論文の概要: Can AI autonomously build, operate, and use the entire data stack?

• arxiv url: http://arxiv.org/abs/2512.07926v1
• Date: Mon, 08 Dec 2025 18:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.684986
• Title: Can AI autonomously build, operate, and use the entire data stack?
• Title（参考訳）: AIは、データスタック全体を自律的に構築、運用、使用できますか?
• Authors: Arvind Agarwal, Lisa Amini, Sameep Mehta, Horst Samulowitz, Kavitha Srinivas,
• Abstract要約: 独立したデータコンポーネント操作におけるAIの使用から、データライフサイクル全体のより包括的で自律的な処理へのパラダイムシフトを議論する。 我々は、現代のデータスタックの各ステージがインテリジェントエージェントによって自律的に管理され、自律的なシステムを構築する方法について検討する。
• 参考スコア（独自算出の注目度）: 16.22441719281088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enterprise data management is a monumental task. It spans data architecture and systems, integration, quality, governance, and continuous improvement. While AI assistants can help specific persona, such as data engineers and stewards, to navigate and configure the data stack, they fall far short of full automation. However, as AI becomes increasingly capable of tackling tasks that have previously resisted automation due to inherent complexities, we believe there is an imminent opportunity to target fully autonomous data estates. Currently, AI is used in different parts of the data stack, but in this paper, we argue for a paradigm shift from the use of AI in independent data component operations towards a more holistic and autonomous handling of the entire data lifecycle. Towards that end, we explore how each stage of the modern data stack can be autonomously managed by intelligent agents to build self-sufficient systems that can be used not only by human end-users, but also by AI itself. We begin by describing the mounting forces and opportunities that demand this paradigm shift, examine how agents can streamline the data lifecycle, and highlight open questions and areas where additional research is needed. We hope this work will inspire lively debate, stimulate further research, motivate collaborative approaches, and facilitate a more autonomous future for data systems.
• Abstract（参考訳）: エンタープライズデータ管理は重要なタスクです。 データアーキテクチャとシステム、統合、品質、ガバナンス、継続的な改善にまたがる。 AIアシスタントは、データエンジニアやスチュワードといった特定のペルソナがデータスタックをナビゲートし、設定するのを助けることができるが、完全な自動化には程遠い。 しかし、AIが従来、固有の複雑さのために自動化に抵抗していたタスクに対処する能力がますます高まっているため、私たちは、完全に自律的なデータ領域をターゲットとする差し迫った機会があると信じています。 現在、AIはデータスタックのさまざまな部分で使用されているが、この記事では、独立したデータコンポーネント操作におけるAIの使用から、データライフサイクル全体のより包括的で自律的な処理へのパラダイムシフトについて論じる。 その目的に向けて、現代のデータスタックの各ステージがインテリジェントエージェントによって自律的に管理され、人間のエンドユーザだけでなく、AI自体によっても使用可能な、自己充足型のシステムを構築する方法について検討する。 私たちはまず、このパラダイムシフトを要求する力と機会について説明し、エージェントがデータのライフサイクルをいかに合理化できるかを調べ、オープンな質問と、さらなる研究が必要な領域を強調します。 この取り組みが活発に議論を刺激し、さらなる研究を刺激し、協力的なアプローチを動機付け、データシステムのより自律的な未来を促進することを願っています。

関連論文リスト

• What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
  我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。 本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
  論文  参考訳（メタデータ） (2025-11-02T17:09:29Z)
• Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
  データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。 この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
  論文  参考訳（メタデータ） (2025-06-22T12:59:12Z)
• Data-Copilot: Bridging Billions of Data and Humans with Autonomous Workflow [49.28944613907541]
  金融、気象学、エネルギーといった産業は毎日大量のデータを生み出している。 本研究では,データ分析エージェントであるData-Copilotを提案する。
  論文  参考訳（メタデータ） (2023-06-12T16:12:56Z)
• Data-centric Artificial Intelligence: A Survey [47.24049907785989]
  近年、AIにおけるデータの役割は大幅に拡大し、データ中心AIという新たな概念が生まれた。 本稿では,データ中心型AIの必要性について論じ,続いて3つの一般的なデータ中心型目標の全体像を考察する。 これは、データライフサイクルのさまざまな段階にわたるタスクのグローバルなビューを提供する、初めての総合的な調査である、と私たちは信じています。
  論文  参考訳（メタデータ） (2023-03-17T17:44:56Z)
• Embodied AI-Driven Operation of Smart Cities: A Concise Review [3.441021278275805]
  Embodied AIは、周囲の環境とのインタラクションを通じて学ぶことに焦点を当てている。 さまざまなアルゴリズム、アプローチ、ソリューションとともに、その定義、その特性、そして現在の成果を概観する。 そして、利用可能なシミュレーターと3D対話可能なデータベースを探索し、この分野の研究を可能とします。
  論文  参考訳（メタデータ） (2021-08-22T19:14:59Z)
• Sensor Artificial Intelligence and its Application to Space Systems -- A White Paper [35.78525324168878]
  このホワイトペーパーの目的は、専用の研究トピックとして"Sensor AI"を確立することである。 AIアプローチにおけるセンサーとその物理的特性を詳しく見ると、より堅牢で広く適用可能なアルゴリズムが生まれるだろう。 センサーAIは、自動運転だけでなく、自動生産、予測保守、宇宙研究の分野でも決定的な役割を果たす。
  論文  参考訳（メタデータ） (2020-06-09T14:10:35Z)

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。