論文の概要: Short-Term Gain, Long-Term Fragility: AI Labor Substitution and the Erosion of Sustainable Capability

• arxiv url: http://arxiv.org/abs/2605.27399v1
• Date: Thu, 23 Apr 2026 03:11:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 02:55:43.007432
• Title: Short-Term Gain, Long-Term Fragility: AI Labor Substitution and the Erosion of Sustainable Capability
• Title（参考訳）: 短期的ゲイン、長期的脆弱性:AI労働代行と持続可能な能力の喪失
• Authors: Wolfgang Rohde,
• Abstract要約: 本稿では,AI労働代行下での能力マスキングと能力侵食のメカニズムを考察する。 AIが生成したアウトプットは、熟練した人間の労働への依存が残っている場合でも、組織能力が置き換えられたように見える。 AI支援コーディングの証拠によると、生成した出力は依然として相当な人間による検証が必要であり、正確性、保守性、セキュリティが不均一である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: What looks like acceleration can be a quiet transfer of burden from the present to the future. Attempts to replace human labor with AI systems are often presented as rational responses to technological progress, but that view is often structurally short-sighted. Across software development and adjacent knowledge industries, AI is increasingly attractive because it appears to reduce labor costs, speed output, and improve short-term metrics. Yet those gains may be achieved by drawing down human capabilities that are slow to build and difficult to restore. This paper develops a mechanism of capability masking and capability erosion under AI labor substitution. AI-generated output can create the appearance that organizational capability has been replaced, even when dependence on skilled human labor remains. That appearance can support hiring restraint while slower costs accumulate in the background. Evidence from AI-assisted coding shows that generated output still requires substantial human verification and remains uneven in correctness, maintainability, and security. Repository-level studies also suggest limits in handling broader codebase context. More broadly, labor-market, political-economy, and industrial-strategy evidence suggests that substitution pressures are being driven by managerial cost incentives and national competition while increasing risks of concentration and platform control. The result is a system that may look more efficient in the short term while becoming more fragile over time.
• Abstract（参考訳）: 加速のように見えるのは、現在から未来への負荷の静かな移動だ。 人間の労働をAIシステムに置き換えようとする試みは、しばしば技術進歩に対する合理的な反応として提示されるが、その見解は構造的に短視されることが多い。 ソフトウェア開発と隣接する知識産業全体で、AIは労働コストを削減し、アウトプットをスピードアップし、短期的なメトリクスを改善するため、ますます魅力的になっている。 しかし、これらの成果は、構築が遅く、復元が難しい人間の能力を引き出すことによって達成される可能性がある。 本稿では,AI労働代行下での能力マスキングと能力侵食のメカニズムを考察する。 AIが生成したアウトプットは、熟練した人間の労働への依存が残っている場合でも、組織能力が置き換えられたように見える。 その外観は、低いコストが背景に蓄積されている間、雇用抑制をサポートすることができます。 AI支援コーディングの証拠によると、生成した出力は依然として相当な人間による検証が必要であり、正確性、保守性、セキュリティが不均一である。 リポジトリレベルの研究は、より広いコードベースコンテキストを扱う際の限界も示唆している。 より広範に、労働市場、政治エコノミー、産業統計学の証拠は、置換圧力は、集中とプラットフォームコントロールのリスクを高めながら、管理コストインセンティブと国家競争によって引き起こされていることを示唆している。 その結果、短期的にはより効率的に見えるようになり、時間とともに脆弱になる可能性がある。

関連論文リスト

• The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading [0.0]
  実験的な証拠は、AIツールが労働者の生産性を高めることを裏付けるが、持続的な使用は、それらの利益が依存する専門知識を損なう可能性がある。 我々は、意思決定者が労働者のAI利用強度を時間とともに選択する動的モデルを開発する。 ツールの生産性効果を2つのチャネルに分解します。
  論文  参考訳（メタデータ） (2026-04-03T22:50:32Z)
• Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering [59.18634614089481]
  超長距離機械学習工学(MLE)を習得する自律エージェントML-Master 2.0を提案する。 文脈管理を認知的蓄積のプロセスとして考えることで、階層的認知キャッシング(HCC)を導入する。 HCCは、エージェントが短期的な実験戦略から即時実行を分離することを可能にする。 オープンAIのMLE-Benchを24時間予算で評価すると、ML-Master 2.0は56.44%の最先端のメダルを獲得した。
  論文  参考訳（メタデータ） (2026-01-15T13:52:04Z)
• Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences (October 2025 -- Version 2) [49.142289900583705]
  我々は、AI研究成果に対する信頼の侵食の増加についてレビューする。 我々は、AIエコシステムの断片化されたコンポーネントと、OpenとSustainable AIを最大限にサポートするためのガイドパスの欠如について論じる。 私たちの研究は、研究者と関連するAIリソースを結びつけることで、持続可能な、再利用可能な、透過的なAIの実装を容易にします。
  論文  参考訳（メタデータ） (2025-05-22T12:52:34Z)
• AI Safety Should Prioritize the Future of Work [13.076075926681522]
  AIの安全性に関する現在の取り組みは、有害なコンテンツのフィルタリングを優先し、人間の行動の操作を防止し、サイバーセキュリティやバイオセキュリティの既存のリスクを排除している。 この狭義の焦点は、社会の長期的な軌跡を形成する人間中心の批判的考察を見落としている。
  論文  参考訳（メタデータ） (2025-04-16T23:12:30Z)
• Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis [0.0]
  我々は、人工知能における神経スケーリング法則が労働市場におけるJevonsのパラドックスを活性化するかどうかを分析する。 我々は、AIシステムが補完から人間の労働の代替へと移行する分析条件を確立する。
  論文  参考訳（メタデータ） (2025-03-04T16:55:30Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Scenarios for the Transition to AGI [0.24664305327044286]
  我々は、技術進歩の異なるシナリオの下で、生産と賃金がどのように振る舞うかを分析する。 人間の作業は、複雑さが異なる原子論的なタスクに分解できると仮定する。
  論文  参考訳（メタデータ） (2024-03-17T22:22:28Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)

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。