説明可能AI（XAI）の研究分野が急速に発展している一方で、実際のビジネスや運用の現場では生成された説明がほとんど活用されていない現状がある。機械学習モデルの意思決定過程を理解するための特徴帰属法やスパースオートエンコーダなど、様々なXAI技術が開発されているにもかかわらず、これらの説明は多くの場合、生成されたのち破棄されてしまい、意思決定に影響を与えることがない。 この乖離は、研究分野の根本的な課題に起因していると考えられる。機械学習コミュニティは、説明をヒューマン・イン・ザ・ループ型のエンドツーエンドシステムに統合するための方法論をいまだ確立していないのである。本論文は、その点を指摘し、ad-hoc（その場凌ぎ）なXAI手法の開発から脱却し、問題の定式化の不明確さ、評価目標の曖昧さ、説明駆動型フィードバックのパイプラインの欠如といった基礎的および構造的課題に取り組むべきだと主張している。 この主張を支持するため、著者らはICML、NeurIPS、ICLRで発表された最近の論文を分析し、XAI実践者への調査を実施した。その結果、累積的進歩を阻害する反復的な課題が明らかになった。最後に、XAIをより人間中心で行動志向のパラダイムへ転換するための実践的なチェックリストを提示している。基礎的な明確さを優先することで、説明を行動可能でフィードバック駆動型のAIシステムに統合するためのロードマップを提供することを目指している。