論文の概要: A Framework for the Adoption and Integration of Generative AI in Midsize Organizations and Enterprises (FAIGMOE)
- arxiv url: http://arxiv.org/abs/2510.19997v1
- Date: Wed, 22 Oct 2025 19:55:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:16.818044
- Title: A Framework for the Adoption and Integration of Generative AI in Midsize Organizations and Enterprises (FAIGMOE)
- Title（参考訳）: 中規模組織と企業におけるジェネレーティブAIの採用と統合のためのフレームワーク(FAIGMOE)
- Authors: Abraham Itzhak Weinberg,
- Abstract要約: Generative Artificial Intelligence(GenAI)は、組織に変革的な機会を提供するが、中規模組織と大企業の両方が、独自の採用課題に直面している。
TAM(Technology Acceptance Model)、TOE(Technology Organization Environment)、DOI(Diffusion of Innovations)理論など、既存の技術採用フレームワークには、さまざまな状況においてGenAIの実装に必要な特異性がない。
本稿では,両タイプのユニークなニーズに対処する概念的枠組みであるFAIGMOEを紹介する。
- 参考スコア（独自算出の注目度）: 0.2538209532048867
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Artificial Intelligence (GenAI) presents transformative opportunities for organizations, yet both midsize organizations and larger enterprises face distinctive adoption challenges. Midsize organizations encounter resource constraints and limited AI expertise, while enterprises struggle with organizational complexity and coordination challenges. Existing technology adoption frameworks, including TAM (Technology Acceptance Model), TOE (Technology Organization Environment), and DOI (Diffusion of Innovations) theory, lack the specificity required for GenAI implementation across these diverse contexts, creating a critical gap in adoption literature. This paper introduces FAIGMOE (Framework for the Adoption and Integration of Generative AI in Midsize Organizations and Enterprises), a conceptual framework addressing the unique needs of both organizational types. FAIGMOE synthesizes technology adoption theory, organizational change management, and innovation diffusion perspectives into four interconnected phases: Strategic Assessment, Planning and Use Case Development, Implementation and Integration, and Operationalization and Optimization. Each phase provides scalable guidance on readiness assessment, strategic alignment, risk governance, technical architecture, and change management adaptable to organizational scale and complexity. The framework incorporates GenAI specific considerations including prompt engineering, model orchestration, and hallucination management that distinguish it from generic technology adoption frameworks. As a perspective contribution, FAIGMOE provides the first comprehensive conceptual framework explicitly addressing GenAI adoption across midsize and enterprise organizations, offering actionable implementation protocols, assessment instruments, and governance templates requiring empirical validation through future research.
- Abstract（参考訳）: Generative Artificial Intelligence(GenAI)は、組織に変革的な機会を提供するが、中規模組織と大企業の両方が、独自の採用課題に直面している。
中規模の組織はリソースの制約やAIの専門知識の制限に直面する。
TAM(Technology Acceptance Model)、TOE(Technology Organization Environment)、DOI(Diffusion of Innovations)理論など、既存の技術採用フレームワークには、これらのさまざまな文脈でGenAIの実装に必要な特異性がないため、採用文献に重大なギャップが生じる。
本稿では,中規模組織と企業における生成AIの採用と統合のためのフレームワークであるFAIGMOEを紹介する。
FAIGMOEは、技術導入理論、組織変革管理、イノベーション拡散の観点を、戦略的評価、計画とユースケース開発、実装と統合、運用と最適化の4つの相互接続フェーズに合成する。
各フェーズは、準備性評価、戦略的整合性、リスクガバナンス、技術的アーキテクチャ、組織規模と複雑性に適応可能な変更管理に関するスケーラブルなガイダンスを提供する。
このフレームワークには、プロンプトエンジニアリング、モデルオーケストレーション、一般的な技術採用フレームワークと区別する幻覚管理など、GenAI固有の考慮事項が含まれている。
FAIGMOEは、中規模およびエンタープライズ組織にまたがるGenAI導入に明示的に対処する最初の包括的な包括的フレームワークを提供し、将来の研究を通じて実証的な検証を必要とする実行可能な実装プロトコル、アセスメント手段、ガバナンステンプレートを提供する。
関連論文リスト
- A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - A Maslow-Inspired Hierarchy of Engagement with AI Model [0.0]
本稿では、Maslowの要求階層にインスパイアされた新しい成熟度フレームワークである、AIモデルによるエンゲージメントの階層について紹介する。
このモデルは、最初の露出と基本的な理解から始まり、エコシステムのコラボレーションと社会的影響の頂点まで、AIの採用を8段階の進歩として概念化している。
論文 参考訳（メタデータ） (2025-09-07T21:54:21Z) - From Firms to Computation: AI Governance and the Evolution of Institutions [0.0]
本稿は,多段階選択理論,Aoki の計算プロセスとしての企業観,Ostrom の設計原理の3つの枠組みを合成する。
我々は,AI関連のリスクに対処するアライメントメカニズムとして,選択を組織レベルで同時に運用するフレームワークを開発し,ゲーム理論アーキテクチャによる分散推論を実装し,オストロムスタイルのルールは進化する。
私たちは、組織層をまたいだ人間とAIの整合性を運用し、スケーラブルで適応的で包括的なAIシステムのガバナンスを可能にする一連の設計原則を提案して、結論付けました。
論文 参考訳（メタデータ） (2025-07-18T02:52:58Z) - Organizational Adaptation to Generative AI in Cybersecurity: A Systematic Review [0.0]
本研究は、サイバーセキュリティ組織が脅威モデリングフレームワークと運用プロセスをどのように適応させ、生成的人工知能統合に対処するかを検討するために、体系的な文書分析と比較ケーススタディ手法を用いている。
この研究は、セキュリティアプリケーションのための大規模言語モデル統合、リスク検出と応答自動化のためのGenAIフレームワーク、脅威ハンティングのためのAI/ML統合の3つの主要な適応パターンを特定している。
成熟したセキュリティインフラストラクチャを持つ組織、特に金融と重要なインフラストラクチャ部門は、構造化ガバナンスアプローチ、専用のAIチーム、堅牢なインシデント対応プロセスを通じて、より高い準備性を示す。
論文 参考訳（メタデータ） (2025-05-31T18:16:11Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - KERAIA: An Adaptive and Explainable Framework for Dynamic Knowledge Representation and Reasoning [46.85451489222176]
KERAIAはシンボリックナレッジエンジニアリングのための新しいフレームワークとソフトウェアプラットフォームである。
動的で複雑でコンテキストに敏感な環境で知識を表現、推論、実行するという永続的な課題に対処する。
論文 参考訳（メタデータ） (2025-05-07T10:56:05Z) - TOAST Framework: A Multidimensional Approach to Ethical and Sustainable AI Integration in Organizations [0.38073142980732994]
本稿では,TOAST(Trustworthy,Optimized,Adaptable,Socio-Technologically harmonious)フレームワークを紹介する。
信頼性、説明責任、技術的進歩、適応性、社会技術的調和に焦点を当てている。
医療ケーススタディにおけるTOASTフレームワークの基盤として,本論文は,その実用性と理論的健全性について,頑健な評価を提供する。
論文 参考訳（メタデータ） (2025-01-07T05:13:39Z) - Transforming the Hybrid Cloud for Emerging AI Workloads [82.21522417363666]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳（メタデータ） (2021-01-27T16:20:23Z)
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。