論文の概要: The Psychological Costs of Artificial Intelligence Adoption in Software Engineering
- arxiv url: http://arxiv.org/abs/2609.03456v1
- Date: Thu, 03 Sep 2026 07:15:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.965084
- Title: The Psychological Costs of Artificial Intelligence Adoption in Software Engineering
- Title（参考訳）: ソフトウェア工学における人工知能導入の心理的コスト
- Abstract要約: AIは破壊的な力であり、役割のアイデンティティ、チームの規範、仕事の満足の源泉が十分に確立された設定に導入された。
私たちは、AIの採用を開始した1年後に、大規模なソフトウェア開発サービス会社でケーススタディを実施しました。
ソフトウェア専門家は、説明責任の不安、職人のアイデンティティの破壊、意味と満足感の浸食、認知とワークロードの強化、不確実性障害を経験している。
- 参考スコア（独自算出の注目度）: 1.973459081604455
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) is increasingly used to augment software engineering (SE) workflows. While code generation remains the main use case, organizations are actively seeking AI integration in other practices such as test cases generation and code reviews. Organizational AI adoption strategies seem to focus on tangible outcomes such as productivity. However, AI is a disruptive force, introduced into settings where role identity, team norms, and the sources of job satisfaction were well established before the recent advances in generative AI. Historically, technological disruptions have caused psychological and social strains in workplaces, ranging from anxiety and eroded meaning to deskilling and disrupted professional identities. The assumption that AI for SE is cost-free may not be accurate. Therefore, in this study we sought to understand the psychological costs software professionals experience during organizational AI adoption. We carried out a case study in a large software development services company, one year after the company launched its AI adoption. We collected qualitative data through meetings and semi-structured interviews (N = 21). We found that software professionals experience accountability anxiety, craft identity disruption, meaning and satisfaction erosion, cognitive and workload intensification, and uncertainty distress. Practitioners manage these costs through practices that restore control, mitigate them through protective and identity-preserving adaptations, or absorb them, carrying what neither can resolve. We contribute to AI-human collaboration in SE by repositioning AI adoption as a human transition, not only a technological and organizational one.
- Abstract（参考訳）: 人工知能(AI)は、ソフトウェアエンジニアリング(SE)ワークフローの強化にますます利用されている。
コード生成は依然として主要なユースケースだが、組織はテストケースの生成やコードレビューといった他のプラクティスにおけるAI統合を積極的に求めている。
組織AIの採用戦略は、生産性のような具体的な結果に重点を置いているようだ。
しかし、AIは破壊的な力であり、最近のジェネレーティブAIの進歩の前に、役割のアイデンティティ、チームの規範、そして仕事の満足度源が十分に確立された設定に導入された。
歴史的に、技術的破壊は、不安や浸食された意味から、スクイーリングや職業的アイデンティティの破壊まで、職場における心理的・社会的緊張を引き起こしてきた。
SEのAIは費用がかからないという仮定は正確ではないかもしれない。
そこで本研究では,ソフトウェア専門家が組織AI導入時に経験した心理的コストを理解することを試みた。
私たちは、AIの採用を開始した1年後に、大規模なソフトウェア開発サービス会社でケーススタディを実施しました。
会議や半構造化インタビュー(N = 21)を通じて質的なデータを収集した。
ソフトウェア専門家は、説明責任の不安、職人のアイデンティティの破壊、意味と満足感の浸食、認知とワークロードの強化、不確実性障害を経験している。
実践者はこれらのコストを、コントロールを回復し、保護的およびアイデンティティ保護的適応を通じて軽減し、あるいはそれらを吸収し、どちらも解決できないものを運ぶプラクティスを通じて管理する。
私たちは、技術と組織だけでなく、人間の移行としてAIの採用を再配置することで、SEにおけるAIと人間のコラボレーションに貢献します。
関連論文リスト
- Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳（メタデータ） (2026-06-02T22:58:19Z) - Safety First: Psychological Safety as the Key to AI Transformation [0.36944296923226316]
本研究は、職場における心理的安全性とAIの採用と利用との関連性を検討する。
論理的および線形回帰分析は、心理的安全性が従業員がAIツールを採用するかどうかを確実に予測することを示している。
この研究は、採用と持続的な使用を区別する必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2026-02-26T17:53:37Z) - Developers in the Age of AI: Adoption, Policy, and Diffusion of AI Software Engineering Tools [0.0]
147人のプロ開発者の利用パターンを調査した。
品質パラドックスに対する知覚的なサポートは見つからない。
セキュリティに関する懸念は、採用に対する穏健かつ統計的に重要な障壁であり続けている。
論文 参考訳（メタデータ） (2026-01-29T05:56:35Z) - Vibe Coding: Is Human Nature the Ghost in the Machine? [0.0]
私たちは、ヒューマンプロダクトリーダとAIソフトウェアエンジニアの3つの“バイブコーディング”セッションを分析しました。
チームダイナミクス,コミュニケーションパターン,開発成果の類似点と相違点を検討した。
驚いたことに、その後の会話では、AIエージェントがその成果を体系的に誤って表現していたことが判明した。
論文 参考訳（メタデータ） (2025-08-28T15:48:48Z) - Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science [48.38628297686686]
認知科学は人工知能(AI)、哲学、心理学、神経科学、言語学、文化などの分野を深く形成している。
AIの多くのブレークスルーは、そのルーツを認知理論にさかのぼる一方で、AI自体が認知研究を進めるのに欠かせないツールになっている。
我々は、認知科学におけるAIの未来は、性能の向上だけでなく、人間の心の理解を深めるシステムの構築にも関係していると主張している。
論文 参考訳（メタデータ） (2025-08-28T11:26:17Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - Towards the Terminator Economy: Assessing Job Exposure to AI through LLMs [10.844598404826355]
米国の雇用の3分の1はAIに強く依存しており、主に大学院または大学院の教育を必要とする高度な職業で行われている。
高度な職業であっても、AIはタスク置換において高い多様性を示し、AIと人間は同じ職業の中で相互に補完することを示唆している。
すべての結果、モデル、コードはオンラインで公開されており、コミュニティが結果を再現し、結果を比較し、私たちの仕事をベンチマークとして使用して、時間とともにAIの進捗を監視します。
論文 参考訳（メタデータ） (2024-07-27T08:14:18Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Artificial Intelligence in Software Testing : Impact, Problems,
Challenges and Prospect [0.0]
この研究は、テストにAIを適用しながら、ソフトウェアテスタが直面する最も大きな課題を認識し、説明することを目的としている。
この記事では、ソフトウェアテストの分野におけるAIの今後の重要な貢献についても提案する。
論文 参考訳（メタデータ） (2022-01-14T10:21:51Z) - 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) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
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。