論文の概要: The Iceberg Index: Measuring Workforce Exposure Across the AI Economy

• arxiv url: http://arxiv.org/abs/2510.25137v1
• Date: Wed, 29 Oct 2025 03:30:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.001937
• Title: The Iceberg Index: Measuring Workforce Exposure Across the AI Economy
• Title（参考訳）: Iceberg Index:AI経済全体でのワークフォースの露出を測定する
• Authors: Ayush Chopra, Santanu Bhattacharya, DeAndrea Salvador, Ayan Paul, Teddy Wright, Aditi Garg, Feroz Ahmad, Alice C. Schwarze, Ramesh Raskar, Prasanna Balaprakash,
• Abstract要約: Iceberg Indexは、AIが転職結果や採用スケジュールではなく、作業タスクを実行できる技術露出をキャプチャする。 このインデックスは、AIが転職結果や採用スケジュールではなく、職業的タスクを実行できる技術露出をキャプチャする。
• 参考スコア（独自算出の注目度）: 14.006405783858703
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial Intelligence is reshaping America's \$9.4 trillion labor market, with cascading effects that extend far beyond visible technology sectors. When AI transforms quality control tasks in automotive plants, consequences spread through logistics networks, supply chains, and local service economies. Yet traditional workforce metrics cannot capture these ripple effects: they measure employment outcomes after disruption occurs, not where AI capabilities overlap with human skills before adoption crystallizes. Project Iceberg addresses this gap using Large Population Models to simulate the human-AI labor market, representing 151 million workers as autonomous agents executing over 32,000 skills and interacting with thousands of AI tools. It introduces the Iceberg Index, a skills-centered metric that measures the wage value of skills AI systems can perform within each occupation. The Index captures technical exposure, where AI can perform occupational tasks, not displacement outcomes or adoption timelines. Analysis shows that visible AI adoption concentrated in computing and technology (2.2% of wage value, approx \$211 billion) represents only the tip of the iceberg. Technical capability extends far below the surface through cognitive automation spanning administrative, financial, and professional services (11.7%, approx \$1.2 trillion). This exposure is fivefold larger and geographically distributed across all states rather than confined to coastal hubs. Traditional indicators such as GDP, income, and unemployment explain less than 5% of this skills-based variation, underscoring why new indices are needed to capture exposure in the AI economy. By simulating how these capabilities may spread under scenarios, Iceberg enables policymakers and business leaders to identify exposure hotspots, prioritize investments, and test interventions before committing billions to implementation
• Abstract（参考訳）: 人工知能(AI)は米国の労働市場を9兆4兆ドルに改定し、カスケード効果は目に見えるテクノロジーセクターをはるかに超えている。 AIが自動車工場の品質管理タスクを変えると、ロジスティクスネットワークやサプライチェーン、ローカルサービスエコノミーを通じて結果が広まる。 しかし、従来の労働力のメトリクスは、これらの波及効果を捉えられない。AI能力が採用が結晶化する前に人間のスキルと重複する場所では、破壊が発生した後の雇用結果を測定する。 Project Icebergはこのギャップに、Large Population Modelsを使って人間とAIの労働市場をシミュレートし、1億5100万人の労働者を3万2000以上のスキルを実行し、何千ものAIツールと対話する自律的なエージェントとして表現している。 スキル中心の指標であるIceberg Indexを導入し、AIシステムがそれぞれの職業内で実行可能なスキルの賃金価値を測定する。 このインデックスは、AIが転職結果や採用スケジュールではなく、職業的タスクを実行できる技術露出をキャプチャする。 分析によると、AIの採用はコンピューティングとテクノロジーに集中しており(賃金価値の2.2%、約211億ドル)、氷山の一角に過ぎない。 技術的能力は、行政、財務、専門的なサービスにまたがる認知自動化(11.7%、近似は1.2兆ドル)によって、表面よりはるかに下方まで伸びている。 この露光は5倍大きく、海岸のハブに限られるのではなく、すべての州に地理的に分布している。 GDP、所得、失業などの伝統的な指標は、このスキルベースのバリエーションの5%未満を説明し、AI経済の露出を捉えるために新しい指標が必要な理由を説明している。 これらの機能をシナリオ下でどのように展開するかをシミュレートすることで、Icebergは政策立案者やビジネスリーダーが、数十億ドルを投じる前に、露光ホットスポットを特定し、投資を優先順位付けし、介入をテストすることを可能にする。

関連論文リスト

• LIMI: Less is More for Agency [49.63355240818081]
  LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。 高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。 マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
  論文  参考訳（メタデータ） (2025-09-22T10:59:32Z)
• Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce [45.348336032930845]
  作業員がAIエージェントの自動化や強化を望んでいるかを評価するための新しい枠組みを導入する。 我々のフレームワークは、ニュアンスな労働者の欲求を捉えるために、オーディオ強化されたミニインタービューを備えている。 我々はWORKBankデータベースを構築し、1500のドメインワーカーの好みとAI専門家の能力評価を収集する。
  論文  参考訳（メタデータ） (2025-06-06T23:05:52Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• Follow the money: a startup-based measure of AI exposure across occupations, industries and regions [0.0]
  既存のAIの職業曝露対策は、技術的実現可能性に基づいて人間の労働を代用または補うAIの理論的可能性に焦点を当てている。 我々は,O*NETとスタートアップが開発したAIアプリケーションからの職業的記述に基づく,新たな指標であるAISE(AI Startup Exposure)指標を紹介する。 我々の発見は、AIの採用は、AIアプリケーションの技術的実現可能性と同様に、社会的要因によって徐々に形成されていくことを示唆している。
  論文  参考訳（メタデータ） (2024-12-06T10:25:05Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
  米国の雇用の3分の1はAIに強く依存しており、主に大学院または大学院の教育を必要とする高度な職業で行われている。 高度な職業であっても、AIはタスク置換において高い多様性を示し、AIと人間は同じ職業の中で相互に補完することを示唆している。 すべての結果、モデル、コードはオンラインで公開されており、コミュニティが結果を再現し、結果を比較し、私たちの仕事をベンチマークとして使用して、時間とともにAIの進捗を監視します。
  論文  参考訳（メタデータ） (2024-07-27T08:14:18Z)
• AI exposure predicts unemployment risk [1.5101132008238312]
  AI暴露のどのモデルが仕事の分離や失業リスクを予測するかを評価する。 個々のAI露出モデルは失業率、失業リスク、仕事分離率の予測にはならない。 我々の結果はまた、AI暴露を評価するための動的、文脈認識、検証された方法も求めている。
  論文  参考訳（メタデータ） (2023-08-04T15:21:07Z)

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。