論文の概要: The Effects of Generative AI on Collaboration and Social Networks Among Knowledge Workers

• arxiv url: http://arxiv.org/abs/2610.32461v1
• Date: Fri, 23 Oct 2026 10:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.494162
• Title: The Effects of Generative AI on Collaboration and Social Networks Among Knowledge Workers
• Title（参考訳）: 生産型AIが知識労働者のコラボレーションとソーシャルネットワークに及ぼす影響
• Abstract要約: 生成人工知能が労働者の協調行動とネットワーク構造に及ぼす影響について検討する。 我々は、生成AIがコミュニケーションチャネルをまたいだコラボレーション時間を増やし、個々のネットワークを再構築したと推定する。 これらの結果は、生成的AIは人間の働き方を変えるが、人間と人間の相互作用を置き換えるものではないことを示唆している。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid diffusion of generative artificial intelligence has raised concerns that knowledge work may become less dependent on human-to-human interaction. Yet because AI-generated outputs require interpretation, verification, and social legitimation, generative AI may instead increase collaboration among workers. We test these competing predictions using passively collected behavioral data from more than 12,000 knowledge workers observed over 13 months during the staged organizational rollout of an AI-powered assistant (Microsoft Copilot). Using two complementary quasi-experimental designs -- a staggered difference-in-differences model and a fixed-effects instrumental-variable approach -- we estimate the effects of generative AI on workers' collaboration behavior and social network structure. We estimate that generative AI increased collaboration time across communication channels and reshaped individual networks. Those using generative AI interacted with more colleagues and their networks became less clustered, indicating broadening in collaboration structures. At the same time, they also concentrated more of their collaboration on ties with stronger prior histories, deepening reliance on already trusted colleagues. Together, these findings suggest that, while generative AI changes how people work, it may not displace human-to-human interactions.
• Abstract（参考訳）: 生成的人工知能の急速な普及は、知識労働が人間と人間の相互作用に依存しなくなるのではないかという懸念を提起している。 しかし、AIが生成するアウトプットは解釈、検証、社会的正当性を必要とするため、生成AIは労働者間のコラボレーションを増やす可能性がある。 我々は、AI駆動アシスタント(Microsoft Copilot)の組織展開中に13ヶ月にわたって観察された12,000人以上の知識労働者の受動的に収集された行動データを用いて、競合する予測をテストする。 2つの相補的な準実験的設計 -- 停滞した差分差モデルと固定効果の計測変数アプローチ -- を用いて、生成AIが労働者の協調行動とソーシャルネットワーク構造に与える影響を推定する。 我々は、生成AIがコミュニケーションチャネルをまたいだコラボレーション時間を増やし、個々のネットワークを再構築したと推定する。 生成AIを使用する人はより多くの同僚と対話し、ネットワークはクラスタ化されなくなり、コラボレーション構造が拡大したことを示している。 同時に、彼らはより強い前史との結びつきに集中し、既に信頼されていた同僚への信頼を深めた。 これらの結果は、生成的AIが人々の働き方を変える一方で、人間と人間の相互作用を置き換えるものではないことを示唆している。

関連論文リスト

• When AI Joins the Team! A Model of How AI Adoption Relates To Social Patterns in Software Engineering Teams [11.247082068830915]
  AIの採用がコミュニティの匂いの増加や減少に結びついているかどうかは不明だ。 コーディネーション(Coordination)と5つのPSS-SEMモデル(PLS-SEM)を用いて,AIツールを用いた152人のソフトウェア専門家を対象に,ヒューマンAIとヒューマンヒューマンのインタラクションを検証した。
  論文  参考訳（メタデータ） (2026-08-04T10:57:42Z)
• CollabSkill: Evaluating Human-Agent Collaboration On Real-World Tasks [55.84031315625504]
  CollabSkillは、現実世界の作業タスクにおける人間とエージェントのコラボレーションを評価するためのフレームワークである。 実際の人間の労働者とAIエージェントを、仕事の背景にマッチしたタスクでペアリングする。 分析の結果,実践的な経験がコラボレーションスキルの原動力として現れることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-20T03:03:25Z)
• From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction [16.596741154139334]
  本稿では、AI-as-Amplifier Paradoxをナビゲートすることで、仕事の未来から労働者の未来へと焦点を移す。 がん専門医の職場におけるAIの経年的利用に関する1年間の研究を報告する。
  論文  参考訳（メタデータ） (2026-01-29T16:13:41Z)
• Human-Human-AI Triadic Programming: Uncovering the Role of AI Agent and the Value of Human Partner in Collaborative Learning [10.772613370888516]
  我々の研究は、人間-人間-AI(HHAI)三進プログラミングを導入し、AIエージェントは人間のパートナーの代わりに、追加の協力者として機能する。 三進的HHAI条件では、参加者は仕事においてAI生成コードに依存していなかった。 これらの知見は、AIを可視化し、人間の仲間に説明責任を持たせることによって、三進的セッティングが社会的に共有される学習の規制をどのように活性化するかを示す。
  論文  参考訳（メタデータ） (2026-01-17T18:32:54Z)
• Cooperation Through Indirect Reciprocity in Child-Robot Interactions [81.62347137438248]
  間接的相互性は子どもとロボットの相互作用に変換できるかどうかを考察する。 IRは子どもやロボットに拡張され、協調ジレンマが解決される。 マルチアームバンディットアルゴリズムによる協調は,人間による戦略に大きく依存していることが観察された。
  論文  参考訳（メタデータ） (2025-11-07T07:08:32Z)
• 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)
• 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)
• Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
  本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。 その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
  論文  参考訳（メタデータ） (2024-11-15T13:22:04Z)
• Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
  心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。 Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。 エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
  論文  参考訳（メタデータ） (2024-09-13T13:19:48Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)

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。