論文の概要: Economics of Human and AI Collaboration: When is Partial Automation More Attractive than Full Automation?

• arxiv url: http://arxiv.org/abs/2603.29121v1
• Date: Tue, 31 Mar 2026 01:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.9802
• Title: Economics of Human and AI Collaboration: When is Partial Automation More Attractive than Full Automation?
• Title（参考訳）: 人間とAIのコラボレーションの経済学: 完全自動化よりも部分自動化はいつより魅力的か?
• Authors: Wensu Li, Atin Aboutorabi, Harry Lyu, Kaizhi Qian, Martin Fleming, Brian C. Goehring, Neil Thompson,
• Abstract要約: 本稿では,タスク自動化の最適度を評価するための統一的なフレームワークを開発する。 我々は、データ、計算、モデルサイズにパフォーマンスをリンクするスケーリング法則の実験を通じて、AI生産関数を推定する。 完全自動化はコストを最小化するものではなく、企業が残業のために人間の労働者を保持する部分自動化は、しばしば均衡として出現する。
• 参考スコア（独自算出の注目度）: 7.168698398166703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper develops a unified framework for evaluating the optimal degree of task automation. Moving beyond binary automate-or-not assessments, we model automation intensity as a continuous choice in which firms minimize costs by selecting an AI accuracy level, from no automation through partial human-AI collaboration to full automation. On the supply side, we estimate an AI production function via scaling-law experiments linking performance to data, compute, and model size. Because AI systems exhibit predictable but diminishing returns to these inputs, the cost of higher accuracy is convex: good performance may be inexpensive, but near-perfect accuracy is disproportionately costly. Full automation is therefore often not cost-minimizing; partial automation, where firms retain human workers for residual tasks, frequently emerges as the equilibrium. On the demand side, we introduce an entropy-based measure of task complexity that maps model accuracy into a labor substitution ratio, quantifying human labor displacement at each accuracy level. We calibrate the framework with O*NET task data, a survey of 3,778 domain experts, and GPT-4o-derived task decompositions, implementing it in computer vision. Task complexity shapes substitution: low-complexity tasks see high substitution, while high-complexity tasks favor limited partial automation. Scale of deployment is a key determinant: AI-as-a-Service and AI agents spread fixed costs across users, sharply expanding economically viable tasks. At the firm level, cost-effective automation captures approximately 11% of computer-vision-exposed labor compensation; under economy-wide deployment, this share rises sharply. Since other AI systems exhibit similar scaling-law economics, our mechanisms extend beyond computer vision, reinforcing that partial automation is often the economically rational long-run outcome, not merely a transitional phase.
• Abstract（参考訳）: 本稿では,タスク自動化の最適度を評価するための統一的なフレームワークを開発する。 バイナリ自動化またはノーアセスメントを超えて、自動化の強度を、AIの精度レベルを選択してコストを最小限に抑える連続的な選択としてモデル化します。 供給側では、データ、計算、モデルサイズにパフォーマンスをリンクするスケーリング法則の実験により、AI生産関数を推定する。 AIシステムは予測可能であるが、これらの入力に対するリターンが減少するため、高い精度のコストは凸である。 そのため、完全自動化はコストを最小化しないことが多く、企業が残業のために人間の労働者を維持している部分自動化は、均衡として頻繁に現れる。 需要面では、モデル精度を労働代入率にマッピングするエントロピーに基づくタスク複雑性の尺度を導入し、各精度レベルでの人間の労働変位を定量化する。 我々は,O*NETタスクデータ,3,778名のドメインエキスパートによる調査,およびGPT-4oから派生したタスク分解を用いてフレームワークを校正し,コンピュータビジョンで実装する。 タスク複雑性は置換を形成する: 低複雑さタスクは置換度が高いが、高複雑さタスクは部分的自動化が限定的である。 AI-as-a-ServiceとAIエージェントがユーザに対して固定コストを分散し、経済的に実行可能なタスクを劇的に拡大する。 ファームレベルでは、コスト効率のよい自動化は、コンピュータビジョンによる労働報酬の約11%を達成している。 他のAIシステムも同様のスケーリング則経済性を示すため、我々のメカニズムはコンピュータビジョンを超えて拡張され、部分的な自動化は単なる移行段階ではなく、経済的に合理的な長期的結果であることが多いことを強調します。

関連論文リスト

• The Novelty Bottleneck: A Framework for Understanding Human Effort Scaling in AI-Assisted Work [4.726153739634646]
  新規性ボトルネックと呼ばれるメカニズムを分離した人間とAIのコラボレーションモデルを提案する。 モデルはタスクが原子的な決定に分解されると仮定する。 私たちの貢献は、人間の努力が線形にスケールしなければならないという証拠ではありません。
  論文  参考訳（メタデータ） (2026-03-28T22:50:13Z)
• FORMICA: Decision-Focused Learning for Communication-Free Multi-Robot Task Allocation [0.802904964931021]
  ロボット間通信を使わずに高品質なタスクアロケーションを実現する学習ベースのフレームワークを提案する。 提案手法は,解析的平均場近似における系統的誤差を補正するために入札分布を推定する。 我々は予測器をエンドツーエンドに訓練し、予測エラーよりもタスク割り当てレグレを最小化する。
  論文  参考訳（メタデータ） (2026-02-20T21:26:46Z)
• 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)
• Remote Labor Index: Measuring AI Automation of Remote Work [46.53553410123801]
  AIは、研究指向の知識と推論のベンチマークを急速に進歩させたが、これらの成果が経済的価値と自動化にどのように変換されるかは、まだ不明である。 これを測定するために、実世界の経済的に価値のあるプロジェクトからなる広範囲にわたるマルチセクタベンチマークであるRemote Labor Index (RLI)を導入する。
  論文  参考訳（メタデータ） (2025-10-30T17:58:04Z)
• Idempotent Equilibrium Analysis of Hybrid Workflow Allocation: A Mathematical Schema for Future Work [0.0]
  大規模なAIシステムは、仕事をどのように人と機械に分割するかを変えようとしている。 我々は、この位置を反復的タスクデリゲーション写像として定式化し、その過程が安定な等等均衡に収束することを示す。 我々は、「センタウル」な人間とAIの連携を促進する政策は、福祉を最大化する固定点に向けて経済を操ることができると論じる。
  論文  参考訳（メタデータ） (2025-08-02T11:28:34Z)
• E2E Process Automation Leveraging Generative AI and IDP-Based Automation Agent: A Case Study on Corporate Expense Processing [1.5728609542259502]
  本稿では,現代デジタルトランスフォーメーションにおけるインテリジェントな作業自動化手法を提案する。 生成AIとインテリジェントドキュメント処理技術とオートメーションエージェントを統合し、企業の財政的経費処理タスクのエンドツーエンド(E2E)自動化を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:21:08Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。