論文の概要: The Organizational Behavior of Agentic AI: Collective Intelligence in Human-Agent Workflows
- arxiv url: http://arxiv.org/abs/2606.30986v1
- Date: Mon, 29 Jun 2026 23:50:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.030854
- Title: The Organizational Behavior of Agentic AI: Collective Intelligence in Human-Agent Workflows
- Title（参考訳）: エージェントAIの組織的行動:ヒューマンエージェントワークフローにおける集団知能
- Abstract要約: エージェントAIは部分的な組織的な類似点である、と私は主張する。
それは、仕事を区別し、調整し、繰り返しルーチンを実行し、境界を越えて、集合的な結果を生み出すため、人間の組織に似ています。
これらのパターンは、モチベーション、アイデンティティ、信頼、雇用、社会化、道徳的説明責任によって持続されないため、異なる。
この記事では、これらの類似点と相違点をリンクする中心的なメカニズムとして、コンテキストトランザクションコストを論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic artificial intelligence is increasingly deployed not as a single assistant but as a collective of planners, solvers, reviewers, memory managers, tool users, and orchestrators. These systems are entering organisational workflows under familiar labels such as teams, managers, committees, markets, and workflows. This article asks whether such agent collectives exhibit organisational behaviour in a sense that is analytically comparable to, yet distinct from, human organisational behaviour. I argue that agentic AI is a partial organisational analogue. It resembles a human organisation because it differentiates work, coordinates interdependence, performs recurrent routines, crosses boundaries, and produces collective outcomes. It differs because these patterns are not sustained by motivation, identity, trust, employment, socialisation, or moral accountability. They are sustained by context architecture: prompts, memory, traces, schemas, tools, validators, and permissions. The article develops contextual transaction cost as the central mechanism linking these similarities and differences. Computational theorising, synthetic task simulations, real LLM agent traces, and robustness analyses show that human-imitation forms often underperform when they add lossy handoffs, correlated deliberation, and verification burdens, whereas shared-state and adaptive forms perform better when they make context durable, inspectable, and task-contingent. The article contributes to organisation studies by theorising agentic AI as an emerging object of organising and by specifying the interface conditions under which human and agentic organisational behaviour can jointly support collective intelligence.
- Abstract（参考訳）: エージェント人工知能は、単一のアシスタントとしてではなく、プランナー、解決者、レビュアー、メモリマネージャ、ツールユーザ、オーケストレータの集合として、ますます普及している。
これらのシステムは、チーム、マネージャ、委員会、市場、ワークフローなど、よく知られたラベルの下で組織ワークフローに入ります。
この記事では、そのようなエージェント集団が、人間の組織的行動と分析的に同等だが異なる意味で、組織的行動を示すかどうかを問う。
エージェントAIは部分的な組織的な類似点である、と私は主張する。
それは仕事を区別し、相互依存を調整し、繰り返しルーチンを実行し、境界を越えて、集合的な結果を生み出すため、人間の組織に似ています。
これらのパターンは、モチベーション、アイデンティティ、信頼、雇用、社会化、道徳的説明責任によって持続されないため、異なる。
それらは、プロンプト、メモリ、トレース、スキーマ、ツール、バリデータ、パーミッションといったコンテキストアーキテクチャによって維持される。
この記事では、これらの類似点と相違点をリンクする中心的なメカニズムとして、コンテキストトランザクションコストを論じる。
計算理論、合成タスクシミュレーション、実LLMエージェントトレース、ロバストネス分析は、人間の想像の形式が、損失のあるハンドオフ、相関的な熟考、検証の負担を加えると、しばしば過小評価され、一方、共有状態と適応状態の形式は、コンテキストの耐久性、検査性、タスクの継続性が向上することを示している。
この記事では、エージェントAIを組織化の新たな対象として論じ、人間とエージェントの組織行動が集団知性を共同で支援できるインターフェース条件を規定することによって、組織研究に貢献する。
関連論文リスト
- An Agent Model Abstraction for Human-AI Teaming Cognitive Coupling [0.9566312408744931]
産業環境はますます人間とAI対応エージェントの協力に依存している。
本稿では,8つの要素を通して認知的結合を定式化する認知エージェントモデルを提案する。
論文 参考訳（メタデータ） (2026-09-03T11:01:02Z) - ComBodied Agents: a New Paradigm of Human-Centric Agentic AI [121.60938707072069]
我々は、人間中心のパラダイムであるCombodied Agentsを紹介し、時間とともに個々の人間状態の軌跡を知覚し、モデル化し、予測し、支援する。
パーソナルアシスタント、ヘルスエージェント、AIコンパニオン、適応型ヒューマンAIシステムをクローズドループに統合する。
論文 参考訳（メタデータ） (2026-08-11T13:35:58Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - Caring Without Feeling: Affective Dynamics as the Control Layer of Human-AI Agent Collaboration [28.35417287973668]
エージェント的なコラボレーションの中で、感情的な手がかりがどのように動作するかは、統合された説明がない。
モデルが生成した感情信号が、依存、修復、監視を管理する相互作用ループにどのように入るかを追跡する。
我々は、AIの内的特性ではなく、人間やエージェントが能力、不確実性、責任を交渉する協調レイヤとして、影響を扱えるフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T05:10:38Z) - A Practical Guide to Agentic AI Transition in Organizations [4.085087405595323]
エージェントAIは、組織内でのインテリジェンスの適用方法に大きな変化をもたらします。
本稿では,手動プロセスから自動エージェントAIシステムへ組織機能を移行するための実用的枠組みを提案する。
論文 参考訳（メタデータ） (2026-01-27T10:49:59Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - The Agent Behavior: Model, Governance and Challenges in the AI Digital Age [13.689486430780518]
AIの進歩は、ネットワーク化された環境でエージェントが人間の振る舞いを反映するようになる。
本稿では,ネットワークの挙動を6段階に分割し,各段階における人間とエージェントの行動差を系統的に解析するネットワーク行動ライフサイクルモデルを提案する。
エージェントのためのエージェント(A4A)パラダイムと,5次元にわたる人間とエージェントの行動の根本的な区別を考察したHuman-Agent Behavioral Disparity(HABD)モデルについても紹介する。
論文 参考訳（メタデータ） (2025-08-20T04:24:55Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
論文 参考訳（メタデータ） (2025-05-15T16:21:33Z)
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。