論文の概要: RAG-Driven Data Quality Governance for Enterprise ERP Systems

• arxiv url: http://arxiv.org/abs/2511.16700v1
• Date: Tue, 18 Nov 2025 12:08:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.762397
• Title: RAG-Driven Data Quality Governance for Enterprise ERP Systems
• Title（参考訳）: エンタープライズERPシステムにおけるRAGによるデータ品質管理
• Abstract要約: LLMによるクエリ生成と自動データクリーニングを組み合わせたエンドツーエンドパイプラインを提案する。 システムは6ヶ月で24万人の従業員の記録を管理するプロダクションシステムにデプロイされる。 このモジュラーアーキテクチャは、AIネイティブなエンタープライズデータガバナンスのための再現可能なフレームワークを提供する。
• 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: Enterprise ERP systems managing hundreds of thousands of employee records face critical data quality challenges when human resources departments perform decentralized manual entry across multiple languages. We present an end-to-end pipeline combining automated data cleaning with LLM-driven SQL query generation, deployed on a production system managing 240,000 employee records over six months. The system operates in two integrated stages: a multi-stage cleaning pipeline that performs translation normalization, spelling correction, and entity deduplication during periodic synchronization from Microsoft SQL Server to PostgreSQL; and a retrieval-augmented generation framework powered by GPT-4o that translates natural-language questions in Turkish, Russian, and English into validated SQL queries. The query engine employs LangChain orchestration, FAISS vector similarity search, and few-shot learning with 500+ validated examples. Our evaluation demonstrates 92.5% query validity, 95.1% schema compliance, and 90.7\% semantic accuracy on 2,847 production queries. The system reduces query turnaround time from 2.3 days to under 5 seconds while maintaining 99.2% uptime, with GPT-4o achieving 46% lower latency and 68% cost reduction versus GPT-3.5. This modular architecture provides a reproducible framework for AI-native enterprise data governance, demonstrating real-world viability at enterprise scale with 4.3/5.0 user satisfaction.
• Abstract（参考訳）: 数十万の従業員記録を管理するエンタープライズERPシステムは、人事部が複数の言語にまたがる分散手動入力を行う場合、重要なデータ品質上の課題に直面している。 LLM駆動のSQLクエリ生成と自動データクリーニングを組み合わせたエンドツーエンドパイプラインを運用システムにデプロイし,6ヶ月で24万件の従業員記録を管理する。 このシステムは、Microsoft SQL ServerからPostgreSQLへの周期的同期中に翻訳正規化、スペル修正、エンティティ重複を実行するマルチステージクリーニングパイプラインと、トルコ語、ロシア語、英語の自然言語質問を検証されたSQLクエリに変換するGPT-4oをベースとした検索拡張生成フレームワークである。 クエリエンジンには、LangChainオーケストレーション、FAISSベクトル類似検索、500以上の検証済み例による数ショット学習が使用されている。 本評価では,92.5%のクエリ妥当性,95.1%のスキーマコンプライアンス,および2,847のプロダクションクエリに対する90.7%のセマンティック精度を示す。 このシステムはクエリのターンアラウンド時間を2.3日から5秒以下に短縮し、99.2%のアップタイムを維持し、GPT-4oは46%のレイテンシと68%のコスト削減を実現している。 このモジュラーアーキテクチャは、AIネイティブなエンタープライズデータガバナンスのための再現可能なフレームワークを提供する。

関連論文リスト

• Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows [54.49251107006261]
  我々はSpider 2.0-AIFuncを紹介した。これは、Snowflakeプラットフォーム上の6種類のAI機能をカバーする125の現実世界データベースにわたる465の検証済みインスタンスのベンチマークである。 最強のプロプライエタリモデルは67-70%の精度で実行でき、最高のオープンソースモデルは58.1%に達する。
  論文  参考訳（メタデータ） (2026-07-07T12:54:08Z)
• When RAG Meets Query Planning: Logical Query Trees for Resolving Exploratory Reasoning Problems [56.24850338895714]
  RAGは、高い不確実性と曖昧性を含む複雑なクエリであるtextbf Exploratory reasoning problem (ERP) に苦慮している。 本稿では,自然言語のERPをテキスト論理クエリツリー(LQT)としてモデル化するRAGフレームワークであるemphPlanRAGを紹介する。 PlanRAGは、我々の新たに構築したデータセットである textbfWikiWeb-ERP 上で、最先端のイテレーションベースおよびグラフベースのRAGシステムより優れています。
  論文  参考訳（メタデータ） (2026-07-01T06:43:55Z)
• Conversational Query Engine for Mixed-Modality Heterogeneous Enterprise Data Sources [0.816316992802876]
  既存のAI対応インターフェースは、ユーザに適切なツールの選択を強制する。 我々は、自然言語分析を異種クエリ処理問題として扱う生産型対話型BIシステムCOGNIを提案する。
  論文  参考訳（メタデータ） (2026-06-15T17:02:22Z)
• BatchDAG: LLM-Planned Execution Graphs for Scalable Ad-Hoc Analysis Over Enterprise Data [0.0]
  BatchDAGは、LLMが操作のタイプ付き非巡回グラフ(DAG)を生成するシステムである。 BatchDAGは5万以上の会議を60秒以内で処理する。 Brevianのプロダクションでは、BatchDAGは60秒未満で5万以上のミーティングを処理している。
  論文  参考訳（メタデータ） (2026-04-17T19:22:34Z)
• An Agentic System for Schema Aware NL2SQL Generation [0.0]
  大規模言語モデル(LLM)は、計算オーバーヘッド、データプライバシ、リソース制約のある環境における実世界のデプロイ可能性に関する懸念を提起する。 本稿では,Small Language Models (SLM) をプライマリエージェントとして戦略的に活用するスキーマベースのエージェントシステムを提案する。 LLMのみのシステムでは0.094のクエリに対して0.0085の平均コストが達成され、ローカルで実行されるクエリではほぼゼロの運用コストが達成される。
  論文  参考訳（メタデータ） (2026-02-25T02:58:02Z)
• Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems [0.0]
  本稿では,自然言語クエリを構造化データ解析のための実行可能なPythonコードに変換するために,実運用最適化マルチエージェントシステムを提案する。 高価なフロンティアモデルに依存するシステムとは異なり、我々のアプローチは3つの重要な革新を通じて高い精度とコスト効率を達成する。 本稿では,LLM ベースの分析システムを大規模に展開する上での実践的考察について述べる。
  論文  参考訳（メタデータ） (2026-01-16T11:32:20Z)
• Patient-Similarity Cohort Reasoning in Clinical Text-to-SQL [63.578576078216976]
  CLINはMIMICIV v3.1の633のエキスパートアノテートタスクのベンチマークである。 我々はChain-of-Thoughtセルフリファインメントの下で22のプロプライエタリモデルとオープンソースモデルを評価した。 最近の進歩にもかかわらず、パフォーマンスは臨床的な信頼性には程遠い。
  論文  参考訳（メタデータ） (2026-01-14T21:12:06Z)
• CSR-RAG: An Efficient Retrieval System for Text-to-SQL on the Enterprise Scale [0.0]
  本稿では, 文脈, 構造, 関係性検索からなるハイブリッド検索システム (RAG) を提案する。 我々は、CSR-RAGが最大40%の精度と80%以上のリコールを実現し、コモディティデータセンターハードウェア上では30ミリ秒という無視可能な平均クエリ生成遅延を発生させることを示した。
  論文  参考訳（メタデータ） (2026-01-10T13:20:07Z)
• SING-SQL: A Synthetic Data Generation Framework for In-Domain Text-to-SQL Translation [2.0799061948689306]
  SING-aは、高品質で高カバレッジな合成テキストデータを生成するための、完全に自動化された2段階のフレームワークである。 SING-LMは、合成データに基づいて微調整されたコンパクト言語モデルのファミリーである。
  論文  参考訳（メタデータ） (2025-09-30T02:14:49Z)
• Agentic LLMs for Question Answering over Tabular Data [6.310433217813068]
  Tabular Data (Table QA) に対する質問回答は、現実世界のテーブルの構造、サイズ、データタイプが多様であることから、ユニークな課題を提示している。 本稿では,我々の方法論,実験結果,代替手法について詳述し,テーブルQAの強度と限界について考察する。
  論文  参考訳（メタデータ） (2025-09-11T08:12:38Z)
• RAISE: Reasoning Agent for Interactive SQL Exploration [47.77323087050061]
  本稿では,スキーマリンク,クエリ生成,反復的改善を1つのエンドツーエンドコンポーネントに統一する新しいフレームワークを提案する。 本手法は、不慣れなデータベースを扱う際に、人間がどう答えるかをエミュレートする。
  論文  参考訳（メタデータ） (2025-06-02T03:07:08Z)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)
• DB-Explore: Automated Database Exploration and Instruction Synthesis for Text-to-SQL [18.915121803834698]
  大規模言語モデルとデータベースの知識を体系的に整合させる新しいフレームワークであるDB-Exploreを提案する。 我々のフレームワークは、多様なサンプリング戦略と自動命令生成を通じて、包括的なデータベース理解を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T20:46:43Z)
• RSL-SQL: Robust Schema Linking in Text-to-SQL Generation [51.00761167842468]
  本稿では、双方向スキーマリンク、コンテキスト情報拡張、バイナリ選択戦略、マルチターン自己補正を組み合わせたRSLと呼ばれる新しいフレームワークを提案する。 ベンチマークの結果,オープンソースのソリューション間でのSOTA実行精度は67.2%,BIRDは87.9%,GPT-4オクルージョンは87.9%であった。 提案手法は,DeepSeekを同一のプロンプトで適用した場合,GPT-4ベースのテキスト・ツー・シークシステムよりも優れている。
  論文  参考訳（メタデータ） (2024-10-31T16:22:26Z)
• SelECT-SQL: Self-correcting ensemble Chain-of-Thought for Text-to-SQL [3.422309388045878]
  SelECT-は、チェーン・オブ・シンク、自己補正、アンサンブルの手法をアルゴリズムで組み合わせた、新しいインコンテキスト学習ソリューションである。 具体的には、GPTをベースLLMとして使用する場合、SelECT-Turboはスパイダーリーダーボードの開発セット上で84.2%の実行精度を達成する。
  論文  参考訳（メタデータ） (2024-09-16T05:40:18Z)
• DAC: Decomposed Automation Correction for Text-to-SQL [51.48239006107272]
  De Automation Correction (DAC)を導入し、エンティティリンクとスケルトン解析を分解することでテキストから合成を補正する。 また,本手法では,ベースライン法と比較して,スパイダー,バード,カグルDBQAの平均値が平均3.7%向上することを示した。
  論文  参考訳（メタデータ） (2024-08-16T14:43:15Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)

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。