論文の概要: You Shall Not Pass! Where and Why Developers Draw The Line on AI Autonomy
- arxiv url: http://arxiv.org/abs/2607.00533v1
- Date: Wed, 01 Jul 2026 07:24:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.775798
- Title: You Shall Not Pass! Where and Why Developers Draw The Line on AI Autonomy
- Title（参考訳）: 開発者がAIの自律性で線を引いた場所と理由
- Abstract要約: ほとんどの開発者は、監督下でAIを生産する作業を受け入れるが、自律性はタスクや個人によって実質的に異なる。
アクセプタンスは、アイデンティティ定義、ヒューマンインターフェース、デザイン指向の作業において最低であり、AIエクスペリエンスとリスク許容度を持つ開発者にとっては、より高いものだった。
我々の研究結果は、AIの自律性に対する好みが、開発者が自分の仕事を認知的に体験する方法を反映していることを示唆している。
- 参考スコア（独自算出の注目度）: 7.477031451733673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As AI takes on more software work, the line between human and AI effort is shifting. Where developers draw that line around AI autonomy bears on how we design tools and roles that preserve meaningful work. Drawing on cognitive appraisal theory, work design, and automation research, we conducted a mixed-methods study of 448 professional developers at Microsoft to investigate their accepted levels of AI autonomy across software engineering work. Most developers accepted AI producing work under their oversight, although accepted autonomy varied substantively across tasks and individuals. Acceptance was lowest for identity-defining, human-facing, and design-oriented work, and higher among developers with more AI experience and risk tolerance. Task accountability was associated with lower odds of allowing AI to act on developers' behalf, whereas task identity was associated with lower odds of granting AI decision-making autonomy. Task demands had the opposite effect, increasing willingness to delegate decision-making to AI. Our findings suggest that preferences for AI autonomy reflect how developers cognitively experience their work, highlighting important considerations for designing meaningful work.
- Abstract（参考訳）: AIがより多くのソフトウェア作業に取り組むにつれ、人間とAIの取り組みの境界線はシフトしつつある。
開発者がAIの自律性にその線を引くのは、私たちが意味のある作業を保存するツールや役割をどう設計するかにかかっている。
認知評価理論、作業設計、自動化研究に基づいて、Microsoftの448人のプロフェッショナル開発者を対象に、ソフトウェアエンジニアリング作業全体で受け入れられたAI自律性のレベルを調査した。
ほとんどの開発者は、監督下でAIを生産する作業を受け入れるが、自律性はタスクや個人によって実質的に異なる。
アクセプタンスは、アイデンティティ定義、ヒューマンインターフェース、デザイン指向の作業において最低であり、AIエクスペリエンスとリスク許容度を持つ開発者にとっては、より高いものだった。
タスクのアカウンタビリティは、AIが開発者の代理として振る舞うことを許可する確率を低くする一方で、タスクのアイデンティティは、AIによる意思決定の自律性を認める確率を低くする傾向に関連付けられていた。
タスク要求は反対の効果があり、意思決定をAIに委譲する意思が高まる。
我々の研究結果は、AIの自律性に対する好みが、開発者が自分の仕事を認知的に体験する方法を反映していることを示し、意味のある仕事をデザインするための重要な考慮事項を強調している。
関連論文リスト
- 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) - How Do Developers Interact with AI? An Exploratory Study on Modeling Developer Programming Behavior [8.956327421839205]
隠れた意図と感情的な次元が、AI支援プログラミングにおける具体的な行動とどのように絡み合うかを示す。
AIアシスタントを使用することで、開発者は積極的にコードを作成し、評価し、生成された結果を検証することに集中できる。
一部の開発者は、AIに頼ることに対する罪悪感や自己疑念を表現して、詐欺師のような感情を報告した。
論文 参考訳（メタデータ） (2026-03-28T14:37:19Z) - AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work [3.1984206905916]
ジェネレーティブAIはソフトウェアワークを再構築していますが、開発者が最も必要とする場所とサポートの明確なガイダンスはありません。
我々は、N=860の開発者を対象に、AIの助けを求める場所、理由、方法、限界を調査する大規模で混合的な研究を報告します。
私たちの結果は、開発者とその作業にとって重要なAIを提供するための、具体的かつコンテキスト的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-10-01T10:51:03Z) - Artificial Intelligent Disobedience: Rethinking the Agency of Our Artificial Teammates [3.7692411550925677]
本稿では、AIチームメイトの代理店を知的不服従を含むよう拡張することを主張する。
AIエージェンシーのスケールを導入し、AI自律性を独立した研究対象として扱うことの重要性を強調する代表的な例を使用する。
論文 参考訳（メタデータ） (2025-06-27T14:45:27Z) - From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools [0.0]
AI支援の開発ツールは生産性の向上とコード品質の向上を約束するが、開発者による採用は相容れない。
我々は、3380人の開発者による調査データを分析し、コーディングエクスペリエンスがAIの認識、採用、開発者がワークフローでAIに割り当てる役割にどのように関係しているかを調べます。
論文 参考訳（メタデータ） (2025-04-08T08:58:06Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。
私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
論文 参考訳（メタデータ） (2024-10-25T07:53:32Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - AI and the Sense of Self [0.0]
我々は、自己の認知的感覚と、責任ある行動につながる自律的な意思決定におけるその役割に焦点を当てる。
著者らは、AIエージェントのよりリッチな計算モデルを構築することに、より研究的な関心を抱くことを期待している。
論文 参考訳（メタデータ） (2022-01-07T10:54:06Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Effect of Confidence and Explanation on Accuracy and Trust Calibration
in AI-Assisted Decision Making [53.62514158534574]
ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。
信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
論文 参考訳（メタデータ） (2020-01-07T15:33:48Z)
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。