論文の概要: Cognitive Offloading in Agile Teams: How Artificial Intelligence Reshapes Risk Assessment and Planning Quality

• arxiv url: http://arxiv.org/abs/2604.13814v1
• Date: Wed, 15 Apr 2026 12:48:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.539677
• Title: Cognitive Offloading in Agile Teams: How Artificial Intelligence Reshapes Risk Assessment and Planning Quality
• Title（参考訳）: アジャイルチームにおける認知的負荷 - 人工知能がリスクアセスメントと計画品質をどのように改善するか
• Authors: Adriana Caraeni, Alexander Shick, Andrew Lan,
• Abstract要約: 中規模のデジタルエージェンシーで提供可能なライブクライアント上で、AIのみ、人間のみ、ハイブリッドプランニングモデルを比較します。 AIのみのプランニングは時間とコストを最小化しますが、リスクキャプチャ率を著しく低下させ、未定の仮定によって再作業が増加します。 本稿では,リスク評価とあいまいさ解決のための人間による検討を行ないながら,評価とバックログのフォーマットにアルゴリズムツールを割り当てるハイブリッドAI-ヒューマンスプリント計画のための理論的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 42.39509669924279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in artificial intelligence (AI) have shown promise in automating key aspects of Agile project management, yet their impact on team cognition remains underexplored. In this work, we investigate cognitive offloading in Agile sprint planning by conducting a controlled, three-condition experiment comparing AI-only, human-only, and hybrid planning models on a live client deliverable at a mid-sized digital agency. Using quantitative metrics -- including estimation accuracy, rework rates, and scope change recovery time -- alongside qualitative indicators of planning robustness, we evaluate each model's effectiveness beyond raw efficiency. We find that while AI-only planning minimizes time and cost, it significantly degrades risk capture rates and increases rework due to unstated assumptions, whereas human-only planning excels at adaptability but incurs substantial overhead. Drawing on these findings, we propose a theoretical framework for hybrid AI-human sprint planning that assigns algorithmic tools to estimation and backlog formatting while mandating human deliberation for risk assessment and ambiguity resolution. Our results challenge the assumption that efficiency equates to effectiveness, offering actionable governance strategies for organizations seeking to augment rather than erode team cognition.
• Abstract（参考訳）: 人工知能(AI)の最近の進歩は、アジャイルプロジェクトマネジメントの重要な側面を自動化するという約束を示している。 本研究では,中規模のデジタルエージェンシーで提供可能なライブクライアント上でAIのみ,人間のみ,ハイブリッドプランニングモデルを比較検討し,アジャイルスプリント計画における認知的オフロードについて検討する。 見積もりの正確さ、リワーク率、スコープ変更の回復時間を含む定量的メトリクスと、ロバスト性を計画する質的な指標を使って、各モデルの有効性を生の効率を超えて評価します。 AIのみの計画が時間とコストを最小化する一方で、リスクキャプチャ率を著しく低下させ、未定の仮定によって再作業が増加するのに対して、人間のみの計画では適応性が優れていますが、かなりのオーバーヘッドが発生します。 これらの知見に基づいて,リスク評価とあいまいさ解決のための人間の検討を強制しながら,評価とバックログのフォーマッティングにアルゴリズムツールを割り当てる,ハイブリッドAI-ヒューマンスプリント計画のための理論的枠組みを提案する。 この結果は,効率が有効性に等しいという仮定に挑戦し,チーム認知を損なうのではなく,強化を目指す組織に対して実行可能なガバナンス戦略を提供する。

関連論文リスト

• From Accuracy to Readiness: Metrics and Benchmarks for Human-AI Decision-Making [0.5153774021264936]
  実証的な証拠は、多くの失敗が誤った信頼から生じることを示している。 本稿では,チーム準備を主眼とした人間とAIの意思決定を評価するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-19T13:35:29Z)
• Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
  我々は9つの詳細なサイバーリスクモデルを開発する。 各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。 個々の見積もりはモンテカルロシミュレーションによって集約される。
  論文  参考訳（メタデータ） (2025-12-09T17:54:17Z)
• Reasoning Is All You Need for Urban Planning AI [3.3943213418026126]
  本稿では,推論可能な計画エージェントのためのエージェント都市計画AIフレームワークを提案する。 パーセプション(Perception)、ファンデーション(Foundation)、推論(Reasoning)という3つの認知レイヤを、マルチエージェントコラボレーションフレームワークを通じて6つのロジックコンポーネント(分析、生成、検証、評価、コラボレーション、決定)と統合する。 我々は、AIエージェントが、ソリューション空間を体系的に探索し、規制コンプライアンスを検証し、トレードオフを透過的に検討することで、ヒューマンプランナーを強化する方法を示す。
  論文  参考訳（メタデータ） (2025-11-07T15:59:06Z)
• The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective [3.0868637098088403]
  大規模言語モデル(LLM)ベースのAIエージェントは最近、動的推論を採用することで、印象的な汎用性を示した。 本稿では,AIエージェントを包括的に分析し,リソース使用量,遅延動作,エネルギー消費,テストタイムスケーリング戦略を定量化する。 その結果,エージェントは計算量の増加によって精度が向上する一方で,急速に低下するリターン,レイテンシのばらつきの拡大,持続不可能なインフラストラクチャコストに悩まされていることがわかった。
  論文  参考訳（メタデータ） (2025-06-04T14:37:54Z)
• Human aversion? Do AI Agents Judge Identity More Harshly Than Performance [0.06554326244334868]
  我々は,大規模言語モデルに基づくAIエージェントがどのように人間の入力を評価し,統合するかを検討する。 AIシステムは人間のアドバイスを体系的に減らし、アルゴリズムの誤りよりも人間の誤りを厳しく罰する。
  論文  参考訳（メタデータ） (2025-03-31T02:05:27Z)
• On Benchmarking Human-Like Intelligence in Machines [77.55118048492021]
  現在のAI評価パラダイムは、人間のような認知能力を評価するには不十分である、と我々は主張する。 人為的なラベルの欠如、人間の反応の多様性と不確実性の表現の不適切な表現、単純で生態学的に無意味なタスクへの依存。
  論文  参考訳（メタデータ） (2025-02-27T20:21:36Z)
• Achieving mouse-level strategic evasion performance using real-time computational planning [59.60094442546867]
  計画とは、脳が想像し、予測可能な未来を成立させる特別な能力である。 我々は,動物の生態が空間計画の価値をどのように支配するかという研究に基づいて,より効率的な生物学的に着想を得た計画アルゴリズムであるTLPPOを開発した。 TLPPOを用いたリアルタイムエージェントの性能とライブマウスの性能を比較し,ロボット捕食者を避けることを課題とする。
  論文  参考訳（メタデータ） (2022-11-04T18:34:36Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。