論文の概要: How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope

• arxiv url: http://arxiv.org/abs/2606.07489v2
• Date: Thu, 11 Jun 2026 05:52:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 13:39:59.49145
• Title: How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope
• Title（参考訳）: AIエージェントが知識をどう作り直すか - 自律性、効率性、スコープ
• Authors: Jeremy Yang, Kate Zyskowski, Noah Yonack, Jerry Ma,
• Abstract要約: 我々は、AIエージェントが知識の働きを加速し、作り直す方法を研究する。 コンピュータはユーザセッション毎に26分間の自律的な作業を実行しますが、検索には33秒かかります。 自律的な優位性のため、コンピュータは完了時間をマッチしたタスクで269分から36分に短縮する。
• 参考スコア（独自算出の注目度）: 0.7466390172678969
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Frontier AI systems are bridging the gap between intelligence and utility by shifting from conversational assistants to autonomous agents that execute tasks end to end. Using production data from Perplexity's Search and Computer products, we study this transition by examining how AI agents accelerate and reshape knowledge work. Three key empirical findings emerge. First, using sessions with near-identical initial query pairs as natural experiments for the same underlying task attempted with both products, Computer performs 26 minutes of autonomous work per user session, versus 33 seconds for Search. Computer automates task decomposition and execution that Search users might otherwise manually orchestrate and implement. As a result, Computer shifts follow-up query distribution toward higher-order work such as verification and extension. Autonomy also increases execution quality, with per-query dissatisfaction rates 55% lower on Computer than on Search. Second, due to its autonomy advantage, Computer reduces completion time from 269 to 36 minutes on matched tasks, lowering estimated time and cost by 87% and 94%, respectively, compared to humans equipped with Search alone. Third, Computer changes the scope of work that users attempt: Computer queries more often cross occupational boundaries, require higher-order cognition, draw on broader expertise, take the form of composite tasks that bundle interdependent subtasks into a single query, and unlock work activities that are essentially absent from Search usage among the same users. Together, the evidence indicates that AI agents accelerate workflows, enhance output quality, reduce costs, and expand the breadth and depth of automated work.
• Abstract（参考訳）: 最先端のAIシステムは、会話アシスタントからタスクを終末に実行する自律エージェントに移行することで、知性とユーティリティのギャップを埋めようとしている。 Perplexityの検索とコンピュータ製品の生産データを用いて、AIエージェントが知識業務を加速し、再形成する方法について検討する。 3つの重要な経験的発見が現れる。 まず、ほぼ同一の初期クエリペアを持つセッションを、両方の製品で試みられた同じタスクの自然な実験として使用し、コンピュータはユーザセッション毎に26分間の自律的な作業を実行し、検索には33秒を要した。 コンピュータは、検索ユーザーが手動でオーケストレーションし実装するタスク分解と実行を自動化する。 その結果、コンピュータは、追従クエリの分布を検証や拡張のような高次の作業にシフトする。 オートノミーは実行品質も向上し、クエリごとの不満率は検索よりもコンピュータの方が55%低い。 第二に、自律的な優位性のため、コンピュータはマッチしたタスクの完了時間を269分から36分に短縮し、検索のみを備えた人間と比較して、それぞれ推定時間とコストを87%、コストを94%削減する。 第3に,コンピュータクエリは,ユーザが試みる作業範囲を変更します。 コンピュータクエリは,職業的境界を越えた場合が多いこと,高次の認識を必要とすること,広範な専門知識を引き出すこと,相互依存サブタスクを単一のクエリにバンドルする複合タスクの形式を採用すること,検索使用法から本質的に欠落している作業アクティビティを同じユーザ間でアンロックすること,などです。 この証拠は、AIエージェントがワークフローを加速し、出力品質を高め、コストを削減し、自動化作業の幅と深さを拡大していることを示している。

関連論文リスト

• OSExpert: Computer-Use Agents Learning Professional Skills via Exploration [55.660669638732024]
  汎用コンピュータ利用エージェントは、人間の専門家ほど役に立たない。 本研究では,環境の単位関数を探索し,検証するための深度優先探索アルゴリズムを提案する。 エージェントは、合成タスクのカリキュラムを自己構築するために、ユニットスキル間の構成性を利用する。
  論文  参考訳（メタデータ） (2026-03-09T05:27:56Z)
• AgentIF-OneDay: A Task-level Instruction-Following Benchmark for General AI Agents in Daily Scenarios [49.90735676070039]
  持続時間と複雑さが増大するタスクを効果的に処理するAIエージェントの能力は、成長を続けている。 エージェントタスクの多様性に十分対処することなく,タスクの難易度の向上を優先している。 本稿では,自然言語命令とAIエージェントを多種多様な日常タスクに活用できるかどうかを判定するエージェントIF-OneDayを提案する。
  論文  参考訳（メタデータ） (2026-01-28T13:49:18Z)
• Introducing Axlerod: An LLM-based Chatbot for Assisting Independent Insurance Agents [0.20999222360659608]
  保険業界は人工知能(AI)技術の導入を通じてパラダイムシフトを行っている。 本稿では,独立保険業者の業務効率向上を目的としたAIを活用した対話インタフェースであるAxlerodの設計,実装,実証評価について述べる。
  論文  参考訳（メタデータ） (2025-12-24T15:31:59Z)
• What Work is AI Actually Doing? Uncovering the Drivers of Generative AI Adoption [1.4977849232424492]
  本研究は,本質的なタスク特性が,AIシステムに業務を委譲するユーザの判断を促すかを検討する。 本研究は,実世界の生成AI利用を,本質的なタスク特性の包括的多次元フレームワークに結びつける最初の体系的証拠を提供する。
  論文  参考訳（メタデータ） (2025-10-26T19:13:37Z)
• InfoAgent: Advancing Autonomous Information-Seeking Agents [143.15973604285304]
  本稿では,革新的なデータ合成パイプラインとWeb検索ツールを駆使したディープリサーチエージェントInfoAgentを紹介する。 我々の方法では、InfoAgentはBrowseCompで15.3%、BrowseComp-ZHで29.2%、Xbench-DSで40.4%の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-29T17:59:57Z)
• Tree Search for Language Model Agents [73.97960454223164]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)

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。