論文の概要: The Delegation Divide: An Open Index of AI-Agent Delegability across Occupations and Countries

• arxiv url: http://arxiv.org/abs/2610.30752v1
• Date: Thu, 22 Oct 2026 05:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.222473
• Title: The Delegation Divide: An Open Index of AI-Agent Delegability across Occupations and Countries
• Title（参考訳）: デリゲーションディバイド: 占領地域と国をまたいだAIエージェントのデリゲータビリティのオープンインデックス
• Abstract要約: 世界雇用におけるタスク時間の35.2%は、少なくとも2026年のAIエージェントに部分的に委譲可能であり、完全に引き継がれるのはわずか2.5%である。 Agent Delegability Index (ADI)を構築し、デリゲートレベルとバリアの凍結した登録済みルーリック上で、18,796 O*NET 30.2タスクステートメントを2つの言語モデルで評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 35.2% of task time in world employment is at least partly delegable to AI agents in 2026, and only 2.5% can be handed over in full. Existing measures score exposure to generative AI, mostly for the United States. We build the Agent Delegability Index (ADI): two language models rate all 18,796 O*NET 30.2 task statements on a frozen, preregistered rubric of delegation levels and barriers; tasks are mapped to 433 ISCO-08 unit groups and weighted by ILOSTAT employment in 146 countries. Four findings. First, delegable employment rises with income, from 22.5% in low-income to 48.7% in high-income countries, a slope of 7.23 percentage points per log point of GDP per capita. This delegation divide is compositional: the physical barrier dominates the jobs poorer countries employ most. Second, at the occupation level ADI tracks exposure closely (r = 0.93 with Eloundou et al. and 0.89 with Felten et al.), above the preregistered bound of 0.80; ADI adds delegation levels and barriers on top of exposure, for the world, not a new ranking of occupations. Third, full delegation is rare and peaks for tasks that take a human about twelve minutes (11.8 minutes). Fourth, the preregistered adoption gap is not supported: across 101 countries, delegability and observed AI usage correlate at r = 0.86, and the gap between them is not wider in middle-income countries (p = 0.27). Model agreement is kappa = 0.77; a blind human rating of 300 tasks agrees with the model consensus at kappa = 0.85, and an agentic panel with web search at kappa = 0.87. We release the index, the atlas, the prompts and an MCP server at https://github.com/Cespial/delegation-divide.
• Abstract（参考訳）: 世界雇用におけるタスク時間の35.2%は、少なくとも2026年のAIエージェントに部分的に委譲可能であり、完全に引き継がれるのはわずか2.5%である。 既存の測定基準は、主に米国において、生成AIへの露出をスコア付けする。 エージェントデリゲータビリティ指数(ADI: Agent Delegability Index: エージェントデリゲータビリティ指数: ADI; エージェントデリゲータビリティ指数: Agent Delegability Index; エージェントデリゲータビリティ指数: ADI; エージェントデリゲータビリティ指数: Agent Delegability Index; エージェントデリゲータビリティ指数: Agent Delegability Index; ADI; エージェントデリゲータビリティ指数: Agent Delegability Index; エージェントデリゲータビリティ指数: Agent Delegability Index; エージェントデリゲータビリティ指数: Agent Delegability Index; ADI; エージェントデリゲータビリティ指数: Agent Delegability Index; エージェントデリゲータビリティ指数: Agent Delegability Index; ADI; エージェントデリゲータビリティ指数: Agent Delegability Index; ADI; ADI; ADI): 2つの言語モデルでは, 18,796 O*NET 30.2タスクステートステートステートメントをフリーで登録している。 4つの発見。 第一に、低所得国の22.5%から高所得国の48.7%、一人当たりのGDPの7.23ポイントまで所得が増加している。 この分断は構成的であり、物理的な障壁は貧しい国が最も雇用する仕事を支配している。 第二に、ADIはエクスポージャーレベル(r = 0.93、Eloundou et al、Felten et al の0.89)を密に追跡し、事前登録された0.80を超える。 第3に、完全な委任はまれであり、人間に約12分(11.8分)かかるタスクのピークである。 第4に、事前登録された採用ギャップはサポートされない。101か国で、デリゲート性と観察されたAI使用量は、r = 0.86と相関しており、中所得国(p = 0.27)では、それらのギャップは広くない。 モデル合意は kappa = 0.77 であり、300タスクの盲点評価は kappa = 0.85 のモデル合意と一致し、kappa = 0.87 の Web 検索を伴うエージェントパネルが一致する。 インデックス、アトラス、プロンプト、MSPサーバをhttps://github.com/Cespial/delegation-divide.comでリリースします。

関連論文リスト

• Explainable Machine Learning for Broadband Adoption Disparities: Tract-Level Prediction and SHAP-Based Factor Profiling [6.076837441966713]
  米国は、ブロードバンド拡大のためのインフラ投資および雇用法を通じて、およそ650億ドルを割り当てている。 本稿では,全国83,359施設を対象に,ブロードバンドの普及格差をプロファイリングするための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-29T07:39:08Z)
• Who Delegates to AI? Evidence from 53,000 Agent Configurations [0.05735035463793007]
  文献が増えているが、これらの手段は、労働者がAIを採用するかどうかではなく、AIがどこでタスクを実行できるかを捉えている。 我々は、作業者がワークフローに組み込むことでAIにタスクをコミットしたかどうかを記録する、新しい露光層、委任露光層を提案する。 我々はAAI(Agentic Adoption Index)として運用し、職業のタスクがすでに構築され共有されているエージェントルーチンにどの程度近いかを測定する。
  論文  参考訳（メタデータ） (2026-08-19T16:36:04Z)
• Beyond headcount and human capital: The Effective Cognitive Population as a decomposable capacity unit for AI-era planning [0.0]
  本研究は,人口を能力的に重み付けする分解可能な単位であるエフェクト認知人口(ECP)を紹介する。 世界銀行ヒューマンキャピタル指数(HCI+)とIMFAI準備指数の非重複次元に固定されている。 人口減少の予測とAIの因果生産性効果の見積もりを除外した診断台帳である。
  論文  参考訳（メタデータ） (2026-08-10T14:22:36Z)
• Agents' Last Exam [275.79071391137074]
  Agents' Last Exam (ALE)は、AIエージェントを長期的、経済的に価値のある、現実のタスクで検証可能な結果で評価するために設計されたベンチマークである。 ALEは250以上の業界の専門家と共同で開発され、O*NET / SOC 2018を参照して定義された非物理産業をカバーしている。 現在の結果は、最も硬い層が飽和していないことを示している:主流のハーネスとバックボーンの構成で、平均フルパスレートは1%以下である。
  論文  参考訳（メタデータ） (2026-06-03T20:20:46Z)
• Knowledge Index of Noah's Ark [63.143852586221534]
  KINAは,261分野にわたる899項目のベンチマークである。 ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。 トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
  論文  参考訳（メタデータ） (2026-06-03T17:06:49Z)
• JobBench: Aligning Agent Work With Human Will [121.39878639038716]
  JobBenchは、専門家がデリゲートの優先度が高いと判断する上で、AIエージェントを評価する。 JobBenchは、35の職業にまたがる130のエージェントタスクをカバーしている。
  論文  参考訳（メタデータ） (2026-05-25T21:07:02Z)
• Global Automation Atlas [0.12744523252873352]
  我々は、世界中の自動化露光を分類するためのタスクベースおよび国固有のアプローチを開発した。 我が国は124か国にまたがっており、世界の人口の99%、GDPをカバーする経済のタスク国ラベルは2億33300万となっている。
  論文  参考訳（メタデータ） (2026-05-16T17:01:59Z)
• The Iceberg Index: Measuring Workforce Exposure Across the AI Economy [14.006405783858703]
  Iceberg Indexは、AIが転職結果や採用スケジュールではなく、作業タスクを実行できる技術露出をキャプチャする。 このインデックスは、AIが転職結果や採用スケジュールではなく、職業的タスクを実行できる技術露出をキャプチャする。
  論文  参考訳（メタデータ） (2025-10-29T03:30:45Z)
• Patch-Level Contrasting without Patch Correspondence for Accurate and Dense Contrastive Representation Learning [79.43940012723539]
  ADCLRは、正確で高密度な視覚表現を学習するための自己教師型学習フレームワークである。 提案手法は, コントラッシブな手法のための新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-23T07:38:09Z)

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。