論文の概要: Why Organizational Rules Fail AI: O-I-B-A-R and the Externalization of Decision Boundaries

• arxiv url: http://arxiv.org/abs/2608.29055v1
• Date: Sat, 29 Aug 2026 05:15:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:04:11.713945
• Title: Why Organizational Rules Fail AI: O-I-B-A-R and the Externalization of Decision Boundaries
• Title（参考訳）: 組織ルールがAIを損なう理由:O-I-B-A-Rと決定境界の外部化
• Abstract要約: 組織的AI失敗の繰り返しのクラスは、社会技術インターフェースにおける知識表現の問題から生じるものである、と我々は主張する。 本稿では,O-I-B-A-R (OPEN, IS, BUT, ACTION, RESULT) を導入する。
• 参考スコア（独自算出の注目度）: 2.5445349880936483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI systems increasingly enter organizations through policies, procedures, playbooks, prompts, and other explicit representations of work. Yet formal descriptions often differ from situated practice, and captured know-what can omit the contextual know-how experts use when judgments are uncertain. We argue that a recurring class of organizational AI failures arises partly from a knowledge representation problem at the sociotechnical interface: the AI receives the procedure, while the organization operates on the procedure plus negative boundaries, runtime judgments, responsibility assignments, and learning history. We introduce O-I-B-A-R (OPEN, IS, BUT, ACTION, RESULT), a scaffold for externalizing these missing decision boundaries. IS records when a judgment holds. BUT records a concrete failure containing information beyond the logical negation of IS. Comparable success and failure cases are decomposed toward a minimally sufficient changing variable, which becomes a value-bearing decision dimension. A suspension represents the state in which the dimension is known but its current value is unresolved, specifying what must be measured, asked, retrieved, or escalated to a human. RESULT confirms a boundary, shifts a threshold, or exposes a new dimension. Incidents can generate new dimensions, unresolved values can define human-AI handoffs, and feedback can expand the decision space. We also identify a sociotechnical tension: durable and attributable failure histories can suppress the candor on which useful boundary knowledge depends. Externalization must therefore be designed as an organizational intervention with real costs and incentives.
• Abstract（参考訳）: AIシステムは、ポリシー、手続き、プレイブック、プロンプト、その他の明示的な作業表現を通じて、組織にますます浸透する。 しかし、形式的な記述は現地の実践としばしば異なり、判断が不確実な場合には専門家が使用する文脈的ノウハウを省略できるノウハウを捕獲する。 我々は、組織AI失敗の繰り返しのクラスは、社会技術インターフェースにおける知識表現の問題から生じると論じる: AIは手続きを受け取り、組織は、手続きに加えて負の境界、実行時判断、責任割り当て、学習履歴を運用する。 本稿では,O-I-B-A-R (OPEN, IS, BUT, ACTION, RESULT) を導入する。 ISは判決が下されたときに記録する。 BUTはISの論理否定を超えた情報を含む具体的な失敗を記録している。 比較可能な成功と失敗のケースは、最小限の十分な変更変数に分解される。 サスペンション(サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション、サス、サスペンション、サス、サスペンション、サス、サスペンション、サスペンション、サスペンション、サス、サスペンション、サスペンション、サスペンション、サスペンション、サスペンション)は、次元が知られている状態を表すが、現在の値は未解決状態である。 RESULTは境界を確認し、閾値を変更したり、新しい次元を公開する。 インシデントは新たな次元を生成することができ、未解決の値は人間のAIハンドオフを定義することができ、フィードバックは意思決定空間を拡張することができる。 永続的で帰属的な失敗履歴は、有用な境界知識が依存するキャンドルを抑えることができる。 したがって、外部化は実際のコストとインセンティブに対する組織的な介入として設計されなければならない。

関連論文リスト

• From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good [30.6027944662133]
  人工知能システムが意思決定を改善するという主張は、彼らの評価が確立したものを超える可能性がある。 我々は、明示的な人間および非AIベースラインに対するデプロイメントを評価する破断テストを開発する。 評価対象の主張を制限するエビデンスバウンドのデプロイメントと,測定バウンドのガバナンスを区別する。
  論文  参考訳（メタデータ） (2026-09-10T17:56:36Z)
• Revelation Control [0.0]
  啓示制御(Revelation Control)は、意図された区別が連続的な決定を変更できるため、内部でのみ隠された状態を明らかにする価格設定された介入を選択する問題である。 我々はこの理論を学習システムに展開し、現在宣言されている情報に準ずる状態が将来の訓練に異なる反応をし、異なる行動を好むことができるようにした。
  論文  参考訳（メタデータ） (2026-08-24T22:07:57Z)
• CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement [50.91045324738942]
  CLAIMは、オープンドメイン環境でのアクティブな明確化学習のための不確実性駆動フレームワークである。 本研究では,不確実性推定とセマンティッククラスタリングと推論に基づく判断を統合したエントロピー駆動型合成データ生成パイプラインを提案する。 実験の結果,手動でラベル付けしたデータに頼ることなく,CLAIMが安定かつ一般化可能な明確化戦略を学習できることが確認された。
  論文  参考訳（メタデータ） (2026-08-12T04:27:45Z)
• When AI Does the Work, What Is Learning For? Post-Instrumental Learning and the Risk of Capacity Dissolution [3.2940515388832963]
  既存のAI倫理は、現在の失敗を正しく強調する。 しかし、もし学習のケースがこれらの失敗にのみ当てはまるなら、それぞれの技術的改善はそれを弱めるように思える。 目的、正当性、責任に関する権限を欠いたまま、特定タスクを完璧に実行するAIの理想化を利用することで、私たちは、ポスト・ストラクショナル・ラーニングを議論する。
  論文  参考訳（メタデータ） (2026-07-30T11:24:56Z)
• Explainable AI Isn't Enough! Rethinking Algorithmic Contestability [3.135152720206845]
  本稿では,会話の自然な補完として,競争可能性の運用的定義を提案する。 我々は,意思決定者の倫理基準に従って,逆転を保証している3種類の証拠を同定する。 これらの決定は規範的に無防備であり、競争に成功している、と我々は主張する。
  論文  参考訳（メタデータ） (2026-05-15T15:14:13Z)
• Trustworthy AI Suffers from Invariance Conflicts and Causality is The Solution [80.98492754957466]
  公正性、堅牢性、プライバシ、説明可能性といった、信頼性の高いAI目標を同時に達成することは難しい。 本稿では、パフォーマンスにおけるトレードオフを理解しバランスをとるためには因果性が必要であると論じ、信頼できるAIの複数の目的について論じる。
  論文  参考訳（メタデータ） (2026-05-04T14:26:28Z)
• AI Knows What's Wrong But Cannot Fix It: Helicoid Dynamics in Frontier LLMs Under High-Stakes Decisions [51.56484100374058]
  ヘリコイド力学(Helicoid dynamics)は、その2番目のドメインの特定の障害状態に与えられる名前である。 システムは巧みに働き、エラーに陥り、何がうまくいかなかったかを正確に名付け、さらに高度な技術で同じパターンを再現する。 この先進的な事例シリーズは、7つの主要なシステムにまたがる体制を文書化する。
  論文  参考訳（メタデータ） (2026-03-12T05:25:49Z)
• The Chancellor Trap: Administrative Mediation and the Hollowing of Sovereignty in the Algorithmic Age [0.0]
  高スループットの組織では、AIによる意思決定サポートによって、失敗が公然と合法化され、政治的に競合する可能性を減らすことができる。 本稿は、この力学を検証ギャップを特徴とする主エージェント問題として定式化する。 ガバナンスシステムは、失敗を内部的に吸収し解決する上で、より効果的になり、同時に、これらの失敗が政治的に目に見えるしきい値を上げる。
  論文  参考訳（メタデータ） (2026-02-09T07:28:44Z)
• Answer, Refuse, or Guess? Investigating Risk-Aware Decision Making in Language Models [63.559461750135334]
  言語モデル(LM)は、目標を達成するために自律的に行動可能なエージェントを構築するために、ますます使われています。 本研究では,人為的リスク構造を体系的に変化させる評価枠組みを用いて,この「回答または延期」問題を考察する。 回答や判断に要する独立したスキルを分離した簡易なスキル分解手法が,LMの意思決定ポリシーを一貫して改善できることがわかった。
  論文  参考訳（メタデータ） (2025-03-03T09:16:26Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Representations of epistemic uncertainty and awareness in data-driven strategies [0.0]
  本稿では,エージェントによる知識表現とその伝達における不確実性の理論モデルを提案する。 我々は、推論、嗜好関係、情報測度の観点から、等価な知識表現を考察する。 本稿では,データ駆動戦略における提案モデルの有効性について論じる。
  論文  参考訳（メタデータ） (2021-10-21T21:18:21Z)

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。