論文の概要: AutoMeet: a proof-of-concept study of genAI to automate meetings in automotive engineering
- arxiv url: http://arxiv.org/abs/2507.16054v1
- Date: Mon, 21 Jul 2025 20:44:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-23 21:34:13.886334
- Title: AutoMeet: a proof-of-concept study of genAI to automate meetings in automotive engineering
- Title（参考訳）: AutoMeet: 自動車工学における会議を自動化するgenAIのコンセプト実証
- Authors: Simon Baeuerle, Max Radyschevski, Ulrike Pado,
- Abstract要約: LLM(Large Language Models)のようなジェネレーティブ人工知能(genAI)モデルは、音声および書込み言語処理において印象的なパフォーマンスを示す。
これは、工学部における知識管理にgenAIの実践的利用を動機付けている。
ミーティングのドキュメントワークフロー全体を自動化するために、エンドツーエンドのパイプラインを実装しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In large organisations, knowledge is mainly shared in meetings, which takes up significant amounts of work time. Additionally, frequent in-person meetings produce inconsistent documentation -- official minutes, personal notes, presentations may or may not exist. Shared information therefore becomes hard to retrieve outside of the meeting, necessitating lengthy updates and high-frequency meeting schedules. Generative Artificial Intelligence (genAI) models like Large Language Models (LLMs) exhibit an impressive performance on spoken and written language processing. This motivates a practical usage of genAI for knowledge management in engineering departments: using genAI for transcribing meetings and integrating heterogeneous additional information sources into an easily usable format for ad-hoc searches. We implement an end-to-end pipeline to automate the entire meeting documentation workflow in a proof-of-concept state: meetings are recorded and minutes are created by genAI. These are further made easily searchable through a chatbot interface. The core of our work is to test this genAI-based software tooling in a real-world engineering department and collect extensive survey data on both ethical and technical aspects. Direct feedback from this real-world setup points out both opportunities and risks: a) users agree that the effort for meetings could be significantly reduced with the help of genAI models, b) technical aspects are largely solved already, c) organizational aspects are crucial for a successful ethical usage of such a system.
- Abstract（参考訳）: 大きな組織では、知識は主にミーティングで共有され、かなりの時間を要する。
さらに、個人的なミーティングが頻繁に行われると、公式の議事録、個人的なメモ、プレゼンテーションなど、一貫性のない文書が生み出される。
したがって、共有された情報は、ミーティングの外での検索が困難になり、長い更新と高周波のミーティングスケジュールが必要になります。
LLM(Large Language Models)のようなジェネレーティブ人工知能(genAI)モデルは、音声および書込み言語処理において印象的なパフォーマンスを示す。
genAIを使って会議を翻訳し、異種の追加情報ソースをアドホック検索に簡単に使えるフォーマットに統合する。
私たちは、ミーティングのドキュメントワークフロー全体を概念実証状態で自動化するために、エンドツーエンドのパイプラインを実装しています。
さらにこれらはチャットボットインターフェースを通じて簡単に検索できる。
私たちの作業の中核は、このgenAIベースのソフトウェアツールを現実世界のエンジニアリング部門でテストし、倫理的側面と技術的側面の両方に関する広範な調査データを収集することです。
この現実世界からの直接的なフィードバックは、機会とリスクの両方を指摘している。
a) ユーザは、genAIモデルの助けを借りて、会議の労力を大幅に削減できることに同意する。
ロ 技術的側面が既にほとんど解決されていること。
c)そのような制度の倫理的利用を成功させるためには、組織的な側面が不可欠である。
関連論文リスト
- Asynchronous Tool Usage for Real-Time Agents [61.3041983544042]
並列処理とリアルタイムツール利用が可能な非同期AIエージェントを導入する。
私たちの重要な貢献は、エージェントの実行とプロンプトのためのイベント駆動有限状態マシンアーキテクチャです。
この研究は、流体とマルチタスクの相互作用が可能なAIエージェントを作成するための概念的なフレームワークと実践的なツールの両方を提示している。
論文 参考訳（メタデータ） (2024-10-28T23:57:19Z) - Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。
最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。
従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
論文 参考訳（メタデータ） (2024-10-06T01:03:42Z) - CI-Bench: Benchmarking Contextual Integrity of AI Assistants on Synthetic Data [7.357348564300953]
CI-Benchは、モデル推論中に個人情報を保護するAIアシスタントの能力を評価するための包括的なベンチマークである。
対話やメールを含む自然なコミュニケーションを生成するための,新しい,スケーラブルなマルチステップデータパイプラインを提案する。
我々は、AIアシスタントを定式化し、評価し、パーソナルアシスタントタスクに向けたさらなる研究と注意深いトレーニングの必要性を実証する。
論文 参考訳（メタデータ） (2024-09-20T21:14:36Z) - Exploring Human-AI Collaboration in Agile: Customised LLM Meeting Assistants [0.0]
Action Research Researchは、2つのアジャイルソフトウェア開発ミーティングにおける"AIアシスタント"の統合に焦点を当てている。
成功の鍵となる要因について議論し、AIの使用とチームコラボレーションのダイナミクスのリンクを確立する。
論文 参考訳（メタデータ） (2024-04-23T09:55:25Z) - Automated User Story Generation with Test Case Specification Using Large Language Model [0.0]
要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。
アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
論文 参考訳（メタデータ） (2024-04-02T01:45:57Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳（メタデータ） (2024-02-07T01:45:14Z) - Minuteman: Machine and Human Joining Forces in Meeting Summarization [2.900810893770134]
本稿では,効率的なセミオートマチックミーティングを実現するための新しいツールを提案する。
このツールは、ユーザーが共同で編集できるライブの書き起こしとライブミーティングの要約を提供する。
結果として得られたアプリケーションは、メモ係の認知的負荷を緩和し、ミーティングの一部が欠席したり、焦点が合わなかったりして、簡単に追いつくことができる。
論文 参考訳（メタデータ） (2023-09-11T07:10:47Z) - AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。
本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。
このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
論文 参考訳（メタデータ） (2023-05-04T02:09:43Z) - 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) - MONAI Label: A framework for AI-assisted Interactive Labeling of 3D
Medical Images [49.664220687980006]
注釈付きデータセットの欠如は、タスク固有の教師付き機械学習モデルをトレーニングする上で、大きなボトルネックとなる。
本稿では,人工知能(AI)モデルに基づくアプリケーション開発を支援する,フリーかつオープンソースなフレームワークであるmonAI Labelを紹介する。
論文 参考訳（メタデータ） (2022-03-23T12:33:11Z) - A curated, ontology-based, large-scale knowledge graph of artificial
intelligence tasks and benchmarks [4.04540578484476]
インテリジェンスタスクオントロジーと知識グラフ(ITO)は、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する包括的なリソースである。
ITOは、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する、豊富な構造化と手作業によるリソースである。
ITOの目標は、AIタスクと能力のグローバルな状況に関する、正確でネットワークベースの分析を可能にすることだ。
論文 参考訳（メタデータ） (2021-10-04T13:25:53Z) - Knowledge Distillation for Improved Accuracy in Spoken Question
Answering [63.72278693825945]
我々は,音声文書や書面文書から知識蒸留を行うための訓練戦略を考案した。
我々の研究は、言語モデルから知識の抽出を監督信号として進めている。
実験により,本手法はSpken-SQuADデータセット上で,最先端の言語モデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-21T15:18:01Z)
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。