論文の概要: Leading Across the Spectrum of Human-AI Relationships: A Conceptual Framework for Increasingly Heterogeneous Teams

• arxiv url: http://arxiv.org/abs/2604.27392v1
• Date: Thu, 30 Apr 2026 04:05:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.917093
• Title: Leading Across the Spectrum of Human-AI Relationships: A Conceptual Framework for Increasingly Heterogeneous Teams
• Title（参考訳）: 人間-AI関係のスペクトルをリードする:不均一なチームを増やすための概念的枠組み
• Authors: Alejandro R. Jadad,
• Abstract要約: 人間の判断は、AIがフレームをセットした後で人間主導のように見えるかもしれないし、人間の判断が決定的な力を持っている間、自動化されるかもしれない。 本稿は、これらの関係を有界な委任の範囲内で見るために、リーダーシップに焦点をあてたスペクトルを提供する。 戦略的なリーダが仕事における構成を認識し、それが移行したことを認識し、それ以前の決定に適合するかどうかを判断するのを支援する、というのが目的だ。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What shapes a consequential decision when human and artificial intelligence work on it together? The answer is becoming harder to see. A decision may look human-led after AI has set the frame, or appear automated while human judgment still carries decisive force. This paper offers a leadership-facing spectrum to see those relationships within a bounded mandate: Pure Human, Centaur (human-dominant, with AI in the loop), Co-equal, Minotaur (AI-dominant, with humans in the loop), and Pure AI. The spectrum asks where leadership work occurs: who frames the problem, who redirects the work, and who can answer for what follows. The five positions are landmarks that help leaders recognize configurations as they layer, drift, or change in a single decision. The central risk is misrecognition: leaders may keep a human-centered story in place after decision-shaping authority has shifted elsewhere. They may believe oversight remains meaningful when it has become ceremonial, or keep humans in the loop when their involvement could make the decision worse. The framework introduces co-adaptability, the capacity of a configuration to improve as human and non-human participants adjust together, and places it within heterogeneous teaming, where participants may vary by number, substrate, model architecture, capability, speed, memory, and form of participation. The aim is practical: to help strategic leaders and those designing or deploying AI systems recognize the configuration at work, notice when it shifts, and judge whether it fits the decision before them. These configurations will shape how power, responsibility, and trust are distributed in organizational life. Whether the futures they help create remain governable and worth inhabiting will depend on leaders who can see, early enough, where and how consequential decisions are actually being shaped.
• Abstract（参考訳）: 人間と人工知能が共同で作業する場合、どのような決定を下すのか? その答えは見るのが難しくなっている。 人間の判断は、AIがフレームをセットした後で人間主導のように見えるかもしれないし、人間の判断が決定的な力を持っている間、自動化されるかもしれない。 本稿では,これらの関係を,有界な人,センタウル(AIがループ内にある人間),コ平等(AIがループ内にある人),ミノタウル(AIがループ内にある人),純粋AI(AIがループ内にある人)で見るための指導的スペクトルを提供する。 スペクトルは、誰が問題をフレーム化し、誰が仕事をリダイレクトし、誰が次に何に答えられるかという、リーダーシップの仕事がどこで起こるのかを問う。 5つのポジションは、リーダが1つの決定で構成を階層化、ドリフト、あるいは変更として認識するのに役立つランドマークです。 リーダーは、意思決定の権威が他の場所に移った後、人間中心のストーリーを保ちます。 彼らは、儀式的になったときに監視が意味のあるままだと信じているかもしれないし、その決定を悪化させる可能性があるときに人間をループに留めているかもしれない。 このフレームワークは、共適応性(co-adaptability)を導入し、人間と非人間の参加者が一緒に調整するように構成を改善する能力を導入し、参加者が数、基質、モデルアーキテクチャ、能力、速度、記憶、参加形態によって異なる異種チームの中に配置する。 戦略的なリーダやAIシステムの設計やデプロイを支援することで、作業中の構成を認識し、いつシフトするかを認識し、それ以前の決定に適合するかを判断する、というのが目的だ。 これらの構成は、権力、責任、信頼が組織生活にどのように分散されるかを形成する。 彼らが創造する未来が統治可能のままで、居住する価値があるかどうかは、見ることのできるリーダー、十分に早く、どこで、そして、どのように連続した決定が実際に形成されているかに依存します。

関連論文リスト

• Reversing the Paradigm: Building AI-First Systems with Human Guidance [0.0]
  人間と人工知能の関係はもはやSFではない。 人間を置き換えるのではなく、AIはタスクを強化し、データによる意思決定を強化する。 仕事の未来は、AIエージェントがタスクを自律的に処理することにある。 本稿では,AIファーストシステムの導入に責任を負うために必要な技術的・組織的な変化について検討する。
  論文  参考訳（メタデータ） (2025-06-13T21:48:44Z)
• A theory of appropriateness with applications to generative artificial intelligence [56.23261221948216]
  我々は、AIによる意思決定を適切に評価し、改善するために、人間の意思決定がいかに適切かを理解する必要がある。 本稿では,人間の社会でどのように機能するか,脳でどのように実装されるのか,生成AI技術の展開に責任があるのか,という,適切性の理論について述べる。
  論文  参考訳（メタデータ） (2024-12-26T00:54:03Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Confidence-weighted integration of human and machine judgments for superior decision-making [1.4180680537405237]
  大きな言語モデル(LLM)は、特定の予測タスクにおいて人間を上回ることができる。 1つの可能性として、人間はLSMよりも悪いパフォーマンスをしているにもかかわらず、チームで作業するときに価値を付加できる。 人間と機械のチームは、チームメンバーの自信が十分に調整されたときに、各チームメイトを追い越すことができます。
  論文  参考訳（メタデータ） (2024-08-15T11:16:21Z)
• Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
  我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。 学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。 トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:38:57Z)
• AI's Social Forcefield: Reshaping Distributed Cognition in Human-AI Teams [6.386909552513031]
  AIは、コラボレーションの社会的および認知的構造を積極的に再認識していることを示す。 AI参加はチームの分散認知アーキテクチャを再編成することを示す。 私たちは、チーム内のAIを社会的に影響力のあるアクターとして再考している。
  論文  参考訳（メタデータ） (2024-07-03T13:46:00Z)
• When to Make Exceptions: Exploring Language Models as Accounts of Human Moral Judgment [96.77970239683475]
  AIシステムは人間の道徳的判断や決定を理解し、解釈し、予測しなければなりません。 AIの安全性に対する中心的な課題は、人間の道徳心の柔軟性を捉えることだ。 ルール破りの質問応答からなる新しい課題セットを提案する。
  論文  参考訳（メタデータ） (2022-10-04T09:04:27Z)
• Best-Response Bayesian Reinforcement Learning with Bayes-adaptive POMDPs for Centaurs [22.52332536886295]
  本稿では,人間とAIの相互作用を逐次ゲームとして新たに定式化する。 このケースでは、有界人間によるより良い意思決定を支援するというAIの問題は、ベイズ対応のPOMDPに還元される。 我々は、機械が自身の限界と人間の助けを借りて改善する方法について議論する。
  論文  参考訳（メタデータ） (2022-04-03T21:00:51Z)
• The human-AI relationship in decision-making: AI explanation to support people on justifying their decisions [4.169915659794568]
  人々は、AIがどのように機能するか、そしてそのシステムとの関係を構築するために、その成果をもっと意識する必要があります。 意思決定のシナリオでは、人々はAIがどのように機能するか、そしてそのシステムとの関係を構築する結果についてもっと意識する必要があります。
  論文  参考訳（メタデータ） (2021-02-10T14:28:34Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

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。