerの概念を紹介した。 一般の群衆労働者とは異なり、メタワーカーは信頼性があり、安定しており、さらに重要なことはタイヤレスで自由である。
  論文  参考訳（メタデータ） (2021-11-07T12:40:29Z)
• AURSAD: Universal Robot Screwdriving Anomaly Detection Dataset [80.6725125503521]
  本報告では,UR3eシリーズロボットとOnRobot Screwdriverを用いて作成したデータセットについて述べる。 その結果得られたデータは、正常および異常なロボット動作の2042のサンプルを含んでいる。 このデータを使用した短いMLベンチマークも提供されており、さらなる分析と実験のためのデータの適合性と可能性を示している。
  論文  参考訳（メタデータ） (2021-02-02T09:59:23Z)
• A Framework for Efficient Robotic Manipulation [79.10407063260473]
  単一のロボットアームがピクセルからスパースリワード操作ポリシーを学習できることを示します。 デモは10回しかなく、単一のロボットアームがピクセルからスパースリワード操作のポリシーを学習できることを示しています。
  論文  参考訳（メタデータ） (2020-12-14T22:18:39Z)
• COG: Connecting New Skills to Past Experience with Offline Reinforcement Learning [78.13740204156858]
  我々は、動的プログラミングによって新しいスキルを拡張するために、事前データを再利用できることを示します。 我々は、新しいタスクを解決するために、以前のデータセットに見られるいくつかの動作をチェーンすることで、アプローチの有効性を実証する。 我々は、高次元画像観察を低レベルのロボット制御コマンドにマッピングし、エンドツーエンドでポリシーを訓練する。
  論文  参考訳（メタデータ） (2020-10-27T17:57:29Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)
• iTAML: An Incremental Task-Agnostic Meta-learning Approach [123.10294801296926]
  人間は経験が成長するにつれて、新しい知識を継続的に学ぶことができる。 ディープニューラルネットワークにおける以前の学習は、新しいタスクでトレーニングされたときにすぐに消えてしまう可能性がある。 遭遇した全てのタスク間の平衡を維持するために,新しいメタラーニング手法を導入する。
  論文  参考訳（メタデータ） (2020-03-25T21:42:48Z)

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。