論文の概要: Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks

• arxiv url: http://arxiv.org/abs/2604.01363v1
• Date: Wed, 01 Apr 2026 20:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.95755
• Title: Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks
• Title（参考訳）: クレーニングウェーブ vs. ライジングタイド:労働市場のタスクに対する数千人の労働者評価からAI自動化の予備的発見
• Authors: Matthias Mertens, Adam Kuzee, Brittany S. Harris, Harry Lyu, Wensu Li, Jonathan Rosenfeld, Meiri Anto, Martin Fleming, Neil Thompson,
• Abstract要約: AIのパフォーマンスは高く、幅広いタスクにわたって急速に改善されている。 2024-Q2では、AIモデルは、約3～4時間を要するタスクを、約50%の成功率で完了し、2025-Q3までに約65%増加すると見積もっている。
• 参考スコア（独自算出の注目度）: 1.5332445036808136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose that AI automation is a continuum between: (i) crashing waves where AI capabilities surge abruptly over small sets of tasks, and (ii) rising tides where the increase in AI capabilities is more continuous and broad-based. We test for these effects in preliminary evidence from an ongoing evaluation of AI capabilities across over 3,000 broad-based tasks derived from the U.S. Department of Labor O*NET categorization that are text-based and thus LLM-addressable. Based on more than 17,000 evaluations by workers from these jobs, we find little evidence of crashing waves (in contrast to recent work by METR), but substantial evidence that rising tides are the primary form of AI automation. AI performance is high and improving rapidly across a wide range of tasks. We estimate that, in 2024-Q2, AI models successfully complete tasks that take humans approximately 3-4 hours with about a 50% success rate, increasing to about 65% by 2025-Q3. If recent trends in AI capability growth persist, this pace of AI improvement implies that LLMs will be able to complete most text-related tasks with success rates of, on average, 80%-95% by 2029 at a minimally sufficient quality level. Achieving near-perfect success rates at this quality level or comparable success rates at superior quality would require several additional years. These AI capability improvements would impact the economy and labor market as organizations adopt AI, which could have a substantially longer timeline.
• Abstract（参考訳）: 私たちは、AI自動化は次の2つの連続体である、と提案する。 (i)AI能力が小さなタスクセットに突然急上昇するクラッシュ波 (II)AI能力の増大がより持続的かつ広範に進んでいる潮流。 我々は、米国労働省のO*NET分類から派生した3000以上の広義のタスクに対して、テキストベースでLLM対応可能なAI能力の継続的な評価から、これらの効果を予備的証拠として検証する。 これらの仕事の労働者による17,000人以上の評価に基づいて、衝突する波の証拠はほとんど見つからない(METRによる最近の研究とは対照的に)。 AIのパフォーマンスは高く、幅広いタスクにわたって急速に改善されている。 2024-Q2では、AIモデルは、約3～4時間を要するタスクを、約50%の成功率で完了し、2025-Q3までに約65%増加すると見積もっている。 AI能力向上の最近の傾向が続くならば、このAI改善のペースは、LLMが、平均して2029年までに80%-95%を最小限の品質レベルで、ほとんどのテキスト関連タスクを完了できることを意味している。 この品質レベルでほぼ完璧な成功率を達成するか、より優れた品質で同等の成功率を得るには、さらに数年を要するだろう。 これらのAI能力の改善は、組織がAIを採用することにより、経済と労働市場に影響を与える。

関連論文リスト

• 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)
• Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
  ソフトウェア工学におけるAIの進歩を3倍に議論する。 まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。 次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
  論文  参考訳（メタデータ） (2025-03-28T17:17:57Z)
• Measuring AI Ability to Complete Long Tasks [5.986082428339293]
  人間が通常、AIモデルが達成できるタスクを完了するのに要する時間を50%の成功率で測定します。 Claude 3.7 Sonnetのような現在のフロンティアAIモデルは50分程度で50%タイムの地平線を持つ。 AIモデルの時間的地平線の増加は、より信頼性が高く、ミスに適応する能力によって引き起こされているように思われる。
  論文  参考訳（メタデータ） (2025-03-18T17:59:31Z)
• Evaluating Intelligence via Trial and Error [59.80426744891971]
  本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。 フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。 我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
  論文  参考訳（メタデータ） (2025-02-26T05:59:45Z)
• 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)
• Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
  米国の雇用の3分の1はAIに強く依存しており、主に大学院または大学院の教育を必要とする高度な職業で行われている。 高度な職業であっても、AIはタスク置換において高い多様性を示し、AIと人間は同じ職業の中で相互に補完することを示唆している。 すべての結果、モデル、コードはオンラインで公開されており、コミュニティが結果を再現し、結果を比較し、私たちの仕事をベンチマークとして使用して、時間とともにAIの進捗を監視します。
  論文  参考訳（メタデータ） (2024-07-27T08:14:18Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
  3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。 次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。 模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
  論文  参考訳（メタデータ） (2022-11-23T16:16:52Z)

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。