論文の概要: From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction

• arxiv url: http://arxiv.org/abs/2601.21920v1
• Date: Thu, 29 Jan 2026 16:13:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.976439
• Title: From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction
• Title（参考訳）: 働き方から働き方へ:人間とAIの区別のための無症状AIハームへの取り組み
• Authors: Upol Ehsan, Samir Passi, Koustuv Saha, Todd McNutt, Mark O. Riedl, Sara Alcorn,
• Abstract要約: 本稿では、AI-as-Amplifier Paradoxをナビゲートすることで、仕事の未来から労働者の未来へと焦点を移す。 がん専門医の職場におけるAIの経年的利用に関する1年間の研究を報告する。
• 参考スコア（独自算出の注目度）: 16.596741154139334
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the future of work discourse, AI is touted as the ultimate productivity amplifier. Yet, beneath the efficiency gains lie subtle erosions of human expertise and agency. This paper shifts focus from the future of work to the future of workers by navigating the AI-as-Amplifier Paradox: AI's dual role as enhancer and eroder, simultaneously strengthening performance while eroding underlying expertise. We present a year-long study on the longitudinal use of AI in a high-stakes workplace among cancer specialists. Initial operational gains hid ``intuition rust'': the gradual dulling of expert judgment. These asymptomatic effects evolved into chronic harms, such as skill atrophy and identity commoditization. Building on these findings, we offer a framework for dignified Human-AI interaction co-constructed with professional knowledge workers facing AI-induced skill erosion without traditional labor protections. The framework operationalizes sociotechnical immunity through dual-purpose mechanisms that serve institutional quality goals while building worker power to detect, contain, and recover from skill erosion, and preserve human identity. Evaluated across healthcare and software engineering, our work takes a foundational step toward dignified human-AI interaction futures by balancing productivity with the preservation of human expertise.
• Abstract（参考訳）: 未来の仕事の談話では、AIは究極の生産性増幅器として評価されている。 しかし、効率性の向上の下には、人間の専門知識やエージェンシーの微妙な浸食がある。 本稿では、AIのエンハンサーとエローダとしての二重の役割と、基礎となる専門知識を侵食しながらパフォーマンスを同時に強化する、AI-as-Amplifier Paradoxをナビゲートすることで、仕事の未来から労働者の未来へと焦点を移す。 がん専門医の職場におけるAIの経年的利用に関する1年間の研究を報告する。 最初の運用上の利得は、専門家の判断の段階的な振舞いである ``intuition rust'' を隠した。 これらの無症状効果は、スキル萎縮やアイデンティティ・コモディティ化のような慢性的な害へと発展していった。 これらの知見に基づいて,従来の労働保護を伴わないAIによるスキル侵食に直面した専門知識労働者と協調して構築された,人間-AIインタラクションの高機能化のための枠組みを提供する。 このフレームワークは、労働者の力を構築して、スキルの侵食を検出し、保持し、人間のアイデンティティを保護しながら、制度的な品質目標を提供する二重目的メカニズムを通じて、社会技術的免疫を運用する。 私たちの研究は、医療とソフトウェア工学で評価され、生産性と人間の専門知識の保存のバランスをとることによって、人間とAIの相互作用の未来を尊厳化するための基礎的な一歩を踏み出します。

関連論文リスト

• A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
  性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。 この枠組みは、実用的で道徳的に健全な人間とAIのコラボレーションの基礎を築いた。
  論文  参考訳（メタデータ） (2025-05-23T23:19:15Z)
• Reflection on Data Storytelling Tools in the Generative AI Era from the Human-AI Collaboration Perspective [54.152639172274]
  大規模生成AI技術は、ビジュアルおよびナレーション生成におけるそのパワーでデータストーリーテリングを強化する可能性がある。 我々は、最新のツールのコラボレーションパターンを、データストーリーテリングにおける人間とAIのコラボレーションを理解するための専用のフレームワークを使用して、以前のツールのパターンと比較する。 これらのAIテクニックのメリットと、人間とAIのコラボレーションへの影響も明らかにされている。
  論文  参考訳（メタデータ） (2025-03-04T13:56:18Z)
• The Model Mastery Lifecycle: A Framework for Designing Human-AI Interaction [0.0]
  ますます多くの分野におけるAIの利用は、長いプロセスの最新のイテレーションである。 異なる状況でAIをどのように使うべきかを決定する方法が緊急に必要である。
  論文  参考訳（メタデータ） (2024-08-23T01:00:32Z)
• 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)
• Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
  今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。 10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。 AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
  論文  参考訳（メタデータ） (2024-04-06T22:18:31Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• BO-Muse: A human expert and AI teaming framework for accelerated experimental design [58.61002520273518]
  我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。 我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:56:05Z)

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。