論文の概要: Global Automation Atlas

• arxiv url: http://arxiv.org/abs/2605.17086v1
• Date: Sat, 16 May 2026 17:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.601231
• Title: Global Automation Atlas
• Title（参考訳）: グローバルオートメーションアトラス
• Authors: Prashant Garg, Tommaso Crosta, Jasmin Baier,
• Abstract要約: 我々は、世界中の自動化露光を分類するためのタスクベースおよび国固有のアプローチを開発した。 我が国は124か国にまたがっており、世界の人口の99%、GDPをカバーする経済のタスク国ラベルは2億33300万となっている。
• 参考スコア（独自算出の注目度）: 0.12744523252873352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automation affects the labour content of work differently across different contexts. Yet, most existing exposure measures assign fixed scores to tasks or occupations, limiting comparisons of automation exposure across countries. We develop a task-based and country-specific approach to classify automation exposure across the world to disentangle labor-substituting from labor-augmenting automation, the relevant technology channel, and the material role of AI. Our measure spans 124 countries, generating an atlas of 2.33 million task-country labels for economies covering 99% of world population and GDP. We present five descriptive results. First, exposure is highly uneven, ranging from 3.3% of tasks in South Sudan to 61.6% in China, and rises strongly with income, although substantial variation remains within income groups. Second, across countries, exposed tasks are skewed towards substitution rather than augmentation, but low-income countries are disproportionately exposed to substitution, whereas middle-income countries are more heterogeneous. Third, less technologically advanced forms of automation account for more than half of exposed tasks in low-income countries but about one quarter in high-income countries; while other more complex channels generally rise with income levels. Fourth, AI tends to be less prevalent in simpler channels of automation, but also more prevalent in labour-substituting margins in lower income settings and to augment labour in higher income settings. Fifth, we find that females seem to be disproportionately more exposed to labour-substituting automation than males. Our methodology provides a basis for comparing automation exposure across development stages, linking it with cross-country data and allowing us to treat exposure levels, labour margins, technological channels and AI involvement as separate dimensions.
• Abstract（参考訳）: 自動化は仕事の労働内容に異なる文脈で影響を与えます。 しかし、既存の露光対策のほとんどは、一定のスコアをタスクや職業に割り当て、国間での自動化露光の比較を制限している。 我々は、労働力増強自動化、関連する技術チャネル、AIの物質的役割から労働力置換を遠ざけるために、世界中の自動化露出を分類するためのタスクベースで国固有のアプローチを開発する。 我が国は124カ国にまたがっており、世界の人口の99%、GDPをカバーする経済のタスク国ラベルは2億33300万となっている。 5つの記述結果を提示します。 第一に、南スーダンのタスクの3.3%から中国の61.6%まで、非常に不均一であり、収入とともに大きく上昇している。 第2に、被曝タスクは増資よりも置換に偏っているが、低所得国は不均等に置換に曝されているのに対し、中所得国は異質である。 第3に、技術が進歩していない自動化は、低所得国では半分以上のタスクが露出しているが、高所得国では約4分の1である。 第4に、AIはより単純な自動化のチャネルでは普及しない傾向にあるが、低い収入設定では労働代替マージン、より高い収入設定では労働力を増やす傾向にある。 第5に、女性は男性よりも労働置換の自動化に不公平に晒されていることがわかりました。 我々の手法は、開発段階間での自動化露光の比較の基礎を提供し、それをクロスカントリーデータとリンクし、露光レベル、労働マージン、技術チャネル、AIの関与を別々の次元として扱うことを可能にする。

関連論文リスト

• Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks [1.5332445036808136]
  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。
  論文  参考訳（メタデータ） (2026-04-01T20:22:03Z)
• Agentic AI and Occupational Displacement: A Multi-Regional Task Exposure Analysis of Emerging Labor Market Disruption [1.066082625513843]
  Acemoglu-Restrepoタスク露光フレームワークを拡張し、エージェント人工知能システムの労働市場効果に対処する。 個々のサブタスクを代用する従来の自動化技術とは異なり、エージェントAIシステムはマルチステップ推論を使用してエンドツーエンドを実行する。 O*NETタスクデータからアルゴリズムで計算した複合尺度であるAgentic Exposureスコアを紹介する。
  論文  参考訳（メタデータ） (2026-03-31T19:36:36Z)
• Remote Labor Index: Measuring AI Automation of Remote Work [46.53553410123801]
  AIは、研究指向の知識と推論のベンチマークを急速に進歩させたが、これらの成果が経済的価値と自動化にどのように変換されるかは、まだ不明である。 これを測定するために、実世界の経済的に価値のあるプロジェクトからなる広範囲にわたるマルチセクタベンチマークであるRemote Labor Index (RLI)を導入する。
  論文  参考訳（メタデータ） (2025-10-30T17:58:04Z)
• Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce [45.348336032930845]
  作業員がAIエージェントの自動化や強化を望んでいるかを評価するための新しい枠組みを導入する。 我々のフレームワークは、ニュアンスな労働者の欲求を捉えるために、オーディオ強化されたミニインタービューを備えている。 我々はWORKBankデータベースを構築し、1500のドメインワーカーの好みとAI専門家の能力評価を収集する。
  論文  参考訳（メタデータ） (2025-06-06T23:05:52Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
  我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。 最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。 これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• Global Inequalities in the Production of Artificial Intelligence: A Four-Country Study on Data Work [0.0]
  労働力は人工知能の発展において大きな役割を担っているが、ほとんど認識されていない。 オンラインプラットフォームと下請け業者のネットワークは、AI生産の影の中でタスクを実行するためにデータワーカーを募集する。 本研究は、ベネズエラ、ブラジル、マダガスカル、フランスの富裕国における労働条件とデータ労働者のプロフィールを比較して、結果として生じる複雑さを明らかにする。
  論文  参考訳（メタデータ） (2024-10-18T07:23:17Z)
• 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)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)

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。