論文の概要: Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations

• arxiv url: http://arxiv.org/abs/2505.06326v1
• Date: Fri, 09 May 2025 07:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.788512
• Title: Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations
• Title（参考訳）: スケーラブルで持続可能な生成可能なAI導入のための動的機能としてのエンタープライズアーキテクチャ - 大規模組織におけるイノベーションとガバナンスのブリッジ
• Authors: Alexander Ettinger,
• Abstract要約: 生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。 しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。 本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
• 参考スコア（独自算出の注目度）: 55.2480439325792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Artificial Intelligence is a powerful new technology with the potential to boost innovation and reshape governance in many industries. Nevertheless, organisations face major challenges in scaling GenAI, including technology complexity, governance gaps and resource misalignments. This study explores how Enterprise Architecture Management can meet the complex requirements of GenAI adoption within large enterprises. Based on a systematic literature review and the qualitative analysis of 16 semi-structured interviews with experts, it examines the relationships between EAM, dynamic capabilities and GenAI adoption. The review identified key limitations in existing EA frameworks, particularly their inability to fully address the unique requirements of GenAI. The interviews, analysed using the Gioia methodology, revealed critical enablers and barriers to GenAI adoption across industries. The findings indicate that EAM, when theorised as sensing, seizing and transforming dynamic capabilities, can enhance GenAI adoption by improving strategic alignment, governance frameworks and organisational agility. However, the study also highlights the need to tailor EA frameworks to GenAI-specific challenges, including low data governance maturity and the balance between innovation and compliance. Several conceptual frameworks are proposed to guide EA leaders in aligning GenAI maturity with organisational readiness. The work contributes to academic understanding and industry practice by clarifying the role of EA in bridging innovation and governance in disruptive technology environments.
• Abstract（参考訳）: 生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。 それでも組織は、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIのスケールアップにおいて大きな課題に直面している。 本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。 系統的な文献レビューと16件の半構造化インタビューの質的分析に基づいて,EMA,動的能力,GenAI導入との関係について検討した。 レビューでは、既存のEAフレームワークにおける重要な制限、特にGenAIのユニークな要件に完全に対応できないことを特定している。 インタビューはGioiaの方法論を用いて分析され、業界全体でのGenAI導入への重要な可能性と障壁を明らかにした。 この結果は、EAMがダイナミックな能力を検知し、分離し、変換するものとして理論化されると、戦略的アライメント、ガバナンスフレームワーク、組織のアジリティを改善することで、GenAIの採用が向上することを示している。 しかしこの調査は、データガバナンスの成熟度が低く、イノベーションとコンプライアンスのバランスがとれるなど、EAフレームワークをGenAI固有の課題に合わせる必要があることも強調している。 EAのリーダーがGenAIの成熟度と組織の準備を整合させるためのいくつかの概念的なフレームワークが提案されている。 この研究は、破壊的な技術環境におけるイノベーションとガバナンスの橋渡しにおけるEAの役割を明確にすることで、学術的な理解と産業の実践に貢献します。

関連論文リスト

• KERAIA: An Adaptive and Explainable Framework for Dynamic Knowledge Representation and Reasoning [46.85451489222176]
  KERAIAはシンボリックナレッジエンジニアリングのための新しいフレームワークとソフトウェアプラットフォームである。 動的で複雑でコンテキストに敏感な環境で知識を表現、推論、実行するという永続的な課題に対処する。
  論文  参考訳（メタデータ） (2025-05-07T10:56:05Z)
• Approaches to Responsible Governance of GenAI in Organizations [0.1747623282473278]
  本稿では,GenAIガバナンスを多種多様な組織構造に統合するための基本原則を特定するための文献,確立されたガバナンスフレームワーク,産業の総括的な議論について述べる。 発見は、信頼できるGenAIを確立するために、適応可能なリスクアセスメントツール、継続的監視プラクティス、クロスセクタコラボレーションの必要性を強調している。
  論文  参考訳（メタデータ） (2025-04-23T18:43:29Z)
• Open Problems in Technical AI Governance [102.19067750759471]
  テクニカルAIガバナンス(Technical AI Governance)は、AIの効果的なガバナンスを支援するための技術分析とツールである。 本論文は、AIガバナンスへの貢献を目指す技術研究者や研究資金提供者のためのリソースとして意図されている。
  論文  参考訳（メタデータ） (2024-07-20T21:13:56Z)
• Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
  我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。 我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
  論文  参考訳（メタデータ） (2024-07-09T23:13:26Z)
• Governance of Generative Artificial Intelligence for Companies [1.2818275315985972]
  ジェネレーティブ・人工知能(GenAI)は、適切なガバナンスのない組織に素早く参入した。 GenAIの変革的な性質と規制措置に関する広範な議論にもかかわらず、限定的な研究は組織的なガバナンスに対処している。 本稿は、GenAIの基本的特徴をよりよく理解することを目的として、最近の研究を調査することで、このギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-02-05T14:20:19Z)
• Generative AI in the Construction Industry: Opportunities & Challenges [2.562895371316868]
  建設部門におけるジェネレーティブAI(GenAI)導入の機会と課題を調査する研究は、現在進行中である。 本研究は、文献における反映された知覚を掘り下げ、プログラムベースのワードクラウドと周波数分析を用いて産業的知覚を分析する。 本稿では,概念的GenAI実装フレームワークを推奨し,実践的勧告を提供し,今後の研究課題を要約し,GenAIの今後の研究展開を促進するための基礎文献を構築する。
  論文  参考訳（メタデータ） (2023-09-19T18:20:49Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。