AI 패널が精度向上に与える影響の定量評価

arXiv:2604.16432v2 Announce Type: replace-cross\n要約：人材スクリーニングなどのアプリケーションにおける AI の使用は広範に普及しており、特に若年層の無業者増加に寄与する可能性があります。AI におけるバイアスが採用プロセスに組み込まれることが懸念されますが、その欠如にせよ、単一 AI への依存は問題となります。この論文では、現実的な履歴書（CV）に類似するデータに対する此类手法の精度を推定し、少なくとも上限を決定する簡単な式を導出しました：$P(q) \approx \frac{\rho n^b + q(1-\rho)}{1 + (n^b - 1)\rho}$ ここで $b \approx q^* + 0.8 (1 - \rho)$ であり、$q^*$ は $q$ を $[0.07, 0.22]$ の範囲にクリップした値です。ここで $P(q)$ は $n$ 台の AI パネルによって選ばれた上位 $q$ 分の精度、$\rho$ はそれらの平均相関を表します。この式は、決定の重要性に応じてどの数の AI をパネルに使用すべきかを考慮する土台を提供します。此类分野の意思決定を支援するために多様性のある AI パネルの使用メリットに関する定量的議論は、単一 AI システムへの危険な依存から脱却し、将来にとって極めて重要な社会経済システムにおける AI 部品の多様性がどの程度組み込まれる必要があるかについてバランスの取られた評価を促すだろう。

arXiv:2604.16432v2 Announce Type: replace-cross Abstract: AI in applications like screening job applicants had become widespread, and may contribute to unemployment especially among the young. Biases in the AIs may become baked into the job selection process, but even in their absence, reliance on a single AI is problematic. In this paper we derive a simple formula to estimate, or at least place an upper bound on, the precision of such approaches for data resembling realistic CVs: $P(q) \approx \frac{\rho n^b + q(1-\rho)}{1 + (n^b - 1)\rho}$ where $b \approx q^* + 0.8 (1 - \rho)$ and $q^*$ is $q$ clipped to $[0.07, 0.22]$ where $P(q)$ is the precision of the top $q$ quantile selected by a panel of $n$ AIs and $\rho$ is their average pairwise correlation. This equation provides a basis for considering how many AIs should be used in a Panel, depending on the importance of the decision. A quantitative discussion of the merits of using a diverse panel of AIs to support decision-making in such areas will move away from dangerous reliance on single AI systems and encourage a balanced assessment of the extent to which diversity needs to be built into the AI parts of the socioeconomic systems that are so important for our future.