5 分で読了
0 views

二次的利害関係者とAIのエージェンシー

(Secondary Stakeholders in AI: Fighting for, Brokering, and Navigating Agency)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から“参加型AI”とか“ステークホルダー”だの言われて、正直何に投資すればいいのか分かりません。今回の論文は何を言っているんですか?

AIメンター拓海

素晴らしい着眼点ですね!この論文は“主に直接使う人(一次的利害関係者)以外の人々”――例えばデータ提供者の家族やサプライチェーンの現場担当者といった二次的利害関係者が、どうやってAIに影響され、また影響を与えるかに着目していますよ。

田中専務

二次的利害関係者ですか。つまり、直接使わないけど関係ある人たち、ということですね。導入に際して我が社が気をつけるべき点は何ですか?

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。論文は“情報提供(informedness)”、“同意(consent)”、“主体性(agency)”の三つを要点として挙げています。要点を三つにまとめると、(1) 情報は届いているか、(2) 合意は本当に意味があるか、(3) 当事者が選べるか、です。

田中専務

正直、我々の現場では説明書や同意書を渡して終わりになりがちです。これって要するに形式的な書類だけでは不十分ということですか?

AIメンター拓海

その通りですよ。素晴らしい本質の確認です!論文の参加型AI(Participatory AI、参加型AI)という考え方では、単に情報を渡すだけでなく、相手が理解できる形で説明し、選択肢を示し、実際に操作や意見反映が可能かを検証します。投資対効果の観点では、初期に説明と関与へ投資することで後のトラブルや信頼損失を減らせるという理屈です。

田中専務

現場の人間は説明を聞く時間も技術への関心もまちまちです。我が社のような中小でも取り組める現実的な手順はありますか?

AIメンター拓海

大丈夫、できないことはない、まだ知らないだけです。まずは要点を三つで整理します。第一に、説明は短く分かりやすくすること。第二に、同意は選択肢を与えて確認すること。第三に、現場が操作できる仕組み(簡易なダッシュボードや連絡窓口)を作ること、です。これだけで現場の不満はぐっと下がりますよ。

田中専務

具体的に誰を巻き込めばいいかの見立ても教えてください。二次的利害関係者って、どこまで含めるべきでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!論文は三つの典型像(archetype)を挙げています。データ提供を渋る「躊躇するデータ提供者(reluctant data contributor)」、支援がなく声を上げる「支援されない活動家(unsupported activist)」、善意だが制度に苦しむ「善意の実務家(well-intentioned practitioner)」です。我が社なら、現場担当者、取引先の担当者、データ入力者の家族に至るまで関係を洗うとよいです。

田中専務

それだと範囲が広がり過ぎる気がします。コストと効果のバランスはどう見ればいいですか?

AIメンター拓海

いい質問です。大丈夫、投資対効果を考えるのは経営者の本分ですよ。まずは影響度の高い接点――例えば製品の安全性や顧客のプライバシーに直結する箇所――に優先的に説明責任と同意取得の仕組みを作ること。次に、簡易なモニタリングで運用状況をチェックし、問題が多ければ範囲を広げる、という段階的投資が現実的です。

田中専務

分かりました。まずは影響の強い接点から説明と選択肢を整え、モニタリングで広げていく。これなら実行できそうです。最後に、私の言葉で要点を整理していいですか。

AIメンター拓海

ぜひお願いします。大丈夫、一緒にやれば必ずできますよ。

田中専務

我が社では、(1) 顧客と現場への情報提供を分かりやすくし、(2) 同意は選べる形で取り、(3) まずは影響が大きい箇所に投資して効果を測る。これで進めます。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
LLMとテキスト→画像生成モデルにおける成人化バイアス
(Adultification Bias in LLMs and Text-to-Image Models)
次の記事
IDEIA:デジタルジャーナリズムにおけるリアルタイム編集発想のための生成AIシステム
(IDEIA: A Generative AI-Based System for Real-Time Editorial Ideation in Digital Journalism)
関連記事
量子化重みで学習するBinaryRelax
(BinaryRelax: A Relaxation Approach For Training Deep Neural Networks With Quantized Weights)
大規模渦シミュレーション向け畳み込みニューラルネットワークによる水素反応速度モデル化
(Hydrogen reaction rate modeling based on convolutional neural network for large eddy simulation)
プロセス代数を抽象データ型として
(Process Algebra as Abstract Data Types)
病理画像向け視覚言語事前学習による複数インスタンスゼロショット転移
(Visual Language Pretrained Multiple Instance Zero-Shot Transfer for Histopathology Images)
未見タスクにおける音声言語理解とIn-Context Learning
(Spoken Language Understanding on Unseen Tasks With In-Context Learning)
MLPerf Power:機械学習システムのエネルギー効率ベンチマーク(µWattsからMWattsまで) MLPerf Power: Benchmarking the Energy Efficiency of Machine Learning Systems from µWatts to MWatts for Sustainable AI
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む