論文の概要: AI-Native Product Management: A Vision

• arxiv url: http://arxiv.org/abs/2610.14823v1
• Date: Sat, 10 Oct 2026 11:39:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.122217
• Title: AI-Native Product Management: A Vision
• Title（参考訳）: AI-Native Product Management - ビジョン
• Abstract要約: 我々は、AIが製品開発に絶え間なく参加するビジョンを提案する。 AIネイティブのプロダクトマネジメントとAIネイティブのR&Dは、継続的な製品学習プロセスを形成することができる、と私たちは主張する。
• 参考スコア（独自算出の注目度）: 1.8688913699916168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence is increasingly used to support product management tasks. At the same time, AI-native research and development (R&D) may increase software realization capacity. Organizations may realize software faster than they can identify, qualify, and reconsider what should be realized. This paper asks how product management should be re-envisioned under these conditions. We synthesize research on software product management, product learning, human-AI collaboration, and the Product Management and R&D boundary. We propose a vision in which AI becomes a persistent participant in product work. The vision covers sensing, exploration, decision-making, realization, and learning. We propose six principles and make the vision tangible through an operating model grounded in human professionals, AI personas, agents, skills, and a shared product context. We further argue that AI-native Product Management and AI-native R&D can form a continuous product-learning process. Finally, we identify four AI-specific research directions that require empirical investigation.
• Abstract（参考訳）: 人工知能は、プロダクト管理タスクをサポートするためにますます使われています。 同時に、AIネイティブな研究開発(R&D)は、ソフトウェアの実現能力を高める可能性がある。 組織は、何が実現されるべきなのかを特定し、資格を与え、再考するよりも早く、ソフトウェアを実現することができる。 本稿では,これらの条件下で製品管理をどのように再検討すべきかを問う。 我々は,ソフトウェア製品管理,製品学習,人間とAIのコラボレーション,製品管理と研究開発の境界に関する研究を合成する。 我々は、AIが製品開発に絶え間なく参加するビジョンを提案する。 ビジョンは、センシング、探索、意思決定、実現、学習をカバーしている。 我々は6つの原則を提案し、人間のプロフェッショナル、AIペルソナ、エージェント、スキル、共有製品コンテキストに根ざした運用モデルを通してビジョンを具現化する。 AIネイティブのプロダクトマネジメントとAIネイティブのR&Dは、継続的な製品学習プロセスを形成することができる、と私たちは主張する。 最後に、実験的な調査を必要とする4つのAI固有の研究方向を特定する。

関連論文リスト

• Towards an Appropriate Level of Reliance on AI: A Preliminary Reliance-Control Framework for AI in Software Engineering [18.50207872331241]
  ソフトウェア開発者が、Large Language Models(LLMs)など、人工知能(AI)駆動のツールとどのように相互作用するかは、これらのAI駆動ツールがそれらに与える影響において重要な役割を果たす。 本稿では,AI過信と不信を識別する手段として,制御レベルを使用可能な予備的依存制御フレームワークを提案する。 我々の発見は、実践者、教育者、政策立案者がAIツールの責任と効果的な利用を促進するのに役立つ。
  論文  参考訳（メタデータ） (2026-04-12T08:47:34Z)
• Reflection on Data Storytelling Tools in the Generative AI Era from the Human-AI Collaboration Perspective [54.152639172274]
  大規模生成AI技術は、ビジュアルおよびナレーション生成におけるそのパワーでデータストーリーテリングを強化する可能性がある。 我々は、最新のツールのコラボレーションパターンを、データストーリーテリングにおける人間とAIのコラボレーションを理解するための専用のフレームワークを使用して、以前のツールのパターンと比較する。 これらのAIテクニックのメリットと、人間とAIのコラボレーションへの影響も明らかにされている。
  論文  参考訳（メタデータ） (2025-03-04T13:56:18Z)
• Future of Artificial Intelligence in Agile Software Development [0.0]
  AIは、LLM、GenAIモデル、AIエージェントを活用することで、ソフトウェア開発マネージャ、ソフトウェアテスタ、その他のチームメンバーを支援することができる。 AIは効率を高め、プロジェクト管理チームが直面するリスクを軽減する可能性がある。
  論文  参考訳（メタデータ） (2024-08-01T16:49:50Z)
• Exploring the intersection of Generative AI and Software Development [0.0]
  生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。 このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。 これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
  論文  参考訳（メタデータ） (2023-12-21T19:23:23Z)
• Where Are We So Far? Understanding Data Storytelling Tools from the Perspective of Human-AI Collaboration [39.96202614397779]
  最近の研究は、人工知能がデータストーリーテリングにおいて人間を支援し、強化する可能性を探っている。 人とAIのコラボレーションの観点から、データストーリーテリングツールを理解するための体系的なレビューがない。 本稿では,分析,計画,実装,コミュニケーションなどのツールが機能するストーリーテリングワークフローの段階と,人間とAIの役割という2つの視点から,既存のツールをフレームワークで検討した。
  論文  参考訳（メタデータ） (2023-09-27T15:30:50Z)
• Human in the AI loop via xAI and Active Learning for Visual Inspection [2.261815118231329]
  産業革命は生産に自動化を導入することで製造業をディスラプトした。 ロボット工学と人工知能の進歩は、人間と機械のコラボレーションの新たなフロンティアを開く。 本研究はまず,産業5.0,人間と機械のコラボレーション,品質検査に関する最先端技術について述べる。
  論文  参考訳（メタデータ） (2023-07-03T17:23:23Z)
• Do We Need Explainable AI in Companies? Investigation of Challenges, Expectations, and Chances from Employees' Perspective [0.8057006406834467]
  AIの使用は、企業とその従業員に対して、AIシステムの透明性と理解性を含む、新たな要件を提供する。 説明可能なAI(XAI)の分野は、これらの問題に対処することを目指している。 本報告では,(X)AIに対する従業員のニーズと態度について考察する。
  論文  参考訳（メタデータ） (2022-10-07T13:11:28Z)
• 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)
• Human-Centered AI for Data Science: A Systematic Approach [48.71756559152512]
  HCAI(Human-Centered AI)は、さまざまなヒューマンタスクをサポートするAI技術の設計と実装を目的とした研究活動である。 データサイエンス(DS)に関する一連の研究プロジェクトを使ってHCAIにどのようにアプローチするかをケーススタディとして紹介する。
  論文  参考訳（メタデータ） (2021-10-03T21:47:13Z)
• 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)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。