論文の概要: Using profiles of cognitive capability to assess AI suitability for workplace tasks
- arxiv url: http://arxiv.org/abs/2608.25623v1
- Date: Wed, 26 Aug 2026 10:48:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.77014
- Title: Using profiles of cognitive capability to assess AI suitability for workplace tasks
- Title（参考訳）: 職場作業におけるAI適合性評価のための認知能力プロファイルの利用
- Abstract要約: コア認知機能の共有セットを使用してエージェントとタスクをプロファイルするパイプラインを導入する。
どちらも共通の認知次元を使用するため、モデルや役割が変化するにつれて独立して更新することができる。
我々は,人工エージェントの能力回復,6つのAIシステムのプロファイル,および410人の従業員からのタスク要求の抽出を検証した。
- 参考スコア（独自算出の注目度）: 5.826026042207654
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Organisations deploying AI face a scoping problem: which tasks can be automated, which should remain with humans, and which are best shared between the two. Aggregate benchmark scores provide little insight into where systems will succeed or fail in practice, while human judgements of model capabilities quickly become outdated. We introduce a pipeline that profiles agents and tasks using a shared set of core cognitive capabilities. Cognitive capability profiling infers an agent's capabilities from performance on a benchmark battery annotated for the cognitive demands of each item. Task requirements weighting elicits from domain experts the relative importance of these same capabilities for their work. As both use a common set of cognitive dimensions, they can be updated independently as models and roles change, and combined to estimate AI suitability at the level of a domain, organisation, role, or individual duty. We validate capability recovery on synthetic agents, profile six AI systems, and elicit task requirements from 410 employees across six occupational domains. AI systems differed more across cognitive dimensions than across model families, while workplace activities converged on a shared cognitive core. The resulting scores provide a comparative scoping tool for identifying promising candidates for piloting and areas where current systems are unlikely to be well suited. We discuss extending the framework to profile human workers alongside AI systems, moving from AI suitability towards human-machine task allocation.
- Abstract（参考訳）: AIをデプロイする組織はスクーピングの問題に直面している。
アグリゲートベンチマークスコアは、システムがどこで成功するか、実際に失敗するかについての洞察をほとんど与えませんが、モデルの能力に関する人間の判断は、すぐに時代遅れになります。
コア認知機能の共有セットを使用してエージェントとタスクをプロファイルするパイプラインを導入する。
認知能力プロファイリングは、各項目の認知要求に注釈を付けたベンチマークバッテリーの性能からエージェントの能力を推測する。
タスク要件の重み付け ドメインの専門家は、作業にこれらの同じ能力が比較的重要であることを強調します。
どちらも共通の認知次元を使用するため、モデルや役割の変更として独立して更新し、ドメイン、組織、役割、あるいは個人の義務のレベルでAIの適合性を見積もることができる。
我々は,人工エージェントの能力回復,6つのAIシステムのプロファイル,および6つの業務領域にわたる410人の従業員のタスク要件の抽出を検証した。
AIシステムはモデルファミリよりも認知的側面によって異なるが、職場活動は共有認知コアに集約された。
その結果得られたスコアは、パイロットの有望な候補と、現在のシステムが適していない領域を特定するための比較スクーピングツールを提供する。
我々は、AIの適合性から人間機械のタスク割り当てへ移行し、AIシステムと共にヒューマンワーカーをプロファイルするためのフレームワークの拡張について議論する。
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) - Principal Trait Analysis: Towards Deriving "Skills" in Human-AI Collaboration [3.3894363032046506]
大規模言語モデルによるエージェントは、ヒューマン・アーティフィティ・インテリジェンス(AI)のコラボレーションを通じて、職場でますます利用されている。
本稿では,会話のパターンから共通の特徴を抽出する主成分分析に着想を得たアルゴリズムであるプリンシパル・トレート・アナリティクスを提案する。
PTAから派生した特徴は,両設定の協調動作を説明する上で重要な特徴であり,作業結果の予測に有効であることがわかった。
論文 参考訳（メタデータ） (2026-08-11T21:49:35Z) - The Context Access Divide: Interaction-Level Architecture as a Complementary Dimension of Agentic Inequality [0.0]
名目上は同等のAIアクセスを持つ2人のユーザーは、質的に異なるAIユーティリティを経験することができる。
知的資本が数万のファイルにまたがる知識集約型労働者にとって、CAD(Context Access Divide)は、AIの有用性の質的なしきい値を構成する。
我々は、シャープなどのフレームワークを補完するが、再現できないAIによる不平等の次元として文脈性を提案する。
論文 参考訳（メタデータ） (2026-07-09T13:53:40Z) - What Work is AI Actually Doing? Uncovering the Drivers of Generative AI Adoption [1.4977849232424492]
本研究は,本質的なタスク特性が,AIシステムに業務を委譲するユーザの判断を促すかを検討する。
本研究は,実世界の生成AI利用を,本質的なタスク特性の包括的多次元フレームワークに結びつける最初の体系的証拠を提供する。
論文 参考訳（メタデータ） (2025-10-26T19:13:37Z) - Evaluating Uncertainty and Quality of Visual Language Action-enabled Robots [13.26825865228582]
ロボット操作タスクのためのVLAモデルに特化して設計された8つの不確実性指標と5つの品質指標を提案する。
我々は,3つの最先端VLAモデルから908のタスク実行を成功させる大規模実証実験により,その有効性を評価する。
論文 参考訳（メタデータ） (2025-07-22T22:15:59Z) - A Task-Driven Human-AI Collaboration: When to Automate, When to Collaborate, When to Challenge [16.734679201317896]
性能を改善しつつ、適切な人間とAIの統合が有意義なエージェンシーを維持するかを示す。
この枠組みは、実用的で道徳的に健全な人間とAIのコラボレーションの基礎を築いた。
論文 参考訳（メタデータ） (2025-05-23T23:19:15Z) - Agentic Knowledgeable Self-awareness [79.25908923383776]
KnowSelfはデータ中心のアプローチで、人間のような知識のある自己認識を持つエージェントを応用する。
我々の実験により、KnowSelfは、外部知識を最小限に使用して、様々なタスクやモデルにおいて、様々な強力なベースラインを達成できることが実証された。
論文 参考訳（メタデータ） (2025-04-04T16:03:38Z) - WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
大型言語モデル(LLM)は人間のような知性を模倣することができる。
WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
論文 参考訳（メタデータ） (2024-07-07T07:15:49Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳（メタデータ） (2021-03-16T13:50:24Z) - Watch-And-Help: A Challenge for Social Perception and Human-AI
Collaboration [116.28433607265573]
我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。
WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。
マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
論文 参考訳（メタデータ） (2020-10-19T21:48:31Z)
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。