論文の概要: Will AI Agents Free Us From Meaningless Work? A Human-Centered Analysis
- arxiv url: http://arxiv.org/abs/2606.12430v1
- Date: Fri, 15 May 2026 14:34:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.892605
- Title: Will AI Agents Free Us From Meaningless Work? A Human-Centered Analysis
- Title（参考訳）: AIエージェントは無意味な仕事から解放されるのか?人間中心の分析
- Authors: Davide Ghia, Jaspreet Ranjit, Tania Cerquitelli, Daniele Quercia,
- Abstract要約: 171の職場作業における202人の労働者の格付けを用いて、いじめに対する認識がAIデリゲートへの欲求を強く予測していることを示す。
これらの結果から,AIデリゲートの自然な候補として,不正と認識されたタスクが示唆された。
- 参考スコア（独自算出の注目度）: 9.976808645232296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Some claim that AI agents will free workers from the boring parts of their jobs, yet little is known about how workers themselves identify which tasks should be automated. Prior research focuses on occupations, overlooking that workers experience varying levels of meaning across tasks within the same role. We address this gap with a task-level analysis grounded in Graeber's theory of bullshit jobs. Using ratings from 202 workers on 171 workplace tasks, we (1) validate a five-item scale of perceived bullshitness, (2) show that perceived bullshitness strongly predicts desire for AI delegation, and (3) find that such tasks are also seen as requiring less human oversight. Together, these findings suggest that tasks perceived as bullshit are natural candidates for AI delegation, aligning worker preferences with perceived feasibility.
- Abstract（参考訳）: AIエージェントが仕事の退屈な部分から労働者を解放すると主張する人もいるが、労働者自身がどのタスクを自動化すべきかを特定する方法についてはほとんど分かっていない。
以前の研究では、労働者が同じ役割のタスクで様々なレベルの意味を経験しているのを見越して、職業に焦点を当てていた。
このギャップを,Graeberの不正な仕事の理論に基づくタスクレベル分析で解決する。
職場171の作業における202人の作業員の格付けを用いて,(1)認識されたブルシットネスの尺度を検証し,(2)認識されたブルシットネスがAIデリゲーションの欲求を強く予測し,(3)そのような作業も人間の監督を必要としないと見なされることを示す。
これらの結果から,AIデリゲートの自然な候補は不正と認識されたタスクであり,作業者の嗜好と実現可能性との整合性が示唆された。
関連論文リスト
- Are We Automating the Joy Out of Work? Designing AI to Augment Work, Not Meaning [21.341678137262054]
我々は171のタスクの代表的なサンプルについて、労働者と開発者を調査した。
私たちは、労働者が代理店の感覚や幸福と結びつくタスクが、AIに不当に暴露されることに気付きました。
これらのギャップに対処するために、私たちは、意味のある仕事と労働者のニーズに明示的に焦点を絞ったAIを呼びます。
論文 参考訳（メタデータ） (2026-03-16T08:21:12Z) - Barriers to AI Adoption: Image Concerns at Work [0.0]
私は、労働者がAIへの依存が評価者に見える場合、低いレートでAIレコメンデーションを採用することに気付きました。
労働者がAIに大きく依存することを恐れていることが、労働者自身の判断に対する自信の欠如を示唆していることを示す、インセンティブに適合する新しい方法を紹介します。
論文 参考訳（メタデータ） (2025-11-23T18:50:34Z) - How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations [112.57167042285437]
エージェントが人間とエージェントの労働者の直接比較を初めて提示することで、エージェントがどのように人間の仕事をするかを考察する。
結果が88.3%速く、コストが90.4-96.2%低いことが判明した。
論文 参考訳（メタデータ） (2025-10-26T18:10:22Z) - 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) - Redefining Research Crowdsourcing: Incorporating Human Feedback with LLM-Powered Digital Twins [7.900453156741494]
Amazon Mechanical TurkやProlificといったクラウドワークプラットフォームは研究に不可欠だが、生成型AIツールの利用の増加が課題となっている。
本稿では、労働者の行動や嗜好をエミュレートするパーソナライズされたAIモデルであるデジタルツインを用いたハイブリッドフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-29T20:55:27Z) - Evaluating Intelligence via Trial and Error [59.80426744891971]
本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。
フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。
我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
論文 参考訳（メタデータ） (2025-02-26T05:59:45Z) - Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。
次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。
模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
論文 参考訳（メタデータ） (2022-11-23T16:16:52Z)
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。