論文の概要: When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition

• arxiv url: http://arxiv.org/abs/2610.25603v1
• Date: Mon, 19 Oct 2026 00:10:40 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:22:48.492124
• Title: When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition
• Title（参考訳）: より良いオポチュニティのバックファイア: 顧客獲得における並列AIデプロイメントに対するサービスワーカーの反応
• Abstract要約: 中国における医療保険ブローカーにおけるAI音声エージェント導入の効果について検討した。 機会の質と作業日内分布を変えることで、並列AIデプロイメントは、労働者がタスクを追求する方法を変える。
• 参考スコア（独自算出の注目度）: 8.490272364836553
• License:
• Abstract: As AI voice agents get deployed in high-volume contact centers, firms can route low-intent leads to AI and allocate high-intent leads to human workers. Drawing on sequential search theory, we posit that AI-induced task allocation reshapes work, enriching opportunities facing human workers but also raising their reservation value for continuing with the lead in hand, making them less willing to persist. We study the effects of an AI voice-agent deployment at a Chinese online health-insurance brokerage using more than a half million customer outreach records surrounding the rollout. Adopting a regression-discontinuity-in-time design, we trace how worker behavior changes across the workday. Results show that the enrichment of human-facing opportunities concentrates early in the workday, raising the probability that a call is a high-intent lead by about 23 percentage points on the first three calls and fading to zero later. However, customer acquisition by human workers declines precisely where the enrichment is greatest, falling about 5 percentage points on the first three calls and flattening over the day. Consistent with the theorized reservation value mechanism, workers reallocate their earliest leads about 8 percentage points more often and persist less with them, shortening those calls by about 13%. A calibrated decomposition analysis further shows that the modest gain from improved lead ordering is outweighed by a much larger negative behavioral response. By reshaping the quality and within-workday distribution of opportunities, parallel AI deployment alters how workers pursue tasks, highlighting opportunity distribution as an important service operations state variable beyond workload and congestion.
• Abstract（参考訳）: AI音声エージェントが大量のコンタクトセンターに配備されるにつれて、企業は低インテントのリードをAIにルートし、高インテントのリードを人間の労働者に割り当てることができる。 シーケンシャルな探索理論に基づいて、AIによるタスク割り当ては仕事のやり直しであり、人間の労働者が直面する機会を豊かにすると同時に、リードを手元に続けるための予約価値を高め、継続の意欲を低下させると仮定する。 我々は、この展開を取り巻く50万件以上の顧客アウトリーチ記録を用いて、中国のオンライン健康保険ブローカーにおけるAI音声エージェントの展開の効果を調査した。 退行不連続なインタイムデザインを採用することで、労働者の振る舞いが日々どのように変化するかがわかる。 その結果、仕事の早い段階で人間に面した機会の豊かさが集中し、最初の3回の呼び出しで通話が約23ポイントリードし、その後0に減少する可能性が高まった。 しかし、人間労働者による顧客獲得は、富裕層が最大であるところを正確に減少させ、最初の3回の呼び出しで約5ポイント減少し、一日中平ら化している。 理論化された予約値のメカニズムに従えば、労働者は最初期のリードを約8パーセントの頻度で再配置し、より少ないペースで継続し、呼び出しを約13%短縮する。 さらに、校正分解解析により、改良された鉛の順序付けによるモデムゲインが、はるかに大きな負の挙動応答によって上回っていることが示された。 機会の質と作業日内分布を変えることで、並行AIデプロイメントは、作業者のタスクの追跡方法を変え、作業負荷や混雑を超えた重要なサービスオペレーション状態変数として、機会分散を強調します。

関連論文リスト

• Structured pre-generation elicitation versus single-shot prompting in AI-assisted enterprise decision-making: a randomised online experiment [0.0]
  今まで提案された介入、例えば、非支援のプラクティスや採用の遅れは、作業タスクの外にあります。 ユーザに対してコンテキストを明確にするためのインタラクティブなメタ認知足場層(Cognistance)をテストした。 足場では平均合成品質が32%高かった。
  論文  参考訳（メタデータ） (2026-10-07T07:39:52Z)
• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• Agensh: Scaling Organizational Intelligence to 1,024 Agents [85.08934183130329]
  Agenshは、中央のオーケストレータを持たないスケーラブルな自己組織化マルチエージェントハーネスである。 GPT-5.6-sol を用いて,最も難しい ProgramBench タスクを5つ評価した。 1から128エージェントへのスケーリングでは、最終テストパス率は19.31%から28.78%に上昇する。 パンドックでは、1から1,024のエージェントが最終テストパスレートを33.89%から55.06%に引き上げる。
  論文  参考訳（メタデータ） (2026-09-22T17:56:25Z)
• TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents [51.523913302114266]
  TRACE(Turn-level Reward Assignment via Credit Estimation)は、エージェント強化学習のための高密度クレジットアサインメント手法である。 ツールコール境界における状態遷移としてロールアウトを表現し、凍結参照モデルからゴールド・アンサー・ログ確率を取得し、それらをログ比の状態値に変換し、それらの値の時間差変化としてアクション毎の報酬を導出する。 純粋なRLを用いたベースモデルツール使用能力を大幅に向上させ、冷間開始制御された微調整ステージ、エージェント訓練ステージ、ライブWebデータによるトレーニングを不要とした。
  論文  参考訳（メタデータ） (2026-07-15T16:16:42Z)
• HELP: Human-Efficient Large-Scale Robot Post-Training with Rollout Segmentation [24.40844636932594]
  HELPは、人間の効率の良い大規模ロボットのポストトレーニングパイプラインである。 2つの特殊オペレーターが同時に12のロボットを監督します。 HELPは80%-95%の成功率を獲得し、タスクのスループットを1.7$times$--4.2$times$で改善する。
  論文  参考訳（メタデータ） (2026-07-08T03:03:38Z)
• Crashing Waves vs. Rising Tides: Preliminary Findings on AI Automation from Thousands of Worker Evaluations of Labor Market Tasks [1.5332445036808136]
  AIのパフォーマンスは高く、幅広いタスクにわたって急速に改善されている。 2024-Q2では、AIモデルは、約3～4時間を要するタスクを、約50%の成功率で完了し、2025-Q3までに約65%増加すると見積もっている。
  論文  参考訳（メタデータ） (2026-04-01T20:22:03Z)
• Generative AI in Action: Field Experimental Evidence from Alibaba's Customer Service Operations [20.421383249308477]
  本研究では、大規模フィールド実験を活用し、eコマースアフターセールサービスにおける生産AIアシスタントが労働者のパフォーマンスに与える影響を評価する。 Gen AIは、イシュー識別時間とチャット時間によって、サービス速度を大幅に改善した。 顧客再審率によって示される客観的サービス品質に有意な影響を及ぼすことはなかった。
  論文  参考訳（メタデータ） (2026-02-08T19:41:01Z)
• Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts? [62.386835769570006]
  本稿では,大規模言語モデルに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを検討する。 我々は、公共の談話が雇用の変化の先駆けとなる領域と時間枠を特定するために、4つの異なる分析的アプローチを採用している。 調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-20T04:18:25Z)
• Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
  数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。 モデル、足場、ベンチマークにまたがる3次元解析を行う。 私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
  論文  参考訳（メタデータ） (2025-10-13T22:22:28Z)
• Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce [45.348336032930845]
  作業員がAIエージェントの自動化や強化を望んでいるかを評価するための新しい枠組みを導入する。 我々のフレームワークは、ニュアンスな労働者の欲求を捉えるために、オーディオ強化されたミニインタービューを備えている。 我々はWORKBankデータベースを構築し、1500のドメインワーカーの好みとAI専門家の能力評価を収集する。
  論文  参考訳（メタデータ） (2025-06-06T23:05:52Z)
• RRO: LLM Agent Optimization Through Rising Reward Trajectories [52.579992804584464]
  大規模言語モデル (LLM) は様々なタスクにおいて異常な性能を示した。 実際には、エージェントは特定の重要なステップの結果に敏感で、タスクを失敗する可能性がある。 この問題を軽減するために,Reward Rising Optimization (RRO)を提案する。
  論文  参考訳（メタデータ） (2025-05-27T05:27:54Z)

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。