論文の概要: AI Integration In ERP Evaluation Across Trends and Architectures
- arxiv url: http://arxiv.org/abs/2512.11805v1
- Date: Thu, 13 Nov 2025 04:29:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-21 14:22:08.681444
- Title: AI Integration In ERP Evaluation Across Trends and Architectures
- Title（参考訳）: トレンドとアーキテクチャ全体にわたるERP評価におけるAI統合
- Authors: Monu Sharma,
- Abstract要約: レビューでは、AI統合ERPサービスの性能評価に適用される最新のトレンド、コンピューティングアーキテクチャのモデル、分析手法について検討する。
重要なパフォーマンス指標を特定し、標準アセスメントフレームワークやAI対応システムが存在しないことを強調する。
我々は、ERPのパフォーマンス評価におけるメトリクスにAI機能をもたらす理論モデルを提唱した。
- 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 incorporation of Artificial Intelligence (AI) into Enterprise Resource Planning (ERP) is a dramatic transition from static, on-premises systems to systems that can adapt and operate in cloud-native architectures. Cloud ERP solutions like Workday illustrate this evolution by incorporating machine learning, deep learning, and natural language processing into a centralized data-driven ecosystem. As the complexity of AI-driven ERP solutions expands, traditional evaluation frameworks that look at cost, function, and user satisfaction suffer from a lack of consideration for algorithmic transparency, adaptability, or ethics. This review will systematically investigate the latest trends, models of computing architecture, and analytical methods applied in assessing the performance of AI-integrated ERP services, specifically on cloud-based platforms. Based on academic and industry sources, the paper distills current research in line with architectural integration, analytical methodologies, and organizational impact. It identifies critical performance metrics and emphasizes the absence of any standard assessment frameworks or AI-aware systems capable of evaluating automation efficiency, security concerns as well as flexible learning modes. We put forward a theoretical model that brings AI-enabled capabilities -- such as predictive intelligence or adaptive automation -- into alignment with metrics in performance assessment for ERPs. By combining current literature and identifying major gaps in research, this paper attempts to present a complete picture of how innovations in AI are changing ERP evaluation. These research and methodological findings are intended to steer researchers and practitioners towards developing rigorous, data-driven assessment approaches, aligning with the fast-developing world of intelligent self-optimizing enterprise ecosystems
- Abstract（参考訳）: AI(AI)をエンタープライズリソース計画(ERP)に組み込むことは、静的なオンプレミスシステムから、クラウドネイティブアーキテクチャで適応および運用可能なシステムへの劇的な移行である。
WorkdayのようなクラウドERPソリューションは、機械学習、ディープラーニング、自然言語処理を集中型データ駆動エコシステムに組み込むことによって、この進化を説明している。
AI駆動のERPソリューションの複雑さが拡大するにつれて、コスト、機能、ユーザの満足度を調べる従来の評価フレームワークは、アルゴリズムの透明性、適応性、倫理に関する考慮の欠如に悩まされる。
このレビューでは、AI統合ERPサービス、特にクラウドベースのプラットフォームのパフォーマンス評価に適用される最新のトレンド、コンピューティングアーキテクチャのモデル、分析手法を体系的に検討する。
本論文は, 学術的・産業的な資料に基づいて, アーキテクチャ統合, 分析的方法論, 組織的影響に関する現在の研究を精査する。
重要なパフォーマンス指標を特定し、自動化効率、セキュリティ上の懸念、フレキシブルな学習モードを評価することができる標準アセスメントフレームワークやAI対応システムがないことを強調する。
私たちは、予測インテリジェンスや適応自動化といったAI機能を備えた理論モデルを、ERPのパフォーマンスアセスメントのメトリクスと一致させました。
本稿は、現在の文献と研究の大きなギャップを組み合わせ、AIにおけるイノベーションがERP評価をどのように変えているかの完全な図示を試みている。
これらの研究と方法論的知見は、インテリジェントな自己最適化型エンタープライズエコシステムの急速に発展する世界と整合して、厳密でデータ駆動型アセスメントアプローチを開発するための研究者や実践者を支援することを目的としている。
関連論文リスト
- Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。
このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。
我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-10-07T17:49:24Z) - Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications [13.876049229274114]
AIネイティブアプリケーションは、ソフトウェアの設計、開発、進化の方法を根本的に再定義する、ソフトウェアエンジニアリングの新しいパラダイムである。
人気が高まっているにもかかわらず、AIネイティブアプリケーションには、統一されたエンジニアリング定義とアーキテクチャの青写真がない。
本研究は、AIネイティブアプリケーションの定義特性、キー品質特性、および典型的な技術スタックを識別することにより、AIネイティブアプリケーションの包括的な理解を確立することを目的とする。
論文 参考訳（メタデータ） (2025-09-16T15:01:23Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - 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) - From Autonomous Agents to Integrated Systems, A New Paradigm: Orchestrated Distributed Intelligence [0.0]
オーケストレーション分散インテリジェンス(ODI)の概念を紹介する。
ODIはAIを、人間の専門知識と連動して働く結束的で組織化されたネットワークとして再認識する。
我々の研究は、重要な理論的意味を概説し、将来の研究と企業イノベーションのための実践的なロードマップを提示します。
論文 参考訳（メタデータ） (2025-03-17T22:21:25Z) - Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Unveiling AI's Potential Through Tools, Techniques, and Applications [17.624263707781655]
人工知能(AI)、機械学習、ディープラーニングは、ビッグデータ分析と管理において変革の力となっている。
この記事では、これらの分野における基礎概念と最先端の展開について論じる。
理論的基盤を実行可能な戦略でブリッジすることで、ビッグデータ管理に革命をもたらすAIとLLMの可能性を示す。
論文 参考訳（メタデータ） (2024-10-02T06:24:51Z) - Integrating Artificial Intelligence into Operating Systems: A Comprehensive Survey on Techniques, Applications, and Future Directions [16.28550500194823]
人工知能とオペレーティング・システムの統合はイノベーションの重要なフロンティアとして現れます。
AI-OS統合の現状は、先進的なコンピューティングパラダイムの進化を操る上で、その重要な役割を強調している。
Intelligent Operating Systemsの今後の展望は、OS設計がいかにして新たな可能性をもたらすかを議論する。
論文 参考訳（メタデータ） (2024-07-19T05:29:34Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - 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) - Self-organizing Democratized Learning: Towards Large-scale Distributed
Learning Systems [71.14339738190202]
民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。
本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。
提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
論文 参考訳（メタデータ） (2020-07-07T08:34:48Z)
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。