論文の概要: Position: Adopting AI in Practice Does Not Guarantee the Productivity Boost
- arxiv url: http://arxiv.org/abs/2605.24688v1
- Date: Sat, 23 May 2026 17:56:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.327104
- Title: Position: Adopting AI in Practice Does Not Guarantee the Productivity Boost
- Title（参考訳）: ポジション: 実践におけるAIの採用は生産性の向上を保証しない
- Authors: Won Ik Cho, Seong-hun Kim, Geunhye Kim,
- Abstract要約: 組織的な実践におけるAIの採用は、生産性の向上を保証するものではない、と私たちは主張する。
人的資源構成,個人の基本能力,実践者の学習曲線,フェアユースへのインセンティブ,目的の柔軟性の5つの要因を同定した。
- 参考スコア（独自算出の注目度）: 3.109050918589247
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This position paper argues that adopting AI in organizational practice does not guarantee productivity gains, because human and environmental factors critically moderate the relationship between AI deployment and realized productivity improvements. Following the advent of high-performance generative models, AI use has been rapidly encouraged in some sectors while being restricted in others. Most practitioners assume that AI brings productivity boosts owing to enhanced technical capabilities, but regardless of apparent performance advances in AI technology, human and environmental factors of the organization may substantially attenuate -- or even negate -- the effective productivity benefits. We identify five key moderating factors: human resource composition, baseline capability of individuals, learning curve of practitioners, incentives for fair use, and flexibility of objectives. Drawing on the partial equilibrium model of Gries and Naudé (2022), we argue that existing economic frameworks may inadvertently overlook these factors. We revise the existing framework to redefine effective organizational determinants and shed light on practical implications including industry and education, responding to alternative views and calling for action of stakeholders.
- Abstract（参考訳）: 人的要因と環境要因がAIの展開と生産性向上の関係を著しく緩和するため、組織的な実践におけるAIの採用は生産性の向上を保証するものではない、と論文は主張する。
高性能な生成モデルが出現した後、いくつかの分野でAIの使用は急速に奨励され、他の分野では制限されている。
ほとんどの実践者は、AIが技術的能力の向上による生産性の向上をもたらすと考えているが、AI技術の明らかなパフォーマンス向上に関わらず、組織の人的および環境要因は、効果的な生産性のメリットを著しく減らすかもしれない。
人的資源構成,個人の基本能力,実践者の学習曲線,フェアユースへのインセンティブ,目的の柔軟性の5つの要因を同定した。
Gries and Naudé (2022) の部分均衡モデルに基づいて、我々は既存の経済枠組みがこれらの要因を必然的に見落としているかもしれないと論じる。
既存の枠組みを改正して、効果的な組織決定要因を再定義し、産業や教育、代替的な見解への対応、利害関係者の行動の要求など、実践的な意味を浮き彫りにした。
関連論文リスト
- Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance [1.9326159189892944]
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。
論文 参考訳（メタデータ） (2026-05-12T00:12:27Z) - People-Centred Medical Image Analysis [28.028018247982686]
People-Centred Medical Image Analysis (PecMan)は、公正さ、診断精度、ワークフローの有効性を共同で最適化する人間とAIのフレームワークである。
精度,公平性,臨床ワークロードのトレードオフを評価するために,FairHAI(Fairness and Human-Centred AI)ベンチマークを導入する。
このベンチマークを用いた実験は、PecManが既存の手法を一貫して上回り、信頼性が高く、臨床的に実行可能なAIシステムへの道を開いたことを示している。
論文 参考訳（メタデータ） (2026-04-28T22:13:36Z) - From Horizontal Layering to Vertical Integration: A Comparative Study of the AI-Driven Software Development Paradigm [11.70675405835839]
本稿では,ソフトウェア工学におけるジェネレーティブAI導入の組織的意義について,複数ケース比較研究を通じて検討する。
水平層から垂直層への遷移は資源消費を8倍から33倍に削減する。
我々は,上級技術者のアイドル認知帯域の再活性化など,組織再設計のための管理戦略で締めくくった。
論文 参考訳（メタデータ） (2026-01-30T07:38:16Z) - AI Product Value Assessment Model: An Interdisciplinary Integration Based on Information Theory, Economics, and Psychology [5.57756598733474]
本稿では,情報理論のエントロピー低減原理,経済学の有界合理性フレームワーク,AI製品価値を定量化するための心理学の不合理性決定理論を統合する多次元評価モデルを開発する。
非線形公式は因子結合を捕捉し、10の商用ケースによる検証は、成功と失敗を区別するモデルの有効性を示す。
論文 参考訳（メタデータ） (2025-08-22T15:51:14Z) - Follow the money: a startup-based measure of AI exposure across occupations, industries and regions [0.0]
既存のAIの職業曝露対策は、技術的実現可能性に基づいて人間の労働を代用または補うAIの理論的可能性に焦点を当てている。
我々は,O*NETとスタートアップが開発したAIアプリケーションからの職業的記述に基づく,新たな指標であるAISE(AI Startup Exposure)指標を紹介する。
我々の発見は、AIの採用は、AIアプリケーションの技術的実現可能性と同様に、社会的要因によって徐々に形成されていくことを示唆している。
論文 参考訳（メタデータ） (2024-12-06T10:25:05Z) - 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) - Beyond Recommender: An Exploratory Study of the Effects of Different AI
Roles in AI-Assisted Decision Making [48.179458030691286]
Recommender、Analyzer、Devil's Advocateの3つのAIの役割について検討する。
以上の結果から,各役割のタスクパフォーマンス,信頼性の適切性,ユーザエクスペリエンスにおける長所と短所が明らかとなった。
これらの洞察は、異なる状況に応じて適応的な機能的役割を持つAIアシスタントを設計する上で、貴重な意味を提供する。
論文 参考訳（メタデータ） (2024-03-04T07:32:28Z) - Investigations of Performance and Bias in Human-AI Teamwork in Hiring [30.046502708053097]
AIによる意思決定では、効果的なハイブリッドチームワーク(ヒューマンAI)は、AIのパフォーマンスにのみ依存するものではない。
本研究では,モデルの予測性能とバイアスの両方が,推薦型意思決定タスクにおいてどのように人間に伝達されるかを検討する。
論文 参考訳（メタデータ） (2022-02-21T17:58:07Z) - Dynamic Human-Robot Role Allocation based on Human Ergonomics Risk
Prediction and Robot Actions Adaptation [35.91053423341299]
本研究では,人ロボット協調作業における作業者に対して,組立戦略の最適化と作業の分散を行う新しい手法を提案する。
提案手法は,作業者にとって安全かつ人間工学的な条件を確保するために,タスク割り当てプロセスの制御に成功している。
論文 参考訳（メタデータ） (2021-11-05T17:29:41Z)
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。