論文の概要: Towards an Appropriate Level of Reliance on AI: A Preliminary Reliance-Control Framework for AI in Software Engineering
- arxiv url: http://arxiv.org/abs/2604.10530v1
- Date: Sun, 12 Apr 2026 08:47:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.078252
- Title: Towards an Appropriate Level of Reliance on AI: A Preliminary Reliance-Control Framework for AI in Software Engineering
- Title（参考訳）: AIの適切な信頼レベルを目指す - ソフトウェア工学におけるAIのための予備的信頼-議論フレームワーク
- Authors: Samuel Ferino, Rashina Hoda, John Grundy, Christoph Treude,
- Abstract要約: ソフトウェア開発者が、Large Language Models(LLMs)など、人工知能(AI)駆動のツールとどのように相互作用するかは、これらのAI駆動ツールがそれらに与える影響において重要な役割を果たす。
本稿では,AI過信と不信を識別する手段として,制御レベルを使用可能な予備的依存制御フレームワークを提案する。
我々の発見は、実践者、教育者、政策立案者がAIツールの責任と効果的な利用を促進するのに役立つ。
- 参考スコア（独自算出の注目度）: 18.50207872331241
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: How software developers interact with Artificial Intelligence (AI)-powered tools, including Large Language Models (LLMs), plays a vital role in how these AI-powered tools impact them. While overreliance on AI may lead to long-term negative consequences (e.g., atrophy of critical thinking skills); underreliance might deprive software developers of potential gains in productivity and quality. Based on twenty-two interviews with software developers on using LLMs for software development, we propose a preliminary reliance-control framework where the level of control can be used as a way to identify AI overreliance and underreliance. We also use it to recommend future research to further explore the different control levels supported by the current and emergent LLM-driven tools. Our paper contributes to the emerging discourse on AI overreliance and provides an understanding of the appropriate degree of reliance as essential to developers making the most of these powerful technologies. Our findings can help practitioners, educators, and policymakers promote responsible and effective use of AI tools.
- Abstract（参考訳）: ソフトウェア開発者が、Large Language Models(LLMs)など、人工知能(AI)駆動のツールとどのように相互作用するかは、これらのAI駆動ツールがそれらに与える影響において重要な役割を果たす。
AIへの過度な依存は、長期的なネガティブな結果(例えば、批判的思考スキルの萎縮)につながる可能性があるが、過度な信頼は、生産性と品質の潜在的な向上をソフトウェア開発者を損なう可能性がある。
ソフトウェア開発におけるLLMの使用について,ソフトウェア開発者の22回のインタビューに基づいて,AI過信と不信を識別する手段として,制御レベルを使用可能な予備的依存制御フレームワークを提案する。
また、今後の研究を推奨して、現在および創発的なLCM駆動ツールがサポートするさまざまなコントロールレベルをさらに探求します。
本稿は、AIの信頼性に関する新たな議論に貢献し、これらの強力な技術を最大限に活用する開発者にとって不可欠な、適切な信頼性の度合いの理解を提供する。
我々の発見は、実践者、教育者、政策立案者がAIツールの責任と効果的な利用を促進するのに役立つ。
関連論文リスト
- Rethinking Technology Stack Selection with AI Coding Proficiency [49.617080246389605]
大規模言語モデル(LLM)は今やソフトウェア開発の不可欠な部分です。
我々は、LLMが与えられた技術を用いて高品質なコードスニペットを生成することができる、AI符号化能力という概念を提案する。
我々は,170のサードパーティ製ライブラリと61のタスクシナリオを対象とした,AI習熟度に関する初の総合的研究を行った。
論文 参考訳（メタデータ） (2025-09-14T06:56:47Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - How Developers Interact with AI: A Taxonomy of Human-AI Collaboration in Software Engineering [8.65285948382426]
開発者とAIツール間のインタラクションタイプを分類し,11種類のインタラクションタイプを識別する。
この分類に基づいて、AIインタラクションの最適化、開発者のコントロールの改善、AI支援開発における信頼とユーザビリティの課題への対処に焦点を当てた研究課題を概説する。
論文 参考訳（メタデータ） (2025-01-15T12:53:49Z) - "I Don't Use AI for Everything": Exploring Utility, Attitude, and Responsibility of AI-empowered Tools in Software Development [19.851794567529286]
本研究では、ソフトウェア開発プロセスにおけるAIを活用したツールの採用、影響、およびセキュリティに関する考察を行う。
ソフトウェア開発のさまざまな段階において,AIツールが広く採用されていることが判明した。
論文 参考訳（メタデータ） (2024-09-20T09:17:10Z) - Future of Artificial Intelligence in Agile Software Development [0.0]
AIは、LLM、GenAIモデル、AIエージェントを活用することで、ソフトウェア開発マネージャ、ソフトウェアテスタ、その他のチームメンバーを支援することができる。
AIは効率を高め、プロジェクト管理チームが直面するリスクを軽減する可能性がある。
論文 参考訳（メタデータ） (2024-08-01T16:49:50Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z)
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。