論文の概要: AI-Enabled Orchestration of Event-Driven Business Processes in Workday ERP for Healthcare Enterprises

• arxiv url: http://arxiv.org/abs/2511.15852v1
• Date: Wed, 19 Nov 2025 20:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.363407
• Title: AI-Enabled Orchestration of Event-Driven Business Processes in Workday ERP for Healthcare Enterprises
• Title（参考訳）: 医療用業務用ERPにおけるイベント駆動型ビジネスプロセスのAI対応オーケストレーション
• Authors: Monu Sharma,
• Abstract要約: 本研究では、Workday ERP内のAI対応イベント駆動オーケストレーションフレームワークを提案する。 このフレームワークは、分散ヘルスケアエンティティ間の金融とサプライチェーンをインテリジェントに同期させる。 結果は、WorkdayのイベントベースのアーキテクチャにAI機能を組み込むことで、運用のレジリエンス、ガバナンス、スケーラビリティが向上することを確認した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The adoption of cloud-based Enterprise Resource Planning (ERP) platforms such as Workday has transformed healthcare operations by integrating financial, supply-chain, and workforce processes into a unified ecosystem. However, traditional workflow logic in ERP systems often lacks the adaptability required to manage event-driven and data-intensive healthcare environments. This study proposes an AI-enabled event-driven orchestration framework within Workday ERP that intelligently synchronizes financial and supply-chain workflows across distributed healthcare entities. The framework employs machine-learning triggers, anomaly detection, and process mining analytics to anticipate and automate responses to operational events such as inventory depletion, payment delays, or patient demand fluctuations. A multi-organization case analysis demonstrates measurable gains in process efficiency, cost visibility, and decision accuracy. Results confirm that embedding AI capabilities into Workday's event-based architecture enhances operational resilience, governance, and scalability. The proposed model contributes to the broader understanding of intelligent ERP integration and establishes a reference for next-generation automation strategies in healthcare enterprises.
• Abstract（参考訳）: Workdayのようなクラウドベースのエンタープライズリソースプランニング(ERP)プラットフォームの採用は、金融、サプライチェーン、労働プロセスを統合されたエコシステムに統合することで、医療業務を変革しました。 しかしながら、ERPシステムにおける従来のワークフローロジックは、イベント駆動型およびデータ集約型医療環境を管理するために必要な適応性に欠けることが多い。 本研究では、分散ヘルスケアエンティティ間の金融およびサプライチェーンワークフローをインテリジェントに同期する、Workday ERP内のAI対応イベント駆動オーケストレーションフレームワークを提案する。 このフレームワークは、在庫の枯渇、支払い遅延、患者の要求変動といった運用イベントに対する反応を予測し、自動化するために、機械学習トリガー、異常検出、プロセスマイニング分析を採用している。 マルチ組織ケース分析では、プロセス効率、コスト可視性、意思決定精度が測定可能な向上を示している。 結果は、WorkdayのイベントベースのアーキテクチャにAI機能を組み込むことで、運用のレジリエンス、ガバナンス、スケーラビリティが向上することを確認した。 提案モデルは、インテリジェントERP統合のより広範な理解に寄与し、医療企業における次世代自動化戦略への参照を確立する。

関連論文リスト

• Workday's Approach to Secure and Compliant Cloud ERP Systems [0.0]
  グローバル標準へのワークデイの準拠は、金融、医療、政府のデータを最善に保護する能力を示している。 比較レビューでは、リスク管理の強化、運用の柔軟性、セキュリティ侵害の軽減が示されている。 また、AI、機械学習、ブロックチェーン技術の統合など、新たなトレンドについても検討している。
  論文  参考訳（メタデータ） (2025-10-31T12:25:06Z)
• Taming Uncertainty via Automation: Observing, Analyzing, and Optimizing Agentic AI Systems [1.9751175705897066]
  大規模言語モデル (LLMs) はエージェントシステムにますます展開され、対話型のLLMエージェントは複雑で、メモリ、ツール、動的プランニングを用いて適応的に実行される。 従来のソフトウェアオブザーバビリティと運用プラクティスは、これらの課題に対処するには不十分です。 本稿ではエージェントAIシステムの動作を観察し、分析し、最適化し、自動化するための総合的なフレームワークであるAgentOpsを紹介する。
  論文  参考訳（メタデータ） (2025-07-15T12:54:43Z)
• 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)
• E2E Process Automation Leveraging Generative AI and IDP-Based Automation Agent: A Case Study on Corporate Expense Processing [1.5728609542259502]
  本稿では,現代デジタルトランスフォーメーションにおけるインテリジェントな作業自動化手法を提案する。 生成AIとインテリジェントドキュメント処理技術とオートメーションエージェントを統合し、企業の財政的経費処理タスクのエンドツーエンド(E2E)自動化を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:21:08Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  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)
• Flow: Modularized Agentic Workflow Automation [53.073598156915615]
  大規模言語モデル(LLM)を利用したマルチエージェントフレームワークは、自動計画とタスク実行において大きな成功を収めている。 しかし, 実行中のエージェントの効果的な調整は十分に研究されていない。 本稿では,エージェントによる継続的なワークフロー改善を可能にするアクティビティ・オン・頂点(AOV)グラフを定義する。 提案するマルチエージェントフレームワークは,サブタスクの効率的な同時実行,効果的なゴール達成,エラー耐性の向上を実現している。
  論文  参考訳（メタデータ） (2025-01-14T04:35:37Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)

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。