論文の概要: HAIF: A Human-AI Integration Framework for Hybrid Team Operations
- arxiv url: http://arxiv.org/abs/2602.07641v1
- Date: Sat, 07 Feb 2026 17:49:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.736154
- Title: HAIF: A Human-AI Integration Framework for Hybrid Team Operations
- Title（参考訳）: HAIF: ハイブリッドチーム運用のためのヒューマンAI統合フレームワーク
- Abstract要約: ナレッジワークにおける生成AI、コピロ、エージェントシステムの迅速な展開は、運用上のギャップを生み出している。
既存のフレームワークでは、AIエージェントが人間と一緒に静的に委譲されたタスクを実行するチームでの日々の作業の整理方法に対処していない。
本稿では,4つの基本原理に基づいて構築されたプロトコルベースのスケーラブルな運用システムであるHumanAI Integration Framework(HAIF)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid deployment of generative AI, copilots, and agentic systems in knowledge work has created an operational gap: no existing framework addresses how to organize daily work in teams where AI agents perform substantive, delegated tasks alongside humans. Agile, DevOps, MLOps, and AI governance frameworks each cover adjacent concerns but none models the hybrid team as a coherent delivery unit. This paper proposes the Human-AI Integration Framework (HAIF): a protocol-based, scalable operational system built around four core principles, a formal delegation decision model, tiered autonomy with quantifiable transition criteria, and feedback mechanisms designed to integrate into existing Agile and Kanban workflows without requiring additional roles for small teams. The framework is developed following a Design Science Research methodology. HAIF explicitly addresses the central adoption paradox: the more capable AI becomes, the harder it is to justify the oversight the framework demands-and yet the greater the consequences of not providing it. The paper includes domain-specific validation checklists, adaptation guidance for non-software environments, and an examination of the framework's structural limitations-including the increasingly common pattern of continuous human-AI co-production that challenges the discrete delegation model. The framework is tool-agnostic and designed for iterative adoption. Empirical validation is identified as future work.
- Abstract（参考訳）: 既存のフレームワークでは、AIエージェントが人間と一緒に静的に委譲されたタスクを実行するチームでの日々の作業の編成方法に対処していません。
アジャイル、DevOps、MLOps、AIガバナンスフレームワークはそれぞれ、隣接する懸念をカバーしているが、コヒーレントなデリバリユニットとしてのハイブリッドチームをモデル化するものではない。
本稿では、プロトコルベースのスケーラブルな運用システムであるHuman-AI Integration Framework(HAIF)を提案する。
このフレームワークは、Design Science Researchの方法論に従って開発されている。
AIがより有能になるほど、フレームワークの要求に対する監視を正当化することが難しくなりますが、それを提供しない結果が大きくなるのです。
本論文は、ドメイン固有の検証チェックリスト、非ソフトウェア環境への適応ガイダンス、そして、離散デリゲートモデルに挑戦する継続的人間-AI共同生産のパターンがますます一般的になっていることを含む、フレームワークの構造的制限の検証を含む。
このフレームワークはツールに依存しず、反復的な採用のために設計されている。
実証的な検証は将来の作業として特定される。
関連論文リスト
- Spec-Driven Development for Agentic Software Engineering: Harnessing Human-Agent Teamwork [0.0]
仕様駆動開発(SDD、Spec-Driven Development)は、チーム規模で実施可能な規律である。
本稿では,SDDの概念的および方法論的基礎を確立することを目的とする。
論文 参考訳（メタデータ） (2026-08-31T18:52:53Z) - Specifying AI-SDLC Processes: A Protocol Language for Human-Agent Boundaries [0.0]
プロトコルとしてAI-SDLCプロセスを指定するためのドメイン固有言語を提案する。
言語は、ポリシー(宣言された意図)とメカニズム(構造的な執行)を区別する
実行可能な実装は実現可能性を示し、実証的な評価は将来の仕事である。
論文 参考訳（メタデータ） (2026-05-24T02:52:47Z) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。
Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。
我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
論文 参考訳（メタデータ） (2026-05-11T06:26:58Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - BONSAI: A Mixed-Initiative Workspace for Human-AI Co-Development of Visual Analytics Applications [13.657176068149417]
BONSAIは、Visual Analyticsアプリケーションのマルチエージェント共同開発のための混合開始型ワークスペースである。
本稿では、複雑なVA開発に必要な構造的厳密さとAIの生成速度のバランスをとるために、概念的ワークフロー、スケーラブルなアーキテクチャ、統合システムに貢献する。
論文 参考訳（メタデータ） (2026-04-21T08:57:49Z) - From Prompt-Response to Goal-Directed Systems: The Evolution of Agentic AI Software Architecture [0.0]
Agentic AIは、ステートレスでプロンプト駆動型生成モデルからゴール指向システムへのアーキテクチャ移行を表す。
本稿では、知的エージェント理論と現代のLCM中心のアプローチを結びつけることによって、この遷移を考察する。
この研究は、標準化されたエージェントループ、登録、監査可能な制御機構への収束を特定する。
論文 参考訳（メタデータ） (2026-02-11T03:34:48Z) - Architecting Agentic Communities using Design Patterns [0.0]
大規模言語モデル(LLM)とエージェントAI技術は、洗練されたプロダクショングレードシステムを構築するための体系的なアーキテクチャガイダンスを必要とする。
本稿では,企業における分散システム標準や形式的手法,産業プラクティスから派生したデザインパターンを用いて,そのようなシステムを設計するためのアプローチを提案する。
論文 参考訳（メタデータ） (2026-01-07T06:10:07Z) - Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する
このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。
エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
論文 参考訳（メタデータ） (2025-12-04T03:09:33Z) - Agentsway -- Software Development Methodology for AI Agents-based Teams [4.226647687395254]
Agentswayは、AIエージェントが一流の協力者として機能するエコシステム向けに設計された、新しいソフトウェア開発フレームワークである。
このフレームワークは、計画、プロンプト、コーディング、テスト、微調整エージェントの異なる役割を定義している。
Agentswayは、次世代のAIネイティブで自己改善型のソフトウェア開発方法論に向けた基本的なステップである。
論文 参考訳（メタデータ） (2025-10-26T11:58:42Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。
現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。
我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
論文 参考訳（メタデータ） (2025-08-01T08:11:31Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - Explainable AI Systems Must Be Contestable: Here's How to Make It Happen [2.5875936082584623]
本稿では、説明可能なAIにおける競合性の最初の厳密な形式的定義について述べる。
我々は、ヒューマン中心のインターフェース、技術プロセス、組織アーキテクチャにまたがる、設計やポストホックメカニズムのモジュール化されたフレームワークを紹介します。
私たちの作業は実践者に、真のリコースと説明責任をAIシステムに組み込むためのツールを提供しています。
論文 参考訳（メタデータ） (2025-06-02T13:32:05Z) - AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
論文 参考訳（メタデータ） (2025-05-15T16:21:33Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z)
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。