論文の概要: Tacit Knowledge Management with Generative AI: Proposal of the GenAI SECI Model

• arxiv url: http://arxiv.org/abs/2603.21866v1
• Date: Mon, 23 Mar 2026 11:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.64789
• Title: Tacit Knowledge Management with Generative AI: Proposal of the GenAI SECI Model
• Title（参考訳）: GenAI SECIモデルの提案
• Authors: Naoshi Uchihira,
• Abstract要約: 生成AIは、従来の知識管理システムの限界に対処する可能性がある。 この研究の多くは、明示的な知識の管理に関する研究と実践に焦点を当てている。 本稿では,知識創造プロセス(SECI)モデルの更新版として,GenAI SECIモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of generative AI is bringing about a significant transformation in knowledge management. Generative AI has the potential to address the limitations of conventional knowledge management systems, and it is increasingly being deployed in real-world settings with promising results. Related research is also expanding rapidly. However, much of this work focuses on research and practice related to the management of explicit knowledge. While fragmentary efforts have been made regarding the management of tacit knowledge using generative AI, the modeling and systematization that handle both tacit and explicit knowledge in an integrated manner remain insufficient. In this paper, we propose the "GenAI SECI" model as an updated version of the knowledge creation process (SECI) model, redesigned to leverage the capabilities of generative AI. A defining feature of the "GenAI SECI" model is the introduction of "Digital Fragmented Knowledge", a new concept that integrates explicit and tacit knowledge within cyberspace. Furthermore, a concrete system architecture for the proposed model is presented, along with a comparison with prior research models that share a similar problem awareness and objectives.
• Abstract（参考訳）: 生成AIの出現は、知識管理に大きな変革をもたらしている。 ジェネレーティブAIは、従来の知識管理システムの限界に対処する可能性があり、将来性のある結果とともに、現実の環境にデプロイされることが増えている。 関連研究も急速に拡大している。 しかし、この研究の多くは、明示的な知識の管理に関する研究と実践に焦点を当てている。 生成AIを用いた暗黙的知識の管理に関して断片的な努力がなされているが、暗黙的知識と明示的知識の両方を統合的に扱うモデリングと体系化は依然として不十分である。 本稿では,知識創造プロセス(SECI)モデルの更新版として「GenAI SECI」モデルを提案する。 GenAI SECI」モデルの明確な特徴は、サイバースペース内で明示的で暗黙的な知識を統合する新しい概念である「Digital Fragmented Knowledge」の導入である。 さらに,提案モデルのための具体的なシステムアーキテクチャについて,同様の問題意識と目的を共有する先行研究モデルとの比較を行った。

関連論文リスト

• AI Combines, Humans Socialise: A SECI-based Experience Report on Business Simulation Games [0.0]
  本稿では,生産型AIツールを工学生向けに設計されたビジネスシミュレーションゲーム(Business Simulation Games:BSG)に統合することについて報告する。 AIは、シミュレーション中に学生がイベントを分析し、情報を改定し、意思決定に関連する洞察を生成するための支援メカニズムとして埋め込まれた。 その結果,シミュレーションに基づく学習における人間とAIの連携における機能的境界が示唆された。
  論文  参考訳（メタデータ） (2026-02-24T07:26:16Z)
• The Rise of the Knowledge Sculptor: A New Archetype for Knowledge Work in the Age of Generative AI [0.0]
  本稿では,Human-GenAIコラボレーションのための新しいプロフェッショナルアーチタイプであるKSを紹介する。 KSはビジョンのアーキテクチャを含む能力の枠組みを通じて概念化されている。 実践に基づくヴィグネットはKSの役割を表現しており、自己参照的なアプローチでは、紙自体が表現する彫刻過程の人工物として機能する。
  論文  参考訳（メタデータ） (2025-10-09T06:19:17Z)
• A Community-driven vision for a new Knowledge Resource for AI [54.6699845861346]
  WordNetのような知識リソースの成功にもかかわらず、検証可能な汎用的な知識ソースは、AIインフラストラクチャにおいて重要な欠陥である。 本稿では,この知見を要約し,新しい知識基盤に向けたコミュニティ主導のビジョンを概説する。
  論文  参考訳（メタデータ） (2025-06-19T20:51:28Z)
• Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
  生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。 しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。 本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
  論文  参考訳（メタデータ） (2025-05-09T07:41:33Z)
• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。 本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。 これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• Foundations of GenIR [14.45971746205563]
  この章では、情報アクセスシステムにおける現代の生成AIモデルの基盤的影響について論じている。 従来のAIとは対照的に、生成AIモデルの大規模なトレーニングと優れたデータモデリングにより、高品質で人間らしい応答を生成することができる。
  論文  参考訳（メタデータ） (2025-01-06T08:38:29Z)
• Toward enriched Cognitive Learning with XAI [44.99833362998488]
  本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。 CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
  論文  参考訳（メタデータ） (2023-12-19T16:13:47Z)
• KAT: A Knowledge Augmented Transformer for Vision-and-Language [56.716531169609915]
  我々は、OK-VQAのオープンドメインマルチモーダルタスクにおいて、最先端の強力な結果をもたらす新しいモデルである知識拡張トランスフォーマー(KAT)を提案する。 提案手法は,エンド・ツー・エンドのエンコーダ・デコーダアーキテクチャにおいて暗黙的かつ明示的な知識を統合しつつ,回答生成時に両知識源を共同で推論する。 我々の分析では、モデル予測の解釈可能性の向上に、明示的な知識統合のさらなる利点が見られる。
  論文  参考訳（メタデータ） (2021-12-16T04:37:10Z)
• Towards a Universal Continuous Knowledge Base [49.95342223987143]
  複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。 テキスト分類実験は有望な結果を示す。 我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
  論文  参考訳（メタデータ） (2020-12-25T12:27:44Z)

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。