論文の概要: Towards Data Systems That Are Business Semantic-Centric and AI Agents-Assisted
- arxiv url: http://arxiv.org/abs/2506.05520v1
- Date: Thu, 05 Jun 2025 19:06:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-09 21:34:56.750723
- Title: Towards Data Systems That Are Business Semantic-Centric and AI Agents-Assisted
- Title（参考訳）: ビジネス・セマンティック・エージェントとAIエージェントが支援するデータシステムを目指して
- Authors: Cecil Pang,
- Abstract要約: ビジネスSemantics Centric, AI Agents Assisted Data System (BSDS)
BSDSは、データシステムをビジネス成功の動的な実現手段として再定義する。
システムには、ビジネスエンティティにリンクされたキュレートされたデータ、コンテキスト認識AIエージェントの知識ベース、効率的なデータパイプラインが含まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contemporary businesses operate in dynamic environments requiring rapid adaptation to achieve goals and maintain competitiveness. Existing data platforms often fall short by emphasizing tools over alignment with business needs, resulting in inefficiencies and delays. To address this gap, I propose the Business Semantics Centric, AI Agents Assisted Data System (BSDS), a holistic system that integrates architecture, workflows, and team organization to ensure data systems are tailored to business priorities rather than dictated by technical constraints. BSDS redefines data systems as dynamic enablers of business success, transforming them from passive tools into active drivers of organizational growth. BSDS has a modular architecture that comprises curated data linked to business entities, a knowledge base for context-aware AI agents, and efficient data pipelines. AI agents play a pivotal role in assisting with data access and system management, reducing human effort, and improving scalability. Complementing this architecture, BSDS incorporates workflows optimized for both exploratory data analysis and production requirements, balancing speed of delivery with quality assurance. A key innovation of BSDS is its incorporation of the human factor. By aligning data team expertise with business semantics, BSDS bridges the gap between technical capabilities and business needs. Validated through real-world implementation, BSDS accelerates time-to-market for data-driven initiatives, enhances cross-functional collaboration, and provides a scalable blueprint for businesses of all sizes. Future research can build on BSDS to explore optimization strategies using complex systems and adaptive network theories, as well as developing autonomous data systems leveraging AI agents.
- Abstract（参考訳）: 現代ビジネスは、目標達成と競争力を維持するために急速な適応を必要とする動的な環境で運営されている。
既存のデータプラットフォームは、多くの場合、ビジネスニーズとの整合性よりもツールを強調し、非効率性と遅延をもたらす。
このギャップに対処するために、ビジネスセマンティックス・セントリクス(Business Semantics Centric)、AIエージェント支援データシステム(AI Agents Assisted Data System、BSDS)を提案します。
BSDSは、データシステムをビジネス成功のダイナミックな実現要因として再定義し、受動的ツールから組織の成長の活発なドライバへと変えます。
BSDSには、ビジネスエンティティにリンクされたキュレートされたデータ、コンテキスト認識AIエージェントの知識ベース、効率的なデータパイプラインを含むモジュールアーキテクチャがある。
AIエージェントは、データアクセスとシステム管理を支援し、人的労力を削減し、スケーラビリティを向上させる上で、重要な役割を果たす。
このアーキテクチャを補完するBSDSは、探索的なデータ分析とプロダクション要件の両方に最適化されたワークフローを導入し、デリバリ速度と品質保証のバランスをとる。
BSDSの重要な革新は、人間の要素を取り入れることである。
データチームの専門知識をビジネスセマンティクスと整合させることで、BSDSは技術的能力とビジネスニーズのギャップを埋める。
BSDSは実世界の実装を通じて検証され、データ駆動型イニシアチブの市場投入を加速し、クロスファンクショナルなコラボレーションを強化し、あらゆる規模のビジネスにスケーラブルな青写真を提供する。
今後の研究はBSDSに基づいて複雑なシステムと適応型ネットワーク理論を用いた最適化戦略を探求し、AIエージェントを活用した自律型データシステムを開発することができる。
関連論文リスト
- FinRobot: Generative Business Process AI Agents for Enterprise Resource Planning in Finance [6.494553545846438]
我々は、ERPシステムのための最初のAIネイティブフレームワークを提示し、生成ビジネスプロセスAIエージェントの新しいアーキテクチャを導入する。
提案システムは、生成AIとビジネスプロセスモデリングとマルチエージェントオーケストレーションを統合し、エンドツーエンドの自動化を可能にする。
GBPAは処理時間の最大40%削減、エラー率94%削減、規制コンプライアンスの改善を実現している。
論文 参考訳（メタデータ） (2025-06-02T08:22:28Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Orchestrating Agents and Data for Enterprise: A Blueprint Architecture for Compound AI [11.859180018313147]
企業アプリケーションのためのエージェントとデータをオーケストレーションするための複合AIシステムのための「青写真アーキテクチャ」を提案する。
エンタープライズにおける既存のプロプライエタリなモデルとAPIは、'エージェントレジストリ'で定義された'エージェント'にマップされる。
エージェントは、さまざまなモダリティのエンタープライズデータを同じように登録する'データレジストリ'を通じて、プロプライエタリなデータを利用することができる。
論文 参考訳（メタデータ） (2025-04-10T22:19:41Z) - Towards Human-Guided, Data-Centric LLM Co-Pilots [53.35493881390917]
CliMB-DCは、機械学習コパイロットのための、ヒューマンガイド付き、データ中心のフレームワークである。
高度なデータ中心ツールとLLM駆動推論を組み合わせることで、堅牢でコンテキスト対応のデータ処理を可能にする。
CliMB-DCが未処理のデータセットをML対応フォーマットに変換する方法を示す。
論文 参考訳（メタデータ） (2025-01-17T17:51:22Z) - An AI-Driven Data Mesh Architecture Enhancing Decision-Making in Infrastructure Construction and Public Procurement [1.4843690728082002]
Data MeshとService Meshアーキテクチャを利用した統合ソフトウェアエコシステムを導入します。
このシステムには、インフラストラクチャと調達のための最大のトレーニングデータセットが含まれており、1000億以上のトークンを含んでいる。
そのWebスケーリング可能なアーキテクチャは、ドメインキュレーションされた情報を提供し、AIエージェントが推論と不確実性の管理を容易にする。
論文 参考訳（メタデータ） (2024-11-29T19:33:51Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳（メタデータ） (2024-08-07T08:43:32Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - A Blueprint Architecture of Compound AI Systems for Enterprise [18.109450556443782]
我々は、企業環境で運用する複合AIシステムのための青写真アーキテクチャを、費用対効果と実用性で導入する。
提案したアーキテクチャは,既存の計算とデータインフラストラクチャとのシームレスな統合を目標としています。
論文 参考訳（メタデータ） (2024-06-02T01:16:32Z) - Bringing AI to the edge: A formal M&S specification to deploy effective
IoT architectures [0.0]
モノのインターネットは私たちの社会を変え、生活の質と資源管理を改善する新しいサービスを提供しています。
これらのアプリケーションは、限られたコンピューティングリソースとパワーを持つ、複数の分散デバイスのユビキタスネットワークに基づいている。
フォグコンピューティングのような新しいアーキテクチャが登場し、コンピューティング基盤をデータソースに近づけている。
論文 参考訳（メタデータ） (2023-05-11T21:29:58Z)
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。