論文の概要: Human-AI Agent Interaction in a Business Context

• arxiv url: http://arxiv.org/abs/2606.18716v1
• Date: Wed, 17 Jun 2026 05:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 13:55:51.811422
• Title: Human-AI Agent Interaction in a Business Context
• Title（参考訳）: ビジネスコンテキストにおけるヒューマン・AIエージェントインタラクション
• Authors: Kathrin Paimann, Elizangela Valarini, Sebastian Juhl,
• Abstract要約: この研究は、AIエージェントによるポジティブユーザエクスペリエンス(UX)の原則と基準を特定し、評価する。 混合メソッドアプローチを用いて、人間とAIエージェント間の相互作用パターンを探索する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As AI agents are increasingly integrated into core business processes, understanding and designing effective interaction patterns between humans and AI agents becomes crucial for value creation. This study identifies and evaluates principles and criteria for a positive User Experience (UX) with AI agents, along with methods for its measurement. We identify user expectations and needs to facilitate adoption, build trust, and support user-centered decision-making by development teams. Using a mixed-methods approach that combines qualitative and quantitative techniques, we explore interaction patterns between humans and AI agents. The findings from this exploratory research serve as the basis to develop a survey experiment which evaluates the effectiveness of specific design elements on a larger scale. This foundational research contributes to the development of more intuitive and effective human-AI agent interactions in business settings.
• Abstract（参考訳）: AIエージェントがコアビジネスプロセスに統合されるにつれて、人間とAIエージェント間の効果的なインタラクションパターンの理解と設計が価値創造に不可欠になる。 本研究は,AIエージェントによる肯定的ユーザエクスペリエンス(UX)の原則と基準を,その測定方法とともに同定し,評価する。 ユーザからの期待を認識し、採用を促進し、信頼を構築し、開発チームによるユーザ中心の意思決定をサポートする必要があります。 定性的手法と定量的手法を組み合わせた混合メソッドアプローチを用いて、人間とAIエージェント間の相互作用パターンを探索する。 本研究から得られた知見は, 特定の設計要素を大規模に評価する調査実験の基盤となる。 この基礎研究は、ビジネス環境でのより直感的で効果的なヒューマン・AIエージェントインタラクションの開発に寄与する。

関連論文リスト

• From Accuracy to Readiness: Metrics and Benchmarks for Human-AI Decision-Making [0.5153774021264936]
  実証的な証拠は、多くの失敗が誤った信頼から生じることを示している。 本稿では,チーム準備を主眼とした人間とAIの意思決定を評価するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-19T13:35:29Z)
• Exploring Big Five Personality and AI Capability Effects in LLM-Simulated Negotiation Dialogues [16.07828032939124]
  本稿では,ミッションクリティカルな交渉文脈におけるエージェントAIシステムの評価フレームワークを提案する。 ソトピアをシミュレーションテストベッドとして使用し、人格特性とAIエージェント特性が社会的交渉結果にどのように影響するかを体系的に評価する2つの実験を行った。
  論文  参考訳（メタデータ） (2025-06-19T00:14:56Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Human-AI Collaboration: Trade-offs Between Performance and Preferences [6.521033978692547]
  人間の行動に配慮したエージェントは、純粋にパフォーマンスを最大化するエージェントよりも好まれることを示す。 我々は、不平等-逆転効果が人間の選択の原動力であることの証拠を見つけ、人々がチームへの有意義な貢献を可能にする協力的なエージェントを好むことを示唆している。
  論文  参考訳（メタデータ） (2025-02-28T23:50:14Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Assessing Human Interaction in Virtual Reality With Continually Learning Prediction Agents Based on Reinforcement Learning Algorithms: A Pilot Study [6.076137037890219]
  本研究では,人間と学習の継続する予測エージェントの相互作用が,エージェントの能力の発達とともにどのように発達するかを検討する。 我々は、強化学習(RL)アルゴリズムから学習した予測が人間の予測を増大させる仮想現実環境と時間ベースの予測タスクを開発する。 以上の結果から,人的信頼はエージェントとの早期の相互作用に影響され,信頼が戦略的行動に影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2021-12-14T22:46:44Z)

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。