論文の概要: Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility
- arxiv url: http://arxiv.org/abs/2606.29111v1
- Date: Sat, 27 Jun 2026 23:34:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.791741
- Title: Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility
- Title（参考訳）: ヒューマンフォールバックの管理 - AIと作業者のモビリティを改善するためのスキル投資
- Abstract要約: 企業が自律的なAIをデプロイするときは、システムに残すべき作業量と、労働者のエンゲージメントを維持するための作業量を決定する必要がある。
我々は、AIが機能する時に作業者より優れるが、正の確率で失敗する2周期モデルを開発した。
企業は、労働者のエンゲージメントを選択し、エンゲージメントは、ベンチマーク以下の労働者の現在のアウトプットを低くするが、学習と浸食によって将来のスキルを変える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When firms deploy autonomous AI, they must decide how much work to leave to the system and how much to keep workers engaged. This decision affects current output and future human capital. We develop a parsimonious two-period model in which AI may outperform the worker when it functions, but may fail with positive probability. A firm chooses worker engagement; engagement lowers current output for below-benchmark workers, but changes future skill through learning and erosion. We distinguish two dimensions of AI progress: capability, the system's output when it works, and reliability, the probability that it works. In a single-firm benchmark, engagement is valuable only as fallback investment. The firm engages the least-skilled workers most, because they have the largest skill gaps and are least costly to bring toward a useful fallback level. With worker mobility, engagement also affects labor-market sorting: workers prefer jobs that build more valuable skill trajectories. This sorting motive targets higher-skill workers near the AI frontier, where skill gains are more valuable and engagement is less costly. Mobility can therefore reverse the engagement pattern, shifting investment from the least-skilled toward the most-skilled workers below the AI benchmark. Mobility also reshapes how AI progress affects engagement: greater capability raises engagement by increasing the value of the skill trajectory a firm offers, whereas greater reliability can raise or lower it because it reduces fallback need while also changing learning opportunities. Under worker mobility, human-AI work design becomes a problem of human-capital investment, in which allocating work today shapes future skill.
- Abstract（参考訳）: 企業が自律型AIをデプロイするときは、システムに残すべき作業量と、労働者の関与を維持するための作業量を決定する必要がある。
この決定は、現在の生産と将来の人的資本に影響を与える。
我々は、AIが機能する時に作業者より優れるが、正の確率で失敗する2周期モデルを開発した。
企業は、労働者のエンゲージメントを選択し、エンゲージメントは、ベンチマーク以下の労働者の現在のアウトプットを低くするが、学習と浸食によって将来のスキルを変える。
AIの進歩の2つの次元を区別します。能力、システムの動作時の出力、信頼性、動作の確率です。
単一確認ベンチマークでは、エンゲージメントはフォールバック投資としてのみ有用である。
最大のスキルギャップがあり、便利なフォールバックレベルに導くのに最小限のコストがかかるため、同社は最も熟練の低い労働者を雇っている。
労働者のモビリティでは、エンゲージメントは労働市場のソートにも影響を及ぼす。
このソートモチベーションは、スキル向上がより価値があり、エンゲージメントがよりコストの低いAIフロンティア近くの高度な労働者をターゲットにしている。
そのため、モビリティーはエンゲージメントのパターンを逆転させ、投資をAIベンチマークの下の最も熟練した労働者にシフトすることができる。
AIの進歩がエンゲージメントにどのように影響するかを、モビリティは再認識する: より大きな能力は、企業の提供するスキルトラジェクトリの価値を高めることによってエンゲージメントを高める。
作業者のモビリティの下では、人間とAIの作業設計が人的資本投資の課題となり、今日の作業の割り当てが将来の技術を形成する。
関連論文リスト
- When Does AI Augment Work? A Workflow-Level Framework for Human-Agent Collaboration [78.16115745870405]
職場における人工知能の価値を特徴付けることを目的としている。
現在の研究は、この価値を、現在の自動化能力とAIの公的な採用の観点から大きく測定している。
これを考慮するためには、今日の微粒化タスクを超えて分析の範囲を広げなければならない。
論文 参考訳（メタデータ） (2026-09-11T06:29:34Z) - The Boundaries of Automation: A Theory of Persistent Human Participation [107.84677954791773]
高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。
一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。
この観点は、自動化の限界に重要な意味を持つ。
論文 参考訳（メタデータ） (2026-07-23T17:33:43Z) - SkillGen: Verified Inference-Time Agent Skill Synthesis [60.927977774369516]
SkillGenは、ベースエージェントによって生成されたトラジェクトリから単一の監査可能なスキルを合成するフレームワークである。
再利用可能な成功パターン、繰り返し発生する障害モード、そして近くの成功に現れるが失敗に欠ける行動を特定する。
SkillGenの重要な特徴は、エージェントスキルを、全体的なパフォーマンスに対するスキルのネット効果を実証的に検証するための介入としてモデル化することです。
論文 参考訳（メタデータ） (2026-05-09T19:24:11Z) - Short-Term Gain, Long-Term Fragility: AI Labor Substitution and the Erosion of Sustainable Capability [0.0]
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。
論文 参考訳（メタデータ） (2026-04-23T03:11:27Z) - 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) - AI Skills Improve Job Prospects: Causal Evidence from a Hiring Experiment [0.15293427903448023]
本研究は、AIスキルが正の雇用シグナルとして機能するかどうか、また、高齢者や正規教育などの従来の不利を相殺できるかどうかを検討する。
英国と米国からの1,700名の採用者を対象に,実験的な調査を実施している。
3つの職業で、AIスキルはインタビューの招待確率を約8～15ポイント増加させる。
論文 参考訳（メタデータ） (2026-01-19T18:37:28Z) - Training for Obsolescence? The AI-Driven Education Trap [0.0]
我々は、AIを採用するという決定は、AIの将来の賃金抑制効果をこれらのスキルに内在させることができない、その教育生産性によってもたらされる教育プランナーをモデル化する。
我々の発見は、前向きな労働市場信号と組み合わせなければ、教育におけるAIを促進する政策が、学生の長期的資本をパラドックス的に損なう可能性があることを警告した。
論文 参考訳（メタデータ） (2025-08-27T07:04:19Z) - SIME: Enhancing Policy Self-Improvement with Modal-level Exploration [49.86173021151849]
自己改善を成功させる鍵は、モーダルレベルの探索とデータ選択である。
ポリシー実行中にモーダルレベルの探索機構を組み込むことで、ロボットはより多様なマルチモーダルインタラクションを生成できる。
シミュレーションベンチマークと実世界実験の両方において,効果的なロボット自己改善の実証に成功した。
論文 参考訳（メタデータ） (2025-05-02T17:13:03Z) - Superintelligence Strategy: Expert Version [64.7113737051525]
AI開発を不安定にすることで、大国間の対立の可能性が高まる可能性がある。
スーパーインテリジェンス — ほぼすべての認知タスクにおいて、AIが人間よりもはるかに優れている — が、AI研究者によって期待されている。
本稿では,相互保証型AI誤動作の概念を紹介する。
論文 参考訳（メタデータ） (2025-03-07T17:53:24Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - 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) - AI and Jobs: Has the Inflection Point Arrived? Evidence from an Online Labor Platform [0.13124513975412255]
我々は、AIが異なるオンライン労働市場(OLM)のフリーランサーにどのように影響するかを調査する。
そこで我々はCournot型競合モデルを開発した。
合衆国のWebデベロッパは、他のリージョンに比べてChatGPTのリリースの恩恵を受ける傾向にある。
論文 参考訳（メタデータ） (2023-12-07T10:06:34Z) - Artificial intelligence and the skill premium [0.0]
我々は,産業用ロボットとAIを区別した置換生産関数のネスト定数弾性を開発する。
ハイスキルな労働者がハイスキルな労働者である場合よりも、ハイスキルな労働者が置換可能である限り、AIはスキルのプレミアムを下げることを示す。
論文 参考訳（メタデータ） (2023-11-14T20:16:55Z)
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。