論文の概要: When Not to Automate: A Formal Protocol for Human Preservation in AI-Optimized Organizations

• arxiv url: http://arxiv.org/abs/2607.15944v1
• Date: Fri, 17 Jul 2026 13:27:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.855259
• Title: When Not to Automate: A Formal Protocol for Human Preservation in AI-Optimized Organizations
• Title（参考訳）: AI最適化組織における人的保護のための形式的プロトコル
• Abstract要約: PHP-AIOは5ゲートのシーケンシャルな決定プロトコルで、最終的な複合チェックが可能である。 ロールレベルで不適切なシステムリスクを定量化し、監査可能な自動化決定を生成する。 自動化、拡張、ハイブリッド、保存といった、異なる結果を生み出します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard automation ROI misses four categories of systemic risk -- tacit knowledge erosion, resilience reduction, regulatory exposure, and socio-institutional capital degradation -- that affect long-term organizational performance. PHP-AIO (Protocol for Human Preservation in AI-Optimized Organizations) is a five-gate sequential decision protocol with a final composite check that quantifies these unpriced systemic risks at the role level and produces auditable automation decisions. A closed-form automation-debt measure ($ρ(P)$) formalises how role-level decisions accumulate across multi-step processes; its warning is neutralised only by a regulator-mandated human-in-the-loop anchor. Applied to stylised profiles of representative internal roles, PHP-AIO produces distinct outcomes -- automate, augment, hybrid, and preserve -- for candidates that standard cost-benefit analysis would uniformly automate. Threshold sensitivity analysis confirms the gate decisions are robust to upward perturbations of at least 14% in three of four representative cases. Keywords: AI governance, automation decision, human oversight, tacit knowledge, organizational resilience, financial services
• Abstract（参考訳）: 標準的な自動化ROIは、4つのシステム的リスク、すなわち暗黙の知識の侵食、レジリエンスの低減、規制の露出、そして長期の組織的パフォーマンスに影響を与える社会的な資本劣化を見逃している。 PHP-AIO(Protocol for Human Preservation in AI-Optimized Organizations)は、これらの不適切なシステムリスクを役割レベルで定量化し、監査可能な自動化決定を生成する、最終的な複合チェックを備えた5ゲートシーケンシャルな決定プロトコルである。 クローズドフォームの自動化負債(ρ(P)$)は、マルチステッププロセスにまたがる役割レベルの決定がどのように蓄積するかを定式化します。 典型的な内部ロールのスタイル化されたプロファイルに適用すると、PHP-AIOは、標準的なコスト対効果分析が一様に自動化される候補に対して、自動化、拡張、ハイブリッド、保存という、明確な結果を生み出します。 閾値感度分析は、ゲート決定が4例中3例のうち少なくとも14%上向きの摂動に対して堅牢であることを確認した。 キーワード:AIガバナンス、自動化決定、人間の監督、暗黙の知識、組織のレジリエンス、金融サービス

関連論文リスト

• A Data-Driven Framework for Identifying and Prioritizing RPA Opportunities in Healthcare Processes [0.808778527821476]
  ロボット・プロセス・オートメーションの取り組みの30-50%は米国の病院で実行されていないと見積もられている。 これらの決定を統一する4つのモジュール・データ駆動フレームワークを提案する。 このフレームワークは、一次病院のデータに基づいて校正された機器ではなく、文献の概念的な合成である。
  論文  参考訳（メタデータ） (2026-09-08T17:55:28Z)
• The Human Utility Factor: A Computable Welfare Metric That Reframes AI Governance as a Constrained Optimisation Problem [3.4328929125111514]
  既存のAIガバナンスフレームワークは、安全性、透明性、説明責任に対処するが、マクロ社会経済的安定性に関する定量的制約を運用することはない。 本稿では,人間利用因子(Human Utility Factor, HUF)について紹介する。 HUFは、クローズドフォームの最適自動化レベルと、以下の最小再分配しきい値を得る。
  論文  参考訳（メタデータ） (2026-06-23T04:47:33Z)
• TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
  大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。 TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。 我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
  論文  参考訳（メタデータ） (2026-04-29T19:32:58Z)
• Economics of Human and AI Collaboration: When is Partial Automation More Attractive than Full Automation? [7.168698398166703]
  本稿では,タスク自動化の最適度を評価するための統一的なフレームワークを開発する。 我々は、データ、計算、モデルサイズにパフォーマンスをリンクするスケーリング法則の実験を通じて、AI生産関数を推定する。 完全自動化はコストを最小化するものではなく、企業が残業のために人間の労働者を保持する部分自動化は、しばしば均衡として出現する。
  論文  参考訳（メタデータ） (2026-03-31T01:18:10Z)
• Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
  我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。 内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-13T20:44:15Z)
• Quantifying Automation Risk in High-Automation AI Systems: A Bayesian Framework for Failure Propagation and Optimal Oversight [1.6328866317851185]
  本稿では,3項の積として期待損失を表す同相のベイズリスク分解を提案する。 このフレームワークは、モデル精度のみではなく、実行と監視のリスクをキャプチャする。 われわれは、2012年のナイト・キャピタル事件を、広く適用可能な障害パターンの1つのインスタンス化として、実証的なケーススタディで、このフレームワークを動機付けている。
  論文  参考訳（メタデータ） (2026-02-22T00:18:23Z)
• Agentic AI for Commercial Insurance Underwriting with Adversarial Self-Critique [0.0]
  本研究は, 対向的自己批判機構を組み込んだ意思決定陰性, ループ内エージェントシステムを提案する。 このシステム内では、批評家エージェントが、人間レビュアーに勧告を提出する前に、主エージェントの結論に異議を唱える。 この研究は、決定陰性エージェントによる潜在的なエラーを特徴付けるために、障害モードの正式な分類法を開発する。
  論文  参考訳（メタデータ） (2026-01-21T05:51:27Z)
• Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
  現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。 このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。 本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T22:24:21Z)
• E2E Process Automation Leveraging Generative AI and IDP-Based Automation Agent: A Case Study on Corporate Expense Processing [1.5728609542259502]
  本稿では,現代デジタルトランスフォーメーションにおけるインテリジェントな作業自動化手法を提案する。 生成AIとインテリジェントドキュメント処理技術とオートメーションエージェントを統合し、企業の財政的経費処理タスクのエンドツーエンド(E2E)自動化を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:21:08Z)
• Human Decision-making is Susceptible to AI-driven Manipulation [87.24007555151452]
  AIシステムは、ユーザの認知バイアスと感情的な脆弱性を利用して、有害な結果に向けてそれらを操縦する。 本研究では、経済的・感情的な意思決定の文脈におけるこのような操作に対する人間の感受性について検討した。
  論文  参考訳（メタデータ） (2025-02-11T15:56:22Z)
• ABI Approach: Automatic Bias Identification in Decision-Making Under Risk based in an Ontology of Behavioral Economics [46.57327530703435]
  損失回避のようなバイアスによって引き起こされる損失に対する優先順位を求めるリスクは、課題を引き起こし、深刻なネガティブな結果をもたらす可能性がある。 本研究は,リスクサーチの選好を自動的に識別し,説明することにより,組織意思決定者を支援する新しいソリューションであるABIアプローチを紹介する。
  論文  参考訳（メタデータ） (2024-05-22T23:53:46Z)
• ASSERT: Automated Safety Scenario Red Teaming for Evaluating the Robustness of Large Language Models [65.79770974145983]
  ASSERT、Automated Safety Scenario Red Teamingは、セマンティックなアグリゲーション、ターゲットブートストラップ、敵の知識注入という3つの方法で構成されている。 このプロンプトを4つの安全領域に分割し、ドメインがモデルの性能にどのように影響するかを詳細に分析する。 統計的に有意な性能差は, 意味的関連シナリオにおける絶対分類精度が最大11%, ゼロショット逆数設定では最大19%の絶対誤差率であることがわかった。
  論文  参考訳（メタデータ） (2023-10-14T17:10:28Z)

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。