# Заметки — P25-SCI-ORG

Бюджет: websearch 12, fetch_or_download 22.

## Счётчик использования
- websearch: 0
- fetch/download (WebFetch+curl): 0

## Дедуп-проверка (перед стартом)
Прочитан W/known-url-map.jsonl полностью (921 строк). Извлечены:
- kind=fresh_lit (30 записей, FL-01..FL-30) — кандидаты свежего слоя. Для темы SCI-ORG (агенты в организациях, human+AI teams, полевые эксперименты в фирмах, multi-agent в бизнес-процессах, оргдизайн) релевантны: FL-03 (Intent Drift at SME Scale — agentic compliance), FL-12 (Scaffolding Human-AI Collaboration — field experiment). Остальные FL — вне темы (медицина FL-18..FL-30 — вне предмета по правилам; образование/поиск FL-01/02/04/05/06 — не про организации; NBER FL-13..FL-17 — экономика фирм, домен P26-SCI-ECON; FL-07..FL-11 — AI-native SWE/agile, ближе к AGENTINFRA/OPMODEL, не к SCI-ORG (эмпирика слабая/консептуальная), не беру, если не найду прямой организационный угол.
- kind=material/source (SCI-WORK-SRC-001..006, SCI-ECON-SRC-001..006) — прежний корпус v0.2/v1.0. SCI-WORK-SRC-001 (Puranam/INSEAD, Organizational Networks field exp.), SCI-WORK-SRC-002 (MIT FutureTech — AI Adoption S&P500 + Crashing Waves), SCI-WORK-SRC-003 (Shifting Work Patterns with GenAI, MSFT — human-AI teams), SCI-WORK-SRC-004 (Virtual Agent Economies) — уже в базе; беру их только если найду существенно новое (новая версия/рецензируемая публикация) — иначе не дублирую.
- P23-SCI-SALES (параллельный пакет, уже с cards.jsonl) занял: Generative AI and Sales Productivity (2510.12049), Alibaba customer service (2603.29888), Recommender System field exp (2606.08265), LLM-Generated Ads (2512.03373), LLM Pricing Agents collusion (2609.13037), Agentic Commerce auction benchmark (2608.00102), GenAI Advertising trust (2605.18673), NBER w34950 — не дублирую (домен sales/pricing/ads, не org).
- Kolbjørnsrud (CMR) — уже в P18 (по заданию), не беру.

## Поисковые запросы
1. arXiv API: abs:"field experiment" AND abs:"human-AI" AND abs:organization (sortBy submittedDate) — 1 результат: 2604.08678 (уже кандидат FL-12).
2. arXiv API: abs:"multi-agent" AND abs:"business process" — 18 результатов, отобраны свежие (>=2025-09): 2606.20669, 2605.15204, 2603.18916 (взят как W08).
3. arXiv API: abs:"human-AI team" AND abs:performance — 20 результатов, просмотрены заголовки/даты, релевантных для оргдизайна кроме уже отобранных не найдено (много медицины/HCI вне темы фирм).
4. arXiv API: abs:"agent benchmark" AND abs:enterprise — 12 результатов, отобраны EnterpriseClawBench (2606.23654, W05) и Beyond the All-in-One Agent/EntCollabBench (2605.08761, W06).
5. arXiv API: abs:"organizational design" AND abs:agent — 11 результатов, отобрана Toward an Organizational Science of Multi-Agent LLM Systems (2607.25446, W03); Pairit (2609.09789) пропущена — уже в прежнем корпусе (SCI-ECON-SRC-005-MAT-02).
6. arXiv API: abs:"field experiment" AND abs:"generative AI" AND abs:productivity — 4 результата; кроме уже отобранного FL-12 и обзора вне темы фирм (AI and jobs review, econ/labor) — ничего нового по теме организаций.

Дополнительно вручную отобраны по релевантности из результатов запросов 2-5: Collective Cognition in Hybrid Groups (2607.05593, W04), AI Agents for Inventory Control (2602.12631, W07), Same Team Label — Full-Text Audit of HAT research (2609.27849, W09).

## Недобор / пробелы
- Регион: все 9 отобранных работ — авторы из университетов/компаний США, Европы, Гонконга и (предположительно) Китая (EnterpriseClawBench, EntCollabBench — имена авторов предполагают китайские институции, аффилиация не подтверждена явно в аннотации, помечено unknown). Отдельного российского или латиноамериканского академического поля-эксперимента по организациям с агентами за 2 поиска не найдено — недобор, не добивал нерелевантным.
- NBER-работы об экономике фирм и ИИ (FL-13..FL-17) сознательно не взяты — по разделению доменов между P25-SCI-ORG (агенты/human+AI teams/оргдизайн) и P26-SCI-ECON (экономика ИИ в фирмах, NBER/SSRN); чтобы избежать дублирования между параллельными пакетами.
- FL-07..FL-11 (AI-native software engineering / agile manifesto) не взяты — ближе к AGENTINFRA/OPMODEL, слабая организационная эмпирика в пределах аннотаций; при необходимости координатор может перенаправить их в другой пакет.

## Счётчик использования (финал)
- websearch: 0 (все поисковые запросы выполнены через arXiv API напрямую curl'ом; засчитаны в fetch/download)
- fetch/download (curl, всего): 18 из 22
  - 2 abs.html (FL-03, FL-12) = 2
  - 6 arXiv API XML-запросов (q1..q6) = 6
  - 7 abs.html доп. кандидатов (2607.25446, 2607.05593, 2606.23654, 2605.08761, 2602.12631, 2603.18916, 2609.27849) = 7
  - 3 PDF (2604.08678, 2609.05975, 2602.12631) = 3
  - Итого: 2+6+7+3 = 18
- карточек work: 9 (все novelty=new)


## Доработка (по W/findings/V7-M2.json, V7-summary.txt)
Сохранена исходная версия: `cards.v1.jsonl`. Правки внесены в `cards.jsonl` без новых сетевых открытий (0 websearch, 0 fetch — все проверки по уже сохранённым `raw/2604.08678.extract.txt` и `raw/2602.12631.extract.txt`).
- **W01 (major → исправлено):** setting/transfer_limits/key_finding_ru исправлены — компания названа в тексте («388 employees at Gap Inc., a Fortune 500 retailer», разд. 1.4/3.1), инструмент — Microsoft Copilot (было ошибочно «anonymized»); добавлен `reliability_note` о том, что все 5 авторов — сотрудники Microsoft Corporation, вендора изучаемого инструмента; исправлена аффилиация «Microsoft Research»→Microsoft Corporation; к OR=2.07 (claims[1], metrics[2].note, key_finding_ru) добавлены оговорки авторов: бинарный порог выбран post hoc по наблюдённому эффекту потолка, границы Ли пересекают ноль (−0.10…+0.31); metrics[0].period уточнён («один день, дата не указана»).
- **W07 (minor → исправлено):** добавлен результат Mode B > Mode C (τ̂C−τ̂B=−0.0722, SE=0.0177, p=0.00012; нормированная награда Mode C=0.464 против OR→LLM=0.538) с оговоркой авторов о технология/интерфейс-зависимости — в key_finding_ru, metrics, claims; добавлены аффилиации авторов (NYU Stern; Columbia University/Columbia Business School, Columbia AI Agents Initiative) и ссылка на предрегистрацию (aspredicted.org/gs5tm3); уточнено, что «70% участников не превосходят ИИ» относится только к инстансу 2, индивидуальный эффект значим только на инстансе 1; добавлен относительный размер популяционного эффекта (CE=0.0496 ≈10.2%).
- **Остальные карточки (W02–W06, W08, W09) проверены** на неназванные организации и аффилиации: ложных заявлений «anonymized/не раскрыто» не найдено (grep по cards.jsonl); аффилиации авторов W03/W04/W06/W08/W09 действительно не указаны на страницах аннотаций arXiv (проверено по уже сохранённым `raw/abs-*.html`, без новых fetch) — оставлены `unknown`, это честно, а не недосмотр. В W05 (EnterpriseClawBench) добавлено наблюдение: код опубликован в GitHub-организации «FrontisAI», что может указывать на аффилиацию авторов — помечено как вывод карточки, а не факт источника.
- Валидатор: `python3 W/scripts/validate_cards.py W/packets/P25-SCI-ORG` → 0 проблем.
- Бюджет доработки: 0 websearch, 0 fetch/open (в пределах разрешённых ≤2 не понадобились — все нужные детали были в уже сохранённых `raw/*.extract.txt`).