論文の概要: Beyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AI
- arxiv url: http://arxiv.org/abs/2611.16931v1
- Date: Thu, 12 Nov 2026 15:18:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.500264
- Title: Beyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AI
- Title(参考訳): 好奇心を超えて - シャドウAIの予測者としての習慣と組織的学習能力
- Abstract要約: 生成AIは、組織が管理できるよりも早く職場に入った。
従業員の大多数は、雇用主が許可していないAIツールを使用しており、その使用を積極的に隠している。
一般的な仮定として、人気のある説明や初期の注釈では、未承認(シャドウ)なAIの使用を冒険的な個人による好奇心による探索として扱う。
我々は、探索的配置よりも自動性が振舞いを持続する技術利用心理学に基づく競合アカウントに対して、これを検証する。
- 参考スコア(独自算出の注目度): 0.42970700836450487
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Generative AI has entered the workplace faster than organizations can govern it. A large share of employees now use AI tools their employer has not sanctioned, and many actively conceal that use, but the psychology of this covert technology behavior remains poorly understood. A common assumption, in popular accounts and early commentary, treats unauthorized (shadow) AI use as curiosity-driven exploration by adventurous individuals. We test this against a competing account grounded in the psychology of habitual technology use, in which automaticity rather than exploratory disposition sustains the behavior. Using survey data from 510 employed generative AI users across multiple countries, we adjudicated among individual and contextual predictors (workplace curiosity, habit, technology-acceptance beliefs, and organizational learning capability) with hierarchical regression, relative weights analysis with bootstrap confidence intervals, and full-subset dominance analysis. Habit was the strongest predictor, accounting for 28.3% of explained variance, and completely dominated joyous exploration, the curiosity dimension most aligned with the exploration account, across all 512 possible predictor subsets. Joyous exploration contributed 3.4% (95% CI [1.6, 7.4]) and fell to nonsignificance once use behavior and habit were modeled. Learning-supportive organizational conditions accounted for a further 24.1% and operated additively rather than by moderating dispositions. Parallel models decomposing the outcome showed the same dominance pattern for unauthorized use and concealment, and perceived social support for AI use was protective specifically against concealment. These findings reframe shadow AI as a habit-and-environment phenomenon rather than an individual-exploration phenomenon. The cross-sectional design means causal claims are exploratory.
- Abstract(参考訳): 生成AIは、組織が管理できるよりも早く職場に入った。
従業員の大多数は、雇用主が許可していないAIツールを使用しており、多くは積極的にその使用を隠蔽しているが、この隠蔽技術行動の心理学はいまだに理解されていない。
一般的な仮定として、人気のある説明や初期の注釈では、未承認(シャドウ)なAIの使用を冒険的な個人による好奇心による探索として扱う。
本研究は, 日常技術利用の心理学に根ざした, 探索的配置というよりも, 自動性が動作を持続する, 競合するアカウントに対して試行する。
複数の国にまたがる510人のジェネレーティブAIユーザを対象とした調査データを用いて、階層回帰、ブートストラップ信頼区間による相対重み分析、フルサブセット支配分析により、個人およびコンテキスト予測者(ワークプレース好奇心、習慣、技術受容信念、組織学習能力)に適応した。
ハビットは最も強い予測者であり、説明されたばらつきの28.3%を占めており、探索に最も適した好奇心の次元である喜びの探検を完全に支配していた。
ジョーイズ調査は3.4%(95% CI [1.6, 7.4])を貢献し、行動や習慣がモデル化された時点では重要ではなかった。
学習支援型組織条件は、さらに24.1%を占め、配置の調整よりも追加的に運用された。
結果を分解した並列モデルは、不正使用と隠蔽に関して同じ支配パターンを示し、AI使用に対する社会的サポートは、特に隠蔽に対して保護的であると認識された。
これらの発見は、個人の探索現象ではなく、習慣と環境現象としてシャドウAIを再構成した。
断面設計は、因果クレームが探索的であることを意味する。
関連論文リスト
- Reduced AI Acceptance After the Generative AI Boom: Evidence From a Two-Wave Survey Study [40.26767449635043]
本稿では,ChatGPTのローンチ前後におけるAIに対する公的な態度の変化について検討する。
AIが「全く受け入れられない」と回答した回答者の割合は23%から30%に増加した。
これらの変化は、教育、言語、性別格差の拡大の観点から、既存の社会的不平等を増大させてきた。
論文 参考訳(メタデータ) (2025-10-27T17:47:58Z) - A Definition of AGI [208.25193480759026]
人工知能の具体的な定義の欠如は、今日の専門的なAIと人間レベルの認知のギャップを曖昧にしている。
そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。
論文 参考訳(メタデータ) (2025-10-21T01:28:35Z) - Sycophantic AI Decreases Prosocial Intentions and Promotes Dependence [31.666988490509237]
我々は、人々がAIからアドバイスを求めるとき、梅毒の広範性と有害な影響を示す。
モデルは非常にサイコファン性が高く、ユーザーの行動が人間よりも50%多いことを確認しています。
参加者は、サイコファンティックな反応をより高い品質と評価し、サイコファンティックなAIモデルをより信頼し、再びそれを使う意思があった。
論文 参考訳(メタデータ) (2025-10-01T19:26:01Z) - What Makes AI Applications Acceptable or Unacceptable? A Predictive Moral Framework [0.4666493857924357]
我々は、個人的および組織的な文脈にまたがる100のAIアプリケーションの包括的な分類を使用する。
参加者の集団判断では、適用範囲は極めて受け入れがたいものから完全に受け入れられるものまで様々であった。
論文 参考訳(メタデータ) (2025-08-26T12:55:30Z) - Intrinsically-Motivated Humans and Agents in Open-World Exploration [50.00331050937369]
複雑なオープンエンド環境で、大人、子供、AIエージェントを比較します。
エントロピーとエンパワーメントだけが、人類の探査の進歩と一貫して正の相関関係にあることがわかった。
個人の発話,特に目的語化が子どもの探索に有効であることを示す予備的証拠を見出した。
論文 参考訳(メタデータ) (2025-03-31T00:09:00Z) - General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。
私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。
私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
論文 参考訳(メタデータ) (2025-03-09T01:13:56Z) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳(メタデータ) (2024-10-21T22:39:52Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2023-04-16T11:22:59Z) - Self-Emotion-Mediated Exploration in Artificial Intelligence Mirrors: Findings from Cognitive Psychology [0.08739101659113153]
本研究は,本質的な探索駆動を実現するための,人工エージェントの学習フレームワークを提案する。
データ分析は、人間の心理学的な研究に従って、プライドまたはサプライズを規定する。
結果: 国家と探検の因果関係はエージェントの大多数によって実証される。
論文 参考訳(メタデータ) (2023-02-13T18:20:44Z)
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。