論文の概要: From Horizontal Layering to Vertical Integration: A Comparative Study of the AI-Driven Software Development Paradigm

• arxiv url: http://arxiv.org/abs/2601.22667v1
• Date: Fri, 30 Jan 2026 07:38:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.301083
• Title: From Horizontal Layering to Vertical Integration: A Comparative Study of the AI-Driven Software Development Paradigm
• Title（参考訳）: 水平層から垂直統合へ:AI駆動ソフトウェア開発パラダイムの比較研究
• Authors: Chi Zhang, Zehan Li, Ziqian Zhong, Haibing Ma, Dan Xiao, Chen Lin, Ming Dong,
• Abstract要約: 本稿では,ソフトウェア工学におけるジェネレーティブAI導入の組織的意義について,複数ケース比較研究を通じて検討する。 水平層から垂直層への遷移は資源消費を8倍から33倍に削減する。 我々は,上級技術者のアイドル認知帯域の再活性化など,組織再設計のための管理戦略で締めくくった。
• 参考スコア（独自算出の注目度）: 11.70675405835839
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper examines the organizational implications of Generative AI adoption in software engineering through a multiple-case comparative study. We contrast two development environments: a traditional enterprise (brownfield) and an AI-native startup (greenfield). Our analysis reveals that transitioning from Horizontal Layering (functional specialization) to Vertical Integration (end-to-end ownership) yields 8-fold to 33-fold reductions in resource consumption. We attribute these gains to the emergence of Super Employees, AI-augmented engineers who span traditional role boundaries, and the elimination of inter-functional coordination overhead. Theoretically, we propose Human-AI Collaboration Efficacy as the primary optimization target for engineering organizations, supplanting individual productivity metrics. Our Total Factor Productivity analysis identifies an AI Distortion Effect that diminishes returns to labor scale while amplifying technological leverage. We conclude with managerial strategies for organizational redesign, including the reactivation of idle cognitive bandwidth in senior engineers and the suppression of blind scale expansion.
• Abstract（参考訳）: 本稿では,ソフトウェア工学におけるジェネレーティブAI導入の組織的意義について,複数ケース比較研究を通じて検討する。 従来の企業(ブラウンフィールド)とAIネイティブスタートアップ(グリーンフィールド)の2つの開発環境とは対照的です。 分析の結果,水平層(機能的特殊化)から垂直統合(エンド・ツー・エンド・オーナーシップ)への移行は資源消費の8倍から33倍の削減をもたらすことがわかった。 これらの成果は、スーパー従業員の出現、従来の役割境界を越えたAI拡張エンジニア、機能間の調整オーバーヘッドの排除によるものです。 理論的には、個々の生産性指標の代わりに、エンジニアリング組織の主要な最適化対象として、人間-AIコラボレーション効率を提案する。 我々のトータルファクター生産性分析は、技術的レバレッジを増幅しながら労働規模への回帰を減少させるAI歪み効果を特定します。 我々は,高齢者におけるアイドル認知帯域の再活性化や,ブラインドスケール拡大の抑制など,組織再編成のための管理戦略をまとめる。

関連論文リスト

• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• DeepThinkVLA: Enhancing Reasoning Capability of Vision-Language-Action Models [51.76664843721462]
  DeepThinkVLAはVision-Language-Actionモデルのための新しいアーキテクチャである。 因果的注意を伴うシーケンシャルCoTを生成し、双方向の注意に切り替え、アクションベクトルを高速に復号する。 LIBEROベンチマークで97.0%の成功率を達成した。
  論文  参考訳（メタデータ） (2025-10-31T05:26:16Z)
• Optimizing Fairness in Production Planning: A Human-Centric Approach to Machine and Workforce Allocation [55.71151342699622]
  提案システムは,自動車業界のドメインエキスパートによる16のテストセッションを通じて検証される。 その結果,CPをベースとしたスケジューリング手法は,信頼性の低いコンパクトで実現可能な生産計画を生成することが示唆された。
  論文  参考訳（メタデータ） (2025-10-01T16:41:18Z)
• The Architecture of AI Transformation: Four Strategic Patterns and an Emerging Frontier [0.0]
  95%の企業が、AIデプロイメントによる測定可能な利益の影響を報告していない。 本稿では,AI戦略を2つの独立した次元に沿って再認識する2x2フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-02T21:57:58Z)
• Shifting AI Efficiency From Model-Centric to Data-Centric Compression [67.45087283924732]
  AI研究の焦点は、モデル中心の圧縮からデータ中心の圧縮へとシフトしている、と私たちは主張する。 データ中心圧縮は、モデルトレーニングや推論中に処理されたデータのボリュームを直接圧縮することで、AI効率を向上させる。 我々の研究は、AIの効率性に関する新たな視点を提供し、既存の取り組みを合成し、コンテキスト長の増大によって引き起こされる課題に対処するためにイノベーションを触媒することを目的としています。
  論文  参考訳（メタデータ） (2025-05-25T13:51:17Z)
• Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
  AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。 このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。 本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
  論文  参考訳（メタデータ） (2025-02-17T03:05:20Z)
• Artificial Intelligence and Dual Contract [2.1756081703276]
  独立したQ-ラーニングアルゴリズムを備えた2つのプリンシパルが1つのエージェントと対話するモデルを開発する。 その結果、AIプリンシパルの戦略的行動は、利益の整合性に決定的に左右されることがわかった。
  論文  参考訳（メタデータ） (2023-03-22T07:31:44Z)

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。