論文の概要: When AI performs, what remains? An integrative review of generative AI and cognitive capital in individuals and organizations
- arxiv url: http://arxiv.org/abs/2610.38647v1
- Date: Wed, 28 Oct 2026 10:58:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.995064
- Title: When AI performs, what remains? An integrative review of generative AI and cognitive capital in individuals and organizations
- Title（参考訳）: AIが機能する時、残るものは何か? 個人や組織における生成AIと認知資本の統合的レビュー
- Abstract要約: 生成的人工知能は、急速に知識労働に入りつつある。
人や組織に残る知識、スキル、判断に何が起こるかは、あまり知られていない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Generative artificial intelligence is rapidly entering knowledge work, and its short-term productivity benefits are increasingly documented. Less is known about what happens, over time, to the knowledge, skills and judgment that remain in people and organizations. This integrative narrative review addresses that question through the construct of cognitive capital: the accumulated, renewable and depletable stock of knowledge, cognitive and metacognitive capabilities, and practices that enables an individual or an organization to learn, interpret information, exercise judgment, solve problems and adapt. We distinguish individual and organizational cognitive capital from the capability of the human-AI system, so that gains in joint performance and losses in human capability can be observed at the same time. Drawing on experimental, field and conceptual work, we propose four mechanisms through which interaction with AI affects cognitive capital: substitution of practice, scaffolding and feedback, metacognitive calibration, and organizational aggregation. Seven principles summarize the current evidence, including that assisted performance differs from retained competence, that the same technology can support or displace learning depending on design and use, and that individual gains can coexist with reduced collective diversity. For each mechanism we derive testable propositions, and we discuss five design levers for organizations as proposals to be validated rather than established practice. We conclude that cognitive capital offers a multilevel frame for governing AI adoption and outline a research agenda centered on longitudinal, multilevel measurement.
- Abstract（参考訳）: 生成的人工知能は急速に知識労働に入りつつあり、その短期的な生産性の恩恵はますます文書化されている。
人や組織に残る知識、スキル、判断に対して、時間とともに何が起こるかは、あまり知られていない。
この統合的物語レビューは、知識、認知的、メタ認知的能力、そして個人または組織が情報を学び、解釈し、判断し、解決し、適応するためのプラクティスの蓄積、再生可能、枯渇可能なストックという認知資本の構成を通して、その疑問に対処する。
個人の認知資本と組織的認知資本を人間-AIシステムの能力とを区別し、共同能力の獲得と人的能力の喪失を同時に観察することができる。
実験的,現場的,概念的な作業に基づいて,AIとのインタラクションが認知的資本に影響を及ぼす4つのメカニズム,すなわち,実践の置換,足場とフィードバック,メタ認知的校正,組織的集約を提案する。
7つの原則は、支援されたパフォーマンスが保持能力と異なること、同じ技術が設計や使用によって学習を支援したり、置き換えたりできること、個人の利益が集団の多様性の低下と共存できることなど、現在の証拠を要約している。
それぞれのメカニズムについて、検証可能な提案を導き、確立されたプラクティスではなく、検証すべき提案として、組織のための5つの設計レバーについて議論する。
我々は、認知資本がAI導入を管理するための多段階の枠組みを提供し、縦・多段階測定を中心とした研究課題を概説していると結論付けている。
関連論文リスト
- Using profiles of cognitive capability to assess AI suitability for workplace tasks [5.826026042207654]
コア認知機能の共有セットを使用してエージェントとタスクをプロファイルするパイプラインを導入する。
どちらも共通の認知次元を使用するため、モデルや役割が変化するにつれて独立して更新することができる。
我々は,人工エージェントの能力回復,6つのAIシステムのプロファイル,および410人の従業員からのタスク要求の抽出を検証した。
論文 参考訳（メタデータ） (2026-08-26T10:48:09Z) - A Taxonomy of Cognitive Capability Gaps in Generative and Agentic AI [4.077787659104315]
本稿では,認知AIの発達を抑え続ける主要な認知能力のギャップについて,分類学的に考察した。
本稿では,アダプティブ・コグニティブ・インテリジェンス・アーキテクチャ(ACIA)を概説し,認知中心評価における新たな方向性を検討する。
論文 参考訳（メタデータ） (2026-08-03T17:37:38Z) - Informal Learning Emerges in Everyday Human-LLM Interaction [74.53081471113929]
日常の人間とLLMの相互作用は、非公式学習の計測可能、選択的、条件付き行動シグネチャを含むことを示す。
彼らはAI評価を、回答提供効率から、ユーザが推論し、テストし、理解を構築するための認知機会の保存へとシフトする。
論文 参考訳（メタデータ） (2026-07-20T07:56:41Z) - The LLM Fallacy: Misattribution in AI-Assisted Cognitive Workflows [3.354543153949287]
大規模言語モデル(LLM)は、人間と機械のコントリビューションの境界を曖昧にし、ユーザーはそれらを生成するプロセスではなく、出力からコンピテンスを推測する。
本稿では,その基盤となるメカニズムの概念的枠組みと,計算,言語,分析,創造的な領域にまたがる表現の類型化を提案する。
論文 参考訳（メタデータ） (2026-04-16T09:30:28Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。
現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。
我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
論文 参考訳（メタデータ） (2025-06-05T14:53:35Z) - Cognitive AI framework: advances in the simulation of human thought [0.0]
Human Cognitive Simulation Frameworkは、人間の認知能力を人工知能システムに統合する大きな進歩を表している。
短期記憶(会話コンテキスト)、長期記憶(対話コンテキスト)、高度な認知処理、効率的な知識管理を融合することにより、コンテキストコヒーレンスと永続的なデータストレージを確保する。
このフレームワークは、継続的学習アルゴリズム、持続可能性、マルチモーダル適応性に関する将来の研究の基礎を築き、Cognitive AIを新興分野におけるトランスフォーメーションモデルとして位置づけている。
論文 参考訳（メタデータ） (2025-02-06T17:43:35Z) - Augmenting Minds or Automating Skills: The Differential Role of Human Capital in Generative AI's Impact on Creative Tasks [4.39919134458872]
ジェネレーティブAIは、創造的な仕事を急速に作り直し、その受益者や社会的意味について批判的な疑問を提起している。
この研究は、創造的タスクにおいて、生成的AIが様々な形態の人的資本とどのように相互作用するかを探求することによって、一般的な仮定に挑戦する。
AIはクリエイティブツールへのアクセスを民主化するが、同時に認知的不平等を増幅する。
論文 参考訳（メタデータ） (2024-12-05T08:27:14Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。