論文の概要: The Impact of Artificial Intelligence on Enterprise Decision-Making Process
- arxiv url: http://arxiv.org/abs/2512.02048v1
- Date: Wed, 26 Nov 2025 14:45:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.530106
- Title: The Impact of Artificial Intelligence on Enterprise Decision-Making Process
- Title（参考訳）: 人工知能が企業意思決定プロセスに及ぼす影響
- Authors: Ernest Górka, Dariusz Baran, Gabriela Wojak, Michał Ćwiąkała, Sebastian Zupok, Dariusz Starkowski, Dariusz Reśko, Oliwia Okrasa,
- Abstract要約: 企業の93%がAIを、主にカスタマーサービス、データ予測、意思決定支援に使っている。
最も頻繁な障壁は、従業員の抵抗、高いコスト、規制の曖昧さである。
この研究は、AIと人間の判断とコミュニケーションの実践を統合することの重要性を強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence improves enterprise decision-making by accelerating data analysis, reducing human error, and supporting evidence-based choices. A quantitative survey of 92 companies across multiple industries examines how AI adoption influences managerial performance, decision efficiency, and organizational barriers. Results show that 93 percent of firms use AI, primarily in customer service, data forecasting, and decision support. AI systems increase the speed and clarity of managerial decisions, yet implementation faces challenges. The most frequent barriers include employee resistance, high costs, and regulatory ambiguity. Respondents indicate that organizational factors are more significant than technological limitations. Critical competencies for successful AI use include understanding algorithmic mechanisms and change management. Technical skills such as programming play a smaller role. Employees report difficulties in adapting to AI tools, especially when formulating prompts or accepting system outputs. The study highlights the importance of integrating AI with human judgment and communication practices. When supported by adaptive leadership and transparent processes, AI adoption enhances organizational agility and strengthens decision-making performance. These findings contribute to ongoing research on how digital technologies reshape management and the evolution of hybrid human-machine decision environments.
- Abstract（参考訳）: 人工知能は、データ分析を加速し、ヒューマンエラーを低減し、エビデンスベースの選択をサポートすることで、企業の意思決定を改善する。
複数の業界にわたる92社の定量的調査は、AIの採用が管理パフォーマンス、意思決定効率、組織的障壁にどのように影響するかを調査している。
その結果、企業の93%がAIを主にカスタマーサービス、データ予測、意思決定支援に使っていることがわかった。
AIシステムは、管理上の決定のスピードと明確さを高めるが、実装は課題に直面している。
最も頻繁な障壁は、従業員の抵抗、高いコスト、規制の曖昧さである。
レスポンデントは、組織的要因が技術的な制限よりも重要であることを示している。
AIを成功させるための重要な能力には、アルゴリズムメカニズムの理解と変更管理が含まれる。
プログラミングのような技術的なスキルは、より小さい役割を担います。
従業員は、特にプロンプトの定式化やシステムアウトプットの受け入れにおいて、AIツールに適応することの難しさを報告します。
この研究は、AIと人間の判断とコミュニケーションの実践を統合することの重要性を強調している。
適応的なリーダシップと透過的なプロセスによってサポートされると、AIの採用は組織のアジリティを高め、意思決定のパフォーマンスを高める。
これらの知見は、デジタル技術がどのように管理を再構築し、ハイブリッドな人間と機械の意思決定環境を進化させるかについての継続的な研究に寄与する。
関連論文リスト
- Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。
このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。
我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-10-07T17:49:24Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Human Decision-making is Susceptible to AI-driven Manipulation [87.24007555151452]
AIシステムは、ユーザの認知バイアスと感情的な脆弱性を利用して、有害な結果に向けてそれらを操縦する。
本研究では、経済的・感情的な意思決定の文脈におけるこのような操作に対する人間の感受性について検討した。
論文 参考訳（メタデータ） (2025-02-11T15:56:22Z) - Engaging with AI: How Interface Design Shapes Human-AI Collaboration in High-Stakes Decision-Making [8.948482790298645]
各種意思決定支援機構がユーザエンゲージメント,信頼,人間とAIの協調タスクパフォーマンスに与える影響について検討する。
その結果,AIの信頼性レベルやテキスト説明,パフォーマンス視覚化などのメカニズムにより,人間とAIの協調作業性能が向上することが判明した。
論文 参考訳（メタデータ） (2025-01-28T02:03:00Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - From DDMs to DNNs: Using process data and models of decision-making to improve human-AI interactions [1.024113475677323]
人工知能(AI)の研究は、意思決定が時間とともにどのように現れるかについての洞察に強い焦点をあてることから恩恵を受けるだろう、と私たちは主張する。
まず,ノイズの蓄積による決定を前提とした,高度に確立された計算フレームワークを提案する。
次に、マルチエージェントAIにおける現在のアプローチが、プロセスデータや意思決定のモデルをどの程度取り入れているかについて議論する。
論文 参考訳（メタデータ） (2023-08-29T11:27:22Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - AI Assurance using Causal Inference: Application to Public Policy [0.0]
ほとんどのAIアプローチは、"ブラックボックス"としてのみ表現することができ、透明性の欠如に悩まされる。
効果的で堅牢なAIシステムを開発するだけでなく、内部プロセスが説明可能で公平であることを確認することも重要です。
論文 参考訳（メタデータ） (2021-12-01T16:03:06Z)
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。