論文の概要: Where can AI be used? Insights from a deep ontology of work activities
- arxiv url: http://arxiv.org/abs/2603.20619v1
- Date: Sat, 21 Mar 2026 03:28:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.998601
- Title: Where can AI be used? Insights from a deep ontology of work activities
- Title（参考訳）: AIはどこで使えるのか? 労働活動の深いオントロジーからの洞察
- Abstract要約: 人工知能(AI)は、作業の実行と組織化の方法を大きく変えようとしている。
我々は、AIの利用を体系的に分析し予測するのに役立つ、作業活動の包括的なオントロジーを提供する。
我々はこのフレームワークを使って、13,275のAIソフトウェアアプリケーションと20.8万のロボットシステムの世界的記録を分類する。
- 参考スコア（独自算出の注目度）: 14.450099263467926
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) is poised to profoundly reshape how work is executed and organized, but we do not yet have deep frameworks for understanding where AI can be used. Here we provide a comprehensive ontology of work activities that can help systematically analyze and predict uses of AI. To do this, we disaggregate and then substantially reorganize the approximately 20K activities in the US Department of Labor's widely used O*NET occupational database. Next, we use this framework to classify descriptions of 13,275 AI software applications and a worldwide tally of 20.8 million robotic systems. Finally, we use the data about both these kinds of AI to generate graphical displays of how the estimated units and market values of all worldwide AI systems used today are distributed across the work activities that these systems help perform. We find a highly uneven distribution of AI market value across activities, with the top 1.6% of activities accounting for over 60% of AI market value. Most of the market value is used in information-based activities (72%), especially creating information (36%), and only 12% is used in physical activities. Interactive activities include both information-based and physical activities and account for 48% of AI market value, much of which (26%) involves transferring information. These results can be viewed as rough predictions of the AI applicability for all the different work activities down to very low levels of detail. Thus, we believe this systematic framework can help predict at a detailed level where today's AI systems can and cannot be used and how future AI capabilities may change this.
- Abstract（参考訳）: AI(Artificial Intelligence)は、作業の実施方法と組織化を根本的に変えようとしているが、AIの使い方を理解するための深いフレームワークは、まだ持っていない。
ここでは、AIの利用を体系的に分析し予測するのに役立つ、作業活動の包括的なオントロジーを提供する。
そのために、米国労働省の広く使われているO*NET職業データベースで約20Kの活動を分解し、実質的に再編成する。
次に、このフレームワークを使用して、13,275のAIソフトウェアアプリケーションと、世界中の20.8万のロボットシステムの記述を分類する。
最後に、これらの2つのAIに関するデータを使用して、現在の全世界のAIシステムの予測単位と市場価値が、これらのシステムが果たす作業活動にどのように分散されているかのグラフィカルな表示を生成する。
AI市場価値のトップ1.6%は、AI市場価値の60%以上を占めています。
市場価値の大部分は情報に基づく活動(72%)で使われ、特に情報を生み出す(36%)。
インタラクティブなアクティビティには、情報ベースと物理的なアクティビティの両方が含まれており、AI市場価値の48%を占めている。
これらの結果は、すべての異なる作業アクティビティに対して、非常に低い詳細レベルまで、AIの適用性に関する大まかな予測と見なすことができる。
このようにして、この体系的なフレームワークは、今日のAIシステムが使用でき、使用できない詳細なレベルと、将来のAI能力がこれを変える可能性があることを予測するのに役立ちます。
関連論文リスト
- When Does AI Augment Work? A Workflow-Level Framework for Human-Agent Collaboration [78.16115745870405]
職場における人工知能の価値を特徴付けることを目的としている。
現在の研究は、この価値を、現在の自動化能力とAIの公的な採用の観点から大きく測定している。
これを考慮するためには、今日の微粒化タスクを超えて分析の範囲を広げなければならない。
論文 参考訳（メタデータ） (2026-09-11T06:29:34Z) - Google's AI & Economy ATLAS v1.0: Mapping Gemini Usage in the Economy [0.6108840581138503]
ATLASは、Gemini App、Google AI Mode、およびGemini API全体で1500万の非識別インタラクションに基づいて構築されている。
AIの利用状況を800以上の職業、4000のタスク、300世帯活動、150の国、140の言語にマップします。
職場では、AIの採用は米国の雇用の88%以上をカバーしているが、侵入は依然として浅く、本質的には圧倒的に協力的だ。
職場以外では、AIはアメリカ人の睡眠時間の約98%を占める活動にまたがっており、政府やプロのサービス提供者との関わりなど、高機能なタスクで不当に高い使用率を担っている。
論文 参考訳（メタデータ） (2026-07-22T22:20:37Z) - The Open Source Economic Index of AI Adoption and Capability [27.900759713490576]
我々は、AIの採用とAIの能力の両方を計測し、様々な職種で個別の労働タスクを実行することに取り組んでいます。
我々は,オープンなユーザLLMチャットデータとO*NETタスクを用いて,フロンティアAIラボが作成した研究を再現するオープンソース経済指標を開発した。
我々は,O*NETの職業,タスク,MCP(Model-Context-Protocol)サーバに根ざしたベンチマークシナリオを生成するシステムを構築した。
論文 参考訳（メタデータ） (2026-05-23T18:45:42Z) - AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science [30.303936447998314]
大規模言語モデル(LLM)と人工知能(AI)エージェントの最近の進歩は、データサイエンスのワークフローを大幅に自動化している。
AIエージェントが、ドメイン固有のデータサイエンスタスクにおいて、人間の専門家のパフォーマンスにどの程度適合できるかは、まだ不明である。
我々は、AIエージェントと人間とAIのコラボレーションのパフォーマンスをドメイン固有のデータサイエンスで評価するために設計されたベンチマークとコンペティションであるAgentDSを紹介する。
論文 参考訳（メタデータ） (2026-03-19T15:11:13Z) - LIMI: Less is More for Agency [49.63355240818081]
LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。
高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。
マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
論文 参考訳（メタデータ） (2025-09-22T10:59:32Z) - Working with AI: Measuring the Applicability of Generative AI to Occupations [6.459048123863439]
ユーザとMicrosoft Bing Copilot間の200万の匿名会話のデータセットを分析します。
私たちは、人々が情報収集や執筆に携わるAI支援を求める最も一般的な作業活動を見つけます。
AI自身が実行している最も一般的な活動は、情報と援助、執筆、教育、助言を提供することである。
論文 参考訳（メタデータ） (2025-07-10T17:16:33Z) - General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。
私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。
私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
論文 参考訳（メタデータ） (2025-03-09T01:13:56Z) - Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations [18.86239369192921]
我々は最近のプライバシー保護システムを活用して、400万件以上のClaude.ai会話を分析します。
我々の分析によると、AIの利用は主にソフトウェア開発とタスクを書くことに集中している。
また、AIがタスクにどのように使われているかを分析し、使用量の57%が人間の能力の増強を示唆している。
論文 参考訳（メタデータ） (2025-02-11T00:46:43Z) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z)
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。