論文の概要: From Fragmentation to Integration: Exploring the Design Space of AI Agents for Human-as-the-Unit Privacy Management
- arxiv url: http://arxiv.org/abs/2602.05016v2
- Date: Wed, 11 Feb 2026 03:36:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-12 15:03:19.917353
- Title: From Fragmentation to Integration: Exploring the Design Space of AI Agents for Human-as-the-Unit Privacy Management
- Title（参考訳）: フラグメンテーションから統合へ - ヒューマン・アズ・ザ・ユニットのプライバシ管理のためのAIエージェントの設計空間を探る
- Authors: Eryue Xu, Tianshi Li,
- Abstract要約: ユーザのクロスコンテキストなプライバシ課題を,12の半構造化インタビューを通じて調査する。
その結果、人々はアドホックな手動戦略を頼りにしながら、包括的なプライバシー管理を欠いていることが明らかになった。
ソリューションを探索するため、9つのAIエージェントの概念を生成し、116人の米国参加者による速度測定調査を通じて評価した。
- 参考スコア（独自算出の注目度）: 3.23081177224515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Managing one's digital footprint is overwhelming, as it spans multiple platforms and involves countless context-dependent decisions. Recent advances in agentic AI offer ways forward by enabling holistic, contextual privacy-enhancing solutions. Building on this potential, we adopted a ''human-as-the-unit'' perspective and investigated users' cross-context privacy challenges through 12 semi-structured interviews. Results reveal that people rely on ad hoc manual strategies while lacking comprehensive privacy controls, highlighting nine privacy-management challenges across applications, temporal contexts, and relationships. To explore solutions, we generated nine AI agent concepts and evaluated them via a speed-dating survey with 116 US participants. The three highest-ranked concepts were all post-sharing management tools with half or full agent autonomy, with users expressing greater trust in AI accuracy than in their own efforts. Our findings highlight a promising design space where users see AI agents bridging the fragments in privacy management, particularly through automated, comprehensive post-sharing remediation of users' digital footprints.
- Abstract（参考訳）: デジタルフットプリントの管理は、複数のプラットフォームにまたがり、無数のコンテキスト依存の意思決定を伴うため、圧倒的に多い。
エージェントAIの最近の進歩は、全体論的、文脈的プライバシ強化ソリューションを可能にすることによって、先進的な手段を提供する。
この可能性に基づいて、我々は「人間としてのユニット」の視点を採用し、12の半構造化インタビューを通して、ユーザのコンテキスト間プライバシー問題を調査した。
その結果、人々はアドホックな手動戦略に頼りながら、包括的なプライバシーコントロールを欠いていることが明らかとなり、アプリケーション、時間的コンテキスト、関係性の9つのプライバシー管理課題が浮き彫りになった。
ソリューションを探索するため、9つのAIエージェントの概念を生成し、116人の米国参加者による速度測定調査を通じて評価した。
最高位の3つのコンセプトは、すべてポストシェアリング管理ツールで、半分またはフルエージェントの自律性を持ち、ユーザは自身の努力よりもAIの正確性への信頼を表明している。
私たちの発見は、AIエージェントが特にユーザのデジタルフットプリントの自動化された総合的な修復を通じて、プライバシ管理の断片をブリッジする、有望なデザイン空間を浮き彫りにしたものです。
関連論文リスト
- What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - Embracing Trustworthy Brain-Agent Collaboration as Paradigm Extension for Intelligent Assistive Technologies [51.93721053301417]
本稿では,脳-コンピュータ・インタフェースから脳-エージェント・コラボレーションへのパラダイム拡張を視野に入れている。
我々は、受動的脳信号データプロセッサではなく、知的支援のためのアクティブで協調的なパートナーとして、リフレーミングエージェントを強調している。
論文 参考訳（メタデータ） (2025-10-25T00:25:45Z) - Not My Agent, Not My Boundary? Elicitation of Personal Privacy Boundaries in AI-Delegated Information Sharing [4.689683234869851]
差別的タスクを通じて個人のプライバシー境界を調査する,AIによるエレケーションアプローチを提案する。
本研究は,実世界のデータフローにおいて,プライバシ・プライバシ・プライバシ・プライオリティ・エコリケーション(プライバシ・プライバシ・プライバシ・プライバシ・プライバシ・プライバシ・エカシエーション)を満足させることの重要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-09-26T00:20:30Z) - AI For Privacy in Smart Homes: Exploring How Leveraging AI-Powered Smart Devices Enhances Privacy Protection [7.958362435793087]
この研究は、AIを利用したツールがユーザーに対して明確でパーソナライズされ、コンテキストに応じたサポートを通じて、革新的なプライバシ保護を提供する方法について検討する。
我々の発見は、AI駆動のプライバシソリューションに対するユーザの願望を明らかにすることによって、この分野に寄与する。
論文 参考訳（メタデータ） (2025-09-17T14:53:58Z) - "Before, I Asked My Mom, Now I Ask ChatGPT": Visual Privacy Management with Generative AI for Blind and Low-Vision People [22.414052622770132]
本研究は,視力・視力の低い個人に対する現在の実践と今後の設計の嗜好について,インタビュースタディを通じて検討する。
我々の発見は、プライバシ、効率、感情的なエージェンシーのバランスをとるGenAIの現在の実践の幅を明らかにします。
我々は、GenAIを通じてユーザ中心の視覚的プライバシをサポートするための実用的なデザインレコメンデーションで締めくくります。
論文 参考訳（メタデータ） (2025-06-30T21:55:21Z) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - AgentDAM: Privacy Leakage Evaluation for Autonomous Web Agents [66.29263282311258]
我々は、AIウェブナビゲーションエージェントがデータ最小化のプライバシー原則に従うかどうかを測定する新しいベンチマークAgentDAMを紹介する。
我々のベンチマークは、現実的なWebインタラクションシナリオをエンドツーエンドでシミュレートし、既存のWebナビゲーションエージェントに適応する。
論文 参考訳（メタデータ） (2025-03-12T19:30:31Z) - Empowering Users in Digital Privacy Management through Interactive LLM-Based Agents [13.064730964328264]
本稿では,対話型対話エージェントによるユーザプライバシポリシの理解を高めるために,大規模言語モデル(LLM)の新たな応用を提案する。
LLMは、データプラクティス識別、選択識別、ポリシー要約、プライバシ質問回答といったタスクにおいて、従来のモデルよりも大幅に優れています。
我々は,Webサイトプライバシポリシを処理するエキスパートシステムとして機能し,複雑な法的言語を通じてユーザを誘導する,革新的なLCMベースのエージェントを紹介した。
論文 参考訳（メタデータ） (2024-10-15T02:16:59Z) - AI Delegates with a Dual Focus: Ensuring Privacy and Strategic Self-Disclosure [40.47039082007319]
大規模言語モデル(LLM)ベースのAIデリゲートは、ユーザに代わって機能するためにますます利用されています。
プライバシーに配慮した自己開示を可能にする新しいAIデリゲートシステムを提案する。
我々のユーザー調査は、提案されたAIデリゲートがプライバシーを戦略的に保護し、多様なダイナミックなソーシャルインタラクションにおけるその利用の先駆者であることを実証している。
論文 参考訳（メタデータ） (2024-09-26T08:45:15Z) - ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions [53.07022684941739]
これらのニーズに対応するために設計された対話型マルチエージェントシステムであるChoiceMatesを提案する。
エージェントによるタスクを自動化する既存のマルチエージェントシステムとは異なり、ユーザはエージェントを編成して意思決定プロセスを支援する。
論文 参考訳（メタデータ） (2023-10-02T16:49:39Z) - What Do End-Users Really Want? Investigation of Human-Centered XAI for
Mobile Health Apps [69.53730499849023]
説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。
分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。
私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
論文 参考訳（メタデータ） (2022-10-07T12:51:27Z)
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。