論文の概要: Agentomics: Economic Foundations for the Valuation, Attribution, and Pricing of AI Agents in Human-AI Workflows
- arxiv url: http://arxiv.org/abs/2606.14769v1
- Date: Tue, 09 Jun 2026 03:28:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.061728
- Title: Agentomics: Economic Foundations for the Valuation, Attribution, and Pricing of AI Agents in Human-AI Workflows
- Title（参考訳）: Agentomics:人間-AIワークフローにおけるAIエージェントの評価、属性、価格の経済基盤
- Authors: Quanyan Zhu,
- Abstract要約: 本稿では,ヒトおよび人工エージェントの評価,帰属,価格設定のためのフレームワークであるemphAgentomicsを紹介する。
セキュリティ運用ケーススタディでは、ハイブリッドなヒューマンAI-AIにおける生産性向上、デプロイメントコスト、信頼性損失、連立レベルの相補性について、フレームワークがどのように説明されているかが示されている。
- 参考スコア（独自算出の注目度）: 20.036142577511455
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Agentic AI systems are increasingly being deployed as productive resources in organizational workflows, yet existing evaluation methods primarily measure isolated technical performance rather than economic contribution. This paper introduces \emph{Agentomics}, a workflow-based framework for valuing, attributing, and pricing human and artificial agents. The framework models a workflow as a configuration of heterogeneous agents whose collective performance determines gross value, deployment cost, reliability, and expected failure loss. Workflow value is treated as a team-level quantity that may include complementarities, substitution effects, bottlenecks, and nonlinear production; additive stage-level value is only a special case. Building on this workflow model, the paper formulates AI deployment as a coalition-formation problem and defines coalition value as the incremental net surplus generated relative to a benchmark human workflow. The Shapley value is then used to attribute economic surplus among participating AI agents, yielding a principled connection among valuation, accountability, and market pricing. The resulting Shapley pricing equilibrium provides a normative benchmark for assessing whether agent prices reflect expected marginal contribution. A security-operations case study illustrates how the framework accounts for productivity gains, deployment costs, reliability losses, and coalition-level complementarities in hybrid human--AI workflows.
- Abstract（参考訳）: エージェントAIシステムは、組織ワークフローにおける生産的なリソースとしてますますデプロイされているが、既存の評価方法は、主に経済的貢献ではなく、独立した技術的パフォーマンスを計測している。
本稿では,人間と人工エージェントを評価・帰属・価格設定するためのワークフローベースのフレームワークである「emph{Agentomics}」を紹介する。
フレームワークはワークフローを、全体的な価値、デプロイメントコスト、信頼性、期待される障害損失を決定する、異種エージェントの構成としてモデル化する。
ワークフロー値は、相補性、置換効果、ボトルネック、非線形生産を含む、チームレベルの量として扱われます。
このワークフローモデルに基づいて、この論文はAIデプロイメントを連立形成問題として定式化し、連立価値を、人間のベンチマークワークフローに対して生成されるインクリメンタルネット余剰量として定義する。
Shapleyの値は、参加するAIエージェント間の経済的余剰を考慮し、バリュエーション、説明責任、市場価格の原則的な関連性をもたらす。
結果のShapley価格均衡は、エージェント価格が期待される限界貢献を反映するかどうかを評価する規範的なベンチマークを提供する。
セキュリティ運用ケーススタディでは、ハイブリッドヒューマン-AIワークフローにおける生産性向上、デプロイメントコスト、信頼性損失、連立レベルの相補性について、フレームワークがどのように説明されているかが示されている。
関連論文リスト
- Plan First, Judge Later, Run Better: A DMAIC-Inspired Agentic System for Industrial Anomaly Detection [51.90293101535452]
本稿では, DMAIC-IAD (DMAIC-inspired Agentic Industrial Anomaly Detection) というマルチエージェントシステムを提案する。
DMAIC-IADは,適用対象のエージェントベースラインに対する平均検出性能を37.76%向上させる。
論文 参考訳（メタデータ） (2026-06-03T08:38:14Z) - EpochX: Building the Infrastructure for an Emergent Agent Civilization [46.36919485684112]
EpochXは、人間エージェントのプロダクションネットワークのための、クレジットネイティブなマーケットプレースインフラストラクチャである。
EpochXは、人間やエージェントを、タスクを投稿したり、それを主張できる仲間として扱う。
クレジットは、タスクの報奨金、予算の委任、受け入れ時の報酬の支払い、検証済みの資産が再利用されたときにクリエーターを補償する。
論文 参考訳（メタデータ） (2026-03-28T15:20:48Z) - $V_0$: A Generalist Value Model for Any Policy at State Zero [80.7505802128501]
ポリシーメソッドは、アクションの相対的な利点を測定するためにベースラインに依存します。
このベースラインは一般的に、政策モデルそのものと同じくらい大きな価値モデル(Critic)によって推定される。
未知のプロンプト上での任意のモデルの期待性能を推定できるジェネリスト値モデルを提案する。
論文 参考訳（メタデータ） (2026-02-03T14:35:23Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - Benchmarking LLM Agents for Wealth-Management Workflows [0.0]
この論文はTheAgentCompanyを金融に焦点を当てた環境に拡張している。
本研究は、汎用LLMエージェントが、精密かつ経済的に代表的富管理タスクを完了できるかどうかを調査する。
論文 参考訳（メタデータ） (2025-12-01T21:56:21Z) - UpBench: A Dynamically Evolving Real-World Labor-Market Agentic Benchmark Framework Built for Human-Centric AI [2.0619484032730813]
UpBenchは、グローバルなUpworkの労働市場から引き出された実際の仕事に関するベンチマークだ。
各タスクは検証されたクライアントトランザクションに対応し、実際の作業活動と財務成果の評価をアンロックする。
UpBenchはルーリックベースの評価フレームワークを採用しており、専門家フリーランサーは各ジョブを詳細かつ検証可能な受け入れ基準に分解し、基準ごとのフィードバックでAI申請を評価する。
論文 参考訳（メタデータ） (2025-11-15T17:39:37Z) - Cost-Optimal Active AI Model Evaluation [71.2069549142394]
生成AIシステムの開発には、継続的な評価、データ取得、アノテーションが必要である。
我々は、安価だがしばしば不正確で弱いレーダの使用を積極的にバランスさせる新しいコスト認識手法を開発した。
我々は、弱者と強者の間で所定のアノテーション予算を割り当てるためのコスト最適化政策のファミリーを導出する。
論文 参考訳（メタデータ） (2025-06-09T17:14:41Z) - Shapley-Coop: Credit Assignment for Emergent Cooperation in Self-Interested LLM Agents [19.76624432791744]
大規模言語モデル(LLM)は、事前に定義された役割と役割を持つマルチエージェントシステムにおいて、強力な協調的なパフォーマンスを示す。
コーディネーションの 中心的な課題は 信用の割り当てにある
Shagley-CoopはShapley Chain-of-Thoughtを効果的な価格マッチングのための構造化プロトコルに統合する。
論文 参考訳（メタデータ） (2025-06-09T03:24:01Z) - COALESCE: Economic and Security Dynamics of Skill-Based Task Outsourcing Among Team of Autonomous LLM Agents [0.0]
COALESCEは、自律型大規模言語モデル(LLM)エージェントが特定のサブタスクを、特殊で費用対効果の高いサードパーティのLCMエージェントにアウトソースできるように設計された、新しいフレームワークである。
239の理論的シミュレーションによる総合的な検証は41.8%のコスト削減の可能性を示している。
240の実際のLCMタスクにわたる大規模な実証検証により、適切なエプシロン-グレディー探索によって20.3%のコスト削減が確認された。
論文 参考訳（メタデータ） (2025-06-02T17:22:47Z) - ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。
ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。
ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
論文 参考訳（メタデータ） (2024-09-02T17:44:10Z)
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。