論文の概要: When Your Boss Is an AI Bot: Exploring Opportunities and Risks of Manager Clone Agents in the Future Workplace
- arxiv url: http://arxiv.org/abs/2509.10993v1
- Date: Sat, 13 Sep 2025 22:11:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:22.868363
- Title: When Your Boss Is an AI Bot: Exploring Opportunities and Risks of Manager Clone Agents in the Future Workplace
- Title（参考訳）: ボスがAIボットになったとき:未来の職場でマネージャクローンエージェントの機会とリスクを探る
- Authors: Qing, Hu, Qing Xiao, Hancheng Cao, Hong Shen,
- Abstract要約: Manager Clone Agentsは、管理タスクを代行するAI駆動のデジタルサロゲートである。
我々は6つのデザイン・フィクション・ワークショップをマネージャと労働者で開催し、参加者は投機的シナリオを共同制作した。
管理者クローンエージェントの参加者が想定する役割として,プロキシ存在,インフォメーションコンベアベルト,生産性エンジン,リーダシップアンプの4つを挙げる。
- 参考スコア（独自算出の注目度）: 12.234045653798013
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As Generative AI (GenAI) becomes increasingly embedded in the workplace, managers are beginning to create Manager Clone Agents - AI-powered digital surrogates that are trained on their work communications and decision patterns to perform managerial tasks on their behalf. To investigate this emerging phenomenon, we conducted six design fiction workshops (n = 23) with managers and workers, in which participants co-created speculative scenarios and discussed how Manager Clone Agents might transform collaborative work. We identified four potential roles that participants envisioned for Manager Clone Agents: proxy presence, informational conveyor belt, productivity engine, and leadership amplifier, while highlighting concerns spanning individual, interpersonal, and organizational levels. We provide design recommendations envisioned by both parties for integrating Manager Clone Agents responsibly into the future workplace, emphasizing the need to prioritize workers' perspectives, strengthen interpersonal bonds, and enable flexible clone configuration.
- Abstract（参考訳）: Generative AI(GenAI)が職場にますます浸透するにつれて、マネージャは、仕事のコミュニケーションと意思決定パターンに基づいてトレーニングされたAI駆動のデジタル代理店であるMan Manager Clone Agentsを作り始めている。
この現象を解明するために、私たちはマネージャと労働者と6つのデザインフィクションワークショップ(n = 23)を行い、そこで参加者は投機的シナリオを共同作成し、マネージャクローンエージェントが協調作業をどのように変革するかについて議論した。
そこで我々は,マネージャクローンエージェントが想定する役割として,代理存在,情報コンベアベルト,生産性エンジン,リーダーシップアンプの4つを特定し,個人,対人,組織レベルにまたがる懸念を強調した。
我々は,マネージャクローンエージェントを将来的な職場に統合し,労働者の視点を優先し,対人関係を強化し,柔軟なクローン構成を実現するため,双方が想定するデザインレコメンデーションを提供する。
関連論文リスト
- Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge [170.47383225329915]
スケーラブルで効率的で協調的なソリューションを実現するためには、マルチエージェントシステムフレームワークが不可欠になっています。
このシフトには,エージェント能力の向上,タスクデリゲートによるシステム効率の向上,高度なヒューマンエージェントインタラクションの実現という,3つの主要な要因がある。
本研究では,NurIPS 2025 Workshop on SpaVLEで開催されているマルチエージェントロボットシステム(MARS)チャレンジを提案する。
論文 参考訳（メタデータ） (2026-01-26T17:56:19Z) - Orchestrating Human-AI Teams: The Manager Agent as a Unifying Research Challenge [9.36518257854918]
本稿では,動的な人間-AIチーム内での協調を組織する自律型エージェントシステムの研究ビジョンについて述べる。
複雑な目標をタスクグラフに分解し、タスクを人間やAI労働者に割り当て、進捗を監視し、透過的なステークホルダーコミュニケーションを維持するエージェントである。
マルチエージェントワークフローオーケストレーションのためのオープンソースのシミュレーションおよび評価フレームワークであるMA-Gymをリリースする。
論文 参考訳（メタデータ） (2025-10-02T20:51:39Z) - Learning to Lead Themselves: Agentic AI in MAS using MARL [0.0]
本稿では,エージェント人工知能,エージェントが独立して,適応的かつ積極的に行動することで,マルチエージェントシステムにおけるタスク割り当てとコーディネーションを改善する方法について検討する。
協調型マルチエージェント強化学習環境における問題を定式化し、PyTorchにおけるIPPOと呼ばれる軽量なマルチエージェントプロキシポリシー最適化を実装した。
実験はPettingZoo環境で行われ、複数の均質なドローンやエージェントが、明示的なコミュニケーションなしに異なるターゲットをカバーするために自己組織化されなければならない。
論文 参考訳（メタデータ） (2025-09-24T11:36:07Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - Levels of Autonomy for AI Agents [9.324309359500198]
エージェントの自律性のレベルは、その能力と運用環境とは別に、意図的な設計上の決定として扱うことができると論じる。
エージェントと対話する際の役割を特徴とし,エージェントの自律性を高める5つのレベルを定義した。
シングルエージェントおよびマルチエージェントシステムにおけるエージェントの動作を管理するために、AI自律性証明書に対する私たちのフレームワークの潜在的な応用を強調します。
論文 参考訳（メタデータ） (2025-06-14T12:14:36Z) - MorphAgent: Empowering Agents through Self-Evolving Profiles and Decentralized Collaboration [11.01813164951313]
本稿では,新しい自律型・自己組織化型・適応型多エージェントシステムであるMorphAgentを紹介する。
このアプローチでは,3つの主要な指標を通じて最適化された自己進化エージェントプロファイルを採用し,エージェントが個々の専門知識を磨き直す。
実験の結果,MorphAgentはタスク性能や要求の変化に対する適応性という点で,既存のフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2024-10-19T09:10:49Z) - Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。
G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
論文 参考訳（メタデータ） (2024-10-06T10:49:40Z) - AgentCF: Collaborative Learning with Autonomous Language Agents for
Recommender Systems [112.76941157194544]
本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。
我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。
全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
論文 参考訳（メタデータ） (2023-10-13T16:37:14Z) - Optimizing delegation between human and AI collaborative agents [1.6114012813668932]
私たちは、潜在的なパフォーマンス上の欠陥に関してデリゲート決定を行うために、デリゲートマネージャエージェントを訓練します。
我々のフレームワークは、エージェントをマッチングのダイナミクスに制限することなく、チームパフォーマンスの観察を通して学習する。
この結果から,環境の異なる表現の下で運用するエージェントチームによる委譲決定の実施をマネージャが学べることが判明した。
論文 参考訳（メタデータ） (2023-09-26T07:23:26Z) - 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) - LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent
Reinforcement Learning [122.47938710284784]
協調型MARLにおける動的サブタスク代入(LDSA)を学習するための新しいフレームワークを提案する。
エージェントを異なるサブタスクに合理的に割り当てるために,能力に基づくサブタスク選択戦略を提案する。
LDSAは、より優れたコラボレーションのために、合理的で効果的なサブタスクの割り当てを学習していることを示す。
論文 参考訳（メタデータ） (2022-05-05T10:46:16Z)
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。