論文の概要: Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance
- arxiv url: http://arxiv.org/abs/2605.11350v1
- Date: Tue, 12 May 2026 00:12:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.488178
- Title: Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance
- Title（参考訳）: 人間-AI生産性パラドックス:スキル、努力、AIアシストの相互作用をモデル化する
- Authors: Ali Aouad, Thodoris Lykouris, Huiying Zhong,
- Abstract要約: 本稿では,AIが生産性に影響を及ぼすいくつかのメカニズムをよりよく理解し,分析するために,人間-AIインタラクションのモデルを提案する。
我々の設定では、スキルレベルの異なる人間エージェントは、AI支援によって特定のタスク結果を生成するために、有効性を最大化する努力を行う。
スキル開発に内在性を導入するか、AIの信頼性が低いかは、生産性のパラドックスを引き起こす可能性がある。
- 参考スコア（独自算出の注目度）: 1.9326159189892944
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative Artificial Intelligence (AI) tools are rapidly adopted in the workplace and in education, yet the empirical evidence on AI's impact remains mixed. We propose a model of human-AI interaction to better understand and analyze several mechanisms by which AI affects productivity. In our setup, human agents with varying skill levels exert utility-maximizing effort to produce certain task outcomes with AI assistance. We find that incorporating either endogeneity in skill development or in AI unreliability can induce a productivity paradox: increased levels of AI assistance may degrade productivity, leading to potentially significant shortfalls. Moreover, we examine the long-term distributional effect of AI on skill, and demonstrate that skill polarization can emerge in steady state when accounting for heterogeneity in AI literacy -- the agent's capability to identify and adapt to inaccurate AI outputs. Our results elucidate several mechanisms that may explain the emergence of human-AI productivity paradoxes and skill polarization, and identify simple measures that characterize when they arise.
- Abstract（参考訳）: 生成人工知能(AI)ツールは、職場や教育で急速に採用されているが、AIの影響に関する実証的な証拠は相変わらず混在している。
本稿では,AIが生産性に影響を及ぼすいくつかのメカニズムをよりよく理解し,分析するために,人間-AIインタラクションのモデルを提案する。
我々の設定では、スキルレベルの異なる人間エージェントは、AI支援によって特定のタスク結果を生成するために、有効性を最大化する努力を行う。
スキル開発に内在性を導入するか、あるいはAIの信頼性を損なうことが、生産性のパラドックスを引き起こします。
さらに、スキルに対するAIの長期的な分布効果について検討し、AIリテラシーの不均一性を考慮した場合、スキル偏極が安定した状態に現われることを示し、不正確なAI出力を特定し、適応するエージェントの能力を示す。
本研究は,人間とAIの生産性パラドックスの出現とスキルの分極を説明できるいくつかのメカニズムを解明し,その発生時に特徴付ける簡易な尺度を同定した。
関連論文リスト
- A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。
この枠組みは、実用的で道徳的に健全な人間とAIのコラボレーションの基礎を築いた。
論文 参考訳（メタデータ） (2025-05-23T23:19:15Z) - Augmenting Minds or Automating Skills: The Differential Role of Human Capital in Generative AI's Impact on Creative Tasks [4.39919134458872]
ジェネレーティブAIは、創造的な仕事を急速に作り直し、その受益者や社会的意味について批判的な疑問を提起している。
この研究は、創造的タスクにおいて、生成的AIが様々な形態の人的資本とどのように相互作用するかを探求することによって、一般的な仮定に挑戦する。
AIはクリエイティブツールへのアクセスを民主化するが、同時に認知的不平等を増幅する。
論文 参考訳（メタデータ） (2024-12-05T08:27:14Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - Measuring Human Contribution in AI-Assisted Content Generation [66.06040950325969]
本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。
人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
論文 参考訳（メタデータ） (2024-08-27T05:56:04Z) - 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) - 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) - Effect of Confidence and Explanation on Accuracy and Trust Calibration
in AI-Assisted Decision Making [53.62514158534574]
ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。
信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
論文 参考訳（メタデータ） (2020-01-07T15:33:48Z)
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。